试想，如果每个人都开一家零售店，每家店有两个爆款SKU，可能所有店员在补货时靠经验就可以了。但是当SKU变成200个甚至上千个时，恐怕店员就会手忙脚乱了，而且还要考虑物流、天气、用户习惯等各种各样的外部因素，很容易就会因为高库存造成经济损失。那么如果有一款工具可以将无用的信息“过滤”掉，并且让客户省钱，是不是很好？这就是数据分析+无服务器架构要解决的问题。
顾名思义，“无服务器架构”本意就是想帮助技术人员摆脱运行后端工作负载的服务器，这里所说的并不是真正的没有服务器，而是由第三方来接管基础架构的运维。比如AWS的Lambda，开发者可以将功能代码上传到云平台，由后者执行资源配置、虚拟机实例等流程，之后开发人员快速测试发布上线即可。
对于零售企业来说，从货架上的一袋薯条，到整个生鲜品类，再到后端的供应链管理，数据决策都会穿插其中，如果其中某一个链条出现差错，整个订货流程就会变得效率低下。当店铺内的非标品大量出现时，这种状况会更为显著。如果这些企业自己来组建数据科学团队去研究算法，再加上相关的专业人才薪资，每年的支出会达到数百万元，而零售业务的毛利率并不高，零售企业自己做显然是不划算的。
考虑到零售商品的颗粒度比较小，如果每个门店有2000个SKU，背后要围绕每个商品构建很多算法模型，要是用传统方式计算的成本会非常高。当把无服务器架构引入之后，整体成本会下降和运算速度都会比较快，其并发量可以一次解决数千个SKU，在10秒内就能预测出未来15天的状况。
对这些零售非标品数据进行分析时，以往深度学习的计算量通常会很长，不可能在几十秒内就搞定一个模型，像图像识别的训练有时候要几个小时。而要关注点放在数据量较少的单个SKU，正好放在容器中可以利用无服务器架构的方式去对内存使用时间秒级计费。
在很大程度上，其实这也得益于AWS Lambda在2017年11月顺利登陆了中国市场，用户只需上传代码，Lambda就可以自动运行代码，无需配置或管理服务器，代码将并行运行并逐个处理触发程序，按照工作负载的大小精密扩展。使用过程中，Lambda会按代码执行时间（以每100毫秒为单位）和代码触发次数收费，代码未运行则无需支付费用。
过去，要想在五分钟内对1万个门店的1万个商品进行预测，动用集群计算的成本会非常高，而Lambda每使用5GB内存的启动价格大约是1美分/次，其背后把成本的压力给到了亚马逊，数据分析厂商则可以把算法集成到容器里，让整个预测过程在200-300秒内就能完成。
简而言之，无服务器架构是把一个函数抽象成一个小容器，可以让使用者随意调用，只需要按照使用内存来收费。如果再比喻一下，就像是将一大段代码变成了一个个小函数，每个函数都可以单独调用，这样集合起来也可以做大规模计算，收费时按照每个函数的使用量去计即可，其核心在于如何把一个大的工作负载拆成一个个小部分，再通过无服务并行计算收集到完整的结果。
近几年，无服务器架构的应用速度发展很快，尤其是在海外市场已经找到了不少合适的场景。数据显示，未来3-5年内将有50%-60%的工作负载使用无服务器架构，事实上，TOP3的云服务商已经在无服务器处理任务方面有了一倍的增长。当然在计费方面，并不是每家云服务商都能做到按秒付费，这也是需要一些国内厂商去解决的问题。
当然，考虑到AWS在中国市场的可用区仍然存在一定的局限性，我们还是希望像阿里云、腾讯云这样的厂商可以聚焦细分领域，将技术与实际业务结合起来，挖掘无服务器架构更多的使用场景。
本文属于原创文章，如若转载，请注明来源：当Serverless遇到新零售//cloud.zol.com.cn/707/7073397.html
