Serverless的适用场景：AI、微服务、WEB、实时文件处理

Serverless适用场景

底层还是一个标准的程序代码，而因为他随时启停，更灵活的动态资源分配的优势，其更适合于如下场景：

微服务

Serverless 架构可以用于构建微服务，每个函数就是一个微服务，可以独立部署和扩展。在微服务架构中，每个服务都是一个独立的应用，可以独立部署、升级和扩展。这与 Serverless 架构的理念非常相似，每个函数就像一个微服务，可以独立部署和扩展。在 Serverless 架构中，每个函数都是无状态的，这意味着函数的每次执行都是独立的，不依赖于任何外部状态。这使得 Serverless 函数非常适合用于构建微服务，因为微服务也应该是无状态的，以便于独立扩展。此外，Serverless 架构还提供了自动扩展的能力。当请求量增加时，Serverless 平台会自动创建更多的函数实例来处理请求。这也是微服务架构的一个重要特性，即能够根据负载自动扩展。例如，淘宝已经将serverless用于其核心的用户浏览（包含搜索推荐）的核心链路的微服务中，用来处理浏览的波动。同时消除了许多传统微服务架构的复杂性，比如服务的部署、管理和扩展。

实时文件处理

当用户上传文件时，可以触发一个 Serverless 函数来处理这个文件。例如进行图像压缩或视频转码。

图片处理：用户上传图片后，可以立即触发一个 Serverless 函数来进行图片处理，如压缩、裁剪、添加水印等。例如，美团点评在用户上传餐厅照片时，就会用 Serverless 函数进行图片处理。
文档转换：用户上传文档后，可以触发一个 Serverless 函数来进行文档转换，如将 Word 文档转换为 PDF。例如，阿里云的函数计算服务就提供了这样的功能。
视频转码：用户上传视频后，可以触发一个 Serverless 函数来进行视频转码，以适应不同设备的播放需求。例如，优酷视频就使用了这种技术来处理用户上传的视频。Netflix 就在使用 AWS Lambda 来处理其视频流的编码。
音频转文字：用户上传音频文件后，可以触发一个 Serverless 函数来进行语音识别，将音频转换为文字。例如，喜马拉雅 FM 在处理用户上传的音频时，就会用到这种技术。

这些都是 Serverless 架构在实时文件处理方面的应用。通过使用 Serverless 架构，开发者可以专注于业务逻辑，而无需关心基础设施的管理和扩展问题。

AI的训练和推理任务

Serverless 架构非常适合处理 AI 的请求。AI 应用通常需要大量的计算资源，但这些资源的需求并不是持续的，而是有高有低。Serverless 架构可以根据需求自动扩展和缩减资源，这使得它非常适合处理 AI 的请求。尤其是在当前AI训练成本高企的背景下，用函数计算的方式使用AI是非常可行的方法。

定时任务

Serverless 架构可以用于执行定时任务，用户可以设置一个函数在特定的时间或者按照特定的间隔被触发，这个函数可以执行各种任务，比如数据备份、清理、报告生成等。以下是一些具体的例子：

数据备份：例如，阿里云的函数计算服务可以设置一个定时任务，每天在固定的时间备份数据库。
日志清理：例如，腾讯云的 SCF（Serverless Cloud Function）可以设置一个定时任务，每周清理一次日志文件。
生产网站：github actions就是一个典型的函数。
定时推送：例如，美团点评可以设置一个定时任务，每天早上向用户推送一条早餐优惠信息。
定时检查：例如，滴滴出行可以设置一个定时任务，每小时检查一次服务器的运行状态。

WEB任务

因为serverless 可以根据请求的数量自动扩展和缩减资源，所以非常适合一些个人网站和后台网站。而且支持python java nodejs等多种语言，非常适合用来处理web请求，ssr等。没有调用就没有费用。比如您现在看到的这个serverless-devs网站就是托管在函数计算上的。