并沒有所謂的“無服務器”計算，因為計算資源總是要在某個地方運行。這個術語源于用戶必須擺脫對實際服務器和基礎設施的管理。我們現(xiàn)在看到的是對“無容器”計算的需求——在這種計算中，應用程序開發(fā)人員可以專注于要提供的服務，而不是創(chuàng)建和編排這些服務的基礎設施。
當然，事情并不總是這樣。自Fortran和COBOL時代，我們被迫從數(shù)據(jù)庫開始，以單體的方式思考應用程序，并朝著前端前進?，F(xiàn)在情況不同了；開發(fā)人員越年輕，就越有可能從一開始就學習面向?qū)ο缶幊?，這使得他們更容易適應微服務的思維方式。
這是一種調(diào)整。
為什么要將應用程序分解為服務？
這是一個必要的調(diào)整，因為為了創(chuàng)建真正現(xiàn)代化的云原生應用程序，我們需要以一種方便、容錯的方式將特定的功能進行容器化和編排。這意味著按功能、按運維、甚至按組織單位將整個最終目標分解為單個服務。
在過去，我們編寫這些功能，將它們包含在庫中，然后導入到應用程序中。在這方面，這并不是一個很大的轉(zhuǎn)變。這些庫現(xiàn)在基本上是存儲在諸如Docker Hub這樣的存儲庫中的容器鏡像，可以根據(jù)需要進行拆分。
但這又如何引導我們走向“無容器”架構(gòu)的呢？
這樣想吧。我們習慣于將無服務器計算與Kubernetes等編排容器的技術分離開來。兩者的區(qū)別在于（理論上）當一個函數(shù)不在無服務器環(huán)境中使用時，它就不存在，也不使用資源或花費金錢；而在Kubernetes環(huán)境中，你可以將資源縮減到單個容器，但那個容器仍在運行（而且要花錢），即使它沒有被使用。
其實不需要這樣。在Kubernetes上已經(jīng)有了啟用無服務器計算的方法。但是，如果我們能夠創(chuàng)建一個環(huán)境，在這個環(huán)境中我們可以獲得Kubernetes的優(yōu)勢，而不必麻煩用戶了解如何使其工作的細節(jié)，那會怎么樣呢？
假設你作為一名開發(fā)人員正在創(chuàng)建一個應用程序來流式傳輸和分析視頻。在這個過程中的某個時刻，你必須對數(shù)據(jù)進行編碼。在分解應用程序時，你已經(jīng)確定這是一個單獨的服務，因此你創(chuàng)建了一個容器，該容器將接收原始數(shù)據(jù)作為請求并返回編碼的版本?，F(xiàn)在怎么辦？
假設你可以將該容器添加到安全注冊表中（這樣只有你的組織才能使用它），并且當應用程序需要編碼數(shù)據(jù)時，服務就在那里。你不必擔心是否有可用的服務器、可擴展性、網(wǎng)絡或任何相關內(nèi)容。在某些方面，這就是無服務器計算的定義。但是，作為一種實踐，無服務器有一個缺點：它沒有標準化，使我們回到了供應商鎖定狀態(tài)。
Kubernetes標準化
如果在Kubernetes上被標準化了呢？那就能夠避免供應商鎖定，使用現(xiàn)有的技能，并輕松創(chuàng)建多集群應用程序。我們甚至可以創(chuàng)建一個環(huán)境，其中一些資源是共享的，另一些是私有的——這取決于開發(fā)人員的需求。我們還可以使用Istio等服務網(wǎng)格技術來管理和分段網(wǎng)絡流量。
事實上，我們可以更進一步。如果我們可以為這些容器的供應添加智能呢？如果一個神經(jīng)網(wǎng)絡或其他機器學習算法可以預測何時可能需要不同的容器，并提前將它們運轉(zhuǎn)起來呢？該算法不僅可以擴展容器，還可以擴展基礎設施本身——在最大限度地提高性能的同時，最小化維護基礎設施的成本。
所有這些都可以在可信計算的上下文中運行，其中的鏡像存儲在可信注冊表中，并且只能在已通過可信平臺模塊（TPMs）等技術驗證的服務器和設備上實例化。這使分布式計算成為可能，同時降低了安全風險。
變得復雜的地方
當然，不是說毫無挑戰(zhàn)。這種新思維方式的另一個重要方面是標準化和安全性。我們現(xiàn)在需要將其規(guī)劃到架構(gòu)中，既包括內(nèi)部運行的內(nèi)容，也包括外部運行的內(nèi)容，這樣執(zhí)行中的應用程序就不會受到攻擊。在這些領域，企業(yè)必須投入大量資金，以實現(xiàn)所需的技術進步。例如，為了實現(xiàn)今天所需的靈活性，我們常常不得不以根用戶的身份運行容器；這絕對不是一個長期的解決方案。我們需要一個共同的權(quán)威模式，這意味著每個人都必須就該方法的工作方式達成一致。業(yè)界需要定義權(quán)限，以及可信計算如何在所有這些類型的基礎設施（如容器、VM和裸機）中協(xié)調(diào)工作。
然而，有一點與目前的情況保持一致，那就是圍繞這些技術進步形成的新業(yè)務最終將把所有東西——容器、編排、網(wǎng)絡，甚至硬件——都當作代碼。所有新的自動化方法都必須是自我修復、自我擴展、自我配置，甚至跨應用程序進行自我自動化。例如，神經(jīng)網(wǎng)絡需要能夠在必要時擴展，預測需要，并根據(jù)需要改進其模型（和精度）。
更重要的是，整個技術進步網(wǎng)絡需要能夠在不中斷服務的情況下進行升級和更新，這意味著除了軟件開發(fā)供應商之外，所有硬件供應商都需要參與其中。
原文鏈接：
https://thenewstack.io/containerless-computing-the-ultimate-service-decomposition/
