阿里云基于ECS的FaaS架构设计与升级

【阿里云FaaS架构设计】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。

1、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。

2、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。

3、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

1、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。

2、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。

3、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。

4、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。

5、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。

6、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。

来源：阿里云开发者，阿里云Serverless技术专家朱鹏