計(jì)算機(jī)架構(gòu)的挑戰(zhàn)，硬件異構(gòu)性，定價(jià)和易管理性
硬件異構(gòu)性，定價(jià)和易管理性： Alas，在云上具有主宰地的x86微處理器，近年來在性能上幾乎沒有任何提升。2017年，單個(gè)程序的運(yùn)行性能僅僅上升了3%。假設(shè)這個(gè)趨勢(shì)繼續(xù)下去，即便20年后性能也不會(huì)翻倍。類似的，單個(gè)芯片的DRAM能力也已經(jīng)接近極限，16G的DRAM在市面上很常見，但32G的造起來就不太可行了。
盡管通用目的微處理器出現(xiàn)了性能上的問題，但對(duì)更快算力的要求卻沒有停止過。要向前進(jìn)，只有兩條路可行了：一是對(duì)于用高級(jí)腳本比如js和python編寫的函數(shù)，使用專門優(yōu)化過的硬件-軟件設(shè)計(jì)，定制對(duì)應(yīng)的處理器，這可以把特定語言的執(zhí)行速度提升1到3個(gè)數(shù)量級(jí)。二是使用領(lǐng)域特定的體系架構(gòu)(Domain Specific Architectures)，比如使用GPU，這在圖像加速和機(jī)器學(xué)習(xí)領(lǐng)域已經(jīng)是很常見的事情了，相信在未來會(huì)有更多針對(duì)領(lǐng)域定制的處理器出現(xiàn)。
我們?cè)?.1節(jié)中曾經(jīng)提到過，serverless計(jì)算要支持即將到來的硬件異構(gòu)問題有兩種方案：
serverless可以包含不同的實(shí)例類型，并為它們制定不同的單位使用價(jià)格。
云供應(yīng)商可以支持自動(dòng)切換基于語言的加速器或者領(lǐng)域特定體系架構(gòu)。這種自動(dòng)化能力可以基于cloud functions中所使用的語言或軟件庫(kù)隱式地完成，比如自動(dòng)使用GPU來運(yùn)行CUDA代碼、用TPU來運(yùn)行TensorFlow代碼。云供應(yīng)商還可以監(jiān)控cloud functions的實(shí)際運(yùn)行性能，根據(jù)歷史數(shù)據(jù)來為它們選擇最適合運(yùn)行的硬件。
serverless計(jì)算目前面臨的異構(gòu)性問題，只是x86的SIMD指令集上面很小的一部分。AMD和Intel都在通過增加單時(shí)鐘周期內(nèi)運(yùn)行指令數(shù)和增加新指令的方式來快速改進(jìn)x86指令集。對(duì)于使用SIMD指令集的程序而言，運(yùn)行在最新的Intel Skylake微處理器上要比在舊的Broadwell上快得多。今天這兩種微處理器在AWS Lambda上都有應(yīng)用，但它們的收費(fèi)是相同的，用戶也沒辦法選擇自己的實(shí)例到底運(yùn)行在哪一種處理器上。
由于加速器在云上越來越流行，serverless的云供應(yīng)商可能沒辦法再繼續(xù)忽略硬件的異構(gòu)性問題，特別是在已經(jīng)存在合理補(bǔ)救措施的情況下。