最近，技術(shù)圈被 Meta 的一篇最新論文攪得沸沸揚(yáng)揚(yáng)。這篇論文猶如一顆重磅炸彈，直截了當(dāng)?shù)匕l(fā)出預(yù)警：現(xiàn)有的微服務(wù)架構(gòu)，恐怕很難撐過(guò)下一個(gè) AI 爆發(fā)周期！這一觀點(diǎn)瞬間引發(fā)了行業(yè)內(nèi)外的廣泛關(guān)注和激烈討論，畢竟微服務(wù)架構(gòu)在當(dāng)下的軟件開(kāi)發(fā)中可是占據(jù)著舉足輕重的地位，眾多企業(yè)的業(yè)務(wù)系統(tǒng)都構(gòu)建在這一架構(gòu)之上 ?？?Meta 卻拋出這么一個(gè)極具沖擊力的觀點(diǎn)，怎能不讓人震驚？
微服務(wù)架構(gòu)，AI 領(lǐng)域的 “老伙計(jì)”
在深入探討 Meta 的觀點(diǎn)之前，我們先來(lái)好好認(rèn)識(shí)一下微服務(wù)架構(gòu)這位在技術(shù)領(lǐng)域摸爬滾打多年的 “老伙計(jì)” ，看看它在 AI 領(lǐng)域曾經(jīng)創(chuàng)造過(guò)怎樣的輝煌。
（一）微服務(wù)架構(gòu)的 “前世今生”
微服務(wù)架構(gòu)，簡(jiǎn)單來(lái)說(shuō)，就是把一個(gè)大型的軟件應(yīng)用拆分成多個(gè)小型、獨(dú)立的服務(wù)。這些服務(wù)各自專注于一項(xiàng)特定的業(yè)務(wù)功能，就像一個(gè)個(gè)分工明確的小助手，通過(guò)輕量級(jí)的通信機(jī)制相互協(xié)作，共同完成復(fù)雜的任務(wù) 。與傳統(tǒng)的單體架構(gòu)相比，微服務(wù)架構(gòu)就像是一支靈活機(jī)動(dòng)的特種部隊(duì)，每個(gè)成員都能獨(dú)立作戰(zhàn)，又能在關(guān)鍵時(shí)刻協(xié)同配合，而單體架構(gòu)則更像是一艘龐大的航母，雖然強(qiáng)大，但不夠靈活，一旦某個(gè)部分出現(xiàn)問(wèn)題，可能會(huì)影響到整個(gè)系統(tǒng)的運(yùn)行。
微服務(wù)架構(gòu)的發(fā)展歷程也頗為曲折。它的概念最早可追溯到 2005 年，由 Peter Rodgers 提出雛形，當(dāng)時(shí)被稱為 “Micro-Web-Service” 。2011 年，軟件架構(gòu)師們正式提出 “微服務(wù)” 一詞，直到 2014 年，Martin Fowler 發(fā)表相關(guān)文章，才讓微服務(wù)架構(gòu)真正進(jìn)入大眾視野，并憑借其自身優(yōu)勢(shì)在軟件開(kāi)發(fā)領(lǐng)域迅速走紅 。此后，越來(lái)越多的企業(yè)開(kāi)始采用微服務(wù)架構(gòu)來(lái)構(gòu)建自己的業(yè)務(wù)系統(tǒng)，它也逐漸成為了分布式系統(tǒng)開(kāi)發(fā)的主流架構(gòu)之一。
（二）在 AI 領(lǐng)域的 “輝煌戰(zhàn)績(jī)”
在 AI 領(lǐng)域，微服務(wù)架構(gòu)同樣有著出色的表現(xiàn)。以自然語(yǔ)言處理為例，像智能客服系統(tǒng)，背后就離不開(kāi)微服務(wù)架構(gòu)的支持。通過(guò)將語(yǔ)言理解、意圖識(shí)別、對(duì)話管理等功能拆分成不同的微服務(wù)，每個(gè)微服務(wù)專注于自己擅長(zhǎng)的領(lǐng)域，不僅提高了處理效率，還使得系統(tǒng)的擴(kuò)展性和維護(hù)性大大增強(qiáng) 。當(dāng)有新的語(yǔ)言模型或算法出現(xiàn)時(shí)，只需要對(duì)相應(yīng)的微服務(wù)進(jìn)行更新和替換，而不會(huì)影響到整個(gè)系統(tǒng)的運(yùn)行。
在圖像識(shí)別領(lǐng)域，微服務(wù)架構(gòu)也發(fā)揮著重要作用。比如在一個(gè)大型的圖像搜索系統(tǒng)中，圖像特征提取、圖像分類、相似圖像匹配等功能都可以由不同的微服務(wù)來(lái)實(shí)現(xiàn)。這些微服務(wù)可以根據(jù)業(yè)務(wù)需求獨(dú)立擴(kuò)展，當(dāng)用戶量增加導(dǎo)致圖像搜索請(qǐng)求增多時(shí)，只需對(duì)圖像搜索微服務(wù)進(jìn)行擴(kuò)容，就能確保系統(tǒng)能夠快速響應(yīng)用戶的請(qǐng)求，為用戶提供良好的使用體驗(yàn)。
可以說(shuō)，微服務(wù)架構(gòu)的出現(xiàn)，為 AI 的發(fā)展提供了強(qiáng)大的技術(shù)支撐，使得 AI 應(yīng)用能夠更加高效、靈活地運(yùn)行，在各個(gè)領(lǐng)域得到更廣泛的應(yīng)用和發(fā)展。
下一個(gè) AI 爆發(fā)周期，會(huì)是什么樣？ （一）需求 “大變身”
從行業(yè)趨勢(shì)來(lái)看，下一個(gè) AI 爆發(fā)周期，對(duì)算力的需求將達(dá)到一個(gè)前所未有的高度。隨著 AI 模型的不斷復(fù)雜化，像 GPT-4o 這樣的多模態(tài)大模型，其訓(xùn)練和運(yùn)行所需的算力呈指數(shù)級(jí)增長(zhǎng) 。專家預(yù)測(cè)，未來(lái)的 AI 模型，如 GPT-6 的能耗或?qū)⑦_(dá)到 700 萬(wàn)度，這意味著 AI 算力的持續(xù)增長(zhǎng)將對(duì)環(huán)境帶來(lái)更大壓力 。這就要求我們不僅要提升算力，還要注重能效優(yōu)化和采用綠色計(jì)算技術(shù)，以滿足 AI 發(fā)展對(duì)算力的需求，同時(shí)減少對(duì)環(huán)境的影響。
在數(shù)據(jù)處理方面，隨著物聯(lián)網(wǎng)、邊緣設(shè)備和用戶行為產(chǎn)生大量數(shù)據(jù)，數(shù)據(jù)量和生成速度不斷增加，且數(shù)據(jù)類型更加多樣化，包括圖片、文檔、圖、時(shí)序、交易等多種模態(tài)的數(shù)據(jù) 。這就需要我們具備更強(qiáng)的數(shù)據(jù)處理能力，能夠?qū)Ａ康亩嗄B(tài)數(shù)據(jù)進(jìn)行高效清洗、分析和挖掘。高質(zhì)量訓(xùn)練數(shù)據(jù)是進(jìn)一步提升基礎(chǔ)模型性能的關(guān)鍵，向量數(shù)據(jù)庫(kù)作為提升模型服務(wù)能力的核心技術(shù)，將在數(shù)據(jù)處理中發(fā)揮重要作用 。
實(shí)時(shí)性也是下一個(gè) AI 爆發(fā)周期的關(guān)鍵需求。在自動(dòng)駕駛、智能安防等領(lǐng)域，系統(tǒng)需要對(duì)實(shí)時(shí)數(shù)據(jù)進(jìn)行快速處理和決策，以確保安全和高效運(yùn)行。例如，在自動(dòng)駕駛中，車輛需要實(shí)時(shí)感知周圍環(huán)境信息，并迅速做出駕駛決策，任何延遲都可能導(dǎo)致嚴(yán)重后果。因此，未來(lái)的 AI 架構(gòu)必須能夠滿足這些領(lǐng)域?qū)?shí)時(shí)性的嚴(yán)格要求，提供快速響應(yīng)的能力。
（二）應(yīng)用場(chǎng)景 “大拓展”
在智能家居領(lǐng)域，AI 的爆發(fā)將帶來(lái)全新的體驗(yàn)。智能設(shè)備將更加智能，能夠根據(jù)用戶的習(xí)慣和需求自動(dòng)調(diào)節(jié)。比如，智能照明系統(tǒng)可以根據(jù)用戶的作息時(shí)間和環(huán)境光線自動(dòng)調(diào)整亮度；溫控設(shè)備能根據(jù)居住者的習(xí)慣和實(shí)時(shí)環(huán)境溫度自動(dòng)調(diào)節(jié)室溫，實(shí)現(xiàn)能源的高效利用和智能化管理 。AI 還將使智能家居設(shè)備之間實(shí)現(xiàn)更智能的協(xié)同和互動(dòng)，構(gòu)建一個(gè)更加智能化、人性化的家居生態(tài)系統(tǒng)。當(dāng)智能門鎖檢測(cè)到用戶回家時(shí)，會(huì)自動(dòng)向智能音箱發(fā)送指令，播放用戶喜愛(ài)的音樂(lè)，并同時(shí)通知智能燈光系統(tǒng)打開(kāi)合適的燈光。
在智能醫(yī)療領(lǐng)域，AI 將發(fā)揮更大的作用。AI 技術(shù)可以幫助醫(yī)生更準(zhǔn)確地診斷疾病，提高診斷的準(zhǔn)確性和效率。通過(guò)深度學(xué)習(xí)和圖像識(shí)別技術(shù)，AI 能夠自動(dòng)分析和診斷醫(yī)療影像，如 X 射線、CT 掃描等，顯著提高早期檢出率 。AI 還可以根據(jù)患者的遺傳信息、生活習(xí)慣等制定個(gè)性化的治療和預(yù)防計(jì)劃，提供更有效的治療方案，同時(shí)減少不必要的醫(yī)療干預(yù)和成本 。在手術(shù)過(guò)程中，AI 技術(shù)能夠提供實(shí)時(shí)的數(shù)據(jù)分析和決策支持，幫助外科醫(yī)生更精準(zhǔn)地進(jìn)行手術(shù)操作，降低手術(shù)風(fēng)險(xiǎn)。
自動(dòng)駕駛領(lǐng)域也將因 AI 的爆發(fā)而發(fā)生巨大變革。隨著 AI 技術(shù)的不斷進(jìn)步，自動(dòng)駕駛汽車將更加智能和安全。它們能夠更準(zhǔn)確地感知周圍環(huán)境，實(shí)時(shí)處理大量的傳感器數(shù)據(jù)，做出更合理的駕駛決策。AI 還可以通過(guò)對(duì)交通數(shù)據(jù)的分析，優(yōu)化交通流量，減少擁堵，提高出行效率。未來(lái)，自動(dòng)駕駛汽車可能會(huì)成為人們?nèi)粘３鲂械闹饕绞街唬淖冋麄€(gè)交通出行格局。
現(xiàn)有微服務(wù)架構(gòu)，麻煩來(lái)了！
既然下一個(gè) AI 爆發(fā)周期的需求和應(yīng)用場(chǎng)景有了這么大的變化，那現(xiàn)有的微服務(wù)架構(gòu)能否滿足這些新的要求呢？很遺憾，Meta 的論文指出，現(xiàn)有的微服務(wù)架構(gòu)在面對(duì)下一個(gè) AI 爆發(fā)周期時(shí)，可能會(huì)面臨諸多困境。
（一）性能瓶頸 “卡脖子”
在微服務(wù)架構(gòu)中，服務(wù)間的通信開(kāi)銷是一個(gè)不容忽視的問(wèn)題。當(dāng)一個(gè) AI 應(yīng)用涉及多個(gè)微服務(wù)之間的頻繁交互時(shí)，每次通信都需要進(jìn)行網(wǎng)絡(luò)傳輸、序列化和反序列化等操作，這些操作會(huì)消耗大量的時(shí)間和資源，從而導(dǎo)致系統(tǒng)性能下降 。以一個(gè)智能推薦系統(tǒng)為例，它可能需要調(diào)用用戶信息微服務(wù)獲取用戶的基本信息，調(diào)用商品信息微服務(wù)獲取商品的相關(guān)數(shù)據(jù)，再調(diào)用推薦算法微服務(wù)進(jìn)行推薦計(jì)算。如果這些微服務(wù)之間的通信效率低下，整個(gè)推薦系統(tǒng)的響應(yīng)速度就會(huì)受到嚴(yán)重影響，用戶可能需要等待很長(zhǎng)時(shí)間才能得到推薦結(jié)果，這無(wú)疑會(huì)極大地降低用戶體驗(yàn)。
資源隔離也是微服務(wù)架構(gòu)中的一個(gè)特性，它在一定程度上保證了服務(wù)的獨(dú)立性和穩(wěn)定性，但同時(shí)也帶來(lái)了資源利用率不高的問(wèn)題。在 AI 應(yīng)用中，不同的任務(wù)對(duì)資源的需求差異很大。比如在圖像識(shí)別任務(wù)中，在訓(xùn)練階段，需要大量的計(jì)算資源來(lái)處理海量的圖像數(shù)據(jù)；而在推理階段，雖然計(jì)算資源需求相對(duì)減少，但對(duì)內(nèi)存和網(wǎng)絡(luò)帶寬的需求可能會(huì)增加 。由于微服務(wù)架構(gòu)的資源隔離機(jī)制，每個(gè)微服務(wù)只能使用分配給自己的固定資源，當(dāng)某個(gè)微服務(wù)的資源需求發(fā)生變化時(shí)，很難及時(shí)從其他微服務(wù)獲取額外的資源，這就可能導(dǎo)致資源的浪費(fèi)或者不足，進(jìn)而影響系統(tǒng)的整體性能。
（二）擴(kuò)展性 “力不從心”
面對(duì) AI 爆發(fā)帶來(lái)的海量數(shù)據(jù)和用戶請(qǐng)求，微服務(wù)架構(gòu)的擴(kuò)展性也面臨著嚴(yán)峻的考驗(yàn)。在水平擴(kuò)展方面，雖然微服務(wù)架構(gòu)理論上可以通過(guò)增加服務(wù)實(shí)例的數(shù)量來(lái)應(yīng)對(duì)負(fù)載的增加，但在實(shí)際應(yīng)用中，隨著服務(wù)實(shí)例的增多，服務(wù)注冊(cè)與發(fā)現(xiàn)、負(fù)載均衡等方面的管理難度也會(huì)隨之增大 。以一個(gè)大型的電商搜索系統(tǒng)為例，當(dāng)用戶量和商品數(shù)據(jù)量不斷增加時(shí)，需要不斷增加搜索微服務(wù)的實(shí)例來(lái)提高系統(tǒng)的處理能力。但是，過(guò)多的服務(wù)實(shí)例會(huì)使得服務(wù)注冊(cè)中心的壓力增大，可能導(dǎo)致服務(wù)注冊(cè)和發(fā)現(xiàn)的延遲增加。負(fù)載均衡算法也需要更加智能和高效，才能確保請(qǐng)求能夠均勻地分配到各個(gè)服務(wù)實(shí)例上，否則就可能出現(xiàn)部分實(shí)例負(fù)載過(guò)高，而部分實(shí)例閑置的情況。
垂直擴(kuò)展同樣存在困境。當(dāng)單個(gè)微服務(wù)的資源需求超出了其所在服務(wù)器的承載能力時(shí)，需要對(duì)服務(wù)器進(jìn)行升級(jí)或者更換。但是，這種方式不僅成本高昂，而且在升級(jí)過(guò)程中可能會(huì)導(dǎo)致服務(wù)的中斷，影響用戶的正常使用 。此外，對(duì)于一些對(duì)實(shí)時(shí)性要求極高的 AI 應(yīng)用，如自動(dòng)駕駛、智能安防等，即使進(jìn)行了垂直擴(kuò)展，也可能無(wú)法滿足其對(duì)低延遲和高吞吐量的嚴(yán)格要求。
（三）成本 “節(jié)節(jié)攀升”
微服務(wù)架構(gòu)在部署、運(yùn)維和管理多個(gè)服務(wù)時(shí)，成本也會(huì)顯著增加。在部署方面，每個(gè)微服務(wù)都需要獨(dú)立的運(yùn)行環(huán)境和資源配置，這就需要更多的服務(wù)器和基礎(chǔ)設(shè)施來(lái)支持 。運(yùn)維方面，由于微服務(wù)數(shù)量眾多，需要監(jiān)控和管理的對(duì)象也相應(yīng)增加，這對(duì)運(yùn)維團(tuán)隊(duì)的技術(shù)能力和工作量都提出了更高的要求。管理多個(gè)微服務(wù)之間的依賴關(guān)系、版本控制等也需要耗費(fèi)大量的時(shí)間和精力 。以一個(gè)擁有數(shù)十個(gè)微服務(wù)的大型 AI 平臺(tái)為例，部署這些微服務(wù)可能需要數(shù)十臺(tái)甚至上百臺(tái)服務(wù)器，運(yùn)維團(tuán)隊(duì)需要時(shí)刻關(guān)注每個(gè)微服務(wù)的運(yùn)行狀態(tài)，及時(shí)處理各種故障和問(wèn)題。當(dāng)某個(gè)微服務(wù)需要進(jìn)行升級(jí)或者修改時(shí)，還需要仔細(xì)評(píng)估其對(duì)其他微服務(wù)的影響，確保整個(gè)系統(tǒng)的穩(wěn)定性。
在 AI 爆發(fā)期，隨著業(yè)務(wù)規(guī)模的不斷擴(kuò)大和服務(wù)數(shù)量的持續(xù)增加，這些成本問(wèn)題可能會(huì)變得更加嚴(yán)峻。企業(yè)需要投入更多的資金和人力來(lái)維持微服務(wù)架構(gòu)的正常運(yùn)行，這無(wú)疑會(huì)增加企業(yè)的運(yùn)營(yíng)壓力，降低企業(yè)的競(jìng)爭(zhēng)力。
突破困境，路在何方？
既然現(xiàn)有的微服務(wù)架構(gòu)存在這么多問(wèn)題，那我們?cè)撊绾螒?yīng)對(duì)下一個(gè) AI 爆發(fā)周期的挑戰(zhàn)呢？這就需要我們從技術(shù)革新和架構(gòu)重構(gòu)兩個(gè)方面來(lái)尋找解決方案。
（一）技術(shù)革新 “新解法”
Serverless 架構(gòu)或許是解決微服務(wù)架構(gòu)問(wèn)題的一個(gè)新方向。Serverless 架構(gòu)，簡(jiǎn)單來(lái)說(shuō)，就是開(kāi)發(fā)者無(wú)需管理服務(wù)器，只需專注于編寫(xiě)業(yè)務(wù)代碼，服務(wù)器的管理、資源分配等工作都由云服務(wù)提供商來(lái)完成 。在 AI 應(yīng)用中，Serverless 架構(gòu)可以根據(jù)實(shí)際的業(yè)務(wù)負(fù)載自動(dòng)調(diào)整資源，實(shí)現(xiàn)按需使用、按量付費(fèi)。比如在圖像識(shí)別任務(wù)中，當(dāng)有大量圖像需要處理時(shí)，Serverless 架構(gòu)可以自動(dòng)分配更多的計(jì)算資源來(lái)加速處理過(guò)程；而當(dāng)任務(wù)完成后，又會(huì)自動(dòng)釋放多余的資源，避免資源的浪費(fèi) 。這種靈活的資源管理方式，不僅可以提高資源利用率，還能降低成本。
Service Mesh 技術(shù)也為微服務(wù)架構(gòu)的優(yōu)化提供了新的思路。Service Mesh 是一種專門處理服務(wù)通信的基礎(chǔ)設(shè)施層，它將服務(wù)間的通信、服務(wù)發(fā)現(xiàn)、負(fù)載均衡、熔斷等功能從業(yè)務(wù)代碼中剝離出來(lái)，形成一個(gè)獨(dú)立的服務(wù)網(wǎng)格 。在 AI 領(lǐng)域，Service Mesh 可以幫助我們更好地管理微服務(wù)之間的復(fù)雜通信。以智能推薦系統(tǒng)為例，通過(guò) Service Mesh，我們可以實(shí)現(xiàn)對(duì)推薦微服務(wù)之間流量的精確控制，確保在高并發(fā)情況下，系統(tǒng)能夠穩(wěn)定運(yùn)行。它還能提供強(qiáng)大的安全功能，如認(rèn)證、授權(quán)、加密等，保障 AI 應(yīng)用中數(shù)據(jù)的安全性和隱私性 。
（二）架構(gòu)重構(gòu) “大手術(shù)”
對(duì)現(xiàn)有微服務(wù)架構(gòu)進(jìn)行重構(gòu)也是應(yīng)對(duì)挑戰(zhàn)的重要策略。采用混合架構(gòu)，將微服務(wù)架構(gòu)與其他架構(gòu)模式相結(jié)合，可能會(huì)是一個(gè)不錯(cuò)的選擇。比如，將微服務(wù)架構(gòu)與事件驅(qū)動(dòng)架構(gòu)相結(jié)合，在處理一些對(duì)實(shí)時(shí)性要求較高的 AI 任務(wù)時(shí)，通過(guò)事件驅(qū)動(dòng)的方式，可以實(shí)現(xiàn)快速響應(yīng)和處理 。在智能安防系統(tǒng)中，當(dāng)監(jiān)控?cái)z像頭檢測(cè)到異常事件時(shí)，通過(guò)事件驅(qū)動(dòng)機(jī)制，能夠立即觸發(fā)相關(guān)的 AI 分析服務(wù)，對(duì)事件進(jìn)行快速處理和響應(yīng)，提高系統(tǒng)的安全性和可靠性。
優(yōu)化服務(wù)拆分也是架構(gòu)重構(gòu)的關(guān)鍵。在進(jìn)行服務(wù)拆分時(shí)，我們需要更加精細(xì)地考慮業(yè)務(wù)功能和數(shù)據(jù)的關(guān)聯(lián)性。根據(jù)業(yè)務(wù)能力進(jìn)行服務(wù)拆分，將不同的業(yè)務(wù)功能拆分為獨(dú)立的服務(wù)。在電商 AI 應(yīng)用中，將商品推薦、用戶畫(huà)像、訂單預(yù)測(cè)等功能分別拆分為獨(dú)立的微服務(wù)，每個(gè)微服務(wù)專注于自己的業(yè)務(wù)領(lǐng)域，提高業(yè)務(wù)的專業(yè)性和處理效率 ?；陬I(lǐng)域驅(qū)動(dòng)設(shè)計(jì)（DDD）拆分，通過(guò)識(shí)別領(lǐng)域模型中的聚合根，將相關(guān)的業(yè)務(wù)邏輯封裝在一個(gè)服務(wù)中，這樣可以更好地保證數(shù)據(jù)的一致性和業(yè)務(wù)邏輯的完整性。
熱門跟貼