mirror of
https://github.com/kubesphere/website.git
synced 2025-12-29 15:42:49 +00:00
Add Serverless-way-for-Kubernetes-Log-Alerting.md
This commit is contained in:
yangchuansheng
parent
49c4f04437
commit
011def00d1
|
|
@ -0,0 +1,428 @@
|
|||
---
|
||||
title: 'OpenFunction 应用系列之一: 以 Serverless 的方式实现 Kubernetes 日志告警'
|
||||
tag: 'OpenFunction, KubeSphere, Kubernetes'
|
||||
keywords: 'penFunction, Serverless, KubeSphere, Kubernetes, Kafka, FaaS, 无服务器'
|
||||
description: '本文提供了一种基于 Serverless 的日志处理思路，可以在降低该任务链路成本的同时提高其灵活性。'
|
||||
createTime: '2021-08-26'
|
||||
author: '方阗'
|
||||
snapshot: 'https://pek3b.qingstor.com/kubesphere-community/images/202109031518797.png'
|
||||
---
|
||||
## 概述
|
||||
|
||||
当我们将容器的日志收集到消息服务器之后，我们该如何处理这些日志？部署一个专用的日志处理工作负载可能会耗费多余的成本，而当日志体量骤增、骤降时亦难以评估日志处理工作负载的待机数量。本文提供了一种基于 Serverless 的日志处理思路，可以在降低该任务链路成本的同时提高其灵活性。
|
||||
|
||||
我们的大体设计是使用 Kafka 服务器作为日志的接收器，之后以输入 Kafka 服务器的日志作为事件，驱动 Serverless 工作负载对日志进行处理。据此的大致步骤为：
|
||||
|
||||
1. 搭建 Kafka 服务器作为 Kubernetes 集群的日志接收器
|
||||
2. 部署 OpenFunction 为日志处理工作负载提供 Serverless 能力
|
||||
3. 编写日志处理函数，抓取特定的日志生成告警消息
|
||||
4. 配置 [Notification Manager](https://github.com/kubesphere/notification-manager/) 将告警发送至 Slack
|
||||
|
||||
|
||||
|
||||
在这个场景中，我们会利用到 [OpenFunction](https://github.com/OpenFunction/OpenFunction) 带来的 Serverless 能力。
|
||||
|
||||
> [OpenFunction](https://github.com/OpenFunction/OpenFunction) 是 KubeSphere 社区开源的一个 FaaS（Serverless）项目，旨在让用户专注于他们的业务逻辑，而不必关心底层运行环境和基础设施。该项目当前具备以下关键能力：
|
||||
>
|
||||
> - 支持通过 dockerfile 或 buildpacks 方式构建 OCI 镜像
|
||||
> - 支持使用 Knative Serving 或 OpenFunctionAsync ( KEDA + Dapr ) 作为 runtime 运行 Serverless 工作负载
|
||||
> - 自带事件驱动框架
|
||||
|
||||
## 使用 Kafka 作为日志接收器
|
||||
|
||||
首先，我们为 KubeSphere 平台开启 **logging** 组件（可以参考 [启用可插拔组件](https://kubesphere.io/zh/docs/pluggable-components/) 获取更多信息）。然后我们使用 [strimzi-kafka-operator](https://github.com/strimzi/strimzi-kafka-operator) 搭建一个最小化的 Kafka 服务器。
|
||||
|
||||
1. 在 default 命名空间中安装 [strimzi-kafka-operator](https://github.com/strimzi/strimzi-kafka-operator) ：
|
||||
|
||||
```shell
|
||||
helm repo add strimzi https://strimzi.io/charts/
|
||||
helm install kafka-operator -n default strimzi/strimzi-kafka-operator
|
||||
```
|
||||
|
||||
2. 运行以下命令在 default 命名空间中创建 Kafka 集群和 Kafka Topic，该命令所创建的 Kafka 和 Zookeeper 集群的存储类型为 **ephemeral**，使用 emptyDir 进行演示。
|
||||
|
||||
> 注意，我们此时创建了一个名为 “logs” 的 topic，后续会用到它
|
||||
|
||||
```shell
|
||||
cat <<EOF | kubectl apply -f -
|
||||
apiVersion: kafka.strimzi.io/v1beta2
|
||||
kind: Kafka
|
||||
metadata:
|
||||
name: kafka-logs-receiver
|
||||
namespace: default
|
||||
spec:
|
||||
kafka:
|
||||
version: 2.8.0
|
||||
replicas: 1
|
||||
listeners:
|
||||
- name: plain
|
||||
port: 9092
|
||||
type: internal
|
||||
tls: false
|
||||
- name: tls
|
||||
port: 9093
|
||||
type: internal
|
||||
tls: true
|
||||
config:
|
||||
offsets.topic.replication.factor: 1
|
||||
transaction.state.log.replication.factor: 1
|
||||
transaction.state.log.min.isr: 1
|
||||
log.message.format.version: '2.8'
|
||||
inter.broker.protocol.version: "2.8"
|
||||
storage:
|
||||
type: ephemeral
|
||||
zookeeper:
|
||||
replicas: 1
|
||||
storage:
|
||||
type: ephemeral
|
||||
entityOperator:
|
||||
topicOperator: {}
|
||||
userOperator: {}
|
||||
---
|
||||
apiVersion: kafka.strimzi.io/v1beta1
|
||||
kind: KafkaTopic
|
||||
metadata:
|
||||
name: logs
|
||||
namespace: default
|
||||
labels:
|
||||
strimzi.io/cluster: kafka-logs-receiver
|
||||
spec:
|
||||
partitions: 10
|
||||
replicas: 3
|
||||
config:
|
||||
retention.ms: 7200000
|
||||
segment.bytes: 1073741824
|
||||
EOF
|
||||
```
|
||||
|
||||
3. 运行以下命令查看 Pod 状态，并等待 Kafka 和 Zookeeper 运行并启动。
|
||||
|
||||
```shell
|
||||
$ kubectl get po
|
||||
NAME READY STATUS RESTARTS AGE
|
||||
kafka-logs-receiver-entity-operator-568957ff84-nmtlw 3/3 Running 0 8m42s
|
||||
kafka-logs-receiver-kafka-0 1/1 Running 0 9m13s
|
||||
kafka-logs-receiver-zookeeper-0 1/1 Running 0 9m46s
|
||||
strimzi-cluster-operator-687fdd6f77-cwmgm 1/1 Running 0 11m
|
||||
```
|
||||
|
||||
运行以下命令查看 Kafka 集群的元数据：
|
||||
|
||||
```shell
|
||||
# 启动一个工具 pod
|
||||
$ kubectl run utils --image=arunvelsriram/utils -i --tty --rm
|
||||
# 查看 Kafka 集群的元数据
|
||||
$ kafkacat -L -b kafka-logs-receiver-kafka-brokers:9092
|
||||
```
|
||||
|
||||
我们将这个 Kafka 服务器添加为日志接收器。
|
||||
|
||||
1. 以 **admin** 身份登录 KubeSphere 的 Web 控制台。点击左上角的**平台管理**，然后选择**集群管理**。
|
||||
|
||||
> 如果您启用了[多集群功能](https://kubesphere.io/zh/docs/multicluster-management/)，您可以选择一个集群。
|
||||
|
||||
2. 在**集群管理**页面，选择**集群设置**下的**日志收集**。
|
||||
|
||||
3. 点击**添加日志接收器**并选择 **Kafka**。输入 Kafka 代理地址和端口信息，然后点击**确定**继续。
|
||||
|
||||
|
||||
|
||||
|
||||
4. 运行以下命令验证 Kafka 集群是否能从 Fluent Bit 接收日志：
|
||||
|
||||
```shell
|
||||
# 启动一个工具 pod
|
||||
$ kubectl run utils --image=arunvelsriram/utils -i --tty --rm
|
||||
# 检查 logs topic 中的日志情况
|
||||
$ kafkacat -C -b kafka-logs-receiver-kafka-0.kafka-logs-receiver-kafka-brokers.default.svc:9092 -t logs
|
||||
```
|
||||
|
||||
## 部署 OpenFunction
|
||||
|
||||
按照概述中的设计，我们需要先部署 OpenFunction。OpenFunction 项目引用了很多第三方的项目，如 Knative、Tekton、ShipWright、Dapr、KEDA 等，手动安装较为繁琐，推荐使用 [Prerequisites 文档](https://github.com/OpenFunction/OpenFunction#prerequisites) 中的方法，一键部署 OpenFunction 的依赖组件。
|
||||
|
||||
> 其中 `--with-shipwright` 表示部署 shipwright 作为函数的构建驱动
|
||||
> `--with-openFuncAsync` 表示部署 OpenFuncAsync Runtime 作为函数的负载驱动
|
||||
> 而当你的网络在访问 Github 及 Google 受限时，可以加上 `--poor-network` 参数用于下载相关的组件
|
||||
```shell
|
||||
sh hack/deploy.sh --with-shipwright --with-openFuncAsync --poor-network
|
||||
```
|
||||
|
||||
部署 OpenFunction：
|
||||
|
||||
> 此处选择安装最新的稳定版本，你也可以使用开发版本，参考 [Install 文档](https://github.com/OpenFunction/OpenFunction#install)
|
||||
>
|
||||
> 为了可以正常使用 ShipWright ，我们提供了默认的构建策略，可以使用以下命令设置该策略：
|
||||
>
|
||||
> ```shell
|
||||
> kubectl apply -f https://raw.githubusercontent.com/OpenFunction/OpenFunction/main/config/strategy/openfunction.yaml
|
||||
> ```
|
||||
```shell
|
||||
kubectl apply -f https://github.com/OpenFunction/OpenFunction/releases/download/v0.3.0/bundle.yaml
|
||||
```
|
||||
|
||||
## 编写日志处理函数
|
||||
|
||||
我们以 [创建并部署 WordPress](https://kubesphere.io/zh/docs/quick-start/wordpress-deployment/) 为例，搭建一个 WordPress 应用作为日志的生产者。该应用的工作负载所在的命名空间为 “demo-project”，Pod 名称为 “wordpress-v1-f54f697c5-hdn2z”。
|
||||
|
||||
当请求结果为 404 时，我们收到的日志内容如下：
|
||||
```json
|
||||
{"@timestamp":1629856477.226758,"log":"*.*.*.* - - [25/Aug/2021:01:54:36 +0000] \"GET /notfound HTTP/1.1\" 404 49923 \"-\" \"curl/7.58.0\"\n","time":"2021-08-25T01:54:37.226757612Z","kubernetes":{"pod_name":"wordpress-v1-f54f697c5-hdn2z","namespace_name":"demo-project","container_name":"container-nrdsp1","docker_id":"bb7b48e2883be0c05b22c04b1d1573729dd06223ae0b1676e33a4fac655958a5","container_image":"wordpress:4.8-apache"}}
|
||||
|
||||
```
|
||||
|
||||
我们的需求是：当一个请求结果为 404 时，发送一个告警通知给接收器（可以根据 [配置 Slack 通知](https://kubesphere.io/zh/docs/cluster-administration/platform-settings/notification-management/configure-slack/) 配置一个 Slack 告警接收器），并记录命名空间、Pod 名称、请求路径、请求方法等信息。按照这个需求，我们编写一个简单的处理函数：
|
||||
> 你可以从 [OpenFunction Context Spec](https://github.com/OpenFunction/functions-framework/blob/main/docs/OpenFunction-context-specs.md) 处了解 **openfunction-context** 的使用方法，这是 OpenFunction 提供给用户编写函数的工具库
|
||||
> 你可以通过 [OpenFunction Samples](https://github.com/OpenFunction/samples) 了解更多的 OpenFunction 函数案例
|
||||
|
||||
```go
|
||||
package logshandler
|
||||
|
||||
import (
|
||||
"encoding/json"
|
||||
"fmt"
|
||||
"log"
|
||||
"regexp"
|
||||
"time"
|
||||
|
||||
ofctx "github.com/OpenFunction/functions-framework-go/openfunction-context"
|
||||
alert "github.com/prometheus/alertmanager/template"
|
||||
)
|
||||
|
||||
const (
|
||||
HTTPCodeNotFound = "404"
|
||||
Namespace = "demo-project"
|
||||
PodName = "wordpress-v1-[A-Za-z0-9]{9}-[A-Za-z0-9]{5}"
|
||||
AlertName = "404 Request"
|
||||
Severity = "warning"
|
||||
)
|
||||
|
||||
// LogsHandler ctx 参数提供了用户函数在集群语境中的上下文句柄，如 ctx.SendTo 用于将数据发送至指定的目的地
|
||||
// LogsHandler in 参数用于将输入源中的数据（如有）以 bytes 的方式传递给函数
|
||||
func LogsHandler(ctx *ofctx.OpenFunctionContext, in []byte) int {
|
||||
content := string(in)
|
||||
// 这里我们设置了三个正则表达式，分别用于匹配 HTTP 返回码、资源命名空间、资源 Pod 名称
|
||||
matchHTTPCode, _ := regexp.MatchString(fmt.Sprintf(" %s ", HTTPCodeNotFound), content)
|
||||
matchNamespace, _ := regexp.MatchString(fmt.Sprintf("namespace_name\":\"%s", Namespace), content)
|
||||
matchPodName := regexp.MustCompile(fmt.Sprintf(`(%s)`, PodName)).FindStringSubmatch(content)
|
||||
|
||||
if matchHTTPCode && matchNamespace && matchPodName != nil {
|
||||
log.Printf("Match log - Content: %s", content)
|
||||
|
||||
// 如果上述三个正则表达式同时命中，那么我们需要提取日志内容中的一些信息，用于填充至告警信息中
|
||||
// 这些信息为：404 请求的请求方式（HTTP Method）、请求路径（HTTP Path）以及 Pod 名称
|
||||
match := regexp.MustCompile(`([A-Z]+) (/\S*) HTTP`).FindStringSubmatch(content)
|
||||
if match == nil {
|
||||
return 500
|
||||
}
|
||||
path := match[len(match)-1]
|
||||
method := match[len(match)-2]
|
||||
podName := matchPodName[len(matchPodName)-1]
|
||||
|
||||
// 收集到关键信息后，我们使用 altermanager 的 Data 结构体组装告警信息
|
||||
notify := &alert.Data{
|
||||
Receiver: "notification_manager",
|
||||
Status: "firing",
|
||||
Alerts: alert.Alerts{},
|
||||
GroupLabels: alert.KV{"alertname": AlertName, "namespace": Namespace},
|
||||
CommonLabels: alert.KV{"alertname": AlertName, "namespace": Namespace, "severity": Severity},
|
||||
CommonAnnotations: alert.KV{},
|
||||
ExternalURL: "",
|
||||
}
|
||||
alt := alert.Alert{
|
||||
Status: "firing",
|
||||
Labels: alert.KV{
|
||||
"alertname": AlertName,
|
||||
"namespace": Namespace,
|
||||
"severity": Severity,
|
||||
"pod": podName,
|
||||
"path": path,
|
||||
"method": method,
|
||||
},
|
||||
Annotations: alert.KV{},
|
||||
StartsAt: time.Now(),
|
||||
EndsAt: time.Time{},
|
||||
GeneratorURL: "",
|
||||
Fingerprint: "",
|
||||
}
|
||||
notify.Alerts = append(notify.Alerts, alt)
|
||||
notifyBytes, _ := json.Marshal(notify)
|
||||
|
||||
// 使用 ctx.SendTo 将内容发送给名为 "notification-manager" 的输出端（你可以在之后的函数配置 logs-handler-function.yaml 中找到它的定义）
|
||||
if err := ctx.SendTo(notifyBytes, "notification-manager"); err != nil {
|
||||
panic(err)
|
||||
}
|
||||
log.Printf("Send log to notification manager.")
|
||||
}
|
||||
return 200
|
||||
}
|
||||
|
||||
```
|
||||
|
||||
我们将这个函数上传到代码仓库中，记录**代码仓库的地址**以及**代码在仓库中的目录路径**，在下面的创建函数步骤中我们将使用到这两个值。
|
||||
> 你可以在 [OpenFunction Samples](https://github.com/OpenFunction/samples/tree/main/functions/OpenFuncAsync/logs-handler-function) 中找到这个案例。
|
||||
|
||||
## 创建函数
|
||||
|
||||
接下来我们将使用 OpenFunction 构建上述的函数。首先设置一个用于访问镜像仓库的秘钥文件 **push-secret**（在使用代码构建出 OCI 镜像后，OpenFunction 会将该镜像上传到用户的镜像仓库中，用于后续的负载启动）：
|
||||
|
||||
```shell
|
||||
REGISTRY_SERVER=https://index.docker.io/v1/ REGISTRY_USER=<your username> REGISTRY_PASSWORD=<your password>
|
||||
kubectl create secret docker-registry push-secret \
|
||||
--docker-server=$REGISTRY_SERVER \
|
||||
--docker-username=$REGISTRY_USER \
|
||||
--docker-password=$REGISTRY_PASSWORD
|
||||
```
|
||||
|
||||
应用函数 **logs-handler-function.yaml**：
|
||||
|
||||
> 函数定义中包含了对两个关键组件的使用：
|
||||
>
|
||||
> [Dapr](https://dapr.io/) 对应用程序屏蔽了复杂的中间件，使得 logs-handler 可以非常容易地处理 Kafka 中的事件
|
||||
>
|
||||
> [KEDA](https://keda.sh/) 通过监控消息服务器中的事件流量来驱动 logs-handler 函数的启动，并且根据 Kafka 中消息的消费延时动态扩展 logs-handler 实例
|
||||
|
||||
```yaml
|
||||
apiVersion: core.openfunction.io/v1alpha1
|
||||
kind: Function
|
||||
metadata:
|
||||
name: logs-handler
|
||||
spec:
|
||||
version: "v1.0.0"
|
||||
# 这里定义了构建后的镜像的上传路径
|
||||
image: openfunctiondev/logs-async-handler:v1
|
||||
imageCredentials:
|
||||
name: push-secret
|
||||
build:
|
||||
builder: openfunctiondev/go115-builder:v0.2.0
|
||||
env:
|
||||
FUNC_NAME: "LogsHandler"
|
||||
# 这里定义了源代码的路径
|
||||
# url 为上面提到的代码仓库地址
|
||||
# sourceSubPath 为代码在仓库中的目录路径
|
||||
srcRepo:
|
||||
url: "https://github.com/OpenFunction/samples.git"
|
||||
sourceSubPath: "functions/OpenFuncAsync/logs-handler-function/"
|
||||
serving:
|
||||
# OpenFuncAsync 是 OpenFunction 通过 KEDA+Dapr 实现的一种由事件驱动的异步函数运行时
|
||||
runtime: "OpenFuncAsync"
|
||||
openFuncAsync:
|
||||
# 此处定义了函数的输入（kafka-receiver）和输出（notification-manager），与下面 components 中的定义对应关联
|
||||
dapr:
|
||||
inputs:
|
||||
- name: kafka-receiver
|
||||
type: bindings
|
||||
outputs:
|
||||
- name: notification-manager
|
||||
type: bindings
|
||||
params:
|
||||
operation: "post"
|
||||
type: "bindings"
|
||||
annotations:
|
||||
dapr.io/log-level: "debug"
|
||||
# 这里完成了上述输入端和输出端的具体定义（即 Dapr Components）
|
||||
components:
|
||||
- name: kafka-receiver
|
||||
type: bindings.kafka
|
||||
version: v1
|
||||
metadata:
|
||||
- name: brokers
|
||||
value: "kafka-logs-receiver-kafka-brokers:9092"
|
||||
- name: authRequired
|
||||
value: "false"
|
||||
- name: publishTopic
|
||||
value: "logs"
|
||||
- name: topics
|
||||
value: "logs"
|
||||
- name: consumerGroup
|
||||
value: "logs-handler"
|
||||
# 此处为 KubeSphere 的 notification-manager 地址
|
||||
- name: notification-manager
|
||||
type: bindings.http
|
||||
version: v1
|
||||
metadata:
|
||||
- name: url
|
||||
value: http://notification-manager-svc.kubesphere-monitoring-system.svc.cluster.local:19093/api/v2/alerts
|
||||
keda:
|
||||
scaledObject:
|
||||
pollingInterval: 15
|
||||
minReplicaCount: 0
|
||||
maxReplicaCount: 10
|
||||
cooldownPeriod: 30
|
||||
# 这里定义了函数的触发器，即 Kafka 服务器的 “logs” topic
|
||||
# 同时定义了消息堆积阈值（此处为 10），即当消息堆积量超过 10，logs-handler 实例个数就会自动扩展
|
||||
triggers:
|
||||
- type: kafka
|
||||
metadata:
|
||||
topic: logs
|
||||
bootstrapServers: kafka-logs-receiver-kafka-brokers.default.svc.cluster.local:9092
|
||||
consumerGroup: logs-handler
|
||||
lagThreshold: "10"
|
||||
```
|
||||
|
||||
## 结果演示
|
||||
|
||||
我们先关闭 Kafka 日志接收器：在**日志收集**页面，点击进入 Kafka 日志接收器详情页面，然后点击**更多操作**并选择**更改状态**，将其设置为**关闭**。
|
||||
|
||||
停用后一段时间，我们可以观察到 logs-handler 函数实例已经收缩到 0 了。
|
||||
|
||||
再将 Kafka 日志接收器**激活**，logs-handler 随之启动。
|
||||
|
||||
```shell
|
||||
~# kubectl get po --watch
|
||||
NAME READY STATUS RESTARTS AGE
|
||||
kafka-logs-receiver-entity-operator-568957ff84-tdrrx 3/3 Running 0 7m27s
|
||||
kafka-logs-receiver-kafka-0 1/1 Running 0 7m48s
|
||||
kafka-logs-receiver-zookeeper-0 1/1 Running 0 8m12s
|
||||
logs-handler-serving-kpngc-v100-zcj4q-5f46996f8c-b9d6f 2/2 Terminating 0 34s
|
||||
strimzi-cluster-operator-687fdd6f77-kc8cv 1/1 Running 0 10m
|
||||
logs-handler-serving-kpngc-v100-zcj4q-5f46996f8c-b9d6f 2/2 Terminating 0 36s
|
||||
logs-handler-serving-kpngc-v100-zcj4q-5f46996f8c-b9d6f 0/2 Terminating 0 37s
|
||||
logs-handler-serving-kpngc-v100-zcj4q-5f46996f8c-b9d6f 0/2 Terminating 0 38s
|
||||
logs-handler-serving-kpngc-v100-zcj4q-5f46996f8c-b9d6f 0/2 Terminating 0 38s
|
||||
logs-handler-serving-kpngc-v100-zcj4q-5f46996f8c-9kj2c 0/2 Pending 0 0s
|
||||
logs-handler-serving-kpngc-v100-zcj4q-5f46996f8c-9kj2c 0/2 Pending 0 0s
|
||||
logs-handler-serving-kpngc-v100-zcj4q-5f46996f8c-9kj2c 0/2 ContainerCreating 0 0s
|
||||
logs-handler-serving-kpngc-v100-zcj4q-5f46996f8c-9kj2c 0/2 ContainerCreating 0 2s
|
||||
logs-handler-serving-kpngc-v100-zcj4q-5f46996f8c-9kj2c 1/2 Running 0 4s
|
||||
logs-handler-serving-kpngc-v100-zcj4q-5f46996f8c-9kj2c 2/2 Running 0 11s
|
||||
```
|
||||
|
||||
接着我们向 WordPress 应用一个不存在的路径发起请求：
|
||||
|
||||
```shell
|
||||
curl http://<wp-svc-address>/notfound
|
||||
```
|
||||
|
||||
可以看到 Slack 中已经收到了这条消息（与之对比的是，当我们正常访问该 WordPress 站点时， Slack 中并不会收到告警消息）：
|
||||
|
||||
|
||||
|
||||
### 进一步探索
|
||||
|
||||
- 同步函数的解决方案
|
||||
|
||||
|
||||
> 为了可以正常使用 Knative Serving ，我们需要设置其网关的负载均衡器地址。（你可以使用本机地址作为 workaround）
|
||||
>
|
||||
> 将下面的 "1.2.3.4" 替换为实际场景中的地址。
|
||||
>
|
||||
> ```shell
|
||||
> kubectl patch svc -n kourier-system kourier \
|
||||
> -p '{"spec": {"type": "LoadBalancer", "externalIPs": ["1.2.3.4"]}}'
|
||||
>
|
||||
> kubectl patch configmap/config-domain -n knative-serving \
|
||||
> --type merge --patch '{"data":{"1.2.3.4.sslip.io":""}}'
|
||||
> ```
|
||||
>
|
||||
除了直接由 Kafka 服务器驱动函数运作（异步方式），OpenFunction 还支持使用自带的事件框架对接 Kafka 服务器，之后以 Sink 的方式驱动 Knative 函数运作。可以参考 [OpenFunction Samples](https://github.com/OpenFunction/samples/tree/main/functions/Knative/logs-handler-function) 中的案例。
|
||||
|
||||
在该方案中，同步函数的处理速度较之异步函数有所降低，当然我们同样可以借助 KEDA 来触发 Knative Serving 的 concurrency 机制，但总体而言缺乏异步函数的便捷性。（后续的阶段中我们会优化 OpenFunction 的事件框架来解决同步函数这方面的缺陷）
|
||||
|
||||
由此可见，不同类型的 Serverless 函数有其擅长的任务场景，如一个有序的控制流函数就需要由同步函数而非异步函数来处理。
|
||||
|
||||
## 综述
|
||||
|
||||
Serverless 带来了我们所期望的对业务场景快速拆解重构的能力。
|
||||
|
||||
如本案例所示，OpenFunction 不但以 Serverless 的方式提升了日志处理、告警通知链路的灵活度，还通过函数框架将通常对接 Kafka 时复杂的配置步骤简化为语义明确的代码逻辑。同时，我们也在不断演进 OpenFunction，将在之后版本中实现由自身的 Serverless 能力驱动自身的组件运作。
|
||||
Loading…
Reference in New Issue