传统API vs Serverless API：探索新兴的无服务器API开发模式

在当今数字化时代，企业对于灵活、可扩展且高效的技术解决方案的需求日益增长。无服务器计算（Serverless ）作为一种新兴的架构模式，正在逐步改变人们对于传统服务器的认识。“无服务器”架构可以帮助开发者摆脱传统后端服务所带来的部署、运维成本，从而更加聚焦于业务逻辑的开发与迭代。

Serverless 的主要使用者是前端人员，而前端人员更关注开发工具，需要依赖开发工具进行 Serverless 开发、调试和部署。因此在API开发时，Serverless 具备先天的人才基础和使用基础。

根据传统的API开发程序，进行对Serverless API开发程序的优化操作

传统API的开发程序包括设计API的请求/响应数据的结构和字段，确定API的调用方式、url地址和参数类型等。主要通过专业开发人员编写代码来实现业务逻辑，如连接应用系统数据库、开放接口获取数据，处理异构系统协议转换、字段转换、安全控制和脱敏等。等到逻辑开发确定后，还需要补充API的接口功能、参数结构等使用说明文档，程序繁琐。

假设开发者要设计一个有道容器服务API监控。开发者要先使用API Monitor监控开源框架：https://gitee.com/ecar_team/apimonitor，进行模拟探测http接口、http页面，通过请求耗时和响应结果来判断系统接口的可用性和正确性。

开发者想要添加基础设施，还要添加Service级别API监控告警。以词典查词服务为例，开发者需要配置一条Service级别的多API监控（也可以是单API监控）。其中“所属系统”是服务所属的告警组，支持电话、短信、popo群、邮件等告警方式（和其它监控告警通用）。

传统API不仅依靠于前端和后端人员的辅助生成，还要经过多番测试进行模拟演练。对比之下，开发者使用Serverless API的话，能够在代码维护、架构创建等方面占据优势。

那么，开发者使用Serverless API开发模式时，由于Serverless 框架是一个开源 CLI 工具，它使代码部署变得更加容易且更可维护。它允许开发者将基础结构定义为代码（数据库、队列、文件存储、API 等），而不是手动登录通过 Web 接口创建它们，因此，开发者不需要管理运行代码的服务器，这消除了管理服务器、负载平衡器、应用补丁和扩展服务器的负担。

假设开发者要构建一个图书 API，该 API 将图书保存到一个 NoSQL 数据存储（DynamoDB）中，并将用于管理图书的 CRUD（创建、读取、更新和删除）。

首先打开Github地址: https://github.com/JamieLivingstone/serverless-node-rest-api。在电脑上安装全局 Serverless 框架“npm install -g serverless”，并创建一个新目录“book-api”、用代码编辑器打开。紧接着，在项目根目录下运行“serverless create –template aws-nodejs”命令生成新项目的框架。在项目根目录下新建一个文件“package.json”，并将下面的内容粘贴到这个文件中。

{

  "name": "book-app",

  "version": "1.0.0",

  "description": "Serverless book management API",

  "dependencies": {

    "@hapi/joi": "^15.0.3",

    "aws-sdk": "^2.466.0",

    "uuid": "^3.3.2"

  }

}

最后，在项目的根目录下运行如下命令安装项目依赖——“npm install”。从中可以看到，Serverless 框架简化了在代码中定义基础设施的过程，开发者可以在“serverless.yml”中配置应用程序基础参数。确定参数信息后，在项目根目录下创建一个新目录“books”。并在 books 目录下创建一个文件“schema.js”，就可以定义图书模式及其属性。

后无服务器时代，可以使用AWS Fargate为OpenCV项目创建无服务器API

进行传统API开发时，开发者要通过函数才能进行筛选、路由、批处理、拆分事件或调用其他云服务或函数，但现在这些操作等都能通过更少的函数代码，多数情况下甚至不需要函数代码就能完成；它们可以被可配置的云构造，以云服务一部分的形式取而代之。

云计算市场正在向超专业化的垂直多云服务转变，提供独特且高细粒度的功能，专业满足开发人员的需求。AWS的出现，将无需管理基础设施，即可根据事件执行代码的概念引入主流视线，开发者可以通过AWS，轻松实现函数代码到云构造的过渡。

以在带有AWS Fargate的无服务器容器中部署在OpenCV和Flask中创建的简单图像识别模型为例，开发者需要在CDK项目中部署的网络资源，打开网址https://medium.com/@JugueDev/despliega-laravel-usando-containers-serverless-con-aws-fargate-%EF%B8%8F-%EF%B8%8F-f4fdcb6c170f，并在Flask中创建一个超级基础的应用程序，创建一个hello_app.py文件，其中包含以下内容：

from flask import Flask



app = Flask(__name__)



@app.route('/')

def hello_world():

 return 'Hello World!'



if __name__ == "__main__":

 app.run()。

接着，开发者需要在新创建的文件中定义requirements.txt项目的依赖关系：

Flask==2.0.2，并用Docker容器应用程序创建一个DockerFile。最后，把OpenCV应用程序连接到Flask项目，在requirement.txt文件中添加几个依赖项

click==8.0.3
Flask==2.0.2
itsdangerous==2.0.1
Jinja2==3.0.2
MarkupSafe==2.0.1
Werkzeug==2.0.2
numpy
keras
cmake==3.20.5
scikit-build==0.13.1
setuptools==50.3.2
wheel==0.30.0
tensorflow
opencv-python==4.4.0.46

图像构建成功后，开发者就可以继续将其上传到存储库中。并在AWS Fargate中部署图像到AWS Fargate的无服务器。