看到如今Serverless在云计算行业喷薄欲出的态势，像极了《星星之火，可以燎原》中的描述：虽然不能预测未来的发展和变化，但对于云计算来说这是个相对确定的方向。

从Google Trends的Serverless关键字的趋势可以看到，对于Serverless的搜索一直居高不下，并且在未来的一段时间内也会保持相当的热度。从2015年开始，以AWS为代表的国外云计算大厂也在不断地布局Serverless相关的产品，AWS Lambda、Aliyun FAAS，数据库领域的Aurora Serverless、RedShift Serverless、Azure SQL Database等。

学术界对Serverless的研究热度也不亚于工业界对商业化方案的追求，文末列出了一些相关文章作为参考。对于云计算往Serverless演进的趋势，学术界也经历过一些质疑，2018年“Serverless Computing: One Step Forward, Two Steps Back”[3] 文章曾经对Serverless的发展给现在IT基础设施带来的冲击表示过担忧，但2019年同一拨人在这个方向上又表现出了支持和乐观的态度。从Serverless领域被引用次数较多的论文上看到，主流科研机构对Serverless的趋势和方向研究上趋于一致，研究重点也慢慢从“why”转变为“how”[6]。

何为Serverless？为什么Severless是个趋势？“Cloud Programming Simplified: A Berkeley View on Serverless Computing”[5] 这篇文章为代表做了一个比较全面的分析和预测。同样是Berkeley在2009年发表的另一篇文章“Above the Clouds: A Berkeley View of Cloud Computing”[7] 预测了云计算作为IAAS基础设施的观点。该篇文章延续了之前的风格，分析了现状和难点，预测了云计算2.0的形态Serverless作为下一代基础设施，也定义了Serverless的主要三个特征。

弱化了存储和计算之间的联系。服务的储存和计算被分开部署和收费，存储不再是服务本身的一部分，而是演变成了独立的云服务。这使得计算变得无状态化，更容易调度和扩缩容，同时也降低了数据丢失的风险。

代码的执行不再需要手动分配资源。不需要为服务的运行指定需要的资源（比如使用几台机器、多大的带宽、多大的磁盘等），只需要提供一份代码，剩下的交由Serverless平台去处理就行了。当前阶段的实现平台分配资源时还需要用户方提供一些策略，例如单个实例的规格和最大并发数，单实例的最大CPU使用率。理想的情况是通过某些机器学习算法来进行完全自动的自适应分配。

Serverless按照服务的使用量（调用次数、时长等）计费，而不是像传统的Serverful服务那样，按照使用的资源（ECS实例、VM的规格等）计费。

值得一提的是[5]这篇文章有众多云计算厂商的背书，包括AWS、Micorsoft、Google、Alibaba等，同时文章也直接以AWS Lambda服务作为样板去分析Serverless的问题。Serverless本身的技术难度，这篇文章罗列了多项内容，这里不做赘述，可以具体读一下文章。

关于Serverless的技术实现[3]给出了一个可行的系统实现方式，当然还是以FAAS为背景。其中提到Serverless关键技术路径包括：

其中，函数计算的实现方式，却与数据库Serverless息息相关。

数据库品类繁多，关系型数据库自1979年E. F. Codd对于关系模型的描述[7]开始，后来者大多只是模仿，而尚未在用户接受度和规模上有超越。

数据库不仅仅是一个“stateful”的应用，而且是一个“state-heavy”的应用。数据库是Serverless最不友好的应用之一，包括云原生基础设施kubernates对于stateful应用的支持，也是等到StatefulSet和operator之后才有一个比较好的解决方案。而在这之前数据库都是作为Serverless对状态做解耦和状态下沉的工具，也是全栈Serverless解决方案中最难攻坚的最后一个堡垒。

对于Serverless的定义，文章给出来一个公式：Serverless = FAAS + BAAS。将FAAS（Functions as a Service）定义为事件、API、消息驱动的计算层；将BAAS（Backends as a Service ）定义为类似数据库、消息队列等后端服务。

“State-heavy applications will remain as BaaS”是目前对于数据库的一个基本认知，但这与数据库本身是否具备一定程度的Serveless能力其实是两回事。前者强调的是在应用向Serverless做架构转型的过程当中，数据库的大量状态存储做不到FAAS这样即开即用的能力，只能作为“+”来对接Serverless生态；后者说的是在某种程度上也能够满足“资源解耦”、“自动弹性”、“按使用量付费”的特点，某种程度上也可以认为是Serverless。

数据库Serverless的难点究竟在哪里？

数据库做Serverless有若干难点[4]，总结如下：

其中尤其要注意的是第2点，在应用进FAAS之后，当前的数据库访问方式已经不适用于Serverless生态：

当然数据库本身要做的事情远远不止如此，数据库本身要实现高效的弹升弹降，涉及到更多的管控和内核紧密的联动。

行业翘楚AWS在Serverless相关的布局从2015年推出Lambda开始，引领着这个方向的发展。这里更多的关注在数据库方面，结合AWS在Aurora Serverless上的取舍，洞察AWS对于数据库Serverless的理解。

从Aurora Serverless V1发表于2018年，在Serverless的理念上做了大胆的创新，做了几件事情：

2020年发布的Aurora Serverless V2的介绍视频并提供内测申请，而在前不久V2也正式GA。从Aurora Serverless V2的能力来看，在Serverless能力上做了增强和取舍：

从V1到V2的变化，对比V2和V1的User Case可以看出，Aurora Serverless V2主要解决的是从“开发测试环境”到有限场景下的生产环境的转变，至于底层的实现原理，可以从一丝丝蛛丝马迹中去探究。结合其他云的做法，Serverless的能力目前还是看重这个理念，各个厂商也在以自己的产品形态去向贴近这个理念，至于说一统行业标准的产品化方案，还为时过早，这一领域大有可为。

从2009年开始，云的能力不断增强，云的本质是资源的池化，而这些资源不仅仅包含硬件资源，更包含专业的技术人才，以及核心的技术专利标准等。经过了十来年在规模和成本上的激烈竞争，IAAS资源也在不断的向Serverless的方向演进，底层能力的增强也意味着上层PAAS层和SAAS服务有了更快地向Serverless演进的路径。

如果开源托管产品RDS可以看成是云数据库服务1.0，自研产品如PolarDB和Aurora可以看成是云数据库2.0，那么Serverless将会是云数据库服务的3.0。其中，客户应用跟数据库交互方式的改变（例如，从JDBC/ODBC向Restful API转变），将会具有重要意义。

从艾瑞2022年初对数据库云管平台的发展趋势预测[9]、以及结合云的趋势和Serverless本身，我们可以对Aurora Severless未来的发展方向做一些大胆的预测：