知识卡片
文件存储补状态
函数实例的本地状态短暂且隔离,适合缓存不适合共享。多函数之间共享文件、处理大文件或做缓存时,要挂载文件存储;它还能承载TensorFlow这类大体积依赖,让函数跑机器学习模型。代价是引入网络访问,可能增加延迟和启动耗时,需按场景权衡。
这张卡片看不懂?
这张卡片的反馈已满 10 条,暂时无法继续提交。
已有反馈 · 0 / 10 条
还没有人提交反馈。
原书出处
参考来源
- 位置:《Serverless从入门到进阶:架构、原理与实践》第4章《Serverless原理详解:BaaS层》(源文件:_chapter-text/ch04.txt)
- 结论依据:原文说明多函数间文件共享、大文件处理和缓存需挂载文件存储,并可借此承载TensorFlow等大依赖;延迟与冷启动放大为推论。
- 原始内容:因此,在多函数之间的文件共享、大文件处理和缓存等场景中,需要引入CFS文件系统的挂载。……但引入了文件存储做BaaS服务后,可以通过文件存储承载较大的依赖库,例如TensorFlow等,从而让函数可以执行机器学习模型。