Después de 2 años de iteraciones a gran escala, aquí está todo lo que aprendimos sobre la ingeniería de Fluid. La propiedad más deseable (aunque aparentemente la más difícil de alcanzar) de un sistema de computación es *un rendimiento eficiente y predecible a cualquier escala*. El serverless, como lo pionero Lambda, tenía un conjunto inusual de compensaciones. Tiene el potencial de arranques en frío en producción, lo cual es inaceptable. Lo que es menos conocido, sin embargo, es que resolvió el talón de Aquiles de los servidores: vecinos ruidosos, congestión y un balanceo de carga inadecuado. Lo hizo a un costo tremendo (1 "computadora" por solicitud concurrente), pero fue glorioso. A veces comparo esto con tú y tu amigo saliendo del trabajo para ir al mismo restaurante exacto, al mismo tiempo, pero ambos piden Uber XLs. Tendrán una experiencia increíble, pero es derrochador. Cuando construimos Fluid, queríamos tener el pastel y comérnoslo también. Estoy particularmente contento con nuestro algoritmo que utiliza 'cada asiento disponible en el coche' (genial para aplicaciones de IA que esperan mucho en tokens), pero que activa más computadoras horizontalmente según sea necesario. Esto es algo extremadamente difícil de lograr, incluso para equipos de DevOps experimentados.