Open Serverless Benchmark Initiative: 华为云联合上海交大发布ServerlessBench 2.0

Key Takeaways

1. 华为云联合上海交大，首次提出 Open Serverless Benchmark Initiative (OSBI) ,推动Serverless基准测评规范化、标准化；
2. OSBI由自定义度量规范 (Metric Specification, MS)，自定义基准规范 (Pillar Specification, PS), 和自定义模型（Model）组成；
3. OSBI发布首个跨平台的Serverless基准测评系统ServerlessBench 2.0, 聚焦FaaS关键特性，提供丰富的测评基准和指标，并发布了针对四大开源Serverless平台的首批测评报告；
4. OSBI ServerlessBench 2.0是“服务器无感知创新计划”的首个亮相项目, 该创新计划旨在联合产学研用各方，推动通用全场景Serverless技术的发展和规范化建设。

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、弹性扩容速度、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。

Open Serverless Benchmark Initiative

为推动开放、开源、跨平台兼容的Serverless基准测评的规范化、标准化建设，华为云与上海交大联合提出业界首个Open Serverless Benchmark Initiative (OSBI)。OSBI包含两个规范和一个模型：自定义度量规范 (Metric Specification, MS)，自定义基准规范 (Pillar Specification, PS), 和自定义模型 (Model), 如图1所示。

图1: OSBI - Open Serverless Benchmark Initiative

其中，自定义度量规范为Serverless特性指标的设计提供了规范化接口和扩展标准；自定义基准规范为测评场景用例的设计提供了标准化模板；自定义模型旨在提供统一的、跨平台兼容的指标设计和用例部署标准，包括多平台的接入标准和基准用例的生命周期管理标准等。同时，OSBI支持申明式测评配置，以及一键式跨平台的对比分析。

ServerlessBench 2.0 发布

聚焦FaaS场景，OSBI发布业界首个多平台兼容的Serverless基准测评系统ServerlessBench 2.0。ServerlessBench 1.0是针对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OSBI ServerlessBench 2.0，为社区提供涵盖12类基础性度量基准、5大类跨平台度量基准、4大类关键特性指标、且多平台兼容的Serverless开放测评系统。

同时，OSBI 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、华为云联合推动落地，旨在链接产学研用各方，凝聚社区力量，围绕技术研究和标准制定等，促进通用全场景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，如何配置合理的资源规格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（Bench Pillar 1-varied resource needs），数据迁移开销（Bench Pillar 5-Data transfer costs）, 和 CPU争用（Bench Pillar 12-CPU contention）等在内的12类基准，如表1所示。

表1：ServerlessBench 1.0 提供的12类基准

为良好地兼容多平台, 依据OSBI-Model, ServerlessBench 2.0提供了统一的测评接口，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2所示。这里以开源Serverless系统为例。

图2：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3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3：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，遵循OSBI-MS和OSBI-PS规范，ServerlessBench 2.0对表1所列的测试基准进行了扩展，新增了冷热启动开销、冷热执行开销、保证QoS的最大并发、弹性扩容速度、性价比等5大类跨平台基准，如表2所示；同时，更多跨平台基准还在持续更新中，如带有函数链的Serverless应用等。

表2：ServerlessBench 2.0 新增5类跨平台测试基准

首批针对开源Serverless平台的测评结果

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，作为测评对象，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4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4：四大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5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5：四大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6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6：四大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7展示OpenFaaS和Knative从1个实例弹性扩容到10个实例的结果。

图7：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，测量并观察资源数量对函数的执行时延（图8）与函数实例成本（图9）的影响。该用例反映的是相同资源开销下，函数在不同Serverless平台上的性能表现。图8和图9展示了在OpenFaaS和Knative上的部分结果。

图8：OpenFaaS和Knative“平台性价比：资源与执行时长”测评结果

图9：OpenFaaS和Knative“平台性价比：资源与实例成本”测评结果

未来规划

OSBI及其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。华为云将继续联合上海交大，推出包括华为云FunctionGraph在内的各大公有云服务Serverless平台的测评报告，并贡献给社区。另外，我们正在为OSBI和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]。

此次OSBI和ServerlessBench 2.0的发布，旨在联合社区共建Serverless基准测评的规范与标准。华为云结合自身丰厚的技术积累与多年的发展经验，积极参与、主导相关技术及其服务的规范建设和标准制定, 如FunctionGraph与CNCF Serverless Workflow携手开拓Serverless编排新时代[7]。同时，我们期待与更多的Serverless爱好者及从业人员共同推动OSBI和ServerlessBench 2.0的繁荣发展。

参考链接：

[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

[7].   https://bbs.huaweicloud.com/blogs/336135

点击关注，第一时间了解华为云新鲜技术~