背景

开发 RuiToolAI 时，我先得解决一个很现实的问题：部署在哪里？

传统方案是买一台 VPS（如阿里云、AWS EC2），装 Docker，跑 Node.js 服务。但作为一个独立开发者，我不希望把时间花在运维上。于是我调研了 Cloudflare Workers 这个 Serverless 方案，最终决定把整个项目跑在它上面。

最后我选了 Cloudflare Workers。下面记录当时的取舍，以及后来真正碰到的限制。

方案对比

传统 VPS 方案

架构：

1

用户 → Nginx → Node.js 服务 → 数据库

优点：

• 成熟稳定，生态丰富
• 无运行时限制，可以跑长时间任务
• 完全控制服务器环境

缺点：

• 需要自己管理服务器（安全补丁、系统更新、证书续期）
• 需要自己配置负载均衡和扩容
• 单地域部署，国内访问国外 VPS 延迟高，反之亦然
• 费用固定，即使没流量也要付月费

Cloudflare Workers 方案

架构：

1

用户 → Cloudflare 全球边缘节点 → Workers → D1/KV/R2

优点：

• 全球 330+ 边缘节点，就近响应
• 零运维，不用管服务器
• 按量付费，没流量不花钱
• D1、KV、R2 原生集成，不需要额外配置连接

缺点：

• CPU 时间限制（免费版 10ms，付费版 30s）
• 不支持 WebSocket 长连接
• 生态相对较新，部分 npm 包不兼容

Cloudflare Workers 的优势

1. 全球边缘部署，零冷启动

Workers 部署在 Cloudflare 的全球边缘网络上，用户请求会被路由到最近的节点处理。我测试过从国内访问部署在 Workers 上的 RuiToolAI，响应时间在 100-200ms 左右，而同样的应用部署在美西 VPS 上，延迟在 300-500ms。

2. 原生集成 D1/KV/R2

这一点非常重要。传统方案里，你需要：

• 配置数据库连接字符串
• 处理连接池
• 管理文件存储（如 S3 SDK）

而在 Workers 里，这些都是原生 binding：

 1
 2
 3
 4
 5
 6
 7
 8
 9
10

const { env } = await getCloudflareContext();

// D1 数据库
const db = getDB();

// KV 缓存
await env.NEXT_INC_CACHE_KV.put(key, value);

// R2 文件存储
await env.USER_UPLOADS_BUCKET.put(key, buffer);

3. GitHub Actions 自动化部署

推送代码到 GitHub → 自动 lint → typecheck → e2e 测试 → 构建 → 部署到 Workers → 执行 D1 迁移。整个过程全自动，不需要手动操作服务器。

成本分析

以 RuiToolAI 为例，目前的使用情况：

对比传统 VPS：

• 最低配置 VPS：$5-10/月
• Cloudflare Workers：$0/月（当前用量），流量增长后 $5/月 起步

踩过的坑

1. CPU 时间限制导致异步任务失败

最开始我用 waitUntil 在后台轮询 AI 生成结果，但 Workers 的 setTimeout 不会真正 sleep，导致轮询瞬间跑完。

解决方案： 改用前端轮询 Server Action。每次轮询是一个独立请求，不受 30 秒限制。

2. D1 不支持事务

SQLite 在 D1 上不支持多语句事务，这在处理积分退款时很麻烦。

解决方案： 补偿式设计。先扣积分，失败时插入退款记录补充余额。

3. 某些 npm 包不兼容

Workers 不支持 Node.js 原生模块（如 fs、net、crypto 的部分 API）。需要用 Web Crypto API 替代，或者找 Workers 兼容的替代包。

总结

对 RuiToolAI 当时的规模和功能来说，Workers 比 VPS 省心，成本也更好控制。它不适合长时间计算和依赖 Node.js 原生模块的任务，所以这个选择是匹配当前需求，不是说 Workers 在所有场景下都更好。

参考资源

• Cloudflare Workers
• D1
• R2