作者 | 朱鹏，阿里云 Serverless 技术专家
基于 ECS 的 FaaS
在阿里云传统架构，用户通过互联网进入到负载均衡系统中，再通过负载均衡把系统的请求调度到不同的机器上去。这种传统的架构带来的问题比较多，一方面是多应用配比比例容易失衡，造成资源浪费；另一方面是镜像升级比较繁琐，整个过程的开机速度在分钟级，扩容速度也相对较慢。
架构设计
基于 ECS 的 FaaS 架构设计同样也是通过互联网进入，落到 SLB 负载均衡上。SLB 负载均衡这个系统是部署在阿里云内部的，主要用于抵挡 DDoS 攻击及请求均衡到多台 api server 上。api server 再发起函数的 CRUD 操作，并向 Scheduler 申请容器。Scheduler 管理容器在 worker 的放置，请求落在容器上的调度分发。用户所在 worker 就是我们称之为的计算节点，如果需要访问用户的 VPC 环境则在计算节点上通过 ENI 网卡打通到用户 VPC 环境。
多租户多应用部署的支持
namespace 是 linux 前几年推出的一个资源隔离方案，可以在内核层面做一些设置指定一部分进程固定。并且可以在 cgroup 的这一套设置方案里设置，控制资源的访问。在 namespace、cgroup 整套方案下，衍生出了 container，社区中常用的的 Docker 方案把镜像操作系统中的很多细节包装成一个方案，用户看到了一个相对比较完整的操作系统，把用户当成一个单个用户放置在虚拟机当中。这就是一个 vm，相当于说一台 ECS，这里就是操作系统层面，把整个 cpu、memory、包括设备全部给屏蔽掉，在上面用 cgroup 封一层，对应的就是 Docker 容器。
应用放置策略包括用户独占虚拟机、同 VPC 独占虚拟机、资源访问权限一致的 APP 混部在同机器。把两个不同的用户混在一个 vm 下，也就是 ECS 上面，对于用户之间来说是存在风险的。为了屏蔽掉共用 kernel 带来的风险，ECS 上的实现，我们单个 ECS 只有一个租户，这样处理也存在一些问题，最突出的就是对于低频调用函数资源使用率低。
快速水平弹性扩容
如何做到水平弹性扩容？
1、通过应用容器部署，可以定制一些特别的语言、Runtime 容器、通用 LIB/SDK，并保持社区生态一致，这样就不需要另外去下载，用户用起来也比较方便，启动速度也非常快。
2、 通过设置公共容器镜像、容器镜像写入 ECS 镜像、ECS 镜像启动机器、快速补充机器池等控制机器资源池，从而能够兼顾性能与成本。
3、在池化的机器中池化容器创建、代码目录延迟挂载、提前启动 runtime、提前 health check，用户请求来临的时候需要启动的时间会变得更短。
4、通过限制用户应用大小、鼓励拆分业务逻辑、内置 SDK/Lib 来控制应用大小。
5、通过 P2P 镜像分发、避免对下载服务造成冲击、按需加载、降低下载延迟、提升启动速度等完成 P2P 镜像下载加速。
如何提升资源使用率？
在实际研发过程中发现，相同 QPS 下单位时间片内调度对资源量的影响非常大，我们可以通过调度提升资源使用率。例如在下图中，我们看到宏观状态下的整体 TPS 是非常稳定的，然而事实上，我们放大到毫秒级别会发现，其实非常不均匀！那么这种不均匀到底会给我们带来什么影响？
假设我们每个容器被设置的最大并发度为 1，即任意时刻一个容器只处理一个任务。下图展示了 a,b,c,d,e,f 多个请求在不同时刻点被调度时对容器数目的影响。
可以看到场景一时，每个请求均匀打入时，任意时刻只需要一个容器就够了，这种情况就是我们理想中希望能达到的；
而在场景二下，如果调度发生了滞后，可能导致前置的请求和后来的请求混到了一个时间点，导致容器数目翻倍，在中间的空白处，这些容器又没有被充分利用造成了资源的浪费；
在场景三下，如果容器启动耗时较长，或者调用耗时变长，原来的 b 请求会和 a 请求出现时间上的叠加，导致又需要创建新的容器，而新的容器如果需要较长时间的冷启动， 又会导致和 c 请求出现时间上的叠加。如果调度系统实现得不够好，这样一来就可能产生雪崩效应，导致资源使用量暴涨，而实际使用率却极其低下。
通过上面几个场景，我们可以大致为资源使用率的开销上总结一个优化方向：
- 尽可能让调度更均匀、更合理，避免扎堆唤起容器
- 尽可能降低冷启动时长，避免短期大量容器都处于创建当中，避免无意义的系统调度开销
- 除了上述外，我们还可以考虑高密部署，将单机的资源使用率提升上去
如何容灾、防止雪崩？
在实际操作中发生异常的时候，用户请求会出错，出错后会重启或调动新资源创建新的容器，但这样会导致整个延迟增大。用户有又会重复尝试，重复尝试则会导致负载升高，从而又引起异常，如此恶性循环。可以通过优化启动速度、多 Partition 容灾部署、指数退避重试、Breaker 阻断异常请求、多可用区备灾、SLB 阻断 DDoS 攻击来防止雪崩。
基于神龙高密部署的 FaaS
为什么需要做高密部署？
一是因为弹性启动速度要求高，希望做到每秒1万个容器实例的启动、启动延迟控制在300毫秒以内、容器的存活时间在分钟级别、资源粒度128MB；
二是成本更低，ECS 架构因安全隔离问题资源碎片多，突发调用延迟高，影响资源数目；
三是性能，ECS 单机缓存少、请求毛刺率较高、请求最大延迟高；
四是稳定性，高并发对系统冲击、频繁的创建删除资源、ECS 管控压力，爆炸半径难以控制。
高密部署架构带来的技术难题
整个高密部署架构带来的一些技术难题：
首先要面对的是如何解决单机多租户隔离安全风险，如果不解决这个问题那么就无法做到单机多租户的安全高密部署，这样资源使用率密度无法有效提升；
其次是如何解决高并发下启动速度问题，如果无法做到这点，如我们前面所提到的，冷启动时间较长会严重加剧资源的开销，同时严重影响用户延迟体验；
再就是如何解决单机多租户 VPC 网络打通及安全问题，这一点其实非常重要，我们在 ECS 上建立 VPC 网络连接的速度非常慢，这也严重影响了用户冷启动及资源的使用；
另外我们还需要考虑如何设计高密部署下的技术容灾方案，因为任何一个计算节点的异常会带来大量用户的服务异常。
基于安全容器模板技术的优化
我们是如何做到基于安全容器模板技术的优化的？每个容器独占一个虚拟机沙箱，这个沙箱相当于是一个独立的虚拟机，有自己独立的 linux 内核，这样一来每个容器都是通过独立的 kernel 来做安全隔离。神龙启动时模板化大量虚拟机用于提升启动速度，通过 virtiofs 延迟挂载用户代码目录，通过虚拟机微内核隔离用户，可以做到单台机上每个微内核 20M 左右的内存，单机至少 2000 个容器，控制它的冷启动时间是在 250 毫秒左右。通过调度算法，我们可以合理地使用资源，承诺用户的资源 quota。
代码按需加载
代码按需加载是通过以下几个方面做到的：用户容器会重复使用同一份代码，单台神龙只需下载一次；脚本语言包含了大量用不到的代码；使用使用 FUSE（用户空间文件系统）来做中间层文件的真实读取；底层使用 NAS 做低延迟的数据下载；OSS（阿里云对象存储）做高带宽支持的数据下载。注意到，我们这里混用了 NAS 及 OSS 一同来做代码的加载，需要注意的是，NAS 的访问延迟相对而言更低，对于小文件的加载更快。我们在加载初始阶段开始全量异步从 OSS 下载代码。而对于需要立即访问的数据，我们则从 NAS 上读取。由于我们将整个用户代码目录做成了两个文件：一个为目录文件索引数据，另一个为文件内容数据。由于 NAS 访问延迟低，我们可以通过类似 GetRange 的方式去数据文件上获取小文件内容。这样就可以用最快的速度即时加载用户代码来达到快速冷启动了。
VPC 网络优化
基于网络服务网格的 VPC 网关代理是通过用户VPC网络安全隔离。我们过去在 ECS 方案上插拔 ENI 网卡非常耗时，至少需要 2~3s，P99 甚至达到 6～8s。在高密部署的神龙方案上，我们没有必要为每个安全容器做多次网卡插拔，只需要在神龙机器上统一打通到网关代理，而用户 ENI 网卡常驻在网关集群上，这样整个网卡的加载速度会变得很快。这样对于用户体验和资源开销都会是一个巨大的优化。
资源分配率
通过混合部署多租户各类业务提升部署密度，合理配比不同资源需求的容器到一台物理神龙，从而提升资源分配率。
