*作者：吳森梵（仰森）*

在剛剛結束的 2022 杭州 · 雲棲大會上，[阿里雲宣佈函式計算 FC 開啟全面降價，vCPU 單價降幅 **11%** ，其他的各個獨立計費項最高降幅達 **37.5%** ](http://mp.weixin.qq.com/s?__biz=MzI4NzI5MDM1MQ==&mid=2247522129&idx=1&sn=a298121369eb62bb05fc1d6840cfd8c4&chksm=ebcd31d1dcbab8c7b91804aec2972a0e96d8aefa8ae8d250bcdd6123eebf1f8c5fb7ea97b003&scene=21#wechat_redirect)。函式計算 FC 全面降價，讓 Serverless 更加普惠，使用者可隨用隨取，按量計費，用更低成本採用 Serverless 架構，但是函式計算 FC 究竟在技術上作出怎樣的升級才促成本次降價發生呢？本文將全面揭秘幕後關鍵技術——**函式規格自主選配功能**。

## 痛點：規格靈活度低，成本浪費

隨著越來越多使用者逐步將更多樣化的負載部署至函式計算，比如 CPU 密集型，IO 密集型等，這些負載中有的需要更大的磁碟，但函式計算卻只提供了按照記憶體大小等比例分配算力的能力，此時為了滿足需求最大的一項，使用者需要設定比實際所需更大的規格，這並不利於更精確的控制成本。但由於可選的規格方案數量較少，加上較大的梯度，進一步削弱了靈活性。

為解決以上痛點，函式計算提供了規格自主選配功能，不僅放開了 CPU 和記憶體固定比例的限制，同時提供極小的梯度，精確地設定函式規格，讓函式需要多少用多少，提升資源利用率的同時，降低使用者成本。

## 規格自選功能如何幫助降低使用者成本？

接下來以具體案例進行展示，讓大家直觀地瞭解函式規則自主選配功能的優勢。

### 貼合實際資源用量的函式規格

下圖展示了函式執行期間 vCPU 和記憶體的使用情況，該函式的 vCPU 用量一直低於1.5核，記憶體用量低於 6GB，資源浪費明顯，使用者需要為沒使用到的資源付費。

在推出自主選配功能前，函式計算提供的記憶體規格有 4GB、8GB、16GB、32GB。由於該函式記憶體最大使用量超過 5GB，為確保函式正常執行，只能配置記憶體為 8GB，該記憶體對應的 vCPU 規格為 4 核。

![1.png](https://p3-juejin.byteimg.com/tos-cn-i-k3u1fbpfcp/ccc2ad5341034b07b9d6b26d31de8c50~tplv-k3u1fbpfcp-zoom-1.image "1.png")

現在，我們可以將函式規格調整為 1.5核 vCPU 和 6GB 記憶體，顯著提升資源利用率的同時，成本也降低到了原來的 44%。

-   調整前：4核 8GB規格的函式，每秒費用是 4核*0.000127元/(核*秒) + 8GB*0.0000127元/(GB*秒) = 0.0006096元

-   調整後：1.5核 6GB規格的函式，每秒費用是1.5核*0.000127元/(核*秒)+6GB*0.0000127元/(GB*秒)=0.0002662元

> tips：觀察監控指標頁面的例項指標，如果函式不能充分利用vCPU或記憶體資源，考慮調整函式規格以降低成本。

### 更細粒度 GPU 算力

在一些演算法場景下，我們將模型部署到雲上提供線上推理服務，假設模型需要使用 1.8GB 的視訊記憶體，如果採用傳統方案，購買配備 GPU 資源的雲伺服器，最低視訊記憶體是 8GB，執行單個線上推理服務時，GPU 利用率低於 25%，存在巨大的浪費。即使透過單機執行多個線上推理服務來提高利用率，但需要額外開發請求排程功能、平衡其他型別資源的分配，增加開發和運維的複雜性，並且彈效能力幾乎為 0。

相比於持有整張 GPU 卡，使用函式計算可以僅為函式分配 2GB 的視訊記憶體，實現對資源利用率極致壓榨的同時，也收穫了強大的彈效能力，節省資源成本和運維成本。

## 立即體驗

規格自主選配功能現已對所有使用者開放，您可以在函式計算控制檯的函式配置頁面修改 CPU、記憶體、磁碟和 GPU資源的規格，但需滿足如下具體規則如下：

-   vCPU：在 0.05 核到 16 核的範圍內，且是 0.05 核的倍數
-   記憶體：在 128MB 到 32GB 的範圍內，且是 64MB 的倍數
-   GPU：在 2GB 到 16GB 的範圍內，且是 1GB 的倍數
-   磁碟：提供了 512 MB 和 10GB 兩種規格，函式計算為每個例項提供 512 MB 的免費磁碟空間

![2.png](https://p3-juejin.byteimg.com/tos-cn-i-k3u1fbpfcp/f28357a7a52543a8b4915c6f95974421~tplv-k3u1fbpfcp-zoom-1.image "2.png")

如果您使用 Serverless Devs  工具，可以透過配置 function 欄位的 memorySize、cpu 和 diskSize 屬性實現相同的效果，其中 memorySize 和 diskSize 的單位為 MB，cpu 單位為核數。

![3.png](https://p3-juejin.byteimg.com/tos-cn-i-k3u1fbpfcp/826323361b6042a1ad17436df189ee8b~tplv-k3u1fbpfcp-zoom-1.image "3.png")

## 實現技術揭秘

從上文介紹的案例，可以感受到該功能的實用性和價值，而且這並不是一個複雜的功能，但為什麼現在才推出呢？

要回答這個問題，我們需要了解函式計算資源管理系統的工作原理。

### 高密部署

過去，函式計算使用 Docker 建立容器作為函式的執行環境，為了保證多租環境下的安全，為每個使用者分配獨立的虛擬機器，即使只需要執行 1 個 128MB 的小函式，也需要分配一臺 2 核 4G 的虛擬機器，平臺承擔了資源浪費。由於虛擬機器的規格都是固定的，為了提高平臺的資源利用率，在設定函式規格時，只允許設定記憶體大小，並且 CPU 與記憶體的比例與虛擬機器規格相近。

現在，函式計算在彈性裸金屬伺服器上透過安全容器執行使用者的函式，單機執行 2000+函式例項，實現高密部署，降低平臺成本。

![4.png](https://p3-juejin.byteimg.com/tos-cn-i-k3u1fbpfcp/606a4edeb5444c478d06a2b9dbb4f92c~tplv-k3u1fbpfcp-zoom-1.image "4.png")

### 排程最佳化

實現了高密部署後，還不能直接提供自主選配功能，因為這個功能會導致函式的規格種類呈現多樣化，各種可能的配比會增加函式計算的排程複雜性，降低平臺資源利用率。例如一臺裸金屬伺服器上執行了少數函式例項後，就將 CPU 打滿，而記憶體利用率仍在較低水位，但此時已經無法在該機器上建立新的函式例項。

對於這個問題，函式計算對函式進行資源畫像，統計函式對每種資源的使用情況，在排程函式例項時，選擇最有利於資源互補的機器建立例項。

基於多年來的技術沉澱和高效的排程策略，函式計算不斷提高資源池利用率，這也讓我們敢於提供自主選配功能，為使用者提供更靈活的體驗，更輕鬆地享受 Serverless 技術的紅利。

點選[此處](https://www.aliyun.com/product/fc)，直達函式計算！

降價背後，函式計算規格自主選配功能揭秘

相關文章