客户介绍
国内某连锁餐饮企业，目前在深圳、广州、上海、苏州、佛山、惠州、东莞、昆明、重庆等地拥有140多家直营门店。同时也是红杉资本成员企业，是红杉资本在中国投资的餐饮企业之一。
客户痛点
2017年，企业业务系统信息孤岛严重，有二次开发困难，大量用户用的系统语言和接口都不一样。
2017年底，团队自研推出了小程序点餐系统，和后台业务系统打通，亟待解决多个系统之间的互联互通问题。另外业务系统耦合度高、业务拆分困难、系统稳定性差，各种紧急的业务需求和活动无法及时满足。
新餐饮介绍
在上述痛点下，企业开始对数字化新餐饮进行调研，新餐饮本身也是人货场的重构，主要为实现日常经营管理所有的数据能够全流程在线化，主要分为以下四块：
点餐、下单、支付、制作、出品实现实时在线化。
用餐评价，会员管理可以在线化，支持数字化营销。
供应链订货、收获、盘点、损耗等流程在线，数据打通。
人事、考勤、成本核算等在线化、工具化、高效化。新餐饮转型需要进行全方面的数字化改造。
经过一系列调研分析，企业决定向云上进行业务迁移，并采用腾讯云 Serverless 云函数承载业务。
腾讯云 Serverless 解决方案
使用 Serverless 云函数可以实现的业务功能非常多，例如：
微信小程序的服务应用，云函数提供计算支持。
公众号消息推送服务。
实时通讯服务。
不同的业务系统数据同步，例如，金蝶的 ERP 系统以及 WMS 系统的对接和数据同步，SOS 餐饮系统和金蝶 ERP 数据接口的同步。
统一的支付服务、订单的付款、订单的支付，定时异常数据邮件提醒。
第三方外卖平台，第三方系统的数据抽取及处理入库。需要临时上线的功能需求或接口对接。
使用 Serverless 的优势
Serverless 云函数是天然微服务的架构
一个函数可以看作一个服务。微服务本身能解决很多数据耦合度的问题。
适合处理大量零散的定时任务
例如，可以极大的减少部署独立的定时器服务，解决集群服务的定时任务管理问题，尤其是并发的集群定制任务。
更低的开发难度，更高的开发效率
资源可以直接使用，针对不同的业务场景，可以借助不同语言特性，结合研发团队的能力，更快速的实现对应的需求。利用研发人员熟悉的语言去做业务场景，而非需要团队使用统一的技术架构，团队可以更灵活快速推进需求。
更低的运维成本
云函数的计费方式为按量计费，且未运行时不产生费用，同时支持自动扩缩容。大大降低了资源和人力运维成本。
案例一：云打印服务
传统架构
用云函数 SCF 实现云打印服务。云打印是一个小型的打印系统，用来解决用户在门店下单之后，打印机打印小票的业务流程。
在传统架构环境中，每一个门店都需要准备以下硬件：
部署一个本地服务器，这个本地服务器提供一个本地服务
一个交银机
一个一体机
一个打印机
这些硬件通过本地服务器进行管控。总部也需要有服务进行数据的整合。下文以美团订单为例进行简单介绍：
1. 美团的订单会先将订单下发到总部的服务器上。
2. 总部服务器会将订单数据推送到门店。
3. 门店服务器接到数据之后，通知到打印机进行打印小票。
目前，大量的订单皆为线上下单，无论是小程序订单或是其他平台订单，都主要是通过网上下单，传统架构信息传递链路长，非常依赖网络链路的稳定性。传统架构如下图所示：
传统架构存在以下痛点：
硬件及维护成本非常高。门店需要部署独立的本地服务器。
总部对于门店的服务情况无法快速掌控，由于数据每隔一段时间才会通讯，很难做到数据的实时同步。
收银电脑普遍配置极低，订单数据无法实时上传汇总，数据同步存在时间差。
新的 Serverless 云服务架构
新的 Serverless 服务架构，取消了本地服务器，转为在原本配置比较低的收银电脑或 SDK 上部署轻量级客户端，通过 SCF 为客户端提供计算资源。
打开浏览器，即可实时传回所有订单数据，企业可以追踪所有的服务状态。
打印机部署在门店的局域网内部，所以单独在云端的服务就是 SOS 收银系统。
通过云打印服务连接本地的收银机客户端，通过该客户端来定制的打印机可实现实时通讯，随时知道门店的打印机是否能正常功能。
案例二：会员画像标签运算系统
用云函数结合 CMQ 、API 网关，完成会员画像标签运算系统。
会员系统比较重要的一项数据即会员画像。要基于会员消费行为消费轨迹生成用户会员画像，包括会员爱好、消费频率、消费档次等。企业希望能够快速实时的跟踪这些数据，通过 SCF 可以用极低的成本完成整个过程。
这个过程如何实现？以下为您简单介绍整个会员画像实时计算系统的运行逻辑：
1. 用户产生的购买消费行为数据推送到柜员系统，通过消费订单产生统计数据。
2. 数据统计完之后将写入数据库，同时数据信息会推送到消息队列 CMQ 中，CMQ 调用 API 网关触发用户画像功能的云函数执行。
3. 每一个用户画像功能的云函数会对应一类标签，包括消费频次、消费偏好等，这类云函数对其进行标签的实时运算：
如果消费过程中产生错误，会将这个消息反馈给 CMQ，CMQ 反馈消费失败。
如果消费正常，会将计算完成的标签保存入库，最终生成用户画像。
说明
目前会员画像实时计算系统从2019年上线至今已完成3000多万会员用户画像。
案例三：营业额智能预测
通过云函数 SCF + 机器学习完成营业额智能预测。拉取近两年门店的营业额，最长两年，最少是一到两个月，每天滚动生成每一家门店接下来30天的营业额预测。
通过 SCF 完成如下：
抽取数据处理：对营业额的数据做抽取，做相关的异常处理。
生成训练特征：为数据组合特征。
定期训练模型：使用 LightGBM 模型训练多个模型，多个模型预测数据加权融合，使用已有模型集预测数据特征值预测数据。通常两周到一个月做一次训练，到目前运行下来有接近半年的时间，目前营业额单店预测平均准确度高达87%。
腾讯云 Serverless 云函数的价值
上述三个应用案例中云函数主要价值点体现如下：
云打印服务
通过使用腾讯云提供的 Websocket 服务，减少了底层框架的开发难度，研发人员只需关注业务开发即可。
一位研发大概2周多时间就可完成，人力和时间成本节省至少50%。
会员画像标签运算系统
通过使用 CMQ，API 网关和云函数快速搭建起来一个高质量稳定的计算服务架构。目前从上线运行到现在0故障，运行稳定，且无需考虑服务器资源问题。
一位中级研发工程师三年的经验，从研究使用到搭建框架到开发完成不到2周时间。
智能营业额预测
通过使用函数的分层管理，减少了代码管理和调试难度。
用较低的成本和更高的效率实现了机器学习的智能应用。
整体来看，服务运维及成本、服务稳定性和性能都有较好的保障，而且费用投入远低于自建服务的方式，至少节省了3台4核8G内存的服务器。
开发环境 | 传统开发环境 | 云函数开发环境 |
开发周期 | 100% | 55% |
研发难度 | 100% | 45% |
成本 | 100% | 30% |
