*作者：吴森梵（仰森）*

在刚刚结束的 2022 杭州 · 云栖大会上，[阿里云宣布函数计算 FC 开启全面降价，vCPU 单价降幅 **11%** ，其他的各个独立计费项最高降幅达 **37.5%** ](http://mp.weixin.qq.com/s?__biz=MzI4NzI5MDM1MQ==&mid=2247522129&idx=1&sn=a298121369eb62bb05fc1d6840cfd8c4&chksm=ebcd31d1dcbab8c7b91804aec2972a0e96d8aefa8ae8d250bcdd6123eebf1f8c5fb7ea97b003&scene=21#wechat_redirect)。函数计算 FC 全面降价，让 Serverless 更加普惠，用户可随用随取，按量计费，用更低成本采用 Serverless 架构，但是函数计算 FC 究竟在技术上作出怎样的升级才促成本次降价发生呢？本文将全面揭秘幕后关键技术——**函数规格自主选配功能**。

## 痛点：规格灵活度低，成本浪费

随着越来越多用户逐步将更多样化的负载部署至函数计算，比如 CPU 密集型，IO 密集型等，这些负载中有的需要更大的磁盘，但函数计算却只提供了按照内存大小等比例分配算力的能力，此时为了满足需求最大的一项，用户需要设置比实际所需更大的规格，这并不利于更精确的控制成本。但由于可选的规格方案数量较少，加上较大的梯度，进一步削弱了灵活性。

为解决以上痛点，函数计算提供了规格自主选配功能，不仅放开了 CPU 和内存固定比例的限制，同时提供极小的梯度，精确地设置函数规格，让函数需要多少用多少，提升资源利用率的同时，降低用户成本。

## 规格自选功能如何帮助降低用户成本？

接下来以具体案例进行展示，让大家直观地了解函数规则自主选配功能的优势。

### 贴合实际资源用量的函数规格

下图展示了函数运行期间 vCPU 和内存的使用情况，该函数的 vCPU 用量一直低于1.5核，内存用量低于 6GB，资源浪费明显，用户需要为没使用到的资源付费。

在推出自主选配功能前，函数计算提供的内存规格有 4GB、8GB、16GB、32GB。由于该函数内存最大使用量超过 5GB，为确保函数正常执行，只能配置内存为 8GB，该内存对应的 vCPU 规格为 4 核。

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

现在，我们可以将函数规格调整为 1.5核 vCPU 和 6GB 内存，显著提升资源利用率的同时，成本也降低到了原来的 44%。

-   调整前：4核 8GB规格的函数，每秒费用是 4核*0.000127元/(核*秒) + 8GB*0.0000127元/(GB*秒) = 0.0006096元

-   调整后：1.5核 6GB规格的函数，每秒费用是1.5核*0.000127元/(核*秒)+6GB*0.0000127元/(GB*秒)=0.0002662元

> tips：观察监控指标页面的实例指标，如果函数不能充分利用vCPU或内存资源，考虑调整函数规格以降低成本。

### 更细粒度 GPU 算力

在一些算法场景下，我们将模型部署到云上提供在线推理服务，假设模型需要使用 1.8GB 的显存，如果采用传统方案，购买配备 GPU 资源的云服务器，最低显存是 8GB，运行单个在线推理服务时，GPU 利用率低于 25%，存在巨大的浪费。即使通过单机运行多个在线推理服务来提高利用率，但需要额外开发请求调度功能、平衡其他类型资源的分配，增加开发和运维的复杂性，并且弹性能力几乎为 0。

相比于持有整张 GPU 卡，使用函数计算可以仅为函数分配 2GB 的显存，实现对资源利用率极致压榨的同时，也收获了强大的弹性能力，节省资源成本和运维成本。

## 立即体验

规格自主选配功能现已对所有用户开放，您可以在函数计算控制台的函数配置页面修改 CPU、内存、磁盘和 GPU资源的规格，但需满足如下具体规则如下：

-   vCPU：在 0.05 核到 16 核的范围内，且是 0.05 核的倍数
-   内存：在 128MB 到 32GB 的范围内，且是 64MB 的倍数
-   GPU：在 2GB 到 16GB 的范围内，且是 1GB 的倍数
-   磁盘：提供了 512 MB 和 10GB 两种规格，函数计算为每个实例提供 512 MB 的免费磁盘空间

![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，可以通过配置 function 字段的 memorySize、cpu 和 diskSize 属性实现相同的效果，其中 memorySize 和 diskSize 的单位为 MB，cpu 单位为核数。

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

## 实现技术揭秘

从上文介绍的案例，可以感受到该功能的实用性和价值，而且这并不是一个复杂的功能，但为什么现在才推出呢？

要回答这个问题，我们需要了解函数计算资源管理系统的工作原理。

### 高密部署

过去，函数计算使用 Docker 创建容器作为函数的运行环境，为了保证多租环境下的安全，为每个用户分配独立的虚拟机，即使只需要运行 1 个 128MB 的小函数，也需要分配一台 2 核 4G 的虚拟机，平台承担了资源浪费。由于虚拟机的规格都是固定的，为了提高平台的资源利用率，在设置函数规格时，只允许设置内存大小，并且 CPU 与内存的比例与虚拟机规格相近。

现在，函数计算在弹性裸金属服务器上通过安全容器运行用户的函数，单机运行 2000+函数实例，实现高密部署，降低平台成本。

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

### 调度优化

实现了高密部署后，还不能直接提供自主选配功能，因为这个功能会导致函数的规格种类呈现多样化，各种可能的配比会增加函数计算的调度复杂性，降低平台资源利用率。例如一台裸金属服务器上运行了少数函数实例后，就将 CPU 打满，而内存利用率仍在较低水位，但此时已经无法在该机器上创建新的函数实例。

对于这个问题，函数计算对函数进行资源画像，统计函数对每种资源的使用情况，在调度函数实例时，选择最有利于资源互补的机器创建实例。

基于多年来的技术沉淀和高效的调度策略，函数计算不断提高资源池利用率，这也让我们敢于提供自主选配功能，为用户提供更灵活的体验，更轻松地享受 Serverless 技术的红利。

点击[此处](https://www.aliyun.com/product/fc)，直达函数计算！

ITPub博客

降价背后，函数计算规格自主选配功能揭秘

最新文章