冷启动

概述 凌晨两点，我被电话叫醒。 某出行项目的用户反馈，凌晨时段打开 App 查看行程历史，页面要白屏 3-5 秒才出内容。排查了一圈，发现这组 API 用了 Serverless 函数计算，白天流量正常，凌晨流量低谷后函数实例被回收，第一个请求触发的冷启动直接让 P99 延迟飙到 4.8 秒。 这不是个例。我在多个项目中见过 Serverless 从 POC 到生产翻车的场景：冷启动让接口超时、月账单比传统服务器贵 3 倍、线上故障找不到日志、安全策略越配越乱最后谁也不敢改。 Serverless 的宣传话术很诱人——按需付费、自动扩缩容、无需运维。但真正在生产环境跑过的人都知道，“免运维"是个伪命题。Serverless 不是删掉了运维，而是把运维的战场从服务器管理转移到了冷启动治理、成本控制、可观测性建设和安全策略管理上。而且这些新战场的复杂度，一点也不比传统运维低。 这篇文章不讲 Serverless 的概念和入门，直接上 5 个生产级踩坑和治理决策。每个坑都来自真实项目，每个决策都有数据支撑。 1. 冷启动治理：从 5 秒到 200ms 的四层优化 1.1 冷启动到底卡在哪 很多人只知道"冷启动慢”，但说不清楚慢在哪。先拆解一次完整的冷启动过程： 阶段 耗时占比 具体动作 可优化空间 资源分配 15-20% 平台分配 CPU/内存、挂载文件系统 平台侧，用户不可控 运行时初始化 20-30% 加载语言 Runtime（Java 最慢，Node.js 最快） 选运行时 代码加载 15-25% 下载部署包、解压、加载依赖 精简包体积 初始化逻辑 30-40% 执行全局代码：连接 DB、初始化 SDK、加载配置 用户可控，优化空间最大 关键发现：初始化逻辑阶段占比最大（30-40%），而且这是用户唯一能深度优化的部分。很多团队的冷启动慢，不是因为平台不行，而是在全局初始化里塞了太多东西——建数据库连接池、初始化 Redis 客户端、加载配置文件、注册服务发现——这些操作在传统服务器上只执行一次，但在 Serverless 里每次冷启动都要重来。...