关于Serverless
看到如今Serverless在云计算行业喷薄欲出的态势，像极了《星星之火，可以燎原》中的描述：虽然不能预测未来的发展和变化，但对于云计算来说这是个相对确定的方向。
从GoogleTrends的Serverless关键字的趋势可以看到，对于Serverless的搜素一直居高不下，并且在未来的一段时间内也会保持相当的热度。从年开始，以AWS为代表的国外云计算大厂也在不断的布局Serverless相关的产品，AWSLambda、AliyunFAAS，数据库领域的AuroraServerless、RedShiftServerless、AzureSQLDatabase等。
学术界对Serverless的研究热度也不亚于工业界对商业化方案的追求，文末列出了一些相关文章作为参考。对于云计算往Serverless演进的趋势，学术界也经历过一些质疑，年“ServerlessComputing:OneStepForward,TwoStepsBack”[3]文章曾经对Serverless的发展给现在IT基础设施带来的冲击表示过担忧，但年同一拨人在这个方向上又表现出了支持和乐观的态度。从Serverless领域被引用次数较多的论文上看到，主流科研机构对Serverless的趋势和方向研究上趋于一致，研究重点也慢慢从“why”转变为“how”[6]。
何为Serverless？为什么Severless是个趋势？“CloudProgrammingSimplified:ABerkeleyViewonServerlessComputing”[5]这篇文章为代表做了一个比较全面的分析和预测。同样是Berkeley在年发表的另一篇文章“AbovetheClouds:ABerkeleyViewofCloudComputing”[7]预测了云计算作为IAAS基础设施的观点。该篇文章延续了之前的风格，分析了现状和难点，预测了云计算.0的形态Serverless作为下一代基础设施，也定义了Serverless的主要三个特征：
资源的解耦和服务化：弱化了存储和计算之间的联系。服务的储存和计算被分开部署和收费，存储不再是服务本身的一部分，而是演变成了独立的云服务。这使得计算变得无状态化，更容易调度和扩缩容，同时也降低了数据丢失的风险。
自动弹性伸缩：代码的执行不再需要手动分配资源。不需要为服务的运行指定需要的资源（比如使用几台机器、多大的带宽、多大的磁盘等），只需要提供一份代码，剩下的交由Serverless平台去处理就行了。当前阶段的实现平台分配资源时还需要用户方提供一些策略，例如单个实例的规格和最大并发数，单实例的最大CPU使用率。理想的情况是通过某些机器学习算法来进行完全自动的自适应分配。
按使用量计费：Serverless按照服务的使用量（调用次数、时长等）计费，而不是像传统的Serverful服务那样，按照使用的资源（ECS实例、VM的规格等）计费。
值得一提的是[5]这篇文章有众多云计算厂商的背书，包括AWS、Micorsoft、Google、Alibaba等，同时文章也直接以AWSLambda服务作为样板去分析Serverless的问题。Serverless本身的技术难度，这篇文章罗列了多项内容，这里不做赘述，可以具体读一下文章。
关于Serverless的技术实现[3]给出了一个可行的系统实现方式，当然还是以FAAS为背景。其中提到Serverless关键技术路径包括：
统一的标准运行环境支持多语言的运行时统一管理轻量级/蝇量级安全容器（在[4]中额外提到安全和隔离的重要性）冷热容器池设计做极致的多租户复用能力高效的函数调度能力
其中，函数计算的实现方式，却与数据库Serverless息息相关。
数据库的Serverless
数据库品类繁多，关系型数据库自年E.F.Codd对于关系模型的描述[7]开始，后来者大多只是模仿，而尚未在用户接受度和规模上有超越。
数据库不仅仅是一个“stateful”的应用，而且是一个“state-heavy”的应用。数据库是Serverless最不友好的应用之一，包括云原生基础设施kubernates对于stateful应用的支持，也是等到StatefulSet和operator之后才有一个比较好的解决方案。而在这之前数据库都是作为Serverless对状态做解耦和状态下沉的工具，也是全栈Serverless解决方案中最难攻坚的最后一个堡垒。
对于Serverless的定义，文章给出来一个公式：Serverless=FAAS+BAAS。将FAAS（FunctionsasaService）定义为事件、API、消息驱动的计算层；将BAAS（BackendsasaService）定义为类似数据库、消息队列等后端服务。
“State-heavyapplicationswillremainasBaaS”是目前对于数据库的一个基本认知，但这与数据库本身是否具备一定程度的Serveless能力其实是两回事。前者强调的是在应用向Serverless做架构转型的过程当中，数据库的大量状态存储做不到FAAS这样即开即用的能力，只能作为“+”来对接Serverless生态；后者说的是在某种程度上也能够满足“资源解耦”、“自动弹性”、“按使用量付费”的特点，某种程度上也可以认为是Serverless。
数据库Serverless的难点究竟在哪里？
数据库做Serverless有若干难点[4]，总结如下：
Serverless没有内置的持久化存储，需要依赖远端存储，这就会导致在延时上较高；客户端是基于连接的方式访问数据库，在客户端往往会维护连接池的方式供应用访问，而函数计算往往具备飘忽不定的网络地址，与数据库传统的IP+User+password鉴权的方式迥异；很多高性能的数据库使用共享内存技术，而FAAS本身不具备共享内存的能力，会使得计算和数据库之前的资源动态扩展能力不一致
其中尤其要注意的是第点，在应用进FAAS之后，当前的数据库访问方式已经不适用于Serverless生态：
服务器与DB做连接保持，这就意味着访问状态是由客户端和数据库共同维护，而FAAS无法做到连接持续保持的能力；服务器通过driver和连接池的方式访问数据库，每次的连接初始化相对较重，FAAS上无法承受如此重的连接初始化工作；服务器访问鉴权通过user/password/ip的方式访问数据库，而FAAS多租户场景所有用户共享IP地址池，user/password内置到FAAS当中也暴露了极大的安全风险；
数据库需要一种新的访问方式，直接影响到数据库能否作为Serverless生态当中的一部分，直接影响到当前Serverless应用做全栈Serverless改造。其重要程度甚至大于数据库Serverless（资源解耦、极致弹性、按使用量付费等）本身。
当然数据库本身要做的事情远远不止如此，数据库本身要实现高效的弹升弹降，涉及到更多的管控和内核紧密的联动。
他山之石
行业翘楚AWS在Serverless相关的布局从年推出Lambda开始，引领着这个方向的发展。这里更多的