简介：曾经看上去很美、一直被观望的 Serverless，现已逐渐进入落地的阶段。今年的"十一出行节"，高德在核心业务规模化落地 Serverless，由 Serverless 支撑的业务在流量高峰期的表现十分优秀。传统应用也能带来同样的体验，那么 Serverless 的差异化价值又是什么呢？本文分享高德 Serverless 规模化落地背后的实践总结。
来源 | 阿里巴巴云原生公众号
作者 | 何以然（以燃）
导读：曾经看上去很美、一直被观望的 Serverless，现已逐渐进入落地的阶段。今年的"十一出行节"，高德在核心业务规模化落地 Serverless，由 Serverless 支撑的业务在流量高峰期的表现十分优秀。传统应用也能带来同样的体验，那么 Serverless 的差异化价值又是什么呢？本文分享高德 Serverless 规模化落地背后的实践总结。
随着 Serverless 概念的进一步普及，开发者已经从观望状态进入尝试阶段，更多的落地场景也在不断解锁。“Serverless 只适合小场景吗？”、“只能被事件驱动吗？” 这些早期对 Serverless 的质疑正在逐渐消散，用户正在更多的核心场景中，开始采用 Serverless 技术达到提效、弹性、成本优化等目的。作为地图应用的领导者，高德为带给用户更好的出行体验，不断在新技术领域进行探索，在核心业务规模化落地 Serverless，现已取得显著成效。
2020 年的“十一出行节”期间，高德地图创造了记录 ——截止 2020 年 10 月 1 日 13 时 27 分 27 秒，高德地图当日活跃用户突破 1 亿，比 2019 年 10 月 1 日提前 3 时 41 分达成此记录。
期间，Serverless 作为其中一个核心技术场景，平稳扛住了流量高峰期的考验。值得一提的是，由 Serverless 支撑的业务在流量高峰期的表现十分优秀，每分钟函数调用量接近两百万次。这再次验证了 Serverless 基础技术的价值，进一步拓展了技术场景。
业务场景
自主出行是高德地图的核心业务，涉及到用户出行相关的功能诉求，承载了高德地图 APP 内最大的用户流量。下图为自主出行核心业务中应用 Node FaaS 的部分场景，从左至右依次为：主图场景页、路线规划页、导航结束页。
随着功能的进一步拓展，高德地图从导航工具升级为出行服务平台和生活信息服务入口，进一步拓展了出行相关的生活信息服务场景，带给用户更全面的用户体验。上图功能为场景推荐卡片，旨在根据用户出行意图推荐信息，提升用户出行体验。此功能需具备快速迭代，样式调整高灵活性的能力。因此，将卡片样式模版存放于云端，通过服务下发的形式渲染至客户端无疑为最优选择，可以满足业务快速灵活迭代的目的。
经过方案评估判断，此场景类型属于无状态服务，基于阿里云 Serverless 成熟的生态，高德最终选择接入 Node FaaS（阿里云函数计算）服务能力，出行前端搭建了场景推荐卡片服务。卡片的 UI 模版获取、数据请求聚合&逻辑处理、拼接生成 Schema 的能力均在 FaaS 层得到实现，客户端根据服务下发的 Schema 直接渲染展示，达到更加轻便灵活的目标。
那么，Serverless 场景在“十一出行节”峰值场景中的具体表现如何？
整体服务成功率均大于 99.99% ，总计 100W+ 次触发/分钟，QPS 2W+，各场景的服务平均响应时间均在 60ms 以下，服务稳定性超出预期。
业务价值
从对以上业务场景的支撑中，我们可以看出 Serverless 的表现非常优秀。当然你也会问，传统的应用也能带来同样的体验，那么 Serverless 的差异化价值又是什么呢？
1. 简单提效
传统 BFF（Back-end For Front-end）层应用会随着时间推移，以及业务需求的增加， 其 BFF 层逐渐变 “富”， 冗余的代码逐渐变多，最后变成开发者的噩梦——“牵一发而动全身”。随着人员迭代变化，模块的开发者也会变化，BFF 层就会慢慢变成一个无人知晓，无人敢动的模块。
当 BFF 层转换成 SFF (Serverless For Front-end) 层之后，会有什么变化？SFF 的职责会变的单一、零运维、成本更低，这些是 Serverless 本身自带的能力，而这些能力可以帮助前端进一步释放生产潜能。开发者不再需要一个富 BFF 层，而只需一个接口或一个 SFF 就可以实现功能，天然解决了“牵一发而动全身”的问题。如果接口停服或者没有流量，那么所用的实例会自动缩零，也就很容易分辨出是哪一个接口函数，后期就可以删掉此接口的函数，有效提升资源利用率。
高德在 Serverless 应用上非常先进，实现了 FaaS 层与研发体系的完全对接，因此，应用从开发、测试、灰度、上线的全生命周期，到具备流控、弹性、容灾等标准化能力，所用的时间较以前缩短了 40%，大大提高了人效。
2. 弹性以及成本
通过流量趋势数据，我们可以观察到地图场景流量特点——高峰与低峰的落差十分明显。按照传统应用的资源准备，我们需要根据最高峰的流量进行资源准备，所以到了流量低峰期，多准备的机器会有很多冗余，这就造成了成本的浪费。
针对以上情况，高德使用了阿里云函数计算，可以根据流量变化自动扩缩容。然而，提升扩缩容速度的复杂性较大，一直是大企业的专属，但函数计算可以通过毫秒级别的启动优势，将快上快下的扩缩容能力普及给用户，轻松帮助用户实现了计算资源的弹性利用，并且大大降低了成本。

3. 可观测性
可观测性是应用上线诊断平台的必备属性，要让用户观察到 RT 变化、资源的使用率、系统应用的全链路调用，从而快速诊断出系统应用的瓶颈问题。阿里云函数计算率先与日志服务、云监控、tracing 平台以及函数工作流编排做了完美的融合，用户只需要配置一次，就可以完完整整的享受到以上这些功能，大大降低了用户的学习成本，实现了对应用程序的快速诊断。

Serverless 规模化落地的序幕已经拉开， 更多场景正在各行各业中解锁。Serverless 在高德的规模化落地，对于业务方来而言，业务迭代更快更灵活了，为业务创新创造了前提条件；对于前端开发者而言，进一步激活了开发者的生产潜能，提升了极大的能力自信。高德出行业务从 2020 年初的能力试点到“十一出行节”的自主出行核心场景，期间接入了阿里云函数计算，积累了非常宝贵的云原生落地经验，为未来业务整体上云打下了良好基础。
作者简介：何以然（以燃）  阿里巴巴前端技术专家，2016 年入职高德地图，目前负责高德出行业务研发以及 Serverless 相关技术落地
更多企业落地实践内容，可下载云原生架构白皮书了解详情！
原文链接：https://developer.aliyun.com/article/778869?
版权声明：本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。

作者 Mike Bria译者 韩锴 发布于 2008年3月12日 上午9时37分 
社区 
Agile 
主题 
交付价值, 
敏捷技术, 
商业 
业务价值是敏捷观念的核心。虽然很多人都把它挂在嘴边，但是这个词被普遍地误解了。最近，Joe Little发表了他对于这个问题的看法。Little认为，当人们谈及“业务价值”的时候，他们实际上是指很多不同的东西。为了将各种不同的看法统一起来，Little阐述了他关于“为什么业务价值很有用”这个问题的看法，并讨论了驱动业务价值背后的理论基础，以及有效管理业务价值的方法。

人们为什么断定关心业务价值有助于完成“真正有意义”的事情？Little认为第一个原因就在于：
我的前提条件是，在这个世界中有无数有趣的事情值得去做。问题在于我们无法找到很多这样的好事，只能决定哪些是最重要的事情要做。所以，我们关心业务价值的原因之一就是：人生苦短，总要去做些“真正有意义”的事情。 
Little的第二个理由是，业务价值有利于保证团队成员共享一个一致的目标，来判断他们的行为是否正确：
……业务价值调动了我们的自然动机，并给我们一个基点，可以将与团队的工作相关的任务按照自然的顺序进行排列（比如，谁做什么，系统的架构等等）。
Little列出的第三条理由是：在软件这个充满了变数的混沌世界中，把握业务价值可以给人一种处变不惊的魄力。
……变化是永恒的。这包括人们遗漏的事情、客户的变化、客户需求的变化、以前的评估（假如它们还准确的话）渐渐失效等等。根据我们对业务价值的理解程度， 它就像这变化的漩涡中的一个恒定的标杆。我们不会再为技术上的成就去创造新产品了。我们的产品应该为特定的人提供商业上的价值，所以我们必须接受这种改 变。 
Little继续讨论了四个概念。他发现这些概念是理解业务价值的基础。
成本-收益分析：对于任何可能的选择，评估时都要基于可预期的开销和收益，并与其他可选项进行比较。 
    
Pareto的80-20法则：在人类社会中，80%的财富聚集在20%的人手中。 
    
知识的创造性：知识是自组织的，它来自于聚集在一起的一群人，在特定的环境下（"Ba"）的创造力。 
    
学习方法：通过实践理论和观察结果来学习；通过反馈来学习。


在结论中，Little提出了一条建议，他认为这是帮助人们有效控制和理解项目的业务价值的最佳途径。按照他的观点，这种途径应该包含下面8个要素：
一个经过良好沟通的高层定义 
    
一个经过良好沟通的可操作的定义 
    
一种清晰的测量这些定义有效性的方法 
    
确认这些定义可以为开发行为带来正面影响，而且允许进一步改进 
    
一些明确的实践以采用这些定义 
    
一种清晰的修改这些实践的方法 
    
对这些实践的时间箱（time-box）的普遍认识 
    
一种积极的鼓励人们有效利用这些实践的方法


作者还有另一篇讨论业务价值的文章，请看“消除低优先级的项目”。也可以看看Luke Hohmann关于业务价值的一点建议，以及发表在InfoQ的“从客户的角度衡量敏捷项目的成功（customer-centric success measurement）”。

查看英文原文：Understanding Business Value  

IT行业在制造业的革命过程中发挥了巨大的作用。自动化的流程和机械化产生了大量数据，但大多数制造业者并不能很好的使用这些海量数据。将这些数据点导入分析软件，可获得改善制造过程和提高生产率的有价值信息。制造业数据挖掘系统还可以降低运输，包装，仓储的花费，库存成本应而大大降低。很多汽车制造商在生产之前，会利用大量的数据通过软件分析去生产仿真模型。当汽车进入市场之前，这些模型能帮助减少风险和提高汽车的质量。

制造业数据挖掘系统的是：使用一个常规的数据分析模型和高级的分析工具，将结构化的业务数据与结构化的运营数据和非结构化的内部与外部数据结合，用于企业揭示新的分析洞察。企业智能制造则意味着：有别于传统的方式即现在多数制造厂商对制造数据处理的方式，而是通过企业已有的MES、EMI系统数据和历史数据来实现对数据的采集和分析呈现。

以下我们通过几个案例来看看大数据分析应用可以帮助制造业提升哪些价值。

大数据的应用在各行各业，例如零售业，医疗健康、金融服务、政府等。每个公司都可以从大数据中受益。所有的大数据项目都从一个可行的案例开始，这里介绍八个关于制造业使用大数据的案例。

1.改善制造业的生产流程
对机器的性能测量和可追踪性变成可能。通过在生产中心给所有的机器安装传感器，让生产经理们得到每个部分及时可见的操作情况。大数据和深度分析将为制造商们展现出那些缺失的关联，那些使日常生产行为与财务表现一致的关联。使生产计划者和高级管理人员知道在机器层面如果设施运转正常，那该如何最大化产能。

2.定制产品设计
只卖高利润的定制产品的和按需生产的产品会对生产造成一定影响。对许多复合型生产商来说，定制和按需生产会带来更高的毛利润，但同样，如果生产流程没有很好的规划会导致成本的指数级增长。使用高级分析，制造商们可以在销售的同时发现在按需生产的环节配置中哪个环节他们可以在目前的生产计划中将影响控制到最小，比如人员配置和车间配备的程度等。

3.更好的质量保证
芜湖格力之前对于现场的生产过程和质量管理都是人工将系统数据导入再利用EXCEL内置的图表处理进行简单的分析。通过与永洪的合作，IT人员开始结合更多的业务分析维度进行探索式分析和分析预测，借助大数据分析平台实现从产线、班组以及分厂多个维度各个层面来展示公司整体生产运营情况。在使用了YonghongZ-Suite大数据分析平台后，帮芜湖格力提高了在生产环节的核心竞争力，对物料、生产环节全方位监控，在提高工作效率的同时，还降低生产线残次率。

4.理解用户需求
现在企业通过内部和外部数据结合大数据分析技术，在这些千丝万缕的关系中找到最合理的优化路径，可以帮助改善现有的产品方案。有一款产品总是卖不好，而市场上竞争对手的销量却非常大。美的在通过数据跟踪后分析发现有很大的问题。

5.市场竞争分析
大数据分析的应用将帮助制造型企业更好的了解市场状况和竞争格局，通过与竞品的对标分析，可以帮助企业更好的设计产品，分布销售渠道，了解市场价格反馈，制定新的营销策略。那些很好地理解并且擅长利用大数据的组织，将有可能实现持续性的创新、保持敏捷性并且持久改善盈利状况。

总结
无论是工业4.0、工业互联网还是《中国制造2025》，智能制造是共同目标，工业互联网是基石，大数据是引擎。当前，如何充分挖掘工厂中数据的价值，通过对制造大数据挖掘系统的建设和数据分析，提升数字化工厂运行效率。从我们以上的应用案例中可以看到，实现以数据感知、数据处理分析、制造过程决策与支持、数据可视化技术为核心的智慧工厂已经成为趋势，大数据产业链及技术体系逐渐成熟，大数据必将加速数字工厂向智慧工厂的转型。

       技术人员的价值是什么？成就感(更炫的技术，功能逻辑设计复杂，业务方满意)? 

       技术的价值体现在赋能业务。判断一家公司的科技实力，一个直观的标准就是看它对业务的支持、服务和赋能好不好。实现科技支持、科技赋能、科技引领。

       技术人员要有系统性思维，帮助业务方去思考业务，用系统的方式更有效地解决业务中遇到的问题，做到技术与业务的深度融合，成为最懂技术的业务专家,最懂业务的技术专家。 

        如何能够成为业务专家？

• 维护产品需求池，排列优先级。通过用户访谈、用户意见反馈、业务人员提交的需求、同行的竞品分析报告等，进行需求的分类汇总，分析哪一类需求是有共性的问题、被用户诟病最多的问题，结合内部讨论来制定需求的优先级，发布上线后，观察数据反馈，分析再优化，形成闭环。

• 成为产品的深度用户，深度思考者。

• 参加产业论坛，洞悉产业发展趋势。

 

推动需求治理，做对公司最有价值的事情

建立以价值为导向的需求治理机制，把有限的开发资源，投入到更有价值的项目上。建立需求管理闭环。整个闭环，分成：提交需求、排期开发、上线运营、需求调整，4个环节。