一句话结论
通过“网关 + 功能 Worker”模块化拆分解决 Cloudflare 单体架构瓶颈，实现多租户 SaaS 边缘计算解耦与独立运维。
关键要点
- 初始单 Cloudflare Worker 架构因功能累积形成共享单体，导致部署耦合、故障爆炸半径扩大及资源配额竞争。
- 采用网关 + 功能 Worker 架构，网关通过服务绑定调用功能 Worker，开销近似本地函数调用，无网络往返。
- 故障时网关可返回原始源站响应，具备两层容灾；可观测性碎片化需通过响应标头传递诊断信息。
- 跨平台对比显示 Cloudflare 与 Akamai 架构差异显著，存储层面 Cloudflare KV 为全局命名空间，Akamai EdgeKV 支持区域隔离。
- 部署采用不可变版本集合，通过标签锁定各 Worker 版本，发布流程包含金丝雀队列、自动校验及人工审批。
背景与事实
该平台承载数十万租户账号 Web 流量，初始采用单 Cloudflare Worker 架构。随着图片优化、故障转移、标头重写等功能累积，形成共享单体，导致部署耦合、故障爆炸半径扩大、资源配额竞争及权责不清。Worker 存在硬性 CPU 限额与脚本大小上限，位于请求同步路径，1ms 延迟会影响所有用户。为了解决这些问题，团队采用了“网关 + 功能 Worker”的模块化解法。网关仅保留组合逻辑与横切关注点，通过服务绑定调用功能 Worker，开销近似本地函数调用，无网络往返。网关内联执行 shouldApply() 判断，仅在需要时通过服务绑定调度。功能 Worker 独立部署、测试，拥有独立依赖包与 CPU 配额。网关与功能 Worker 位于同一代码库，保持独立构建边界，确保契约一致性。
在跨平台对比方面，Cloudflare 与 Akamai 架构差异显著。Cloudflare 以 Worker 为计算单元，入口为 fetch 处理函数，支持服务绑定。Akamai 以 property 为配置单元，Image Manager 为托管产品，EdgeWorker 为插件，仅通过生命周期事件触发，无法直接调用托管服务，需通过 setVariable 写入请求状态供规则读取。存储层面，Cloudflare Workers KV 为全局命名空间；Akamai EdgeKV 原为区域化配置，需代码映射请求所属大洲至对应区域，后新增全局命名空间支持。同一功能在两平台代码形态完全不同，移植需重写底层逻辑。Akamai 提供区域隔离命名空间满足数据驻留合规；Cloudflare KV 为全局设计，无区域开关，实现数据驻留需更换存储原语。
图片优化在 Akamai 为托管服务，配置策略自动协商；在 Cloudflare 为底层原语，需 Worker 代码按请求指定转换，其托管服务 Polish 因按扩展名匹配且跳过不可公开缓存内容，不适用此场景。基准测试显示 AVIF 体积约为 JPEG 一半，WebP 比 JPEG 小约三分之一。优化策略包含三层：1. 安全：拒绝优化无法证明公开的私有图片，认证请求直接透传；2. 兼容性：根据 Accept 头选择 AVIF/WebP，不支持则回退原始格式；3. 成本：根据设备类别限制图片宽度。代码支持租户级选择退出（optOut），独立于区域开关；优化失败时降级返回源站原始响应，确保图片加载不失败。部署采用不可变版本集合，通过标签锁定各 Worker 版本（如 gateway 4.2.0），回滚即重新部署上一标签。发布流程包含金丝雀队列、自动校验及人工审批，限制故障爆炸半径。租户配置作为数据存储，通过 KV 读取并缓存，无需代码部署。测试分三层：1. 单元测试覆盖纯函数逻辑；2. 集成测试验证故障降级路径；3. 生产环境合成监控验证各 CDN 地域行为。核心模式包括沿成本边界拆分、原始响应作为服务契约、标准化不变量及按故障半径分层管理变更。
影响分析
对中文开发者与从业者而言，这一模块化边缘计算架构提供了处理多租户 SaaS 规模问题的实践参考。首先，它展示了如何从单体架构向模块化架构演进，解决部署耦合和故障隔离问题，这对于构建高可用的边缘服务具有重要意义。其次，跨平台对比揭示了 Cloudflare 和 Akamai 在计算单元、存储服务和插件机制上的根本差异，提醒开发者在选择边缘平台时需考虑代码移植成本和合规性要求。特别是数据驻留合规方面，Akamai 的区域隔离命名空间可能更适合有严格数据本地化要求的企业，而 Cloudflare 的全局 KV 设计则更适合追求低延迟和统一管理的场景。此外，测试策略的细化（单元测试、集成测试、生产环境合成监控）为边缘服务的可靠性提供了可操作的检验框架，有助于开发者建立更完善的测试体系。
适用边界
该模块化架构结论适用于基于 Cloudflare Worker 的多租户 SaaS 边缘计算场景，但存在明确边界。首先，它不适用于对延迟极度敏感且功能简单的场景，因为网关与服务绑定的额外判断逻辑可能引入轻微开销。其次，跨平台移植结论不意味着代码可直接复用，Cloudflare 与 Akamai 架构差异显著，移植需重写底层逻辑，不适合快速多平台部署需求。最后，数据驻留合规场景下，Cloudflare KV 的全局设计无法满足区域隔离要求，需更换存储原语，因此对有严格数据本地化法规的场景不适用。
孤本观察
编辑判断认为，将“原始响应作为服务契约”和“按故障半径分层管理变更”作为核心模式，是解决边缘计算中复杂性与可靠性矛盾的关键创新，这一设计哲学可能影响未来边缘服务的架构标准。
常见问题
Cloudflare 网关通过服务绑定调用功能 Worker 时存在网络往返延迟吗？
不存在网络往返，开销近似本地函数调用。
Cloudflare KV 和 Akamai EdgeKV 在区域隔离能力上有何区别？
Cloudflare KV 为全局命名空间，无区域开关；Akamai EdgeKV 原生支持区域隔离，满足数据驻留合规。
基准测试中 AVIF 和 WebP 相比 JPEG 的体积缩小比例分别是多少？
AVIF 体积约为 JPEG 一半，WebP 比 JPEG 小约三分之一。
该模块化架构是否适用于有严格数据本地化法规的场景？
不适用。因 Cloudflare KV 为全局设计，无法实现区域隔离，需更换存储原语才能满足此类合规要求。
系统如何锁定 Worker 版本以实现快速回滚？
采用不可变版本集合，通过标签锁定各 Worker 版本（如 gateway 4.2.0），回滚即重新部署上一标签。
来源：InfoQ 中文 AI