Knative: AI 事件驱动场景 Serverless 实践

本文涉及的产品
函数计算FC,每月15万CU 3个月
Serverless 应用引擎免费试用套餐包,4320000 CU,有效期3个月
简介: Knative 作为主流的开源 Serverless Framework,除了提供应用部署、自动弹性之外,还提供事件驱动能力。在面对 AI 场景时,用户对事件对精细化处理以及节省资源成本都有较高对要求,这里介绍通过Knative实现事件驱动、事件分发与资源自动弹性,很好的满足用户场景的诉求

导读

Knative 作为主流的开源 Serverless Framework,除了提供应用部署、自动弹性之外,还提供事件驱动能力。在面对 AI 场景时,用户对事件对精细化处理以及节省资源成本都有较高对要求,这里介绍通过Knative实现事件驱动、事件分发与资源自动弹性,很好的满足用户场景的诉求。本文会从以下 3 个方面展开介绍:

  • 事件驱动框架:Knative Eventing
  • 事件驱动引擎:事件源介绍
  • AI 事件驱动场景实践


Knative 模型

我们先来整体看一下 Knative 中两大核心模块,Serving 中是通过 Knative Service 提供应用模型,支持多版本管理、自动弹性以及流量灰度发布。Eventing 提供了事件驱动框架,包括事件源、Broker/Trigger模型。接下来我们主要介绍 Knative Eventing。

image.png

Service

manages

Configuration

Serving

Route

10%

Revisionv3

records

90%

history

of

Revisionv2

Revisionv1

Namespace

Trigger

Source

ingress

subscribe

Service

(Callable)

Events

filter

Eventing

ysiiqnd

Broker

Trigger

Source

subscribe

ingress

Service

filter

(Callable)

Events

事件驱动框架:Eventing

Knative 的 Eventing 提供了完整的事件模型,可以很容易地接入各个外部系统的事件。事件接入以后通过 CloudEvent 标准在内部流转,结合 Broker/Trigger 机制给事件处理提供了非常理想的方式。

image.png

  • Knative Eventing 提供的服务是松散耦合,可进行独立开发和部署。服务可跨平台使用(如 Kubernetes, VMs, SaaS 或者 FaaS
  • 事件的生产者和事件的消费者是相互独立的。
  • 社区提供多种开箱即用的事件源
  • 支持第三方消息系统,提供灵活的扩展性。


关键特性-事件规则

在 Eventing 中通过Broker/Trigger进行事件流转和分发,分发离不开规则的设置,Trigger 中提供了丰富的规则设置能力,如图所示:

image.png

  • Triggerfilter的作用是对Event进行内容过滤。
  • 支持对EventAttribute以及Data的内容进行过滤。
  • 支持Common Expression Language (CEL) 表达式过滤
  • 支持通过SourceAndType进行过滤

事件驱动引擎: 事件源

事件源是事件驱动的引擎,Knative社区提供了丰富的事件源,如Kafka、GitHub等。此外还接入消息云产品事件源,如MNS、RocketMQ等。

image.png

事件源

DOE

6

Kafka

MNS

OSS

tableStoreRocketMQ

gitlabkubernetes

acr

CloudEvent

Eventing

Broker

Trigger

Trigger

Trigger

Serving

基于镜像发布服务

从源码构建镜像

定时任务

AI音视频处理

这套完备的事件系统可以比较容易的实现事件驱动场景如下:

  • 自动 CICD
  • AI 音视频场景
  • 比如和各种云产品的事件对接,从而实现云产品状态更新自动触发一个服务等


RocketMQ事件源

消息队列RocketMQ版是阿里云基于Apache RocketMQ构建的低延迟、高并发、高可用、高可靠的分布式消息中间件。消息队列RocketMQ版既可为分布式应用系统提供异步解耦和削峰填谷的能力,同时也具备互联网应用所需的海量消息堆积、高吞吐、可靠重试等特性。

RocketMQSourceKnative 平台的 RocketMQ事件源。其可以将 RocketMQ集群的消息以Cloud Event的格式实时转发到Knative 平台,是 ApaheRocketMQ和 Knative 之间的连接器。

image.png

KNativedataplane

Broker/Tngger

RocketMQ

RocketMQCluster

Services

Source

RocketMQ消息CloudEvent事件


  • 对接RocketMQ消息系统
  • 消息分发到 Knative Service服务

Kafka事件源

消息队列 Kafka 版是阿里云基于 Apache Kafka 构建的高吞吐量、高可扩展性的分布式消息队列服务,广泛用于日志收集、监控数据聚合、流式数据处理、在线和离线分析等,是大数据生态中不可或缺的产品之一,阿里云提供全托管服务,用户无需部署运维,更专业、更可靠、更安全。

Knative 社区提供Kafka事件源,支持开源社区Kafka以及阿里云Kafka产品:

  • 对接Kafka消息系统
  • 消息分发到 Knative Service服务

image.png

8

消息

Katka

Knative

K

KatkaSource

POD

POD

POD

POD

业务服务

AI 事件驱动场景实践

接下来我们以Kafka事件源为例,介绍一个典型的消息驱动场景。

客户是一个线上直播系统,每天都有海量的直播访问,访问量根据直播热度弹性波动,存在不定时激增;同时,直播系统支持用户在线互动,互动行为会通过消息服务(Kafka)实时推送到服务端进行数据和AI处理,处理结果会即时推送回视频流与视频直播产生联动。消息数据的处理主要有以下技术挑战:

1、业务弹性波动,消息并发

2、互动实时响应,低延迟

image.png

ACK+Knative

事件处理

事件网关

事件源

POD

POD

一日

自动弹性

POD

POD

消息队列Kafka

Kafka事件源

事件网关

业务服务

为了满足客户系统对于消息处理的弹性波动、高并发、低时延的要求,客户选择使用阿里云的Knative服务进行数据的弹性处理。阿里云Knative完全契合用户的需求,在兼容k8s标准的基础上,提供了基于事件/消息的容器弹性调度。应用实例数随着业务波峰波谷实时扩容和缩容,真正做到了按需使用,实时弹性的云计算能力。整个过程完全自动化,极大的减少了业务开发人员在基础设施上的心智负担。接下来我们通过一个示例来模拟用户的场景

前提条件

  • 创建ACK/ASK集群,并选择【Knative】进行安装
  • 对于已有ASK集群,部署Knative参考
  • 部署事件驱动Eventing

操作步骤

  1. 部署事件网关

在Knative 组件管理控制台,选择“Kourier”以及“EventGateway” addon组件进行部署

image.png

knastiva-test-pre

脏务兰理

丝件董理

集新信点

朱群:kngtive-test-pre/Knative组件甘理

用新

健有敬

命名空间气4信集

背吃文档

工作负五

访间岗夫:47103.223.162

无状态

杭心姐性

白扶态

超作

横心组件

合名空用

打我

详情

已邮

Seewing

knatlue--serving

定时仁男

正鲁

泰部哥

容理划

自龙义空话

赛作

*态

青注

创济药呵

适本

Add-on调件

眼务与路巾

未秘

捉供GitHub件退,示:Gl.Hub丁件处理

GITHub

配量专理

饼MNSO事示:于Mn5055再件案人胎限片识

共于Kafka半性安案

竖促快K:ka412.0.0及以上西木件旺:

5

未开死

HOLm

提东ROCLTKO掌件姿

未部

乐供Kourler网关

搜供本件精准谢度功萌

未部

EwontCatoway

安全督理

  1. 部署事件源。选择 Kafka 事件源进行部署。

image.png

knative-test-pre

年件青理

务障理

红群你

朱群:knative-test-pre/Knative?件理

中名空间55惠

行伟助文档

工作负轧

请间网关:47.103.223.162

植车目件

有北态

默态

按心姐件

腐木

命名二月

学药

洋情

y0.130

定对任岛

红话

未享哥

印量

V0.140

曾安妞

add-on组件

状态

密注

争名空间

add-on扭件

创注时间

出乌与晗由

天虹

配置性理

爱等ns0ss+件示件:于Mn5O05件实人

大部哥

¥1.00

应用

提供K&IK2.0O及以上播瓜)享知品特于katk事件实

元用置

本城

现洁克挫送

吴5

提供RucketMg4.

RockeTQ

T

优Kouicr碍关

大部

透娜气理

加话

半保鸭件棉准润石功方

共部膏

yo.1.0

EwentCa:awaw

安全畔

  1. 部署服务

这里我们部署一个Knative Service 服务 event-display,用于接收事件。

apiVersion: serving.knative.dev/v1
kind: Service
metadata:
  name: event-display
  annotations:
    networking.knative.dev/flow-controller.class: strict
    networking.knative.dev/ingress.class: kourier.ingress.networking.knative.dev
spec:
  template:
    metadata:
      annotations:
        autoscaling.knative.dev/class: xpa.autoscaling.knative.dev
        autoscaling.knative.dev/maxScale: "100"
        autoscaling.knative.dev/minScale: "1"
        autoscaling.knative.dev/pod-buffer-size: "3"
        autoscaling.knative.dev/gc-time: "30"
    spec:
      containers:
      - image: registry.cn-hangzhou.aliyuncs.com/knative-sample/event-display:0128

部署完成之后,我们可以查看结果:

$ kubectl get po |grep event
event-display-tslr5-deployment-5c9c4c469b-bnjlz                   2/2     Running   0          3h53m
event-display-tslr5-deployment-5c9c4c469b-bwxtm                   2/2     Running   0          3h53m
event-display-tslr5-deployment-5c9c4c469b-fjjr7                   2/2     Running   0          5d13h
  1. 创建事件源CR

创建KafkaSource资源,设置Kafka 对应的topic、consumerGroup、 kourier 网关地址以及用于消费事件的服务event-display。

apiVersion: sources.knative.dev/v1alpha1
kind: KafkaSource
metadata:
  name: kafka-source
  annotations:
    k8s.aliyun.com/domain: event-display.default.example.com
    k8s.aliyun.com/retry-count: "5"
    k8s.aliyun.com/retry-interval: "2"
    k8s.aliyun.com/req-timeout: "60"
spec:
  consumerGroup: demo-consumer
  # Broker URL. Replace this with the URLs for your kafka cluster,
  # which is in the format of my-cluster-kafka-bootstrap.my-kafka-namespace:9092.
  bootstrapServers: 192.168.7.113:9092,192.168.7.110:9092,192.168.7.108:9092
  topics: demo
  sink:
    uri: http://101.200.177.84

创建完成之后,可以查看对应的kafka事件源pod:

$ kubectl get po|grep kafka
kafkasource-kafka-source-a8b95415-703f-4d50-8339-6203f0f6154pzq   1/1     Running   0          5d13h
kafkasource-kafka-source-a8b95415-703f-4d50-8339-6203f0f61x9xc9   1/1     Running   0          5d13h

执行结果

我们通过客户端往kafka消息队列中发送消息进行结果验证,执行如下:

$ kubectl get po
NAME                                                              READY   STATUS    RESTARTS   AGE
event-display-tslr5-deployment-5c9c4c469b-58hv6                   2/2     Running   0          23s
event-display-tslr5-deployment-5c9c4c469b-bnjlz                   2/2     Running   0          4h6m
event-display-tslr5-deployment-5c9c4c469b-bwxtm                   2/2     Running   0          4h6m
event-display-tslr5-deployment-5c9c4c469b-d9vxc                   2/2     Running   0          23s
event-display-tslr5-deployment-5c9c4c469b-fjjr7                   2/2     Running   0          5d13h
event-display-tslr5-deployment-5c9c4c469b-kl827                   2/2     Running   0          24s
event-display-tslr5-deployment-5c9c4c469b-l5642                   2/2     Running   0          24s
event-display-tslr5-deployment-5c9c4c469b-q82pq                   2/2     Running   0          23s
event-display-tslr5-deployment-5c9c4c469b-qh7z5                   2/2     Running   0          24s
event-display-tslr5-deployment-5c9c4c469b-qmcnn                   2/2     Running   0          24s
event-display-tslr5-deployment-5c9c4c469b-t7sv2                   2/2     Running   0          24s
event-display-tslr5-deployment-5c9c4c469b-tpnwk                   2/2     Running   0          24s


总结

本文介绍了 Knative 驱动框架:Eventing,并支持 Kafka 以及 RocketMQ 事件源接入,对于 AI 事件驱动场景下我们如何将消息服务和 Knative 进行结合进行了介绍。欢迎有兴趣的同学进行交流。

image.png


相关实践学习
【文生图】一键部署Stable Diffusion基于函数计算
本实验教你如何在函数计算FC上从零开始部署Stable Diffusion来进行AI绘画创作,开启AIGC盲盒。函数计算提供一定的免费额度供用户使用。本实验答疑钉钉群:29290019867
建立 Serverless 思维
本课程包括: Serverless 应用引擎的概念, 为开发者带来的实际价值, 以及让您了解常见的 Serverless 架构模式
目录
相关文章
|
15天前
|
机器学习/深度学习 数据采集 人工智能
AI与机器学习:从理论到实践
【10月更文挑战第2天】本文将深入探讨AI和机器学习的基本概念,以及它们如何从理论转化为实际的应用。我们将通过Python代码示例,展示如何使用机器学习库scikit-learn进行数据预处理、模型训练和预测。无论你是AI领域的初学者,还是有一定基础的开发者,这篇文章都将为你提供有价值的信息和知识。
|
13天前
|
SQL 人工智能 自然语言处理
【AI 技术分享】大模型与数据检索的探索实践
本文基于2024年9月27日与阿里云合办的线下沙龙分享整理而成,探讨如何通过大语言模型(LLM)让数据访问更简单。随着企业数据量增长,传统数据访问方式已难以满足需求。LLM结合自然语言检索,使非技术用户能直接用自然语言与数据交互,降低数据访问门槛。文章介绍了NL2SQL技术,通过LLM理解自然语言问题并生成SQL查询,实现高效数据获取。同时,探讨了AskTable架构及其在实际应用中的挑战与解决方案。
101 5
【AI 技术分享】大模型与数据检索的探索实践
|
3天前
|
机器学习/深度学习 人工智能 自然语言处理
探索AI在软件测试中的创新应用与实践###
本文旨在探讨人工智能(AI)技术如何革新软件测试领域,提升测试效率、质量与覆盖范围。通过深入分析AI驱动的自动化测试工具、智能化缺陷预测模型及持续集成/持续部署(CI/CD)流程优化等关键方面,本研究揭示了AI技术在解决传统软件测试痛点中的潜力与价值。文章首先概述了软件测试的重要性和当前面临的挑战,随后详细介绍了AI技术在测试用例生成、执行、结果分析及维护中的应用实例,并展望了未来AI与软件测试深度融合的趋势,强调了技术伦理与质量控制的重要性。本文为软件开发与测试团队提供了关于如何有效利用AI技术提升测试效能的实践指南。 ###
|
5天前
|
人工智能
阅读了《文档智能 & RAG让AI大模型更懂业务》的解决方案后对解决方案的实践原理的理解
阅读《文档智能 & RAG让AI大模型更懂业务》后,我对文档智能处理与RAG技术结合的实践原理有了清晰理解。部署过程中,文档帮助详尽,但建议增加常见错误处理指南。体验LLM知识库后,模型在处理业务文档时效率和准确性显著提升,但在知识库自动化管理和文档适应能力方面仍有改进空间。解决方案适用于多种业务场景,但在特定场景下的集成和定制化方面仍需提升。
|
5天前
|
存储 消息中间件 人工智能
ApsaraMQ Serverless 能力再升级,事件驱动架构赋能 AI 应用
本文整理自2024年云栖大会阿里云智能集团高级技术专家金吉祥的演讲《ApsaraMQ Serverless 能力再升级,事件驱动架构赋能 AI 应用》。
|
8天前
|
机器学习/深度学习 人工智能 自动驾驶
探索AI未来:从理论到实践
【10月更文挑战第9天】探索AI未来:从理论到实践
21 2
|
8天前
|
机器学习/深度学习 人工智能 自然语言处理
探索AI的无限可能:从理论到实践
【10月更文挑战第9天】在这篇文章中,我们将深入探讨人工智能(AI)的世界,从基本概念到实际应用,再到未来发展趋势。我们将通过实例和代码示例,揭示AI如何改变我们的生活和工作方式。无论你是AI领域的新手,还是有经验的开发者,这篇文章都将为你提供有价值的信息和启示。让我们一起探索AI的无限可能吧!
|
12天前
|
存储 数据采集 人工智能
数据湖面向AI场景的进化
对象存储OSS作为云上数据湖,被广泛应用在商业智能、数据决策、广告推荐等大数据分析的场景上。随着AI workload的不断增长,OSS数据湖也在随着workload的变化不断演进。
|
12天前
|
数据采集 存储 人工智能
AI时代数据湖实践
本文分享了如何利用阿里云的存储解决方案构建一个具备高效处理、高时效性的AI数据湖,通过高吞吐训练和高效推理帮助企业快速实现数据价值,以及用户在使用中的最佳实践。
|
4天前
|
人工智能 NoSQL 机器人
MongoDB Atlas与YoMio.AI近乎完美适配:推理更快速、查询更灵活、场景更丰富
随着MongoDB的新发布和革新,YoMio.AI的“闪电式发展”值得期待。

相关产品

  • 函数计算