无服务器:云计算下一步的演变
行业专家在世界各地的会议中,以及与同事,客户,合作伙伴的沟通交流中,感觉到了业界对无服务器计算的困惑。
人们对于这种新架构如何革新组织处理开发和创新的方式,期望很高,并且稳步增长。
定义无服务器
首先,需要知道“无服务器”本身有点用词不当。当然身在幕后的服务器确实是存在的。但是你会看到,它们被抽象为开发人员不必解决操作上的问题,而是专注于编写代码的创造力。
考虑支持无服务器架构的概念的一种方法是将它们看作位于现有计算,网络和存储资源顶部的三层:结构,框架和功能。
1.无服务器架构从开发者的板块中删除了传统的操作功能和关注点,并允许他们专注于他们擅长的:为应用程序编写漂亮的代码。
2.事件驱动的编程模型为创建代码提供了一个框架。这对于具有大量输入和输出的诸如物联网的适应性应用是理想的。框架用来管理正在编写的代码的原因和结果。
3.作为服务的功能提供组装应用所需的包,模式和参考架构。这是代码,逻辑和大脑背后的效果,并得到适当的反应。
无服务器计算的好处
人们可能已经开始想象无服务器提供的好处:
•可扩展性:在无服务器环境中,扩展应用程序以满足用户需求的能力,由托管代码的平台来处理。如果应用程序有1万或1000万用户,这没关系。这消除了关于预配置或过度配置服务器的操作问题。
•成本优势:传统的运行时模型具有不断运行的进程,用户即使在未被利用时也为它们支付费用。无服务器环境可以更具成本效益,因为组织没有支付部署的每个实例的固定成本,而是这些实例实际上正在工作的时间。
无服务器用例:物联网
即使人们仍处于无服务器的早期阶段,都开始看到涉及数据处理,物联网(IoT),认知机器人,移动后端和REST API的工作负载。
以物联网用例为例。物联网不仅仅是数据的摄取,而且是推动更好的结果。这意味着组织必须灵活地部署应用程序,确保如果引入了新功能,它不会中断应用程序。这是无服务器可以提供帮助的。
具体来说,假设你有一个冰箱,定期更新用户关于其部件的状态。如果冰箱的水过滤器已经耗尽,例如到其寿命的20%,则可以向用户发送消息,让他们能够通过智能手机购买新的产品。
此功能需要汇集摄取各种物联网数据,包括身份(谁是客户?)和保修(后台系统)。无服务器将变得特别有用,因为它更容易将这些东西拼凑在一起,并做出回应。
如果你有一个事件(耗尽的过滤器)传播到后端。人们可以采取该事件,并调用一个无服务器函数做一个简单的搜索。此客户是否有保修?过滤器是否在保修范围内?无服务器允许你的后端快速响应这些类型的物联网事件。
从本质上讲,物联网用户空间中的信息将是零星的。但无服务器环境允许你处理一些不可预测的负载,并使用它们来推动价值或连接到其他业务,以提供更好的长期的客户体验。
在你出门并首先进入无服务器池之前,请了解并非所有工作负载都适用于此体系结构。而只是将无服务器作为用于构建云本地应用程序的另一个工具。
与任何新技术一样,人们将阅读了解它的作用,而其他人将使用它,并获得好处。不可否认的是,无服务器计算正在兴起,并将在云计算生态系统中发挥重要作用。人们期待看到这项技术的发展。
本文转自d1net(转载)

低调大师中文资讯倾力打造互联网数据资讯、行业资源、电子商务、移动互联网、网络营销平台。
持续更新报道IT业界、互联网、市场资讯、驱动更新,是最及时权威的产业资讯及硬件资讯报道平台。
转载内容版权归作者及来源网站所有,本站原创内容转载请注明来源。
- 上一篇
高效数据中心网络管理五大技巧
为有效管理数据中心网络,IT团队需要从小范围拓扑开始,刷新最新标准以及评估SDN等技术带来的影响。 数据中心网络管理是个多管齐下的过程,从拓扑开始着手,会有更多拓展空间。 从这里开始,管理员可以推动更高级的网络功能,包括软件定义网络,但同时也需要仔细考虑采用的线缆类型、新兴网络标准等。 以下是了解数据中心网络管理的最新趋势和最佳实践的五个网络建议: 开发可管理的网络图 图表开发和维护并不是简化数据中心网络管理的新方法,而且通常是IT鄙视的。物理和逻辑网络图的创建通常冗长乏味,甚至难以更新。物理图应描述硬件连接,包括交换机分布位置和设备布线位置。逻辑图描述网络数据流,和物理图相比,它提供了更深入的信息。根据自己需求来决定如何二选一,或组合使用。 创建图表后,确定在发生变更时,定期更新图表的最佳方案。一些工具可以创建和更新网络图,但它们经常使用设备发现来构建网络图并确定流量,并不一定是完美的方法。 为最大限度地减少创建和维护图表所需的时间,需要缩小图表范围。这样可以防止因单个网络变更而更新整张图表。 考虑叶脊架构来支持新型网络流新技术,如超融合基础设施,导致数据呈东西向运动,而不是更传统的...
- 下一篇
2017年数据领域的八大发展趋势
在2017年数据社区将会有大量的机会出现,并伴随一些危机性的挑战,下面是对上述问题的纵观。 1.更多的数据科学家将开始使用深度学习 纵观2016年深度学习领域所取得的主要成就,与那些让深度学习变得更加简单的工具发布,以及直接让现有大数据平台和架构整合在一起的工具。显而易见,数据科学家在2017年已不得不选择深度学习,因为通过它可实现的价值已经愈来愈多。看看时间序列和事件数据(包括异常检测),物联网以及传感器相关的数据分析,语音识别,以及文本挖掘推荐,深度学习的用例还有很多。 2.对数据工程相关技能的需求将会持续上升 《哈佛商业评论》杂志在2012年的时候将数据科学家称为“21世纪最性感的职业”,但愿在2017年里对数据科学家的需求会延续下去,但是人才需求将会主要集中在数据工程师(远多于数据科学家)。许多公司在寻找会编程的数据科学家,从而将会需要更多的可以接触生产系统的数据科学家。这些是独一无二的技能,他们也同样会获得除了薪水之外的快乐。 3.越来越多的公司将会在云端使用托管服务 一项最新的O’Reilly调查显示,一个组织在云端感受完大数据之后,往往会催生出更多类似的大数据服务。 现如...
相关文章
文章评论
共有0条评论来说两句吧...
文章二维码
点击排行
推荐阅读
最新文章
- CentOS关闭SELinux安全模块
- CentOS8,CentOS7,CentOS6编译安装Redis5.0.7
- Jdk安装(Linux,MacOS,Windows),包含三大操作系统的最全安装
- Windows10,CentOS7,CentOS8安装Nodejs环境
- CentOS7设置SWAP分区,小内存服务器的救世主
- SpringBoot2整合Redis,开启缓存,提高访问速度
- Springboot2将连接池hikari替换为druid,体验最强大的数据库连接池
- 设置Eclipse缩进为4个空格,增强代码规范
- Docker使用Oracle官方镜像安装(12C,18C,19C)
- SpringBoot2全家桶,快速入门学习开发网站教程