我们可能会看到有更多的开放接口和元框架，但它们也有缺点。

深度学习、无服务器功能和流处理有何共同之处？它们除了成为计算领域的大趋势之外，支持这些变化的开源项目正在以一种全新的、也许是独特的方式进行构建。在每一领域中，都出现了仅限 API 专用的开源接口，这些接口必须与许多受支持的独立后端之一一起使用。这种模式可能会对业界带来好处，因为这种模式为开发者带来了较少的重写，且易于采用、性能改进和为公司带来盈利的承诺。我将在本文中阐述这种模式，并提供有关它的第一手资料，讨论它对开源的意义，然后探讨我们应该如何培育这种模式。

通常，新的开源项目既提供了新的执行技术，也提供了用户编程时所要用到的 API。API 的定义在一定程度上可以视为一种创造性活动，它从历史上借鉴了类似的概念（如 Storm 的 spouts 和 bolts ，或 Kubernetes 的 pods）来帮助用户快速了解如何使用这一新事物。API 特定于项目执行引擎：它们一起构成一个单独的整体。用户阅读项目文档来安装软件，与接口交互，并从执行引擎中受益。

几个重要的新项目结构不同。它们没有执行引擎；相反，它们是为几个不同的执行引擎提供公共接口的元框架（metaframeworks）。Keras 是第二大流行的深度学习框架，就是这种趋势的一个例子。正如创建者 François Chollet 最近试图解释的那样，“Keras 是一个接口，而不是一个端到端的框架。”同样的，Apache Beam，一种大型数据处理框架，也是一种自我描述的“编程模型”。这是什么意思呢？你能用自己的编程模型来做什么呢？答案是：真的并不能做什么，因为这两个项目都需要外部的后端。就拿 Beam 这种例子来说，用户编写的管道可以在八个不同的“运行器（runner）”上执行，包括六个开源系统（其中五个来自 Apache）和三个专有的厂商系统。同样的，Keras 也支持 TensorFlow、微软认知工具包（Microsoft’s Cognitive Toolkit，CNTK）、Theano、Apache MxNet 等。Chollet 在 GitHub 最近的一次交流中简要描述了这种方法：“事实上，我们将来甚至会扩展 Keras 的多后端的方面。……Keras 是深度学习的前端，而不是 TensorFlow 的前端。”

相似之处不止于此。Beam 和 Keras 最初都是由 Google 员工在同一时间（2015 年）以及相关领域（数据处理和机器学习）创建的。然而，似乎这两个小组都独立地得到了这个模型。这究竟是怎么发生的？这对于这个模型意味着什么呢？

Beam 的故事

2015 年，我在 Google 担任产品经理，专注于 Cloud Dataflow（云数据流）。Dataflow 工程团队的传奇地位可以追溯到 Jeff Dean 和 Sanjay Ghemawat 于 2004 年发表的著名论文 MapReduce。与大多数项目一样，MapReduce 定义了一种执行方法和一种编程模型来利用它。虽然执行模型仍然是批处理的最新技术，但使用编程模型的体验并不那么令人愉快，因此 Google 很快就开发了一个更简单的抽象编程模型 Flume（图 1 的第一步）同时，对低延迟处理的需求，导致了一个新的项目，该项目使用通常的执行模型和编程模型，成为 MillWheel（即图 1 中的第二步）。有趣的是，这些团队围绕着这样的一个想法走到了一起，Flume 是用于批处理的抽象编程模型，带有一些扩展，也可以是流的编程模型（第三步）。这一关键见解是 Beam 编程模型的核心，当时称为 Dataflow Model（数据流模型）。

从 Beam 的故事中，得到了一套原则：

创新有两个层次：编程模型和执行模型。过去我们假设它们需要藕合，但是开放接口挑战了这种假设。
通过将代码与抽象解耦，我们还将贡献者社区解耦为接口设计者和执行引擎创建者。
通过抽象和解耦（技术上和组织上），社区吸收创新的速度加快了。

在 Keras 的案例中，考虑以上这些原则。尽管 TensorFlow 很受欢迎，但用户很快意识到它的 API 并不适合日常使用。Keras 的简单抽象在 Theano 用户中已经拥有强大的追随者，因此它成为 TensorFlow 的首选 API。从那时起，Amazon 和 Microsoft 分别推出了 MxNet 和 CNKT 作为后端。此举意味着，选择独立开放接口 Keras 的开发人员现在就可以在所有四个主要框架上执行，而无需任何重写代码。各家组织都在使用所有最聪明的团队研发的最新技术。像 PlaidML 这样的新项目，可以很快找到受众；Keras 开发人员无需学习新接口就可以轻松地尝试 PlaidML。

无服务器的故事

就像 Beam 一样，无服务器框架的开放接口的远景也像 Beam 一样，也是在不断发展的，并不是立即就显现出来。我记得在 2015 年的《Hacker News》（《黑客新闻》）看到的 JAWS（JavaScript AWS）的公告，就在那一年，Keras 和 Beam 诞生了。几个月之后，JAWS 团队在 Re:Invent 上展示了他们的 AWS Lambda 特定框架。它包含了 Lambda 提供的构建、工作流和最佳实现，这就是 Amazon 的功能即服务（Function as a Service，FaaS）。但 Lambda 只是几个私有云和开源 FaaS 产品中的第一个。JAWS 框架很快就重新命名为 Serverlessand 并为新手提供支持。

直到 2017 年 8 月 Auste Collins 宣布推出 Event Gateway（事件网关）时，无服务器仍然不是一个开放的 API 接口。Event Gateway 是“无服务器架构中缺失的一块”。即使在今天，无服务器也没有提供自己的执行环境。Gateway 指定了一个新的 FaaS API，可以抽象并使用任何流行的执行环境。Collin 对 Event Gateway 的价值主张可借鉴 Keras 或 Beam：“用户的任何事件都可以有来自任何其他云服务的多个订阅者。Lambda 可以与 Azure 交互，也可以与 OpenWhisk 交互。这使得企业得到了完全的灵活性，……它还可以保护你免受厂商锁定，同时也让你对未来可能带来的任何其他事物保持开放。”

驱动力

作为风险投资者，我发现自己在问一些怀疑的问题：元框架是真正的趋势吗？这一趋势的背后是什么？为什么是现在才发生？这里的一个关键因素当然是云托管服务。

实际上，Google 内部所有的托管服务都采用了独特的 Google 特定 API。例如，Google 的 Bigtable 是第一个 noSQL 数据库。但由于 Google 不愿透露细节，开源社区就想出了自己的实现方案：HBase、Cassandra 等等。将 Bigtable 作为外部服务提供意味着要引入另一个 API，以及一个要引导的专用 API。相反，Google Cloud Bigtable 是使用兼容 HBase 的 API 一起发布的，这意味着任何 HBase 用户都可以采用 Google 的 Bigtable 技术，而无需更改任何代码。提供开放接口背后的专用服务似乎是 Google Cloud 的新兴标准。

其他云厂商也纷纷效仿。Microsoft 在每个转折点都在拥抱开源和开放接口，而 Amazon 被客户所逼，很不情愿地拥抱开源和开放接口。这两家公司最近共同推出了 Gluon，这是一个开放的 API，像 Keras 一样，可以在多个深度学习框架上执行。云厂商在开放的、被广泛采用的 API 后面公开专有服务的趋势，对用户来说不啻为一场胜利，用户因此可以免于厂商锁定，并且可以轻松采用。

展望未来

随着云服务的增加，复杂性和创新速度也在不断提高，我们有望能够看到更多开放接口和元框架的出现，但它们也有缺点。额外的抽象层引入了间接性。调试可能会变得更加困难。功能可能会滞后，或者根本不受支持；接口可能提供执行引擎共享的访问功能，但省略了复杂或很少使用的增值功能。最后，一种新的执行方法不见得能立即适用于现有的 API。比如，PyTorch 和 Kafka Streams 最近越来越流行，但它们还没有符合 Keras 和 Bram 提供的开放接口。这不仅给用户带来了困难的选择，而且对 API 框架的概念也提出了挑战。

综上所述，以下是一些取得成功的建议：

对 API 开发人员来说： 当你发现在 API 上话费大量时间在讨论无关紧要的琐事时，请考虑：
（1），它本身就是一个创新载体；
（2），与整个行业合作，把事情做好。
这就是开源社区和治理方面的关键所在。要在分布式系统中达成共识是件很困难的事情，但 François Chollet、Tyler Akidau 和 Austen Collins 在他们各自的领域都做了出色的工作。例如，Clooins 一直在与 CNCF 的无服务器工作组合作，将 Cloud Events 建立为行业标准协议。

对服务开发人员来说： 最重要的是关注性能。开放接口现在是你的发型渠道，让你可以专注于成为最佳的执行框架。伟大的技术，将不会再有被那些不愿尝试或采用的落伍者所束缚的风险。由于转换成本低，开发者将可以很容易地看到改进。观察基准测试将成为标准做法。

对用户来说： 有关这些开放接口的社区将会变得活跃。用户需要这些社区保持活跃，以保持 API 用例驱动和相关。还可以尝试不同的可用后端。这是一种新的有效的自由，它将激励性能和创新。

对每个人来说： 可以考虑帮助完成本文中提到的那些项目，开放接口仍然是全新的事物，它们的未来取决于先驱者的成功。

原文链接：

https://www.scalevp.com/blog/why-your-next-open-source-project-may-only-be-an-interface

创作场景

为什么下一个开源项目可能仅是一个接口