利用Azure Functions和k8s構建Serverless計算平臺
題記：昨晚在一個技術社群直播分享了“利用Azure Functions和k8s構建Serverless計算平臺”這一話題。整個分享分為4個部分：Serverless概念的介紹、Azure Functions的簡單介紹、k8s和KEDA的介紹和最後的演示。
Serverless
Serverless其實包含了兩種概念：BaaS（Backend as a Service）和FaaS（Function as a Service）。這次的分享主要針對的是FaaS概念。
FaaS的最大特徵就是：無需管理自己的伺服器或擁有自己的持續執行的服務應用的情況下執行後端程式碼。 上面加粗的地方其實也揭示了FaaS和PaaS的本質區別：你為了執行後端程式碼，需不需要擁有一套持續執行的服務端完整應用（不管是WebSite還是Web API）。
另外，FaaS還擁有如下特徵：
- 可以使用任何語言，不需要針對特定框架和函式進行編碼
- 部署方式和傳統系統有很大不同
- 水平伸縮完全自動化、彈性，並由平臺供應商管理
- 函式通常由事件觸發，部分平臺供應商支援接收HTTP觸發
當然判斷什麼東西不是FaaS也有一些標準：
- 能否在20ms啟動半秒執行完，根本區別在於伸縮性的方式
- FaaS也可能依賴容器，但是和其他使用容器的應用區別在於伸縮性的自動化、透明和細度
- 沒有傳統的Ops，但是應用本身運維過程還是需要，甚至更難（因為不同）
使用FaaS有其優缺點，這裡就報喜不報憂，只列一下優點：
- 降低運維成本
- 基礎設施共享
- 減少基礎設施維護人工成本
- 降低伸縮成本
- 按量付費：偶爾請求，流量忽高忽低
- 優化程式碼即可省錢
- 更易運維
- 伸縮的好處利於降低運維難度
- 降低打包和部署複雜度
- 快速投入市場，持續優化
Azure Functions
以官方文件的介紹：Azure Functions 允許你執行小段程式碼（稱為“函式”）且不需要擔心應用程式基礎結構。 藉助 Azure Functions，雲基礎結構可以提供應用程式保持規模化執行所需的所有最新狀態的伺服器。 函式由特定型別的事件“觸發”。 支援的觸發器包括對資料更改做出響應、對訊息做出響應、按計劃執行，或者生成 HTTP 請求的結果。 雖然你始終可以直接針對大量服務編寫程式碼，但使用繫結可以簡化與其他服務的整合。 使用繫結，你能夠以宣告方式訪問各種 Azure 服務和第三方服務。
Azure Functions包含如下功能：
- 無伺服器應用程式：使用 Functions，可在 Microsoft Azure 上開發無伺服器應用程式。
- 語言選擇：使用所選的 C#、Java、JavaScript、Python 和 PowerShell 編寫函式。
- 按使用付費定價模型：僅為執行程式碼所用的時間付費。
- 自帶依賴項：Functions 支援 NuGet 和 NPM，允許你訪問你喜歡的庫。
- 整合的安全性：使用 OAuth 提供程式（如 Azure Active Directory、Facebook、Google、Twitter 和 Microsoft 帳戶）保護 HTTP 觸發的函式。
- 簡化的整合：輕鬆與 Azure 服務和軟體即服務 (SaaS) 產品/服務進行整合。
- 靈活開發：直接在門戶中編寫函式程式碼，或者通過 GitHub、Azure DevOps Services 和其他受支援的開發工具設定持續整合和部署程式碼。
- 有狀態無伺服器體系結構：使用 Durable Functions 協調無伺服器應用程式。
- 開放原始碼：Functions 執行時是開源的，可在 GitHub 上找到。
大家看到了，Azure Functions雖然是來源於微軟Azure的技術，但是是使用MIT協議開源的，且已經貢獻給.NET Foundation。
所以，你可以使用Azure Functions來搭建（甚至定製）自己的Serverless計算平臺。開源的不僅是Azure Functions框架本身，還包括了命令列工具（可以支援本地除錯）和VSCode的擴充套件。當然，開發工具除了前面兩者，你還是可以使用宇宙第一的IDE：Visual Studio。
下面是相關開源的地址：
- 框架：https://github.com/Azure/azure-functions-host
- 命令列工具：https://github.com/Azure/azure-functions-core-tools
- VSCode擴充套件：https://github.com/Microsoft/vscode-azurefunctions
只有開源的框架還不行，還需要執行環境，正如大部分開源FaaS框架一樣，Azure Functions也把k8s作為執行環境。不過為了達到自動伸縮、不使用就不消耗資源的目標，還需要搭配其他中介軟體才能達到效果。
k8s和KEDA
眾所周知，Kubernetes已經成為最主流的PaaS平臺，各大公有云提供商都提供了k8s的服務，比如微軟Azure上的AKS或者阿里雲的ACK。
為了更好的理解為什麼k8s可以作為Serverless完美的執行環境，是需要對如下概念有一些深入的理解的：
- Pod和Deployment：Pod代表了執行函式的例項，而Deployment用於控制函式的例項數。
- HPA（Horizontal Pod Autoscaler)：k8s內建的水平Pod自動伸縮器，其基於一些度量指標（比如記憶體、CPU等）來對Deployment的Pod例項數進行伸縮。
- Helm Charts：一個強大的打包、釋出k8s應用的包管理器。我們開發好的函式在編譯為Docker Image之後，可以用Helm Charts來打包（當然也可以直接用k8s的yaml檔案）。
k8s雖然提供了HPA，但是它無法基於更靈活的事件源來進行伸縮，也無法把Pod的例項數縮到0，或者由0伸到1。這個時候，就需要另外一個開源專案KEDA出場了（貢獻者來自微軟、AWS等大公司，以及很多社群志願者）。
KEDA：Kubernetes Event-driven Autoscaling。專案地址在：https://github.com/kedacore/keda。其具有如下特點：
- 事件驅動
- 輕而易舉實現自動伸縮
- 內建伸縮器
- 多種負載型別
- 社群開源專案
- 支援Azure Functions
KEDA的架構如下圖所示：
從這個架構圖，我們看到KEDA包含了3個元件，Metric Adapter給k8s的HPA提供度量指標讓其進行1-n/n-1的伸縮，Controller控制Pod進行1-0/0-1的伸縮，Scaler偵聽配置的觸發器所觸發的事件。
且支援的伸縮器涵蓋了大部分主流雲元件或中介軟體：
- Apache Kafka
- AWS CloudWatch
- AWS Kinesis Stream
- AWS SQS Queue
- Azure Blob Storage
- Azure Event Hubs
- Azure Monitor
- Azure Service Bus
- Azure Storage Queue
- External
- GCP Pub/Sub
- Huawei Cloudeye
- Liiklus Topic
- MySQL
- NATS Streaming
- PostgreSQL
- Prometheus
- RabbitMQ Queue
- Redis List
演示
既然Azure Functions是開源技術，為了驗證技術中立性，在演示過程中特意選擇了阿里雲的ACK作為執行環境（Kubernetes託管版），並使用RabbitMQ作為伸縮觸發器。
同時，我們採用C#/.NET Core來作為函式的開發語言。為什麼用這個選擇，是因為有第三方對AWS Lambda上的支援的語言進行了效能測試，得到的結論是.NET Core的C#和F#語言效能最高：
來源：https://read.acloud.guru/comparing-aws-lambda-performance-of-node-js-python-java-c-and-go-29c1163c2581
環境準備
首先，需要到阿里雲上建立一個k8s叢集，建立的選項截圖如下：
通過如下命令來部署KEDA到k8s：
helm repo add kedacore https://kedacore.github.io/charts
kubectl create namespace keda
helm install keda kedacore/keda --namespace keda
通過如下命令來部署RabbitMQ到k8s：
helm repo add bitnami https://charts.bitnami.com/bitnami
helm install rabbitmq --set rabbitmq.password=PASSWORD,service.type=LoadBalancer bitnami/rabbitmq
這裡需要注意（當然也可能是我開啟方式不對），阿里雲的ACK不能自動建立pv，所以rabbitmq部署後會有問題，所以需要到阿里雲的ACK的控制面板裡面手動建立pv，並重建rabbitmq所需的同名pvc。
建立Azure Functions專案
訪問：https://github.com/Azure/azure-functions-core-tools，安裝命令列工具。
在命令列中輸入：
func init --docker
來初始化一個帶有Dockerfile的Azure Functions專案，worker runtime選擇dotnet。
在命令列中輸入：
func function create
來建立一個函式，template選擇QueueTrigger，輸入你想要的函式名稱。
使用你喜歡的編輯器（比如VSCode）開啟專案資料夾，修改csproj檔案中的PackageReference為如下內容：
<ItemGroup>
<PackageReference Include="Microsoft.NET.Sdk.Functions" Version="3.0.3" />
<PackageReference Include="Microsoft.Azure.WebJobs.Extensions.RabbitMQ" Version="0.2.2029-beta" />
</ItemGroup>
修改函式程式碼為如下內容：
[FunctionName("MyMqFunction")]
public static void Run(
[RabbitMQTrigger("queue", ConnectionStringSetting = "RabbitMqConnection")] string inputMessage,
[RabbitMQ(QueueName = "downstream", ConnectionStringSetting = "RabbitMqConnection")] out string outputMessage,
ILogger log)
{
Thread.Sleep(5000);
outputMessage = inputMessage;
log.LogInformation($"RabittMQ output binding function sent message: {outputMessage}");
}
這個函式從一個名為”queue“的佇列中讀取inputMessage，延遲5秒後，把訊息儲存到名為”downstream"的佇列中。
開啟local.settings.json檔案，在Values節點下新增RabbitMqConnection：
"Values": {
"AzureWebJobsStorage": "UseDevelopmentStorage=true",
"FUNCTIONS_WORKER_RUNTIME": "dotnet",
"RabbitMqConnection":"amqp://user:[email protected]:5672"
},
這裡RabbitMQ的地址使用了k8s內部的預設Service地址，為了方便本地除錯，你可以獲取到RabbitMQ在k8s的公網IP後，給這個域名新增host配置。
在命令列中輸入：
func start
就可以進行本地除錯了。除錯無誤，就可以進行釋出到k8s的工作了。
以上示例程式碼可以在這裡找到：https://github.com/heavenwing/AzFuncOnK8S
釋出函式到k8s並驗證伸縮能力
考慮到我用的阿里雲拉取Docker Hub比較慢，所以我是編譯出Docker Image後，push到了阿里雲的映象倉庫當中。 另外，我這裡還遇到一個問題，就是能在AKS中正常執行的Docker Image在ACK中無法正常執行，出現"Access to the path '/proc/1/map_files' is denied"的錯誤，我的臨時解決辦法是修改Dockerfile檔案，新增WORKDIR命令。
在把Docker Image推送到映象倉庫後，可以在命令列中輸入：
func kubernetes deploy --name azfunconk8s --image-name registry.cn-chengdu.aliyuncs.com/zygcloud/azfunconk8s:latest --dry-run > deploy-funcs.yaml
得到部署的yaml檔案後，我們需要對ScaledObject進行一點修改，為rabbitmq的trigger配置新增queueLength，根據需要配置maxReplicaCount屬性，如下所示：
apiVersion: keda.k8s.io/v1alpha1
kind: ScaledObject
metadata:
name: azfunconk8s
namespace: default
labels:
deploymentName: azfunconk8s
spec:
scaleTargetRef:
deploymentName: azfunconk8s
maxReplicaCount: 20
triggers:
- type: rabbitmq
metadata:
type: rabbitMQTrigger
queueName: queue
name: inputMessage
host: RabbitMqConnection
queueLength: "20"
現在就可以把函式部署到k8s了，在命令列中輸入：
kubectl apply -f .\deploy\deploy-funcs.yaml
這個時候應該可以看到k8s出現了名為azfunconk8s的Deployment，且需要例項和執行例項數都是為0：
另外寫一個小程式，往RabbitMQ的queue佇列裡面放一些測試訊息，經過30秒（預設pollingInterval時間）那麼就會看到這個Deployment的所需例項數在提高，一直提高到你設定的maxReplicaCount。等佇列中的訊息處理完成，又會看到所需例項數在降低，等沒有訊息需要處理之後過上5分鐘（預設cooldownPeriod時間），所需例項數就會變為0。
紅包
能看到這裡的小夥伴都是愛學習的，應該紅包獎勵，不過當然是需要回答問題的。
問：KEDA解決的是非http的觸發器伸縮，那麼什麼東西可以解決http觸發器伸縮問題？
在我的公眾號中輸入答案，獲取支付寶紅包口令，數量有限先答對先得。