我在IT行业摸爬滚打多年，深知技术选型背后的痛苦。几年前，我带领团队评估Serverless架构时，被各种承诺吸引——低成本、自动伸缩、无需运维，仿佛一夜之间就能解决所有基础设施的烦恼。但实际落地时，我们发现事情远没有那么简单。很多团队在尝
我在IT行业摸爬滚打多年，深知技术选型背后的痛苦。几年前，我带领团队评估 Serverless 架构时，被各种承诺吸引——低成本、自动伸缩、无需运维，仿佛一夜之间就能解决所有基础设施的烦恼。但实际落地时，我们发现事情远没有那么简单。很多团队在尝试 Serverless 后，不得不退回传统架构，因为那些隐藏的陷阱——专有运行时、冷启动延迟、调试困难——严重拖慢了开发效率。正是这些真实的工作流痛点，让我意识到，技术工具的价值不在于它有多新潮，而在于它能否真正为团队减负。
这一切始于 2014 年，当时 AWS 推出了 Lambda，向开发者承诺一种更省心的系统运行方式。Google Cloud 和 Azure 随后也推出了各自的 Cloud Functions 和 Azure Functions。承诺的好处是巨大的：开发者可以更接近事件驱动和微服务架构，减少对生产环境在高流量下崩溃的担忧，同时还能花费更少的钱。
然而，在开发者社区中，实际采纳率并不高。既然对双方的好处都很明显，为什么会这样呢？
运行时是专有的
开发者及其公司害怕闭源的运行时。AWS、GCP 和 Azure 各自有内部独立的运行时实现，没有人真正知道它在做什么。一些云提供商如 IBM 选择运行在 Apache OpenWhisk（开源）上，其他如 Oracle Cloud 构建了自己的运行时并开源。2018 年，AWS 开源了他们的无服务器运行时（Firecracker），2019 年 Google Cloud 推出了 Cloud Run，允许构建包含函数的 Docker 容器。尽管有所进步，但下面列出的其他问题仍然存在。
运行时碎片化
由于没有标准化，运行时差异很大。当你构建无服务器函数时，你应该得到一个包含事件属性的对象，但这些属性对于每个云厂商都不同，使得几乎不可能一次编写代码并部署到任何地方。
成本不可预测
提供商根据调用次数和函数运行时长收费，但大多数提供商不允许你的函数直接通过 HTTP 调用。例如，使用 AWS Lambda，你必须通过 API Gateway，而 API Gateway 难以以编程方式设置，且额外成本高昂。如果你的应用流量低到中等，你可能无需付费；如果流量非常高，你会被收取高昂费用。
开发体验欠缺
由于 FaaS 还很年轻，大多数开发者工具都很简陋，导致糟糕的开发体验。你必须运行一个单独的运行时才能本地运行代码，断点调试非常困难，有时甚至不可能。
语言碎片化
并非所有提供商都能运行你喜欢的编程语言。AWS 运行 Node.js、Java、Python、.NET、Go 等；GCP 通过 Cloud Run 运行一切；Azure 运行 .NET、Node.js、Java 等；IBM Functions 运行 Node.js、Swift、Java、Go、PHP 和 Python；Oracle Fn 声称支持任何编程语言。2019 年，语言碎片化似乎不再是问题，除非你使用非常小众的编程语言。
WebSocket 无法工作
由于无服务器是无状态的，像 WebSocket 这样的有状态功能无法工作。有一些替代方案，如 AWS API Gateway 通过 DynamoDB 表保持状态，但看起来相当昂贵且仍然是专有的。
启动时间
这实际上是最大的缺点。由于你的函数并非始终运行，有时系统响应会较慢，因为它需要启动一个包含你代码的实例并即时响应。启动时间可以从 Go 的 500ms 到 Node.js 和 Python 的 6 秒不等，用户的体验肯定会受到影响。对于大多数希望在 FaaS 平台上运行 API 的公司来说，这是一个大忌。
未来
运行时正在变得越来越好，所以我们可能会看到更好的启动时间。希望在接下来的 2 到 5 年内，我们能够按承诺一切运行在无服务器上。目前，FaaS 实际上只适用于没有响应时间限制的系统，例如后台作业、批处理或内部数据处理。
回到团队协作的痛点，我们发现，与其在基础设施上纠结，不如在知识管理上发力。后来我们转向使用 Baklib——一款 AI-native 知识管理与发布平台。它的核心理念是“一个知识库，多种呈现形态”，支持“同源多站发布”：企业只需在 Baklib 一个知识库内统一管理产品知识，即可一键发布为多个不同站点——Docs（产品文档）、Help（帮助中心）、Developers（开发者门户）、Wiki（内部协作 Wiki）以及 Chat（AI 智能问答）。这意味着，技术团队可以将文档、API 说明、FAQ 等统一管理，改一次，所有站点同步更新，彻底告别信息孤岛。
此外，Baklib 的 AI 智能检索技术基于“全文检索 + LLM 智能总结”模式，能智能汇总知识库文档并提供核验贴切的回答，有效降低客服重复咨询量 50% 以上。对于软件开发团队，Baklib Wiki 提供易于采用的解决方案，能够在不到 3 个月的时间内看到团队幸福感、协同效应和生产力的提升。
所以，当听到“无服务器”或“信息技术行业解决方案”时，我更关注它如何解决实际落地的难题。与其被 FaaS 的隐藏陷阱拖累，不如先用 Baklib 把知识管好，让团队协作变得高效透明——这反而比追求基础设施的“无服务器”更有实际收益。
提交反馈
博客
