Workers 与 Lambda 如何按负载选型
文章从 V8 隔离实例与 Firecracker 微虚拟机的架构差异,分析冷启动、资源粒度和运行时支持。作者介绍了跨区域压测方法,但摘录未提供完整性能结果。
AI 深度解读
Cloudflare Workers 和 AWS Lambda 的区别,先发生在代码运行的容器里,随后才表现为冷启动、延迟和账单差异。原文的结论是:全球分布的轻量 HTTP 请求优先考虑 Workers,需要更多内存、多语言运行时和 VPC 资源的任务考虑 Lambda,也可以把两者组合起来。
这个方向值得参考,但原文的证据没有结论那么扎实:几张关键数据表缺失,CPU 限制前后矛盾,部分价格和产品能力也缺少出处。读它最有价值的方式,是理解架构取舍,再把具体数字当成待验证的选型输入。
隔离方式为什么会影响你的接口
Workers 使用 V8 isolates,也就是在同一进程内,为不同租户建立独立的 JavaScript 执行空间。各自拥有堆、执行栈等状态,通过宿主提供的 fetch、KV、Durable Objects、R2 等接口访问外部资源。
这种方式省去了为每个执行环境启动完整操作系统的成本。作者给出的 isolate 初始化量级是约 0.5–5 ms,并声称冷启动 p50 为 0 ms。不过,初始化耗时和用户请求额外等待多久是两回事,不能仅凭这个数字认定任何首次请求都没有启动成本。
Lambda 使用 Firecracker microVM。它提供带独立内核的虚拟化环境,能够承载 Python、Go、Java、Rust、.NET,以及依赖原生扩展的代码。代价是新环境需要经过虚拟机启动、运行时初始化和业务初始化。
资源分配也会改变结果。原文给出 Lambda 内存范围为 128–10,240 MB,约 1,769 MB 对应 1 vCPU。只配置 128 MB 时,函数拿到的 CPU 资源也少,不能把这种配置下的运行速度直接当成平台性能。
Workers 则被作者描述为通常有 128 MB 内存上限,主要运行 JS、TS 或编译成 WASM 的代码。即使 Rust 能编译过去,也不代表文件系统、原生模块、fork/exec 等依赖能跟着迁移。
先检查运行时和资源边界,再比较延迟,能更快排除不合适的平台。
边缘延迟的优势,究竟测到了什么
作者称测试覆盖 2026 年 9–10 月,Lambda 部署在 us-east-1、eu-west-1、ap-southeast-1,从 Ashburn、Dublin、Singapore 观察 Workers。虽然原文称为「6 regions」,实际列出的部署区域和观测地点并不是同一种统计口径。
测试负载是解析 JSON、计算 SHA-256,返回 {hash, ts, region};请求体为 256 字节,持续流量为 50–5,000 RPS。每轮稳态测试 120 秒,报告称取 5 次运行的中位数,波动小于 8%。
下面这条命令用于测试接口在并发请求下的延迟:
wrk -t8 -c256 -d120s -s post.lua --latency https://bench.example.workers.dev/hash
要看清 -t8 -c256:它使用 8 个线程、256 个连接,并不直接等于某个固定 RPS。post.lua 也没有随原文提供,完整请求构造无法复现。
作者还通过空闲 30 分钟后发请求,采集 20 个冷启动样本。但空闲不能保证平台一定回收执行环境;脚本测到的 time_total 也包含网络等耗时。此外,原文用排序后第 19 个样本标记 p99,20 个样本不足以稳定描述尾延迟。
更大的问题是,原文提到的延迟表、冷启动表和分档成本表没有出现在输入中。我们因此看不到它声称的完整对照结果。
边缘部署缩短用户到计算节点的距离,这个解释成立。但如果 Worker 每次都要访问远端数据库,收益仍可能被回源耗时抵消。作者最后用新加坡用户访问 us-east-1 出现 210 ms 举例,不能把它当成所有请求的固定差值。
CPU 测试也需要单独看:作者称处理 100 MB 数据时,Workers 约 4.1 秒,Lambda 在 1,769 MB 下约 3.8 秒,在 10,240 MB 下通过多线程达到约 0.7 秒。这更能说明增加资源和并行处理的作用,无法单独证明某个平台执行效率更高。
真正容易踩坑的是预算、并发和依赖
Lambda 的一个执行环境通常同时处理一个调用,并发增长需要更多环境。Provisioned Concurrency 预先准备环境,但空闲也计费;Reserved Concurrency 限制并发,能保护数据库,也可能让调用收到 429 TooManyRequestsException。
Workers 在共享资源上复用请求,使用者更需要关注每次调用的 CPU 消耗。等待网络的时间与实际执行计算的时间不同:流式转发可能持续很久,却只消耗少量 CPU;逐块压缩、转换内容则可能持续累积计算量。
但原文在这里自相矛盾:它先写免费档「30 ms wall」、付费档「30 s CPU」,后面又称付费 Worker 累积「30+ ms CPU」就可能终止。作者提出「超过 15 ms 就拆到 Queues 或迁往 Lambda/Fargate」,也没有给出对照实验。这个阈值只能视为经验建议。
子请求限制也不能照抄结论。原文列出免费档每请求 50 次、付费档 1,000 次,但所举的「调用 12 个服务,每个再调用 2 个」并不能直接推导出超过 1,000 次,更没有说明哪些调用计入当前 Worker。
Lambda 一侧,作者提醒同步请求和响应存在 6 MB 限制,Base64 编码会让实际可上传的二进制体积降到约 4.5 MB,并建议改用 S3 预签名上传。不过,它把 API Gateway 和 Lambda direct 的限制合并描述,没有区分入口和传输方式,接入时必须分别核对。
长任务则要关注超时账单。按原文单价,10 GB 函数运行到 900 秒上限,单次费用约为:
10 × 900 × $0.0000166667 ≈ $0.15
公式说明了重试为什么会放大损失。作者所说「一夜产生五位数账单」没有对应调用量支撑,不能当作实测结果。
我的判断
我认同作者按能力边界分工的思路:Workers 处理路由、鉴权、缓存和请求整形,Lambda 承担重计算、多运行时和 VPC 内资源访问。前提是请求确实能在边缘完成一部分工作,否则额外增加一跳,未必改善端到端延迟。
我不接受原文直接给出的 Workers 4.8/5、Lambda 4.5/5,以及依赖服务把成本放大 5–15 倍等判断。缺少评分方法和成本表,这些更接近作者经验,不能替一般团队背书。原文还含有推广链接,阅读时更应区分测试结果与购买建议。
具体产品能力同样需要复核。原文声称 SnapStart 支持 Java 17+、Python 3.12+、.NET 8+、Node 22+,并将恢复耗时概括为约 100–200 ms,却没有提供支持矩阵。VPC 冷启动归因、按 AZ 配置预置并发等建议,也缺少足够的验证过程。
状态服务是另一项长期成本。普通 fetch 逻辑相对容易迁移,Durable Objects 的对象协调方式、KV 的最终一致性语义则会进入业务设计。它们可能让实现更简单,但作者所称替代方案延迟高 10–20 倍、成熟 Lambda 栈迁移需要 3–6 工程师月,都缺乏对照依据。
这篇适合帮助建立选型问题清单,还不足以直接决定生产架构。
能拿来做什么
- 为现有 Node API 列出原生模块、文件系统、内存峰值和数据库网络依赖,再判断哪些接口适合迁到 Workers;不要只看代码是否使用 JavaScript。
- 从真实用户所在地区测试完整链路,同时记录边缘处理、回源和数据库耗时,分别观察稳态与扩容阶段的 p95、p99,避免只比较一个就近测速接口。
- 对上传、图片转换和长任务分别设计处理路径:上传评估预签名方案,计算任务核对 CPU 与内存预算,下游调用设置超时,并限制重试次数。
- 比较账单时,把 API 入口、出站流量、NAT、状态存储和预置并发一起计算;原文列出的 Workers $5/月、10M 请求,以及 Lambda 每月 1M 请求和 400,000 GB-seconds,只能作为待核对的套餐信息。