Knative的一個擴充套件Kubernetes，它提供了一套工具來部署無伺服器的工作量。

Knative由以下主要元件構建：

1. 構建  - 源到容器的構建編排。
2. 事件Eventing  - 管理和交付事件。
3. 服務  - 請求驅動的計算，可以擴充套件到零。

在本文中，我們將重點介紹Eventing元件。它為無伺服器事件驅動架構提供基礎架構，在觸發事件時執行容器。Knative Eventing支援不同的事件源（例如GitHub事件，Pub / Sub等），您甚至可以編寫自己的自定義事件源。

我們之所以選擇Knative而不是其他傳統的無伺服器平臺（Functions，Lambda等），原因如下：

1. 它由容器驅動，這意味著您可以在每種語言或框架中編寫您喜歡的程式碼，只要您可以從中建立容器。通常，其他無伺服器平臺將您限制為它們支援的特定執行時環境。
2. 資源是完全可定製的（CPU，GPU，網路等），只要您的Kubernetes叢集配備了您可以使用的相關資源。就像每個Kubernetes部署一樣，您必須說明您需要哪些資源。其他無伺服器解決方案限制了資源，這些限制對我們來說通常是不行的。
3. 沒有超時限制，因此您可以部署長時間執行的程式（資料分析，影象處理等等）。使用其他無伺服器平臺無法實現這一點，因為它們通常具有超時限制。
4. Eventing元件使用cloudevents作為釋出事件的規範。基本上，它可以幫助我們編寫事件源無關的程式碼。我們只需要瞭解事件的有效負載，但不必直接與事件源整合或以不同方式解析事件。

然而，它不是所有的玫瑰和蝴蝶，我們還必須提到缺點。Knative仍處於非常早期階段（截至今日最新版本為0.6），這意味著API可能會在此過程中發生變化，升級可能會破壞您的部署。與其他無伺服器解決方案相比，編寫所有這些Kubernetes YAML並安裝所有內容更加麻煩。

這就是為什麼我們將Knative與其自己的叢集隔離，並且不要將我們的日常叢集與Knative叢集混合。我們將相關服務與VPC和負載均衡器連線起來。

Knative Eventing和Python

我們使用Knative的主要用例是在新資料到達系統時執行長CPU限制資料分析過程。作為大多數資料分析任務，我們的資料科學團隊使用Python編寫。不幸的是，Knative Eventing示例是Go編寫，其中唯一可用於輕鬆引導Knative Eventing專案的庫也是Go。

我們知道我們必須為Python建立一個類似的開源庫，以便其他人也可以使用它。經過一些研究並深入研究Go庫程式碼，我們意識到我們需要實現的只是一個HTTP伺服器，它監聽POST請求並解析cloudevents有效負載。在幕後，Knative Eventing使用Knative Serving，並在一個事件中向Knative Eventing容器發出POST請求。我們很高興分享我們的開源專案，python-kncloudevents，用於輕鬆整合Python和Knative Eventing 

python-kncloudevents的用法非常簡單，你需要做的就是編寫一個接收cloudevents作為引數的函式。要訪問事件資料，您只需呼叫cloudevent的Data函式即可。現在要在事件觸發時執行您的函式，您只需要建立CloudeventsServer例項並執行接受您的函式的start_receiver函式。

import sys
from kncloudevents import CloudeventsServer
import logging

logging.basicConfig(stream=sys.stdout, level=logging.INFO)


def run_event(event):
    try:
        logging.info(event.Data())
    except Exception as e:
        logging.error(f"Unexpected error: {e}")
        raise


client = CloudeventsServer()

結論

Knative非常適合構建無需資源的工作負載，這需要資源，執行時和持續時間的靈活性。Knative允許構建與依賴項和環境無關的事件驅動架構。

如果您需要執行需要定製環境的基於事件的流程，Knative是您的正確選擇。如果您想構建快速簡單的功能，那麼像Functional或Lambda這樣的託管無伺服器平臺也可能適合您。