Serverless

Serverless im Überblick

Serverless ist ein Cloud-Deployment-Modell, bei dem der Entwickler keinen Server konfigurieren, skalieren oder warten muss. Der Cloud-Anbieter übernimmt die gesamte Infrastruktur – automatische Skalierung, Hochverfügbarkeit, Updates. Bezahlt wird nur für die tatsächliche Ausführungszeit, nicht für bereitstehende Server. Für KI-Anwendungen mit unregelmäßiger Last ist Serverless attraktiv: Ein Modell, das nur gelegentlich aufgerufen wird, kostet im Leerlauf nichts.

Serverless bedeutet: Du schreibst Code, deployst ihn, und der Cloud-Anbieter kümmert sich um alles andere – Server, Skalierung, Updates, Verfügbarkeit. Du zahlst nur für die tatsächliche Ausführungszeit, nicht für bereitstehende Server.

Für KI-Anwendungen ist Serverless attraktiv, wenn die Last unregelmäßig ist: Ein Modell, das tagsüber tausende Anfragen bekommt und nachts kaum genutzt wird, kostet bei Serverless nur für die tatsächliche Nutzung. Der Nachteil sind “Cold Starts” – wenn eine Funktion lange nicht aufgerufen wurde, dauert der erste Aufruf länger, weil der Container erst gestartet werden muss. Bei ML-Modellen mit großen Gewichten kann das mehrere Sekunden bedeuten.

Traditionell vs. Serverless:

Technisch betrachtet

Serverless-Typen

• FaaS (Function as a Service): Einzelne Funktionen (Lambda, Cloud Functions)
• BaaS (Backend as a Service): Managed Services (Auth, DB, Storage)
• Edge Functions: Serverless am CDN-Edge (Cloudflare Workers, Vercel Edge)

Limitierungen

• Cold Starts: Latenz beim ersten Aufruf
• Execution Time: Typisch max. 5-15 Minuten
• Memory: Begrenzt (128MB - 10GB)
• Stateless: Kein persistenter Zustand zwischen Aufrufen
• Vendor Lock-in: Abhängigkeit vom Cloud-Anbieter

Vor- und Nachteile

Vorteile

• Kosteneffizienz: Du zahlst nur für die tatsächliche Nutzung, was die Kosten für Projekte mit unregelmäßiger Last erheblich senken kann.
• Schnelle Entwicklung: Entwickler können sich auf das Schreiben von Code konzentrieren, ohne sich um die Infrastruktur kümmern zu müssen.
• Automatische Skalierung: Anwendungen können automatisch auf steigende oder fallende Nutzerzahlen reagieren, ohne dass manuelle Eingriffe erforderlich sind.

Nachteile

• Cold Start-Problematik: Die Verzögerung bei der ersten Ausführung kann die Benutzererfahrung beeinträchtigen.
• Begrenzte Kontrolle: Weniger Kontrolle über die zugrunde liegende Infrastruktur kann in bestimmten Szenarien nachteilig sein.
• Abhängigkeit vom Anbieter: Ein Wechsel des Cloud-Anbieters kann komplex und zeitaufwendig sein.

Praxisbeispiele

• Webanwendungen: Serverless-Architekturen eignen sich hervorragend für die Entwicklung von Webanwendungen, die sporadisch Traffic haben, wie Blogs oder Portfolio-Seiten.
• Datenverarbeitung: Batch-Verarbeitung von Daten oder das Reagieren auf Ereignisse in Echtzeit, z.B. das Verarbeiten von Bild-Uploads in einer Bildbearbeitungs-App.
• Chatbots: Einsatz von Serverless-Funktionen zur Verarbeitung von Benutzeranfragen in Chatbots, um Kosten zu minimieren und die Skalierbarkeit zu maximieren.

Code-Beispiel

Hier ist ein einfaches Beispiel für eine Serverless-Funktion in AWS Lambda, die eine Begrüßung zurückgibt:

import json

def lambda_handler(event, context):
    name = event.get('name', 'Welt')
    return {
        'statusCode': 200,
        'body': json.dumps(f'Hallo, {name}!')
    }

In diesem Beispiel wird eine Funktion definiert, die auf ein Ereignis reagiert und eine JSON-Antwort zurückgibt. Diese Funktion kann in der Cloud ausgeführt werden, ohne dass der Entwickler sich um die Serverinfrastruktur kümmern muss.