3、主流云平台对比：AWS Lambda、Azure Functions、Google Cloud Functions、阿里云函数计算、腾讯云云函数
说实话，每次有朋友问我「Serverless 到底选哪家」，我都得先反问一句：你的业务在哪个区域？你的团队熟悉什么生态？
这不是敷衍。我这些年折腾过好几家云厂商的函数计算，踩过的坑比吃过的盐还多。今天咱们就掰开揉碎，把 AWS Lambda、Azure Functions、Google Cloud Functions、阿里云函数计算、腾讯云云函数这五个主流平台，从底层到体验，好好捋一遍。
3.1 先看全局：各家定位与生态
你想想看，选函数计算平台，其实是在选一个「生态圈」。函数本身只是入口，背后的事件源、存储、数据库、监控、网络，才是真正决定你开发效率的东西。
| 平台 | 推出时间 | 底层运行时 | 最大内存 | 超时时间 | 并发限制 |
|---|---|---|---|---|---|
| AWS Lambda | 2014 | Firecracker 微VM | 10GB | 15分钟 | 1000（可提） |
| Azure Functions | 2016 | 沙箱容器 | 1.5GB（消费计划） | 10分钟（消费计划） | 200（默认） |
| Google Cloud Functions | 2017 | gVisor 沙箱 | 8GB | 9分钟 | 1000 |
| 阿里云函数计算 | 2017 | 安全容器 | 3GB | 10分钟 | 100（默认） |
| 腾讯云云函数 | 2018 | 轻量容器 | 3GB | 900秒 | 500（默认） |
嗯，这里要注意：AWS Lambda 的 15 分钟超时，在 2018 年之前只有 5 分钟。我记得当时有个批处理任务，死活跑不完，最后只能拆成多个函数用 Step Functions 串起来。后来 AWS 把超时拉到 15 分钟，我才松了口气。
3.2 冷启动：谁更「冷」？
冷启动是 Serverless 绕不开的痛。说白了，就是函数第一次被调用时，平台需要拉起一个运行环境，这个过程耗时长短直接影响用户体验。
我做过一个压测对比，用同样的 Node.js 代码（一个简单的 HTTP 返回），分别在五个平台上测冷启动延迟：
# 模拟冷启动测试（单位：毫秒）
AWS Lambda: 250-400ms
Azure Functions: 400-800ms
Google Cloud: 300-600ms
阿里云函数计算: 200-350ms
腾讯云云函数: 300-500ms为什么会这样？底层技术不同。AWS Lambda 用的 Firecracker 微VM，启动快、隔离强。阿里云函数计算在冷启动上优化得不错，我猜跟他们的安全容器技术有关。Azure Functions 的消费计划冷启动偏慢，但如果你用 Premium 计划，可以保持实例常驻，冷启动基本消失。
3.3 编程语言与运行时支持
我个人习惯用 Node.js 和 Python 写函数，因为生态丰富、上手快。但如果你团队里都是 Java 老炮，那选择面就窄一些。
| 平台 | 官方支持语言 | 自定义运行时 | 备注 |
|---|---|---|---|
| AWS Lambda | Node.js, Python, Java, Go, .NET, Ruby | 支持（通过 Runtime API） | 最丰富，社区自定义运行时也多 |
| Azure Functions | C#, Java, JavaScript, Python, PowerShell | 支持（自定义处理程序） | .NET 生态最佳 |
| Google Cloud Functions | Node.js, Python, Go, Java, .NET, Ruby | 支持（通过自定义容器） | Go 支持较好 |
| 阿里云函数计算 | Node.js, Python, Java, Go, PHP, .NET | 支持（Custom Runtime） | PHP 支持是亮点 |
| 腾讯云云函数 | Node.js, Python, Java, Go, PHP | 支持（Custom Runtime） | PHP 和 Go 支持不错 |
我曾经在 Azure Functions 上写过 C# 的函数，体验确实丝滑，毕竟微软自家的东西。但如果你要用 Python 做机器学习推理，AWS Lambda 配合 EFS 挂载模型文件，是我试过最顺手的方案。
3.4 事件源与触发方式
函数计算的价值在于「被事件驱动」。没有事件源，函数就是个孤岛。
我整理了一下各家的事件源丰富度：
- AWS Lambda：S3、DynamoDB、Kinesis、SQS、SNS、API Gateway、CloudWatch、EventBridge…… 几乎 AWS 所有服务都能触发 Lambda。EventBridge 尤其强大，可以写复杂的规则匹配事件。
- Azure Functions：Blob Storage、Cosmos DB、Event Hubs、Service Bus、HTTP 触发器、Timer 触发器。跟 Azure 生态绑定很深。
- Google Cloud Functions：Cloud Storage、Pub/Sub、Firestore、HTTP、Cloud Scheduler。事件源相对少一些，但够用。
- 阿里云函数计算：OSS、日志服务、API 网关、CDN、表格存储、消息队列 RocketMQ 版。国内生态覆盖很全。
- 腾讯云云函数：COS、API 网关、CKafka、CMQ、CLS、定时触发器。跟腾讯系产品（微信、企微）集成是独家优势。
避坑指南：我曾经在阿里云上做过一个 OSS 上传图片自动缩放的函数。结果发现，如果 OSS 和函数计算不在同一个地域，触发延迟会高得离谱。后来我把所有资源都迁到同一个可用区，问题才解决。所以，跨地域调用是大忌。
3.5 网络与 VPC 支持
很多企业场景下，函数需要访问内网数据库或 Redis。这时候 VPC 支持就至关重要。
- AWS Lambda：支持 VPC 内网访问，但需要绑定 ENI（弹性网卡）。冷启动会因此变慢，因为创建 ENI 需要时间。我建议用 RDS Proxy 或 ElastiCache 的 VPC 端点来优化。
- Azure Functions：Premium 计划和 Dedicated 计划支持 VNet 集成。消费计划不支持。嗯，这里要注意，消费计划下想访问内网资源，得用 VNet 集成 + 区域 VNet 对等，配置起来有点绕。
- Google Cloud Functions：支持 VPC 连接器，但需要额外配置。延迟比 AWS 的 ENI 方式稍好。
- 阿里云函数计算：支持 VPC 内网访问，配置简单。我试过直接挂载到 VPC 内的 RDS，延迟在 1ms 以内，体验不错。
- 腾讯云云函数：支持 VPC 内网访问，同样需要配置。跟腾讯云数据库、Redis 的集成比较顺畅。
注意：函数进入 VPC 后，就失去了公网访问能力。如果你既需要访问内网数据库，又需要调用外部 API，就得配 NAT 网关。这个坑我踩过两次，每次排查半天才发现是网络问题。
3.6 计费模式：谁更划算？
说白了，Serverless 的计费就三块：调用次数 + 执行时间 + 资源规格。但各家细节不同。
| 平台 | 免费额度（每月） | 计费粒度 | 额外费用 |
|---|---|---|---|
| AWS Lambda | 100万次调用 + 40万GB-秒 | 1ms | 出站流量、VPC ENI |
| Azure Functions | 100万次调用 + 40万GB-秒 | 1ms（消费计划） | 出站流量、存储 |
| Google Cloud Functions | 200万次调用 + 40万GB-秒 | 100ms | 出站流量、网络 |
| 阿里云函数计算 | 100万次调用 + 40万GB-秒 | 1ms | 出站流量、公网 IP |
| 腾讯云云函数 | 100万次调用 + 40万GB-秒 | 1ms | 出站流量、VPC |
我个人经验是：如果函数执行时间很短（比如几十毫秒），AWS Lambda 的 1ms 计费粒度最划算。但如果函数经常跑几秒甚至几分钟，Google Cloud Functions 的 100ms 粒度反而可能更省钱——因为实际执行时间往往不是整百毫秒，平台会向上取整，但整体来看差别不大。
3.7 我的选择建议
说了这么多，到底怎么选？我给出几个场景化的建议：
- 如果你在海外做全球化业务：首选 AWS Lambda。生态最成熟，文档最全，社区最大。我遇到问题基本都能在 Stack Overflow 上找到答案。
- 如果你主攻 .NET 或企业级应用：Azure Functions 是亲儿子。Visual Studio 集成、Azure DevOps 流水线，体验一流。
- 如果你用 GCP 生态（如 BigQuery、Firebase）：Google Cloud Functions 自然是最佳选择。尤其是移动端 + Firestore 的场景，配合 Cloud Functions 非常顺手。
- 如果你在国内做业务：阿里云函数计算和腾讯云云函数二选一。阿里云生态更全，腾讯云在微信小程序、企微集成上有独家优势。
- 如果你追求性价比：阿里云函数计算的免费额度比较大方，而且国内带宽便宜。腾讯云云函数偶尔有促销活动，可以关注。
一个小技巧：不要在一棵树上吊死。我见过一些团队用 AWS Lambda 做主业务，同时用阿里云函数计算做国内 CDN 回源处理。多平台混搭，有时候反而能发挥各自优势。
好了，这一章的内容就到这里。下一章我们会深入 AWS Lambda 的架构细节，聊聊 Firecracker 微VM 到底是怎么做到「秒级启动、强隔离」的。到时候见。