单点故障是实际生产中无法避免的，单副本的存储方案也早已无法满足业务的可靠性要求。现在，我们通常都会做双机存储架构，会涉及到主备、主从、主主模式。
在 Serverless 架构下，高可用方案或者容灾方案是否还需要主备、主从以及主主等模式？如果还需要，那么又是什么样子？
Serverless 与多地域部署
针对服务可用性，几乎每个云厂商都会有非常高的承诺，但是我们也不能掉以轻心，认为不会出现故障导致不可用，容灾方案是必须要有的。
在传统主机时代有主备、主从以及主主模式，这个模式更多针对的是单台机器或者某个集群。但是在 Serverless 架构下，没有机器和集群的概念（至少在用户层面没有），是不是就表示在 Serverless 架构下无法做容灾？
理论上，云厂商会保证整个服务的可用性，如果云厂商管理的某个机器出现故障，机器会被及时剔除，确保新的函数在安全、稳定、健康的环境下启动，正常提供服务。但在实际情况中，由于某些原因，云厂商也可能会在某个地域出现大规模故障，这时如何确保服务依旧可用，而不是苦苦等待云厂商的恢复？
针对单地域解析的网站，我们可以实现多地域的主备方案。在云函数中，多地域的主备方案更加经济实惠，因为函数是按量付费的，完全可以将函数复制到其他的地域，只要不进行触发，就不会产生额外的费用。相对于传统主机时代的主备模式，这种主备方案显得更加人性化。
一般情况下，单地域部署的服务中比较容易出问题的是 API 网关服务、云函数服务、数据库服务。其中，数据库服务可以考虑跨地域主从、跨区域同步，一旦出现问题，就在函数中做一个负载，确保整体数据不会出现问题，在腾讯云的云数据库描述下可以看到：
本地 IDC 机房 MySQL 数据库与云数据库 MySQL 之间可以通过数据迁移服务实时同步数据，本地IDC机房如遇到断电、网络故障等引起数据库服务中断，可迅速切换数据库服务至作为灾难备份的云数据库 MySQL 实例，实现数据库容灾；同时，云数据库 MySQL 可支持同城多可用区灾备/跨城灾备，保障高可用。
所以说，数据库相关服务的容灾可以通过备用数据库来提高可用性。
那么云函数和 API 网关怎么解决？
以多地域部署容灾为例，我们可以考虑这样的架构：
同样是作为单地域解析服务，相对来说，多地域部署更加安全稳定，一旦某个地域的服务出现问题（例如 API 网关，云函数），都可以通过监控程序及时发现，并且迅速切换解析到其它地域。多地域部署的监控函数与时间触发器进行结合，定期进行网站可用性的排查，一旦出现问题，就可以在云解析层面进行解析切换，实现单地域服务的多地域部署容灾方案：
这个方案的逻辑是先请求服务是否可用，如果不可用，则获取容灾列表，剔除不可用的服务，并通过云解析进行可用区的解析。在实际生产中，一旦确定某个服务不可用，还要进行精确告警，在获得到不可用解析记录对应的服务之后，通过邮件或者企业微信、短信等方法进行告警。
至此，一个简单版的“高可用”服务就算做好了，有的读者可能有所疑问：
切换解析不需要时间吗？怎么确保TTL按时生效？
对服务进行修复，是否比切换解析更加靠谱呢？
针对问题 1，其实切换解析是需要时间的，虽然一小部分的机房可能不会按照设定的 TTL 进行生效，但是大部分的机房都是可以按照设定及时生效，所以需要注意的是，在添加解析的时候要尽可能地确保 TTL 时间短一些，目前腾讯云的云解析付费版最低 TTL 可以设置为 1s，免费版是 600s。
针对问题 2，在云函数上运行服务很少会因为流量太高导致服务不可用，或者服务中存在 bug 导致整个项目不可用，因为云厂商会解决很大一部分的可用性，例如流量并发问题等。另外，就算是程序中存在 bug，在 Serverless 架构下，函数的前一次后一次运行实际上关联性不大，所以完全可以通过告警来确定，人为排查消灭隐患。事实上，在 Serverless 架构下出现大规模服务性灾难，多数情况都是云厂商的问题（此处已经排除掉用户代码层面的 bug），而这种问题一旦出现，就不是我们能够掌控的了，是否可以修复、什么时候修复。
如果是 API 网关层面出现问题，可以通过上一层来解决，例如云解析的切换；如果是函数层面出现问题，可以考虑切换到 API 网关到同区域的备用函数；如果是函数服务的整个区域性故障（概率非常低），可以考虑切换解析到备用区。
如果不是单地域提供服务，那么就需要考虑多地域部署、多地域就近接入以及多地域容灾方案。
从上图可以看到，我们将一个域名，划分地域进行解析，例如华北、华东两个地区，就可分别解析到北京 1 区、北京 2 区两个不同的机房中两台不同的服务器上。当其中一个服务不可用时，其他区域不受影响，可以使用云函数对解析进行修改，将其解析到每个地区的备用服务上。
整体结构图：
传统的服务需要每个地区部署多套服务，无疑大大增加了成本，但是在 Serverless 架构下，即使部署了多套云函数还是按量付费，大大节约了成本。
若采用 Serverless 架构作为后端服务，以华北地区为例，华北地区用户在访问后端服务的时候，通过 DNS 重定向到北京区的 API 网关，然后再由 API 网关触发北京区云函数，此时我们需要两个云函数对服务进行监控，一个函数对云函数进行监控，当云函数服务失效之后，可以将 API 网关绑定到备用的函数上，另一个监控是对 API 网关进行监控，当某个地域的 API 网关失效之后，可以对解析进行修改，重定向到备用地域的 API 网关上，尽可能快速的保证服务的可用性。
如果想要让服务更稳定，可以增加数据库/对象存储的主备与监控，以及数据库/对象存储封装函数的主备与监控，这样就可以在四个层次做监控告警以及服务保障：在我们的服务中，通常数据库或者存储模块不会同时在多个区域部署，也可能只有一套主备服务，此时，可以通过对数据库和对象存储做一层封装，即在外层增加一个对应的函数，通过内网对数据库以及对象存储进行数据转发等，通过外部云函数调用 invoke（专线调用）大幅度降低由于网络原因造成的延时，当云数据库/对象存储出现问题，在接入层（数据库/对象存储封装函数）一侧，进行切换，将云数据库/对象存储切换到备用服务上，并进行告警；当接入层发生故障，无法继续服务时，在逻辑函数初（北京区/上海区/广州区），切换封装函数，即通过内部专线（函数间调用）调用备用接入层函数；同理，当逻辑函数/业务函数出现故障，监控脚本对 API 网关侧的后端服务进行切换，切换到备用逻辑函数/业务函数上；如果当 API 网关出现故障，无法继续提供服务，则只能在解析层面做切换。在整个这样的一个流程中，每一阶段或者说每一层面都有自身的负载机制，主备策略，可以根据不同组件出现故障的实际情况，进行多层级的自动切换，进而保证业务可用时长的一个最大化。
此处，有读者可能有疑问：为什么某个函数会无法提供服务？底层服务的容灾机制，不是云厂商要提供的么？理论上，这个容灾机制是云厂商提供的，并且函数是无状态的，只要确保业务逻辑无问题，是不需要进行某些层级的主备容灾等。但是实际上，各个云厂商均没有办法保证某个服务 100%可用。例如 2019 年 6 月 2 日凌晨 2 点，亚马逊云 AWS 突发受大规模故障，直到当天下午 1 点 48 分故障解除，故障时间将近 12 小时。所以，虽然云厂商会提供相对安全与可靠的容灾机制和服务，但还是很有必要在自身层面额外处理一下，尽可能保证服务安全与稳定。
通过 Serverless Framework 进行多地域部署与解析
函数的多地域部署
以腾讯云为例，基础的 Component 跨地域部署不是很容易实现。虽然修改区域将函数部署到多个地域是可以实现的，但实际部署时每个区域的函数还会有一些额外的配置，所以这个时候可以借助多地域部署的组件来实现：tencent-scf-multi-region
相对于传统的tencent-scf组件而言，这个组件的 yaml 将region字段变成了兼容list形式，同时增加了子地域的额外配置，例如 yaml：
hello_world: component: '@serverless/tencent-scf-multi-region' inputs: codeUri: ./ description: This is a template function region: -ap-guangzhou - ap-shanghai environment: variables: ENV_FIRST: env1 ENV_SECOND: env2 handler: index.main_handler memorySize: 128 name: hello_world runtime: Python3.6 timeout: 3 events: - apigw: name: serverless_test parameters: protocols: - http description: the serverless service environment: release endpoints: - path: /users method: POST - path: /usersss method: POST ap-guangzhou: environment: variables: ENV_FIRST: env2 ap-shanghai: events: - apigw: name: serverless_test parameters: protocols: - http description: the serverless service environment: release endpoints: - path: /usersd method: POST
复制代码
测试部署效果：
$ sls DEBUG ─ Resolving the template's static variables. DEBUG ─ Collecting components from the template. DEBUG ─ Downloading any NPM components found in the template. DEBUG ─ Analyzing the template's components dependencies. DEBUG ─ Creating the template's components graph. DEBUG ─ Syncing template state. DEBUG ─ Executing the template's components graph. DEBUG ─ Compressing function hello_world file to /Users/dfounderliu/Desktop/ServerlessComponents/test/scf_test/.serverless/hello_world.zip. DEBUG ─ Compressed function hello_world file successful DEBUG ─ Uploading service package to cos[sls-cloudfunction-ap-guangzhou-code]. sls-cloudfunction-default-hello_world-1583816589.zip DEBUG ─ Uploaded package successful /Users/dfounderliu/Desktop/ServerlessComponents/test/scf_test/.serverless/hello_world.zip DEBUG ─ Creating function hello_world DEBUG ─ Updating code... DEBUG ─ Updating configure... DEBUG ─ Created function hello_world successful DEBUG ─ Setting tags for function hello_world DEBUG ─ Creating trigger for function hello_world DEBUG ─ Starting API-Gateway deployment with name hello_world.ap-guangzhou-hello_world.serverless_test in the ap-guangzhou region DEBUG ─ Service with ID service-p14470dc created. DEBUG ─ API with id api-pg3ihnoi created. DEBUG ─ Deploying service with id service-p14470dc. DEBUG ─ Deployment successful for the api named hello_world.ap-guangzhou-hello_world.serverless_test in the ap-guangzhou region. DEBUG ─ API with id api-op4jqvba created. DEBUG ─ Deploying service with id service-p14470dc. DEBUG ─ Deployment successful for the api named hello_world.ap-guangzhou-hello_world.serverless_test in the ap-guangzhou region. DEBUG ─ Deployed function hello_world successful DEBUG ─ Compressing function hello_world file to /Users/dfounderliu/Desktop/ServerlessComponents/test/scf_test/.serverless/hello_world.zip. DEBUG ─ Compressed function hello_world file successful DEBUG ─ Uploaded package successful /Users/dfounderliu/Desktop/ServerlessComponents/test/scf_test/.serverless/hello_world.zip DEBUG ─ Creating function hello_world DEBUG ─ Updating code... DEBUG ─ Updating configure... DEBUG ─ Created function hello_world successful DEBUG ─ Setting tags for function hello_world DEBUG ─ Creating trigger for function hello_world DEBUG ─ Starting API-Gateway deployment with name hello_world.ap-shanghai-hello_world.serverless_test in the ap-shanghai region DEBUG ─ Service with ID service-7daktopz created. DEBUG ─ API with id api-4v40ce4u created. DEBUG ─ Deploying service with id service-7daktopz. DEBUG ─ Deployment successful for the api named hello_world.ap-shanghai-hello_world.serverless_test in the ap-shanghai region. DEBUG ─ API with id api-emkl7ov4 created. DEBUG ─ Deploying service with id service-7daktopz. DEBUG ─ Deployment successful for the api named hello_world.ap-shanghai-hello_world.serverless_test in the ap-shanghai region. DEBUG ─ Starting API-Gateway deployment with name hello_world.ap-shanghai-hello_world.serverless_test in the ap-shanghai region DEBUG ─ Using last time deploy service id service-7daktopz DEBUG ─ Updating service with serviceId service-7daktopz. DEBUG ─ API with id api-2zag45hq created. DEBUG ─ Deploying service with id service-7daktopz. DEBUG ─ Deployment successful for the api named hello_world.ap-shanghai-hello_world.serverless_test in the ap-shanghai region. DEBUG ─ Deployed function hello_world successful hello_world: ap-guangzhou: Name: hello_world Runtime: Python3.6 Handler: index.main_handler MemorySize: 128 Timeout: 3 Region: ap-guangzhou Namespace: default Description: This is a template function APIGateway: - serverless_test - POST - http://service-p14470dc-1256773370.gz.apigw.tencentcs.com/release/users - serverless_test - POST - http://service-p14470dc-1256773370.gz.apigw.tencentcs.com/release/usersss ap-shanghai: Name: hello_world Runtime: Python3.6 Handler: index.main_handler MemorySize: 128 Timeout: 3 Region: ap-shanghai Namespace: default Description: This is a template function APIGateway: - serverless_test - POST - http://service-7daktopz-1256773370.sh.apigw.tencentcs.com/release/users - serverless_test - POST - http://service-7daktopz-1256773370.sh.apigw.tencentcs.com/release/usersss - serverless_test - POST - http://service-7daktopz-1256773370.sh.apigw.tencentcs.com/release/usersd 35s › hello_world › done
复制代码
通过以上部署，就可以成功将函数部署到不同的地域，并且针对不同地域进行额外的配置。
上层服务的多地域部署与解析
就目前来看，tencent-scf更多是一个基础组件，更多人则是在使用 Koa、Express 等组件，那么对于这种相对高阶的组件，是否可以多地域部署呢？从目前文档的描述来看是可以进行多地域部署，且可以进行自动解析，以tencent-tornado为例：
TornadoTest: component: '@serverless/tencent-tornado' inputs: region: - ap-guangzhou - ap-shanghai functionName: tornadoFunctionTest tornadoProjectName: app code: ./ functionConf: timeout: 10 memorySize: 256 environment: variables: TEST: vale vpcConfig: subnetId: '' vpcId: '' apigatewayConf: protocols: - http environment: release customDomain: - domain: anycodestest1.com isDefaultMapping: 'FALSE' pathMappingSet: - path: / environment: release protocols: - http - domain: anycodestest2.com isDefaultMapping: 'FALSE' pathMappingSet: - path: / environment: release protocols: - http cloudDNSConf: ttl: 603 status: enable ap-guangzhou: functionConf: timeout: 20 apigatewayConf: protocols: - https cloudDNSConf: recordLine: - 电信 - 联通
复制代码
部署结果：
TornadoTest: functionName: tornadoFunctionTest ap-shanghai: apiGatewayServiceId: service-mdnjhsp3 url: http://service-mdnjhsp3-1256773370.sh.apigw.tencentcs.com/release/ ap-guangzhou: apiGatewayServiceId: service-nh6xgutk url: https://service-nh6xgutk-1256773370.gz.apigw.tencentcs.com/release/ DNS: Please set your domain DNS: f1g1ns1.dnspod.net | f1g1ns1.dnspod.net
复制代码
通过这样一个组件，就可以完成框架的跨地域部署与解析。
总结
至此，我们基本完成了一个基于 Serverless 的高可用框架的案例探讨，从对单解析的分析，到对多解析的策略制定，再到最后基于 Serverless 架构的高可用模型，虽然文中案例仅仅可以作为学习参考使用，在实际生产中会面临很多难题，有些地方还需要针对实际项目做一些特殊的修改和修正，但是这样一个简单的基于 Serverless 架构的高可用模型，基本上可以发挥出 Serverless 架构的特点，包括 Serverless 架构的按量付费功能，在不使用的时候则不需要收费，在部署多套云函数的时候不会因为部署量增加而产生额外的费用；在这个项目中，包括 API 网关等触发器对函数进行触发，也会包括函数间的编排和调用，更有 FaaS 与 BaaS 紧密结合，通过专线跨地域 Invoke，在外层还会增加多套监控告警函数以及 DNS 切换函数、云函数切换函数等尽可能保证服务的稳定与可用性；为了更加简单的进行多地域部署，还通过了 Serverless Framework 实现了多地域部署方案。
在实际生产生活中，无论是单地域服务还是多地域就近接入服务，多地域部署容灾都是很重要的，尤其在 Serverless 架构下，按量付费让主备模式成本骤降，100%可用性几乎是一个不可能事件，但我们可以共同探讨相对优秀的高可用方案。
评论