Serverless 函数拆分粒度与冷启动治理:一次 FunctionGraph 实操复盘
把一个单体接口直接扔进函数计算平台,是很多人上 Serverless 的第一步,也往往是踩坑的第一步。最近把一套传统的 Spring Boot 小服务迁移到华为云函数工作流 FunctionGraph,跑了几个星期的生产流量,把冷启动和函数粒度这两件事的实践经验整理一下。
早期我们按「一个接口一个函数」的思路拆了 20 多个函数,结果发现运维成本反而上去了:函数间调用链变长,授权和环境变量成倍复制,日志排查要在十几个日志流之间来回切。后来重新收敛成「按业务能力拆」的原则——围绕聚合根划分,同一个聚合下的读写放一个函数,跨聚合的走事件总线异步联动。最终收敛到 7 个函数,平均代码包 8MB 左右。
这个粒度下有个额外收益:依赖包可以共享。同一聚合内的函数复用同一套基础镜像层和公共依赖,冷启动时只有业务代码层是「新」的,初始化时间明显下降。
实测下来,冷启动耗时分布大致是三段:容器拉起约占 30%,运行时初始化约占 40%,业务初始化(数据库连接池、SDK 客户端)约占 30%。对应三招:
第一,懒加载连接。数据库连接池不要在构造函数里就建满,初始化时只建 1~2 个核心连接,剩余的等首次真实请求触发。SDK 客户端同理,只初始化当前函数实际用到的。
第二,把初始化移出请求路径。FunctionGraph 提供了初始化函数的入口(对应各运行时的 initializer 阶段),这部分代码在实例生命周期内只执行一次,把配置读取、密钥解密、连接池预热全部放进去,而不是每个 handler 调用里都判断一遍。
第三,控制包体积。依赖裁剪是最容易被忽视的:一个未 tree-shake 的公共工具库能白带 30MB。用按需打包后,我们的业务包从 28MB 降到 6MB,容器拉起阶段耗时肉眼可见地缩短。
预留实例要算账。对延迟敏感的核心接口开了最小预留实例(1 个),实测 P99 从 1.8s 降到 240ms,但这部分是包月成本。非核心接口(如报表导出)继续裸跑弹性伸缩,整体成本只涨了不到 15%,值得。
幂等必须自己做。事件触发的场景下,平台只保证 at-least-once 投递。我们用 Redis SETNX 加事件 ID 做幂等键,过期时间按业务容忍窗口设 10 分钟。上线第一周就真实拦住了一次重复推送。
Serverless 迁移的核心不是「把代码搬进函数」,而是重新设计边界:粒度按业务聚合收敛、冷启动分层治理、幂等自己兜底。这套 7 函数的架构稳定运行至今,月度资源成本只有原 CCE 容器方案的四分之一。下一步打算把事件总线部分换成 EventGrid 管理路由,进一步解耦函数间的直接调用。
- 点赞
- 收藏
- 关注作者
评论(0)