回顾过去看应用PaaS的Next

简介: 和上周那篇回顾过去看IaaS的Next一样,这篇我将通过回顾我自己所经历的应用PaaS的发展,来找找应用PaaS发展的动力,从而更好的寻找创新方向。

作者:毕玄   
文章来源:微信公众号HelloJava

和上周那篇回顾过去看IaaS的Next一样,这篇我将通过回顾我自己所经历的应用PaaS的发展,来找找应用PaaS发展的动力,从而更好的寻找创新方向。

PaaS是个非常广泛的词,这里主要还是说说应用PaaS,我对应用PaaS狭隘的理解为应用开发所需要依赖的基础技术框架或者一堆基础技术组件,或者另外一种说法是,通常现在大家去做一个业务系统时并不会从零开始研发,一般是会先选择一个开发框架,或一堆的技术组件来进行开发,可以认为选择的开发框架或者一堆的技术组件就是应用PaaS,按照这个定义,可以看出应用PaaS的内容主要取决于应用所选择的架构,所以我就按照我自己经历过的几个典型的架构来讲讲应用PaaS。

单体式架构

大部分的应用系统目前是单体式架构,所谓的单体式架构是指整个业务就是一个应用系统,存储可能是数据库、文件系统之类的。
对于单体式架构而言,如果是Java的话,应用PaaS通常就是类似Spring这样的框架,Spring的IoC、AOP、数据库操作的封装、MVC这些基本上可以满足开发一个单体式架构应用系统的技术诉求。

单体式架构->分布式架构

淘宝在07年开始了单体式架构->分布式架构的改造,在这轮改造开始时,发现首先得解决分布式后多个系统之间怎么交互的问题。

两个系统之间交互,通常会有同步、异步的方式,同步交互采用服务化的方式来解决,异步的方式通常采用消息的方式来解决,于是在这轮架构改造过程中淘宝诞生了服务框架HSF、消息中间件Notify。

数据库单机能支撑的能力有限,需要分库分表,而分库分表后业务开发上会非常复杂,于是做了一个分库分表访问的中间件TDDL。

除了上面的问题外,由于集群化、规模的原因,cache、存储都很难用一台机器解决了,于是分布式cache、分布式文件系统也差不多同时诞生了。

当淘宝进入分布式架构时代后,应用PaaS就从只是一个简单的Spring,演进成了Spring、HSF、Notify、TDDL、分布式cache、分布式文件系统多个技术组件构成。

当年淘宝在做这轮架构改造时,外部直接可用的开源产品实在太少,所以只能自己研发,但到了今天,要做一个分布式架构的应用,通过开源组件基本就可以搭建出来,门槛大幅度被降低,例如选择memcached、glusterfs/ceph、dubbo、rocketmq一堆技术组件或基于spring cloud这样的框架。

分布式架构->单元化架构

阿里的电商架构在2013年开始了从分布式架构->单元化架构(单元化架构师指整个业务系统可以划分为一些业务单元,例如电商有交易单元,并且这个单元可独立灵活部署)的改造,在这轮改造中,出现的最大的问题是所有的系统交互过程中都没有单元这个概念,因此需要让应用PaaS具备单元这个概念能力,从而准确的去相应的单元操作。

除此之外,单元化架构对数据同步有了比以往更高以及更复杂很多的要求,需要在原有的应用PaaS中再增加一个用于实现跨地域、且可支持复杂同步条件的数据同步组件。

可以看到在上面这轮架构改造中,更多的是对分布式架构时代的应用PaaS中的技术组件进行了一轮升级,增加的主要是一个数据同步组件,单元化架构不像分布式架构,基于框架基本可以完成主体,单元化架构还涉及到比较复杂的系统设计。

单元化架构->混合云架构

差不多是在2015年,开始基于单元化架构进一步往混合云架构演进,这个准确来说不算架构级变迁,这个阶段要处理的主要问题是:

  1. 云的IaaS和自有IaaS的不同,在资源管理层面的接口需要适配多套,这个状况随着容器、k8s接口标准化后会好很多;
  2. 运维时无缝的操作混合云场景里的机器。
    所以这个阶段更多的还是在处理资源层、运维层的问题,不像前面的几轮架构改造,深刻的影响到了开发态、运行态以及运维态。

应用PaaS的Next

上面讲的PaaS的这个过程,和上篇IaaS有很大的差别,应用PaaS由于和架构对应,所以准确说不一定是个演进关系,更多的还是看对于企业而言什么架构是合适的。

但上面无论是哪个过程,都可以看到的一点是应用PaaS一直在解决的问题是在这个架构体系下一些通用的技术问题,使得业务系统的开发同学在基于这些技术组件,或开发框架时可以不用过多的关心这个架构体系对应的技术问题,降低了研发门槛,使得业务研发可以更加聚焦业务,从而提升了业务需求迭代的效率。

按照这个,可以看出应用PaaS演进的核心动力就是怎么让业务研发能更加的聚焦业务,这个在每个架构体系里都会不一样,就像上面的演进可以看出,其实并没有本质提升这个核心动力,而只是满足了不同架构体系下的这个动力诉求。

但到了云时代,看到了让这个核心动力往前真正提升的机会,就是通过Serverless的思想(继续强调,Serverless!=FaaS),使得在进入分布式架构、单元化架构、混合云架构这样的体系下时,聚焦业务这事能够有更本质的提升,具体在Serverless:云时代的软件架构核心思想这篇中已经阐述了我的观点,再放一张内部同学帮提炼的观点的图在此:
image.png

对于做业务系统的开发同学而言,如果有机会做比较新的系统,我建议是更多的去使用云产品,这样很大程度其实就是一种Serverless的实践(当然,由于现在云厂商在这块还有差距,所以没那么强的感受)。

对于做Serverless平台的同学而言,我的建议就是思考好上面图片里说的本质问题,基于你的Serverless平台,是否可在很低的研发/运维门槛的情况下,实现一个较为复杂的在线业务系统。

过去的多年,更多的是架构的演进带动了应用PaaS的发展,但云时代的来临、Serverless思想的提出,使得应用PaaS真正的迎来了一个质变的时代,在这个时代中,谁能先给出一个受广大开发者群体欢迎、好用、开放的Serverless框架,谁就有机会拥有像Spring在Java圈一样的地位,并且会更加重要。

作者简介:

IMG_20190813_191335.png

毕玄,2007年加入阿里,一手打造了HSF,十多年来更见证参与了阿里在基础技术上的演进与发展:如淘宝在2007-2009年的分布式应用架构升级、2013-2016年的阿里电商异地多活架构升级等。

相关实践学习
【玩转ComfyUI】基于函数计算一键部署AI生图平台ComfyUI
本次实验将带大家通过使用阿里云产品函数计算FC,快速使用ComfyUI实现更高质量的图像生成。
从 0 入门函数计算
在函数计算的架构中,开发者只需要编写业务代码,并监控业务运行情况就可以了。这将开发者从繁重的运维工作中解放出来,将精力投入到更有意义的开发任务上。
相关文章
|
开发工具 git
Git使用不当导致代码丢失的N种场景
背景git作为目前使用最广泛的分布式版本控制软件,集团内基本上所有开发同学都使用它来做代码管理。一个最典型的使用场景,是一个git仓库存在一个master主干分支,多个需求基于master拉自己的开发分支,然后在发布日时,新建一个release分支,然后原先并行的几个开发分支merge到release分支上,最后基于该分支发布上线,上线后release再merge到master主干上,一次发布完成
3920 1
Git使用不当导致代码丢失的N种场景
|
存储 NoSQL
MongoDB无法启动,如何恢复数据?
近日有 MongoDB 用户遇到一个问题,使用 Wiredtiger 存储引擎的 MongoDB 无法启动,咨询我数据能否恢复回来,能恢复多少是多少 ... 问题出现的场景据用户描述是「mongod磁盘写满了,导致进程 crash」,尝试重新启动,结果 wiredtiger 报错,错误信息类似如下,类似的问题 mongodb jira 上也有人提过,可以参考 SERVER-26924,说明此时 MongoDB 数据文件已经损坏。
|
10月前
|
人工智能 供应链 安全
AI时代下,2025年中国低代码市场发展如何了?
技术民主化正重塑企业数字化边界。低代码与AI融合,让业务人员也能快速构建系统,开发效率倍增、成本大降。从制造到金融,平台已承担核心业务,推动IT与业务协同创新,释放全员创造力。
|
数据采集 消息中间件 监控
单机与分布式:社交媒体热点采集的实践经验
在舆情监控与数据分析中,单机脚本适合小规模采集如微博热榜,而小红书等大规模、高时效性需求则需分布式架构。通过Redis队列、代理IP与多节点协作,可提升采集效率与稳定性,适应数据规模与变化速度。架构选择应根据实际需求,兼顾扩展性与维护成本。
460 2
|
人工智能 弹性计算 资源调度
LangChain脚本如何调度及提效?
在大模型时代,Python成为了主要的编程语言,最有代表性的就是LangChain大模型开发框架。本文章介绍如何有效的进行LangChain脚本管理、调度、提升资源利用率、限流等能力。
442 83
|
Java 调度 Maven
新一代 Cron-Job 分布式任务调度平台 正式发布!
简单易用、超低延迟,支持用户权限管理、多语言客户端和多租户接入的分布式任务调度平台。 支持任何Cron表达式的任务调度,支持常用的分片和随机策略;支持失败丢弃、失败重试的失败策略;支持动态任务参数。
696 133
|
数据可视化 Python
Plotly:绘制蜡烛图
Plotly:绘制蜡烛图
473 0
|
安全 测试技术 开发者
Python中的“空”:对象的判断与比较
在Python开发中,判断对象是否为“空”是常见操作,但其中暗藏诸多细节与误区。本文系统梳理了Python中“空”的判定逻辑,涵盖None类型、空容器、零值及自定义对象的“假值”状态,并对比不同判定方法的适用场景与性能。通过解析常见误区(如混用`==`和`is`、误判合法值等)及进阶技巧(类型安全检查、自定义对象逻辑、抽象基类兼容性等),帮助开发者准确区分各类“空”值,避免逻辑错误,同时优化代码性能与健壮性。掌握这些内容,能让开发者更深刻理解Python的对象模型与业务语义交集,从而选择最适合的判定策略。
615 5
|
机器学习/深度学习 人工智能 算法
《探秘卷积神经网络的核心—卷积核》
卷积神经网络(CNN)在图像和语音识别等领域取得显著成就,卷积核作为其核心组件发挥关键作用。卷积核是滑动于输入数据上的小矩阵,通过卷积操作提取特征,参数共享机制减少模型复杂度并提高鲁棒性。不同类型的卷积核(如标准、深度可分离和扩张卷积核)适用于多种任务,为CNN的成功奠定基础。
1281 5