OpenFunction[1] 是一个现代化的云原生 FaaS（函数即服务）框架，它引入了很多非常优秀的开源技术栈，包括 Knative、Tekton、Shipwright、Dapr、KEDA 等，这些技术栈为打造新一代开源函数计算平台提供了无限可能：
- Shipwright 可以在函数构建的过程中让用户自由选择和切换镜像构建的工具，并对其进行抽象，提供了统一的 API；
- Knative 提供了优秀的同步函数运行时，具有强大的自动伸缩能力；
- KEDA 可以基于更多类型的指标来自动伸缩，更加灵活；
- Dapr 可以将不同应用的通用能力进行抽象，减轻开发分布式应用的工作量。
OpenFunction 最新发布了0.6版本，而且2022 年 4 月 27 日，OpenFunction[1] 顺利通过了云原生计算基金会 CNCF 技术监督委员会（TOC）的投票，正式进入 CNCF 沙箱（Sandbox）托管。OpenFunction 也将真正变成一个由 100% 社区驱动的开源项目。最近我也加入了OpenFunction项目开始规划dotnet的支持开发，dotnet 框架支持的仓库[2]，目前完成0.1版本的开发。
经过我这2周时间的摸索，本文将会带领大家快速部署和上手 OpenFunction，并通过一个 demo{hello-world-dotnet} 来体验同步函数是如何运作的，以便对函数计算有一个感性的认知。
OpenFunction CLI 介绍
OpenFunction 从 0.5 版本开始使用全新的命令行工具 ofn[3] 来安装各个依赖组件，它的功能更加全面，支持一键部署、一键卸载以及 Demo 演示的功能。用户可以通过设置相应的参数自定义地选择安装各个组件，同时可以选择特定的版本，使安装更为灵活，安装进程也提供了实时展示，使得界面更为美观。它支持的组件和其依赖的 Kubernetes 版本如下：
ofn 的安装参数 ofn install 解决了 OpenFunction 和 Kubernetes 的兼容问题，会自动根据 Kubernetes 版本选择兼容组件进行安装，同时提供多种参数以供用户选择。
使用 OpenFunction CLI 部署 OpenFunction
有了命令行工具 ofn 之后，OpenFunction 部署起来非常简单。首先需要安装 ofn，以 amd64 版本的 Linux 为例，仅需两步即可：
1、下载 ofn，最新的ofn 是0.5.3
$ wget -c https://github.com/OpenFunction/cli/releases/download/v0.5.3/ofn_linux_amd64.tar.gz -O - | tar –xz
2、为 ofn 赋予权限并移动到 /usr/local/bin/ 文件夹下。
$ chmod +x ofn && mv ofn /usr/local/bin/
安装好 ofn 之后，仅需一步即可完成 OpenFunction 的安装。虽然使用 --all 选项可以安装所有组件，也可以选择安装指定需要安装的组件，我们的集群里面已经安装了Dapr的情况下，我们就不想额外安装一遍Dapr ，不过如果集群里面已经安装了Dapr的情况下他也不会给重新安装的，具体可以看下图。
安装成功了，之后我们就可以开始运行同步函数了，OpenFunction 还支持异步函数，这部分今天就不演示了，留作后续在dotnet框架里面实现了异步函数的时候再来。
同步函数 demo 示例
OpenFunction 官方仓库提供了多种语言的同步函数示例[4]：
这里我们选择 dotnet 的函数示例，先来看一下最核心的部署清单：
apiVersion: core.openfunction.io/v1beta1
kind: Function
metadata:
name: dotnet-sample
namespace: default
spec:
version: "v1.0.0"
image: "geffzhang/sample-dotnet-func:v1"
imageCredentials:
name: push-secret
port: 8080 # default to 8080
build:
builder: "openfunction/gcp-builder:v1"
env:
GOOGLE_FUNCTION_TARGET: "helloworld"
GOOGLE_FUNCTION_SIGNATURE_TYPE: "http"
srcRepo:
url: "https://github.com/openfunction/samples.git"
sourceSubPath: "functions/knative/hello-world-dotnet"
revision: "release-0.6"
serving:
runtime: "knative" # default to knative
template:
containers:
- name: function
imagePullPolicy: IfNotPresent
Function 是由 CRD 定义的一个 CR，用来将函数转换为最终运行的应用。这个例子里面包含了两个组件：
- build : 通过 Shipwright 选择不同的镜像构建工具，最终将应用构建为容器镜像；
- Serving : 通过 Serving CRD 将应用部署到不同的运行时中，可以选择同步运行时或异步运行时。这里选择的是同步运行时 knative。
运行这个示例之前，需要在运行函数的命名空间下创建Secret ，生成一个Secret 来访问您的容器注册表，例如Docker Hub[5] 或Quay.io[6] 上的一个。这一点非常重要，不然就在Build 阶段就失败了。
REGISTRY_SERVER您可以通过编辑以下命令中的REGISTRY_USER和字段来创建此密钥REGISTRY_PASSWORD，然后运行它。
REGISTRY_SERVER=https://index.docker.io/v1/ REGISTRY_USER= < your_registry_user > REGISTRY_PASSWORD= < your_registry_password >
kubectl create secret –n default docker-registry push-secret \
--docker-server= $REGISTRY_SERVER \
--docker-username= $REGISTRY_USER \
--docker-password= $REGISTRY_PASSWORD
然后将上面的部署清单保存为function-dotnet-sample.yaml ，修改spec.image 字段为您自己的容器注册表地址，使用以下命令创建此函数：
kubectl apply –f function-dotnet-sample.yaml
在Build 阶段，builder会启动一个 Pod 来构建镜像，这个 Pod 中包含了 4 个容器：
- step-source-default : 拉取源代码；
- step-prepare : 设置环境变量；
- step-create : 构建镜像；
- step-results : 输出镜像的 digest。
您可以使用以下命令观察函数的过程。
kubectl get functions -n default
NAME BUILDSTATE SERVINGSTATE BUILDER SERVING URL AGE
dotnet-sample Succeeded Running builder-hf74t serving-wh6hs http://openfunction.io/default/dotnet-sample 54m
URL是OpenFunction Domain提供的可以访问的地址。要通过此 URL 地址访问该功能，您需要确保 DNS 可以解析此地址。使用以下命令在集群中创建一个 pod，并从该 pod 访问该功能
kubectl run curl --image=radial/busyboxplus:curl -i –tty
[ root@curl:/ ]$ curl http://openfunction.io.svc.cluster.local/default/dotnet-sample/
还可以通过 Knative Services 提供的访问地址触发该功能
kubectl get ksvc
geffzhang@edgevm1:~/openfunctionsamples/functions/knative/hello-world-dotnet$ sudo kubectl get ksvc
NAME URL LATESTCREATED LATESTREADY READY REASON
serving-wh6hs-ksvc-m7fc9 http://serving-wh6hs-ksvc-m7fc9.default.20.239.115.228.sslip.io serving-wh6hs-ksvc-m7fc9-v100 serving-wh6hs-ksvc-m7fc9-v100 True
这个地址是可以直接访问的
访问这个函数时会自动触发运行一个 Pod：
这个 Pod 使用的镜像就是之前 build 阶段构建的镜像。事实上这个 Pod 是由 Deployment 控制的，在没有流量时，这个 Deployment 的副本数是 0。当有新的流量进入时，会先进入 Knative 的 Activator，Activator 接收到流量后会通知 Autoscaler（自动伸缩控制器），然后 Autoscaler 将 Deployment 的副本数扩展到 1，最后 Activator 会将流量转发到实际的 Pod 中，从而实现服务调用。这个过程也叫冷启动。
如果你不再访问这个入口，过一段时间之后，Deployment 的副本数就会被收缩为 0：
通过上面的示例，相信大家应该能够体会到一些函数计算的优势，我们只需要专注于业务开发，编写函数代码，并上传到代码仓库，其他的东西不需要关心，就连Dockerfile都不需要编写，不需要了解基础设施，甚至不需要知道容器和 Kubernetes 的存在。函数计算平台会自动为您分配好计算资源，并弹性地运行任务，只有当您需要访问的时候，才会通过扩容来运行任务，其他时间并不会消耗计算资源，可以充分利用dotnet在云原生时代的优势，使用dotnet写函数是很高效的，大家可以体验一下我上面的示例http://serving-wh6hs-ksvc-m7fc9.default.20.239.115.228.sslip.io 。OpenFunction基于Dapr 所提供的各种分布式能力，让我们轻松的实现无服务微服务架构，获得像Azure 容器应用[7] 一样的能力。
相关链接
[1] openFunction: https://github.com/OpenFunction/OpenFunction
[2] functions-framework-dotnet: https://github.com/OpenFunction/functions-framework-dotnet
[3] ofn: https://github.com/OpenFunction/cli
[4] OpenFunction 官方仓库提供了多种语言的同步函数示例: https://github.com/OpenFunction/samples/tree/main/functions/knative
[5] Docker Hub: https://hub.docker.com/
[6] Quay.io: https://quay.io/
[7] Azure 容器应用: https://www.cnblogs.com/shanyou/p/15509042.html
