« Avec le Serverless, le développeur active du code sans se soucier de l’infrastructure »

Temps de lecture : 2 minutes

Julien Corioland
Julien Corioland

Software Developer Engineer chez Microsoft

Le Serverless est parfois présenté comme l’avenir du cloud. À raison ? Disons plutôt que c’est une autre manière de consommer et facturer les ressources du cloud. Et, quitte à parler d’évolution, je considère davantage le Serverless comme une évolution du PaaS (Plateform-as-a-Service). Une manière de pousser plus loin l’abstraction de l’infrastructure.

Livre Blanc

Transformation numérique : la défense et le renseignement

Les opérations militaires et de renseignement adoptent facilement la transformation numérique pour améliorer leur préparation, moderniser leur environnement de travail et renforcer la collaboration.

Télécharger le livre blanc

Comment peut-on caractériser le serverless ?

A minima, avec 4 traits distinctifs :

  1.  Avec le Serverless, les infrastructures « disparaissent ». Fondamentalement, on active du code sans avoir à se soucier de l’infrastructure et de son dimensionnement.
  2.  Autre point distinctif : le provisionning. Avec le Serverless, il est dynamique. L’utilisateur n’a donc pas à évaluer son besoin et à dimensionner les ressources requises. C’est la plateforme qui active selon l’usage ce qui s’avère nécessaire.
  3.  Le troisième point représente sans doute le principal intérêt du Serverless : la facturation s’effectue au temps d’exécution. Concrètement, si une application est utilisée 30 minutes par jour, la facturation correspond aux ressources exploitées durant ces 30 minutes.
  4. Dernier point, le Serveless est généralement « event driven ». En clair, la fonction est activée en fonction d’un événement déclencheur (webhooks, message dans une file d’attente ou un bus…).

Dans Azure, comment est mis en œuvre le Serverless ?

Azure Functions est l’une des briques d’Azure à être totalement Serverless. Avec elle, le développeur fournit le code d’une fonction qui, une fois un événement survenu, s’exécute sans avoir donc à se soucier de l’infrastructure. On peut aussi évoquer Azure Containers Instance (ACI) qui opère dans le même esprit mais sur la base d’une image de conteneur.

Enfin, Azure Logic Apps ou encore Azure ML peuvent aussi être considérés comme des plateformes Serverless puisque leur mode de facturation s’inscrit totalement dans cet esprit. Concrètement, l’utilisateur ne provisionne pas lui-même une infrastructure dédiée à leur exécution

À quels usages se destine finalement cette approche ?

Le serverless est bien adapté à du code qui s’exécute en réaction à un événement qui survient de manière peu fréquente. Y recourir pour des applications plus « permanentes » ne permettra pas de s’y retrouver. L’intérêt du Serverless est ailleurs, dans sa capacité à exécuter du code activé par intermittence avec un coût très maîtrisé et en faisant abstraction totale de l’infrastructure.

Création d’une ville hyperconnectée

Quelle sont les bonnes pratiques et les défis liés de la création d’une ville hyperconnectée ? Cet Ebook interactif et collaboratif vous dévoile son analyse sur les villes hyperconnectées. 

Télécharger

 

A la une

Une équipe en entreprise qui discutent.

Azure OpenAI Service : l’IA générative en pratique

Au-delà de l’effet d’annonce, l’IA générative a bel et bien fait son entrée dans le monde de l’entreprise et est là pour rester… Immersion dans les divers cas d’usage concret développés, qui génèrent de valeur ajoutée et promesses d’efficacité.  Le partenariat scellé entre Microsoft et OpenAI fait naître de nombreuses innovations entre les deux firmes, mais […]

Lire l'article
La photographie présente la technologie Inner Eye de Microsoft utilisée pour aider les médecins à visualiser de manière plus précise des affections telles que le cancer, afin d'améliorer les traitements.

Réseau de neurones : tout ce qu’il faut savoir

Inspirés du fonctionnement du cerveau humain, les réseaux de neurones ont joué un rôle primordial dans l’essor de l’intelligence artificielle et du machine learning. Grâce à leur structure complexe et leur capacité à apprendre à partir de données, ils permettent aux machines de prendre des décisions de manière autonome, offrant ainsi un large éventail d’application prometteuses.  Explorons ensemble […]

Lire l'article