从部署和运维说说DLI（1）
DLI是支持多模引擎的Serverless大数据计算服务，其很好的实现了Serverless的特性：
1. 弱化了存储和计算之间的联系；
2. 代码的执行不再需要手动分配资源；
3. 按使用量计费。
那么如何才能更好的实现Serverless化的服务，同时又避免成为传统单体分布式的应用？微服务架构无疑是最优的选择。DLI基于微服务架构模式下的整体部署架构如下：
即对外以纯API形式提供服务，通过以APIGateway作为应用的入口，基于领域模型按子域进行微服务划分，从而实现Serverless化的大数据计算服务。
那么对于这样的一个基于微服务架构实现的Serverless服务，我们是如何在生产环境来部署与运维，从而在保证服务SLA的前提下实现快速迭代上线的呢？
随着技术的发展，部署的流程和架构都发生了根本性的变化，如今已经走入了轻量级、短生命周期的技术时代。
从最初部署在物理机上的大数据计算平台，到基于公有云的弹性计算云服务器部署大数据平台，再到DLI这样的Serverless服务，其很好展现了大数据计算服务的演变。那么如何才能更好的实现Serverless化的大数据计算服务的部署呢，DLI的答案就是基于Kubernetes+Docker来部署各微服务。
Kubernetes部署是在不停机的情况下部署服务的好方法，但是如何应对在接收生产流量后出现的错误，使新版本的服务更可靠呢？这可以通过将问题一分为二来看：
1. 部署，即将服务上线到生产环境中运行；
2. 发布，即使服务可用于处理生产流量。
传统上，分离部署流程与发布流程一直是一个挑战。但现在我们有了很好的选择，那就是基于服务网格。在DLI的部署中我们结合了Kubernetes+Istio，利用Istio的流量管理实现了服务发现、流量路由，从而轻松的将部署与发布分开，使新版本的服务更加可靠。
