AI 事件驅動場景 Serverless 實踐

簡介： 事件驅動是指事件在持續事務管理過程當中，進行決策的一種策略。能夠經過調動可用資源執行相關任務，從而解決不斷出現的問題。通俗地說是當用戶觸發使用行爲時對用戶行爲的響應。在 Serverless 場景下，事件驅動完美符合其設計初衷之一：按需付費。

做者 | 李鵬（元毅）
來源 | Serverless 公衆號

1、事件驅動框架：Knative Eventing

事件驅動是指事件在持續事務管理過程當中，進行決策的一種策略。能夠經過調動可用資源執行相關任務，從而解決不斷出現的問題。通俗地說是當用戶觸發使用行爲時對用戶行爲的響應。在 Serverless 場景下，事件驅動完美符合其設計初衷之一：按需付費。

1. Knative 模型

圖：Knative 模型

Knative 主要包括兩大部分：一是用於工做負載的 Serving，包括版本管理、灰度流量、自動彈性；二是 Eventing（事件驅動框架）。

• 核心玩家

  • Google；
  • IBM；
  • Pivotal；
  • RedHat；
  • SAP。

• 友商相關產品

  • Google CloudRun；
  • IBM；
  • Pivotal Function Service(PFC)；
  • OpenShift。

1. 事件驅動框架：Eventing

Knative 的 Eventing 提供了一個完整的事件模型，方便接入各個外部系統的事件。事件接入之後，經過 Cloud Event 標準在內部流轉，結合 Broker-Trigger 模型進行事件處理。

從上圖能夠看到，Eventing 中包含三部份內容：

• 事件源
• Broker-Trigger：事件驅動模型，這個模型在早期 16 年的版本開始出現，其原理是 Trigger 訂閱 Broker 信息並過濾，最後將事件發送到對應的服務進行消費。
• 消息系統：在 Eventing 中每一個 Broker 下面對應一個消息的系統，來承載對事件的整個流轉。目前社區支持的消息系統包括 Kafka、NATS、Rocket MQ、Rabbit MQ 等。

1. 關鍵特性：事件規則

事件規則的核心是 Broker-Trigger 模型，它包含如下特性：

• Trigger 的 filter 的做用是對 Event 進行內容過濾；
• 支持對 Event 的 Attribute 以及 Data 的內容進行過濾；
• 支持 Common Expression Language（CEL）表達式過濾；
• 支持經過 SourceAndType（事件源類型）進行過濾。

2、事件驅動引擎-事件源

1. 事件源介紹

Knative 社區中提供了豐富的事件源接入，包括 Kafka、Github，也支持接入消息雲產品的一些事件，好比 MNS、RocketMQ 等。

如上圖所示，接入事件源以後，能夠經過 Broker-Trigger 模型請求相應的服務。這些服務包括一些具體場景，好比從源碼構建鏡像、自動化鏡像發佈、AI 音視頻處理、定時任務等。全部的事件都須要這樣的事件源來拉取，而後下發到 Eventing 整個事件流轉過程。

• 事件接入

  • 接入消息雲產品事件源；
  • 經過 MNS 接入更多雲產品的事件。

• 事件處理

  • Knative Eventing 內部實現事件的訂閱、過濾和路由機制；
  • 事件最終經過 Knative 管理的 Serverless 服務進行消費。

• 典型案例

  • AI 音視頻處理；
  • 代碼提交自動構建鏡像。

1. RocketMQ 事件源

消息隊列 RocketMQ 版是阿里雲基於 Apache RocketMQ 構建的低延遲、高併發、高可用、高可靠的分佈式消息中間件。

消息隊列 RocketMQ 版既可爲分佈式應用系統提供異步解耦和削峯填谷的能力，同時也具有互聯網應用所需的海量消息堆積、高吞吐、可靠重試等特性。

RocketMQSource 是 Knative 平臺的 RocketMQ 事件源。其能夠將 RocketMQ 集羣的消息以 Cloud Event 的格式實時轉發到 Knative 平臺，是 Apahe RocketMQ 和 Knative 之間的鏈接器。

1. Kafka 事件源

消息隊列 Kafka 版是阿里雲基於 Apache Kafka 構建的高吞吐量、高可擴展性的分佈式消息隊列服務，普遍用於日誌收集、監控數據聚合、流式數據處理、在線和離線分析等，是大數據生態中不可或缺的產品之一，阿里雲提供全託管服務，用戶無需部署運維，更專業、更可靠、更安全。

3、AI 事件驅動場景實踐

以具體場景爲例，該案例是一個直播系統，系統天天都有海量的直播訪問，訪問量根據直播熱度隨時變化，彈性有波動，同時存在不定時的增量。客戶的訴求，一是業務彈性波動，消息併發性比較高；二是互動實時響應，要求低延遲。

爲了知足對消息處理的彈性波動、高併發及低延遲的要求，客戶選擇阿里雲的 Knative 服務進行數據的彈性處理。阿里雲 Knative 徹底契合了用戶當前的訴求，而且在接入 K8s 標準之上，提供了基於事件和消息的彈性調度。

當應用實例數隨着業務的波峯波谷進行擴容和縮容時，真正作到了按需使用、實時彈性的能力。整個過程徹底自動化，減小業務開發人員在基礎設施上的負擔。在這個案例中，Knative 主要提供了三個能力：極致彈性、事件處理、開箱即用。

下面進行示例演示，演示內容主要有：

• 部署 Kafka 事件源
• 部署事件網關
• 部署服務
• 模擬事件處理

做者簡介：
李鵬，花名：元毅，阿里雲容器平臺高級開發工程師，2016 年加入阿里， 深度參與了阿里巴巴全面容器化、連續多年支持雙十一容器化鏈路。專一於容器、Kubernetes、Service Mesh 和 Serverless 等雲原生領域，致力於構建新一代 Serverless 平臺。當前負責阿里雲容器服務 Knative 相關工做。

原文連接本文爲阿里雲原創內容，未經容許不得轉載。