ServerlessBench 2.0：华为云联合上海交大发布Serverless基准测试平台
作者：互联网
摘要：华为云联合上海交大重磅推出ServerlessBench 2.0，为社区提供涵盖12类基准测试用例、新增5大类跨平台测试用例、4大类关键特性指标、且多平台兼容的Serverless开放基准测试集。
Highlights
- 华为云联合上海交大研究团队，发布业界首个面向多平台的Serverless基准测试系统ServerlessBench 2.0；
- ServerlessBench 2.0聚焦Serverless计算中的关键特性和指标，提供统一测试接口，兼容多平台的异构性，提供完善的测试指标和丰富的场景用例；
- 作为“服务器无感知创新计划”的首个亮相项目，ServerlessBench 2.0旨在为Serverless平台和应用的设计提供度量依据和有效启发；
- 此次发布同时展示了ServerlessBench 2.0针对四大开源Serverless平台的测评报告，作为首批测评结果。
背景
受益于其按用付费 (pay-per-use)、自动弹性伸缩 (auto-scaling)、以及屏蔽后端复杂性的特征，Serverless 正成为下一代云计算的新范式[1]。与此同时，能够封装并兼容多平台、支持关键指标度量的基准测试系统，对于Serverless计算实现可持续的降本增效而言，至关重要。一方面，Serverless系统设计者可以利用基准测试平台，刻画系统的关键性能指标，如冷/热启动时延、弹性速度、QoS保证下的最大并发等，为增强系统架构的性能提供 “度量先行”的有效工具；另一方面，Serverless应用开发者可以借助基准测试对不同的Serverless平台进行对比和选择，从而设计并开发出更加高性能、低成本的Serverless应用程序。
ServerlessBench 2.0 发布
ServerlessBench 1.0是业界首个针对Serverless计算的关键特性和指标而设计的基准测试平台，由上海交通大学的研究团队发表于云计算顶级会议SoCC 2020[2]。此次，华为云联合上海交大，在ServerlessBench 1.0的基础上，通过进一步的封装、抽象、扩展和强化，重磅推出ServerlessBench 2.0，为社区提供涵盖12类基准测试用例、新增5大类跨平台测试用例、4大类关键特性指标、且多平台兼容的Serverless开放基准测试集。
同时，ServerlessBench 2.0是“服务器无感知创新计划”的首个亮相项目成果。服务器无感知创新计划由中国信通院、上海交大、华为云等主导成立，旨在联合产学研用各方，凝聚社区力量，围绕技术研究和标准制定等，促进Serverless的蓬勃发展和规范化建设[3]。
ServerlessBench 2.0 介绍
ServerlessBench考虑Serverless计算中的四大类关键指标：通信性能（communication performance），启动时延（startup latency），无状态开销 (stateless overhead)，和资源使用效率 (resource utilization)。复杂的Serverless应用一般由多个函数组合实现，因此，通信性能指标主要度量函数间通信的效率问题，如常见的函数组合模型sequence chain和nested chain等。Serverless函数通常运行时间较短，大多集中在百毫秒级至秒级的范围[4]，且函数执行环境按需加载，自动扩容，因此冷启动、热启动等时延开销是Serverless系统和应用最为关注的性能指标之一。在无状态开销指标中，通常包括依赖外部存储服务进行传递的显式状态（如函数逻辑本身所涉及的状态），以及可能影响系统性能的隐式状态（如会话缓存等）。资源使用效率指标主要衡量性价比问题，对于平台，如何在函数混合部署且保证业务QoS的前提下提升资源利用率，对用户而言，如何配置资源数量来使得应用性能和成本之间取得最佳平衡。
围绕四大类关键指标，ServerlessBench提供包括资源需求（Test Case 1-varied resource needs），数据迁移开销（Test Case 5-Data transfer costs）, 和 CPU争用（Test Case 12-CPU contention）等在内的12类基准测试用例，如表1所示。
表1：ServerlessBench 1.0 提供的12类基准测试用例
为良好地兼容多平台, ServerlessBench 2.0提供了统一的测试接口，对不同Serverless平台之间的异构性进行封装，包括统一的函数接口、统一的返回格式，统一的资源配置，以及统一的依赖包装等，如图1所示。这里以开源Serverless系统为例。
图1：ServerlessBench 2.0的多平台兼容性（以开源Serverless系统为例）
具体以函数调用入口为例，如图2所示，四大开源Serverless平台OpenWhisk，OpenFaaS, Knative，Fission的入口函数都不相同。针对该场景，ServerlessBench 2.0通过接口抽象，封装了统一的入口函数 def handler(event, context)（这里以Python为例），从而使得在跨平台的对比中，无须再关心平台之间的接口差异性。
图2：ServerlessBench 2.0为多平台提供统一的函数调用入口（以Python为例）
在多平台兼容的基础上，ServerlessBench 2.0对表1所列的测试用例进行了扩展，新增了冷热启动开销、冷热执行开销、保证QoS的最大并发、扩容速度、性价比等5大类跨平台的新用例，如表2所示；同时，更多跨平台用例还在持续扩展中，如带有函数链的Serverless应用等。
表2：ServerlessBench 2.0 新增5类跨平台测试用例
首批针对开源Serverless平台的评测结果
作为ServerlessBench 2.0的首批测评结果，我们此次选取四大serverless开源平台OpenWhisk，OpenFaaS，Knative，Fission，作为评测对象，部分关键测评结果展示如下。
1．冷、热启动时延
测试从调用 invoke 指令到函数的第一条指令的时间差。图3所展示的结果为 p90 的时延开销。可以看到，OpenFaaS在冷热启动性能上表现最差；得益于资源池预热技术，Fission在冷启动性能上表现最佳。
图3：四大Serverless开源平台“冷、热启动时延”测评结果对比
2．冷、热执行时延
利用 Float Operation，测量函数本身的运行时延，考察冷、热启动对函数执行时间的影响，结果如图4所示。OpenWhisk和OpenFaaS上函数执行时延基本不受冷热启动的影响。但相比于冷启动，Knative和Fission在热启动的情况下，执行时延都有所改善。
图4：四大Serverless开源平台“冷、热执行时延”测评结果对比
3．请求并发数对QoS的影响
利用 Float Operation，计算不同并发数下函数实例的p90时延，该用例度量的是平台的函数密度支持能力。从图5可以看到，除Fission外，其它三大平台上，随并发请求数的增长，函数实例的p90时延基本呈线性增长。同“冷、热启动时延”的结果相似，由于Fission预置了一部分通用资源池，在并发请求数增长的初期，函数p90时延没有明显增长；但随着并发数的继续增长，资源池被逐步消耗，直至需要进行补充时，时延出现显著增长。
图5：四大Serverless开源平台“请求并发数对QoS的影响”测评结果对比
这里需要指出，在各大云服务提供的Serverless或函数系统中，请求并发数对函数执行时延或业务QoS的影响是一个更加复杂的过程，还包括其它多个影响因素，如单实例并发数，最大并发实例数限制，平台扩容策略，实例调度策略等。
4．弹性扩容能力
利用 Float Operation，测试并观察实例数量从1伸缩到某个较大值的过程中，多实例启动尾时延的大小。图6展示OpenFaaS和Knative从1个实例弹性扩容到10个实例的结果。
图6：OpenFaaS和Knative “弹性扩容能力”测评结果对比
5．平台性价比
利用Numpy Matmul，逐步调整给函数所分配的资源数量，测量并观察函数的执行时延与分配资源的对应关系，该用例反映的是相同资源开销下的性能表现。图7展示了在OpenFaaS和Knative上的部分结果。
图7：OpenFaaS和Knative “平台性价比”测评结果对比
未来规划
ServerlessBench 2.0建立在开源开放的理念之上，将由社区共同运营并持续共建。同时，华为云将继续联合上海交大，推出针对各大公有云服务的Serverless平台的测评报告，并贡献给社区。另外，我们正在为ServerlessBench 2.0建立项目主页，并推动源码开源等工作。关于ServerlessBench 1.0的详细信息，可参见项目主页[5]和github主页[6]。
[1]. Schleier-Smith, et al. (2021). What serverless computing is and should become: The next phase of cloud computing. Communications of the ACM, 64(5), 76-84.
[2]. Yu, T., et al. (2020). Characterizing serverless platforms with ServerlessBench. In Proceedings of the 11th ACM Symposium on Cloud Computing (pp. 30-44).
[3]. https://mp.weixin.qq.com/s/vuhqCweenT7sozNzInavyQ
[4]. Shahrad, M., et al. (2020). Serverless in the wild: Characterizing and optimizing the serverless workload at a large cloud provider. In 2020 USENIX Annual Technical Conference (USENIX ATC 20) (pp. 205-218).
[5]. https://serverlessbench.systems/
[6]. https://github.com/SJTU-IPADS/ServerlessBench
标签：Serverless,ServerlessBench,函数,平台,时延,2.0 来源： https://www.cnblogs.com/huaweiyun/p/16521341.html