（四）扩缩容无感，实现更快的业务反应
随着用户业务不断上云，企业面临工作负载不均衡等场景，比如双十一等，波峰和波谷往往差异极大，为数据库的选型带来较多挑战。传统数据库难以应对这类不均衡场景，在波峰时无法打破工作瓶颈，在波谷时无法避免资源浪费，这为企业用户带来巨大不便。Serverless数据库将资源进行细粒度地拆解，即对存储计算能力进行解耦并拆分为可售卖的资源，以满足业务的资源编排。基于此架构，代码的执行不再需要手动分配资源，无需为服务的运行指定所需资源（例如使用机器数量、带宽大小、磁盘空间等），Serverless数据库能够根据用户的负载需求进行扩缩容，从而避免资源浪费或遭遇瓶颈，为用户极致的弹性体验。目前，Serverless数据库在分配资源时还需要用户提供预置策略，例如单个实例的规格、最大并发数、单实例最大CPU使用率等。同时，扩缩容由于不够平滑，无法实现快速反应以应对业务变化。未来，随着机器学习算法不断发展，Serverless数据库有望实现预测未来资源增长，快速供给资源，实现自适应分配，从而达到扩缩容无感，有效满足业务需求变化。产业界目前在弹性能力上不断深入研究，阿里云PolarDB在业内首次实现计算、内存与存储的三层解耦，实现内存池化，使得弹性能力呈数量级提升。未来，随着资源不断解耦，Serverless数据库将提供更加极致的弹性体验、更加快速的扩缩容功能。
