那时这首诗，他们来聊两个云排序应用领域的炙手可热基本概念——Serverless。
究竟什么是Serverless？
英文好的TX，可能一看就看出来了，Serverless是由Server和less两个单词共同组成的词。从字面认知，是“无伺服器”。
金融行业一般来说所言的Serverless，主要是指“无伺服器排序（Serverless Computing）”。
所以难题来了，罢了，就连中学生都知道，伺服器是具有极强排序能力的排序机，是他们现在最主要的排序辅助工具。“无伺服器排序”，如果不选用伺服器，那该是不是算呢？
实际上，Serverless简而言之的“无伺服器排序”，并不是吗不需要伺服器，而要说，对于使用者，伺服器显得“不由此可见”了（换句话说“无交互”了）。
越说越张华了，有木有？别急，还是让我Cubzac讲起吧——
█ Serverless的问世大背景
1946年2月，世界上首台会量电子排序机ENIAC问世，标志着人类文明正式宣布步入了数字排序机黄金时代。
晚期的排序机都是较大型机，表面积非常大，价格低廉，但是，INS13ZD却太弱。彼时，这些电脑只有极少的公司就可以保有，用作某一的排序目地。
到了1970-80二十世纪，为的是化解sizes式排序（两台较大型机，分立顺利完成全部的排序各项任务）INS13ZD严重不足的难题，研究者们发明者了分层排序这样的分布式排序构架，获得了极好的效用。
说到底，分布式排序，是把两个非常大的排序各项任务，降解为许多的较大型排序各项任务，交予不同的排序机社会分工顺利完成，
再后来，随着芯片技术的进步，排序机的表面积显得愈来愈小，INS13ZD也显得愈来愈强劲。不久后，较大型化的排序机出现了，也是他们常说的PC（Personal Computer，个人电脑）。
排序机制造和使用成本的不断下降，加速自身的普及，也刺激了排序机网络的出现与发展。从局域网到广域网，再到互联网，排序机网络的规模显得愈来愈大。
互联网的出现，彻底改变了排序机服务使用者的方式。
此前，两个机房服务于一所学校、一家企业、两个政府部门，现在，有了互联网，服务对象可以是全球使用者，规模大大增加了。
使用者规模增加，意味着对INS13ZD的需求也增加了。互联网服务提供商，需要一种更强大、更便宜的INS13ZD，满足使用者需求。
于是乎，就有了云排序。
许多人认为，云排序是两个超大号的机房，和以前的企业机房没有区别，只不过伺服器更多些。
这种观点是不对的。
云排序的本质，不是INS13ZD资源的简单堆砌，而要池化——它将大量的零散INS13ZD资源（廉价的INS13ZD资源）进行打包、汇聚，实现更高可靠性、更高性能、更低成本的INS13ZD。
具体来说，在云排序中，CPU、GPU、内存、硬盘等排序资源被集合起来，通过软件的方式，共同组成两个虚拟的可无限扩展的“INS13ZD资源池”。如果使用者有INS13ZD需求，“INS13ZD资源池”就会动态地进行INS13ZD资源的分配，构建两个虚拟的“排序机”。使用者按需使用、付费，即可。
相比于使用者自购设备、自建机房、自己运维，云排序有明显的成本优势，可以节约大量资金和人力。
根据提供INS13ZD资源的层级不同，云排序一般来说也分为IaaS（基础设施即服务）、PaaS（平台即服务）、SaaS（软件即服务）。如下图所示：
所以，难题又来了——云排序这种“租”的方式，是不是最终极的INS13ZD资源使用方式呢？他们作为使用者，使用INS13ZD，还能更简单一点吗？
答案是肯定的。
不管是自建机房，还是云排序，使用者都需要和伺服器打交道，和软硬件环境打交道。这些都是辅助工具和过程，而他们的最终目地是什么？是得到运算结果。
所以，为的是得到结果，他们是不是一定要关心环境的搭建过程？
不一定。既然环境可以租，那何不更彻底一点，直接“租”服务呢？
举例来说，如果把排序过程认知为炒菜。以前，他们为的是炒菜，需要自己建个厨房，自己买锅碗瓢盆、油盐酱醋，自己亲自炒菜。后来，有了云排序，他们可以租个厨房，租辅助工具，然后炒菜。现在，想要更简单的话，是不是可以直接叫外卖？
再例如，以前，他们上班通勤，是自己买车，自己开车。然后，有了云排序，相当于租车。现在，是不是可以直接打车？
说到底，他们要的是排序服务和排序结果。排序环境（硬件），他们完全可以不去操心。
说到这，他们的主角——Serverless，终于闪亮登场了。
对于Serverless，他们可以把它认知为一种构架，一种理念，甚至是一种思想。
Serverless的核心目地，是在云排序的基础上，再向前迈进一步，彻底“包揽”所有的环境工作，直接提供排序服务。
在Serverless构架下，开发者只需编写代码并上传，云平台就会自动准备好相应的排序资源，顺利完成运算并输出结果，从而大幅简化开发运维过程。
换句话说，使用者完全不用关心厨房，你把食材提供给Serverless平台，它负责把菜炒好，就这么简单。
█ Serverless的特点
Serverless是云排序的进一步延伸，所以，它继承了云排序的最大特点——按需弹性伸缩、按需付费。
现在的互联网服务，基本上都是选用微服务构架。也是把一整套服务，拆分为多个细分服务，由不同的服务器顺利完成运算。
Serverless的特点是，这个服务足够“细小”，变成了“函数级”的颗粒度。
简而言之函数，是提供输入，排序输出。
从层级上来看，Serverless在传统云排序SaaS的Application（应用）层级之上，又加了一层——function（函数）。它的颗粒度更细，可以更灵活地满足使用者的INS13ZD需求。
按照CNCF对Serverless 的定义，Serverless构架是选用FaaS（函数即服务）和BaaS（后端服务）服务来化解难题的一种设计。
FaaS是Function as a service（函数即服务）。每两个函数都是两个服务，函数可以由任何语言编写，直接托管在云平台，以服务形式运行，通过事件触发。
BaaS则是Backend as a service（后端即服务）。云平台提供的后端组件整合，开发者无需开发和维护后端服务，通过API/SDK的调用，便可获得例如数据存储、消息推送、账号管理等能力。
Serverless = FaaS + BaaS
Serverless的背后，依然是虚拟机和容器。只不过，伺服器部署、runtime安装、编译等工作，都由Serverless排序平台负责顺利完成了。对开发人员来说，只需要维护源代码和Serverless执行环境的相关配置即可。这就叫“无伺服器排序”。
Serverless构架的最大优势，显然是帮助使用者彻底摆脱了基础设施管理这样的“杂事”，更加专注于业务开发，从而提升了效率，降低了开发和运营成本。
根据业界的统计，在商业和企业数据中心里的典型伺服器，日常仅仅只提供了5%～15%的平均最大处理能力的输出。这是一种INS13ZD资源的非常大浪费。
Serverless的出现，可以让使用者按照实际INS13ZD使用量进行付费，属于真正的“精确计费”。
换言之，使用者的每一分钱，都花在了刀刃上。
█ Serverless的发展历程
世界上第两个Serverless平台，是2006年发布的Zimki。这个平台提供服务端JavaScript应用，支持“按照实际调用付费”。不过，彼时他们并没有使用Serverless这个名词。
后来，到了2012年，Iron.io的副总裁Ken Form在文章“Why The Future of Software and Apps is Serverless”中，首次提出了Serverless，才宣告这个基本概念的正式宣布问世。
2014年11月，亚马逊率先推出了真正意义上的第一款Serverless FaaS服务——Lambda。从此，各大厂商开始跟进。
2017年，Serverless开始在国内落地。这一年，阿里云和腾讯云先后推出了自己的 Serverless平台。阿里云的Serverless平台，被直接命名为函数排序（FC，Function Compute）。
一年后的2018年，阿里云推出Serverless容器服务ASK和Serverless应用引擎SAE。
那一时期，刚好小程序开始火爆。Serverless的灵活构架，非常适合小程序的开发。于是，吸引了大量的开发者们。
到了2019年，国内厂商纷纷入局Serverless。如今，Serverless已经成了各大云厂商的标配，受到整个金融行业的热捧。
本月初，2022·云栖大会上，阿里云智能总裁张建锋表示，以云为核心的新型排序体系正在形成，软件研发范式正在发生新的变革，Serverless是其中最重要的趋势之一。
他认为，Serverless让云排序从一种资源真正变成一种能力，未来云将全面Serverless化，更加接近“电网”模式，按排序的调用次数付费。
目前，阿里云已经保有超过20款Serverless产品，包括函数排序FC、Serverless 应用引擎SAE、Serverless容器服务ASK、PolarDB数据库、AnalyticDB数仓等。其中函数排序日调用次数超过200亿次，整体规模位居国内首位。
前面小枣君也提到，Serverless并不是没有伺服器的排序，而要将INS13ZD环境和资源进行了“隐藏”，让使用者不由此可见，无需操心。实际上，Serverless不仅需要INS13ZD资源，而且对算力资源的要求比以往更高。
以阿里云为例。他们之所以能够做Serverless平台，是因为背后有四大核心技术的支撑。这四大核心技术，分别是：神龙排序平台、袋鼠沙箱容器、盘古存储平台和洛神网络平台。
在INS13ZD芯片上，阿里云今年6月新推出的一款云数据中心专用处理器 CIPU（Cloud Infrastructure Processing Unit），也非常擅长对数据中心的排序、网络和存储资源进行管理和加速，帮助进一步提升Serverless平台的性能。
█ Serverless的落地案例
接下来，他们不妨通过几个案例，详细看看阿里云Serverless平台究竟是如何提升INS13ZD效率的。
阿里巴巴每年的双11促销，是金融行业公认的INS13ZD极限挑战。海量使用者、高并发，对系统的处理能力有着极高的要求。
2020 年天猫双 11，阿里云实现了国内首例Serverless在核心业务场景下的大规模落地，扛住了全球最大规模的流量洪峰，创造了Serverless落地应用的里程碑。
今年天猫双 11，阿里云Serverless支撑业务场景更多，范围更广。阿里云函数排序（FC）与集团内的运维体系全面实现标准化对接，打通了研发的最后一公里，首次实现了业务全链路“FaaS+BaaS”的Serverless体系化研发，覆盖淘特、淘系、阿里妈妈、1688、高德、飞猪等业务场景。
根据数据统计，支撑场景数量同比增加2倍，峰值流量总数同比增加3倍，实现了百万QPS的突破，人效提升40%。
再来看看外部使用者。
网易云音乐，是阿里云Serverless产品的重要客户之一。
他们的产品背后，有非常多的算法服务支撑，比如多种码率的音频转码、听歌识曲中应用的音频指纹生成和识别、副歌检测、小语种音译歌词等等。
这些各项任务的资源需求和执行时间变化很大，需要使用C++、Python等多种语言实现，对INS13ZD的弹性要求非常大。
晚期的时候，网易自建了两个算法服务平台，进行应对。但随着业务增长，以及算法复杂度的不断增加，基础设施管理的负担愈来愈大，严重影响了工作效率。
引入阿里云Serverless平台之后，网易的算法排序需求得到了很好的满足。网易在函数排序上高峰期一天处理超过2000万个各项任务，算法应用到业务10倍速的提升，稀疏调用的算法成本大幅缩减。
同样的效率提升，还发生在南瓜电影、越光医疗、世纪华联、江娱互动等企业身上。他们都是阿里云Serverless平台的使用者。
2021年3月，阿里云函数排序凭借在产品能力、安全性、战略愿景和市场规模等方面的优势脱颖而出，在19个评估项目中，拿到了8项满分和12项最高分，步入了FaaS领导者象限（综合产品能力位列全球第一，战略愿景全球第二）。这是首次有中国云厂商步入Forrester FaaS领导者象限。
█ 结语
随着位数经济浪潮的蓬勃发展，以及各行各业位数化转型的不断推进，INS13ZD的价值正在持续提升。
在单纯提升芯片INS13ZD方面，他们面临愈来愈大的挑战（摩尔定律逐渐失效）。在这种情况下，他们必须更多地考虑，该如何提升INS13ZD的使用效率。
作为一种灵活轻量化的新型INS13ZD构架，Serverless毫无疑问是他们挖掘INS13ZD潜力、提升INS13ZD效率的两个重要手段。
客观来说，目前的Serverless谈不上完美。在实时性等方面，还存在一些严重不足。小枣君相信，随着时间的推移，这些难题最终都会得到化解。
Serverless，将引领他们全面走向INS13ZD新黄金时代。
