小迈于2015年1⽉成⽴，是⼀家致力以数字化领先为优势，实现业务高质量自增长的移动互联⽹科技公司。始终坚持以⽤户价值为中⼼，以数据为驱动，为用户开发丰富的⼯具应⽤、休闲游戏、益智、运动等系列的移动应用。累计开发400余款产品，累计⽤户下载安装量破七亿。而在未来三年内，小迈以成为全球领先开发者增长服务平台为愿景及使命，希望通过标准化的产品和服务赋能，为开发者提供全链路解决⽅案，以技术+服务全⽅位保驾护航，助燃产品持续增长，帮助⼯具和休闲游戏的开发者提升产品的成功率。
在小迈内部，实⾏扁平化的管理风格，每个业务团队都可以独立选择采⽤更适合自己的技术栈和基础架构，因此内部出现了ECS，K8S，SAE(Serverless 应⽤引擎) 三种不同计算平台共存的局⾯，而且都在跑微服务架构，不同的计算平台都有自己独特的优势和价值，而同样也会面临各⾃的挑战，⽬前主要在使⽤SAE平台的主要是游戏团队。
对于大部分休闲类游戏来讲，⾸先游戏本⾝存在自己的⽣命周期，而在生命周期内，游戏本⾝会出现非常⼤的波峰波谷。⽐如，⽩天⽐晚上流量大的多，白天流量⼜集中在⼏个时间点，而晚上8点是业务的最⾼峰，凌晨2点到6点⼏乎没有流量，但是⼜不能停服。另外，在游戏刚上线的时候，每次运营活动又会拉来⼤量的新客户涌⼊，就需要后台服务能够快速响应流量的变化，所以业务⽅就期望能有⼀种⾃动弹性伸缩的计算平台。其次，⼤部分休闲类游戏都是⽆状态的，还可以拆分成不同的服务模块来提升服务性能和质量，如聊天、红包、背包、升级、⽤户数据获取、视频处理、⼴告投放等，因此就可以采⽤微服务架构来部署。最后游戏在上线期间，也会迭代增加很多新的功能模块，需要频繁的发布升级。所以业务方在选型的时候，就会综合考虑：
1. 系统的稳定性和容灾能⼒
2. 平台的⾃动弹性伸缩能⼒
3. 对微服务架构的⽀持
4. 便捷的发布回滚能⼒，甚⾄是不停服升级
这些能力，其实通过ECS或者K8S⾃建也都能实现，但是会给业务团队带来⼤量的运维成本，⽽且很难平衡成本的投入。尤其是在弹性⽅⾯，⾃建弹性效率很难满⾜流量的快速变化，往往还是需要冗余⼤量的资源。而SAE 可以⾮常好的满⾜以上 4 个需求。其实⼩迈的游戏团队早在 SAE 公测期间，就开始关注试⽤ SAE 了。截止到⽬前，在 SAE 上累计已经部署了 50 多个服务和应⽤，涉及十几款游戏，⽐如爱上猜成语、成语最强答⼈、我找茬贼快、答多多、欢乐找找茬、多多短视频等，感兴趣的话可以下载 APP 试玩下。
, sort=3, simpleDescription=对于大部分休闲类游戏来讲，⾸先游戏本⾝存在自己的⽣命周期，而在生命周期内，游戏本⾝会出现非常⼤的波峰波谷。⽐如，⽩天⽐晚上流量大的多，白天流量⼜集中在⼏个时间点，而晚上8点是业务的最⾼峰，凌晨2点到6点⼏乎没有流量，但是⼜不能停服。另外，在游戏刚上线的时候，每次运营活动又会拉来⼤量的新客户涌⼊，就需要后台服务能够快速响应流量的变化，所以业务⽅就期望能有⼀种⾃动弹性伸缩的计算平台。其次，⼤部分休闲类游戏都是⽆状态的，还可以拆分成不同的服务模块来提升服务性能和质量，如聊天、红包、背包、升级、⽤户数据获取、视频处理、⼴告投放等，因此就可以采⽤微服务架构来部署。最后游戏在上线期间，也会迭代增加很多新的功能模块，需要频繁的发布升级。所以业务方在选型的时候，就会综合考虑：1.系统的稳定性和容灾能⼒2.平台的⾃动弹性伸缩能⼒3.对微服务架构的⽀持4.便捷的发布回滚能⼒，甚⾄是不停服升级这些能力，其实通过ECS或者K8S⾃建也都能实现，但是会给业务团队带来⼤量的运维成本，⽽且很难平衡成本的投入。尤其是在弹性⽅⾯，⾃建弹性效率很难满⾜流量的快速变化，往往还是需要冗余⼤量的资源。而SAE 可以⾮常好的满⾜以上 4 个需求。其实⼩迈的游戏团队早在 SAE 公测期间，就开始关注试⽤ SAE 了。截止到⽬前，在 SAE 上累计已经部署了 50 多个服务和应⽤，涉及十几款游戏，⽐如爱上猜成语、成语最强答⼈、我找茬贼快、答多多、欢乐找找茬、多多短视频等，感兴趣的话可以下载 APP 试玩下。), BpClientCaseExtension(id=4300, title=SAE落地实践, description=Serverless 应⽤引擎 SAE 定位是容器之上的⼀站式应⽤托管平台，核心价值是给⽤户提供全应⽤⽣命周期管理、微服务治理、弹性免运维的K8S运⾏环境。本质上，⽤户的代码最终还是运⾏在容器里，只是这个容器不⽤去维护管理。因此对于存量的游戏服务来讲，可以零改造直接迁移部署到 SAE 上，参考阿⾥云最佳实践《微服务应⽤的Serverless(SAE)部署》，⼩迈快速完成了接⼊SAE的过程。⽽且 SAE 针对 JAVA 应⽤，还提供了 JAR 包直接部署的模式，省去了小迈打镜像的步骤，和原有使⽤ ECS 的模式⾮常接近，但是使⽤体验上会更加简单，⼤概的对⽐如下：
SAE比较核心的能力就是高可用和自动弹性，对于小迈的游戏团队，在部署 JAR 包的时候可以勾选多可⽤区，就能达到跨可⽤区的容灾。SAE 底层其实是会提供多个分布在不同可⽤区的 K8S 集群，承载业务的容器实例可以在多可⽤区⾃动调度。对于弹性的配置同样也非常简单，可以基于CPU、内存、QPS、RT等指标来进行设置，对于小迈的线上游戏，主要还是通过CPU和内存的使⽤率来触发扩缩，同时还能指定最⼤实例数和最小实例数，非常的便捷。而且目前定时弹性和监控指标弹性还可以混用，那么对于有运营活动时，就可以通过两种弹性方式共同使⽤的方式，来确保资源的弹性。但是这⾥需要注意的是监控指标的阈值，需要根据业务的实际情况来配置，建议上线前，通过压测来明确。
另外通过应用监控，也能非常方便的查看到服务接口的调⽤情况，这些能力都已经默认集成到了 SAE 的平台上，对业务排障很有帮助。
最后在小迈的游戏团队，主要采⽤的是 Spring Cloud 和 Dubbo 技术栈，因此对微服务治理能力的⽀持，也是非常必要的。⽬前 SAE 的控制台上，可以直接配置微服务的健康检查、优雅下线脚本、配置管理、微服务的灰度发布、⼀键回滚等。但是在实际使⽤的过程，也踩过⼀些坑，⽐如在做服务发布的时候，健康检查有时候会超时导致实例不停重启，因为有时候服务会加载⼤量的数据和类库，启动⽐较耗时。加⼤健康检查的超时时间可以降低出现概率，但是发布时间就会拉长。⽽且在服务刚启动的时候，初始响应⽐较慢，其实是服务还没有完全ready，这⾥就⽐较依赖 SAE 提供微服务优雅上线的能⼒，可以确保服务的正常上线。另外对于分批发部，为了避免负载的流量突然打到新实例，这⾥⽐较推荐使⽤微服务流量百分⽐灰度能力。经过⼀段时间的实践，最后落地的业务架构⼤致如下：