我們平時在開發部署 Node.js 應用的過程中，對于應用進程啟動的耗時很少有人會關注，大多數的應用 5 分鐘左右就可以啟動完成，這個過程中會涉及到和集團很多系統的交互，這個耗時看起來也沒有什么問題。
目前，集團 Serverless 大潮已至，Node.js serverless-runtime 作為前端新研發模式的基石，也發展的如火如荼。Serverless 的優勢在于彈性、高效、經濟，如果我們的 Node.js FaaS 還像應用一樣，一次部署耗時在分鐘級，無法快速、有效地響應請求，甚至在脈沖請求時引發資源雪崩，那么一切的優勢都將變成災難。
所有提供 Node.js FaaS 能力的平臺，都在絞盡腦汁的把冷/熱啟動的時間縮短，這里面除了在流程、資源分配等底層基建的優化外，作為其中提供服務的關鍵一環 —— Node.js 函數，本身也應該參與到這場時間攻堅戰中。
Faas平臺從接到請求到啟動業務容器并能夠響應請求的這個時間必須足夠短，當前的總目標是 500ms，那么分解到函數運行時的目標是 100ms。這 100ms 包括了 Node.js 運行時、函數運行時、函數框架啟動到能夠響應請求的時間。巧的是，人類反應速度的極限目前科學界公認為 100ms。
Node.js 有多快
在我們印象中 Node.js 是比較快的，敲一段代碼，馬上就可以執行出結果。那么到底有多快呢？
以最簡單的 console.log 為例（例一），代碼如下：
// console.js console.log(process.uptime() * 1000);
在 Node.js 最新 LTS 版本 v10.16.0 上，在我們個人工作電腦上：
node console.js // 平均時間為 86ms time node console.js // node console.js 0.08s user 0.03s system 92% cpu 0.114 total
看起來，在 100ms 的目標下，留給后面代碼加載的時間不多了。。。
在來看看目前函數平臺提供的容器里的執行情況：
node console.js // 平均時間在 170ms time node console.js // real 0m0.177s // user 0m0.051s // sys 0m0.009s
Emmm… 情況看起來更糟了。
我們在引入一個模塊看看，以 serverless-runtime 為例（例二）：
// require.js
console.time('load');
require('serverless-runtime');
console.timeEnd('load');
本地環境：
node reuqire.js // 平均耗時 329ms
服務器環境：
node require.js // 平均耗時 1433ms
我枯了。。。
這樣看來，從 Node.js 本身加載完，然后加載一個函數運行時，就要耗時 1700ms。
看來 Node.js 本身并沒有那么快，我們 100ms 的目標看起來很困難啊！
為什么這么慢
為什么會運行的這么慢？而且兩個環境差異這么大？我們需要對整個運行過程進行分析，找到耗時比較高的點，這里我們使用 Node.js 本身自帶的 profile 工具。
node --prof require.js node --prof-process isolate-xxx-v8.log > result [Summary]: ticks total nonlib name 60 13.7% 13.8% JAVAScript 371 84.7% 85.5% C++ 10 2.3% 2.3% GC 4 0.9% Shared libraries 3 0.7% Unaccounted [C++]: ticks total nonlib name 198 45.2% 45.6% node::contextify::ContextifyScript::New(v8::FunctionCallbackInfo<v8::Value> const&) 13 3.0% 3.0% node::fs::InternalModuleStat(v8::FunctionCallbackInfo<v8::Value> const&) 8 1.8% 1.8% void node::Buffer::(anonymous namespace)::StringSlice<(node::encoding)1>(v8::FunctionCallbackInfo<v8::V alue> const&) 5 1.1% 1.2% node::GetBinding(v8::FunctionCallbackInfo<v8::Value> const&) 4 0.9% 0.9% __memmove_ssse3_back 4 0.9% 0.9% __GI_mprotect 3 0.7% 0.7% v8::internal::StringTable::LookupStringIfExists_NoAllocate(v8::internal::String*) 3 0.7% 0.7% v8::internal::Scavenger::ScavengeObject(v8::internal::HeapObjectReference**, v8::internal::HeapObject*) 3 0.7% 0.7% node::fs::Open(v8::FunctionCallbackInfo<v8::Value> const&)
對運行時啟動做同樣的操作
[Summary]: ticks total nonlib name 236 11.7% 12.0% JavaScript 1701 84.5% 86.6% C++ 35 1.7% 1.8% GC 47 2.3% Shared libraries 28 1.4% Unaccounted [C++]: ticks total nonlib name 453 22.5% 23.1% t node::fs::Open(v8::FunctionCallbackInfo<v8::Value> const&) 319 15.9% 16.2% T node::contextify::ContextifyContext::CompileFunction(v8::FunctionCallbackInfo<v8::Value> const&) 93 4.6% 4.7% t node::fs::InternalModuleReadJSON(v8::FunctionCallbackInfo<v8::Value> const&) 84 4.2% 4.3% t node::fs::Read(v8::FunctionCallbackInfo<v8::Value> const&) 74 3.7% 3.8% T node::contextify::ContextifyScript::New(v8::FunctionCallbackInfo<v8::Value> const&) 45 2.2% 2.3% t node::fs::InternalModuleStat(v8::FunctionCallbackInfo<v8::Value> const&) ...
可以看到，整個過程主要耗時是在 C++ 層面，相應的操作主要為 Open、ContextifyContext、CompileFunction。這些調用通常是出現在 require 操作中，主要覆蓋的內容是模塊查找，加載文件，編譯內容到 context 等。
看來，require 是我們可以優化的第一個點。
如何更快
從上面得知，主要影響我們啟動速度的是兩個點，文件 I/O 和代碼編譯。我們分別來看如何優化。
? 文件 I/O
整個加載過程中，能夠產生文件 I/O 的有兩個操作：
一、查找模塊
因為 Node.js 的模塊查找其實是一個嗅探文件在指定目錄列表里是否存在的過程，這其中會因為判斷文件存不存在，產生大量的 Open 操作，在模塊依賴比較復雜的場景，這個開銷會比較大。
二、讀取模塊內容
找到模塊后，需要讀取其中的內容，然后進入之后的編譯過程，如果文件內容比較多，這個過程也會比較慢。
那么，如何能夠減少這些操作呢？既然模塊依賴會產生很多 I/O 操作，那把模塊扁平化，像前端代碼一樣，變成一個文件，是否可以加快速度呢？
說干就干，我們找到了社區中一個比較好的工具 ncc，我們把 serverless-runtime 這個模塊打包一次，看看效果。
服務器環境：
ncc build node_modules/serverless-runtime/src/index.ts node require.js // 平均加載時間 934ms
看起來效果不錯，大概提升了 34% 左右的速度。
但是，ncc 就沒有問題嘛？我們寫了如下的函數：
import * as _ from 'lodash';
import * as Sequelize from 'sequelize';
import * as Pandorajs from 'pandora';
console.log('lodash: ', _);
console.log('Sequelize: ', Sequelize);
console.log('Pandorajs: ', Pandorajs);
測試了啟用 ncc 前后的差異：
可以看到，ncc 之后啟動時間反而變大了。這種情況，是因為太多的模塊打包到一個文件中，導致文件體積變大，整體加載時間延長。可見，在使用 ncc 時，我們還需要考慮 tree-shaking 的問題。
? 代碼編譯
我們可以看到，除了文件 I/O 外，另一個耗時的操作就是把 Javascript 代碼編譯成 v8 的字節碼用來執行。我們的很多模塊，是公用的，并不是動態變化的，那么為什么每次都要編譯呢？能不能編譯好了之后，以后直接使用呢？
這個問題，V8 在 2015 年已經替我們想到了，在 Node.js v5.7.0 版本中，這個能力通過 VM.Script 的 cachedData暴露了出來。而且，這些 cache 是跟 V8 版本相關的，所以一次編譯，可以在多次分發。
我們先來看下效果：
//使用 v8-compile-cache 在本地獲得 cache，然后部署到服務器上 node require.js // 平均耗時 868ms
大概有 40% 的速度提升，看起來是一個不錯的工具。
但它也不夠完美，在加載 code cache 后，所有的模塊加載不需要編譯，但是還是會有模塊查找所產生的文件 I/O 操作。
? 黑科技
如果我們把 require 函數做下修改，因為我們在函數加載過程中，所有的模塊都是已知已經 cache 過的，那么我們可以直接通過 cache 文件加載模塊，不用在查找模塊是否存在，就可以通過一次文件 I/O 完成所有的模塊加載，看起來是很理想的。
不過，可能對遠程調試等場景不夠優化，源碼索引上會有問題。這個，之后會做進一步嘗試。
近期計劃
有了上面的一些理論驗證，我們準備在生產環境中將上述優化點，如：ncc、code cache，甚至 require 的黑科技，付諸實踐，探索在加載速度，用戶體驗上的平衡點，以取得速度上的提升。
其次，會 review 整個函數運行時的設計及業務邏輯，減少因為邏輯不合理導致的耗時，合理的業務邏輯，才能保證業務的高效運行。
最后，Node.js 12 版本對內部的模塊默認做了 code cache，對 Node.js 默認進程的啟動速度提升比較明顯，在服務器環境中，可以控制在 120ms 左右，也可以考慮引用嘗試下。
未來思考
其實，V8 本身還提供了像 Snapshot 這樣的能力，來加快本身的加載速度，這個方案在 Node.js 桌面開發中已經有所實踐，比如 NW.js、Electron 等，一方面能夠保護源碼不泄露，一方面還能加快進程啟動速度。Node.js 12.6 的版本，也開啟了 Node.js 進程本身的在 user code 加載前的 Snapshot 能力，但目前看起來啟動速度提升不是很理想，在 10% ~ 15% 左右。我們可以嘗試將函數運行時以 Snapshot 的形式打包到 Node.js 中交付，不過效果我們暫時還沒有定論，現階段先著手于比較容易取得成果的方案，硬骨頭后面在啃。
另外，Java 的函數計算在考慮使用 GraalVM 這樣方案，來加快啟動速度，可以做到 10ms 級，不過會失去一些語言上的特性。這個也是我們后續的一個研究方向，將函數運行時整體編譯成 LLVM IR，最終轉換成 native 代碼運行。不過又是另一塊難啃的骨頭。
作者：杜佳昆（凌恒）
