云計算的可信新邊界：邊緣計算與協同未來（上） 云計算的可信新邊界：邊緣計算與協同未來（下）

微服務架構的設計思想是把每個核心的能力設計得更加內聚、更加獨立、可以很小的依賴系統環境，可以分散在各個機器、部署到容器，可以靈活的編排和管理。技術的演進，系統架構的演變支撐了邊緣計算技術的誕生、落地和應用的可能。

物聯網和人工智能逐漸的發展，物已不再單純是一個物，可以聯網，可以數據流動，而不再固化、靜態。物與人，人與物，數據的流動、分析可更好的反饋于物、服務于人、反饋于環境，安全、有效、低時延的智能分析服務需要邊緣計算來支撐。

通訊技術的發展，5G的時代是萬物互聯、人、環境、虛擬和現實之間的場景，是客戶端節點接入數量和接入帶寬翻十倍、百倍甚至更多的場景，是海量數據由邊緣產生的場景。據IDC預測，到2025年全球聯接總數達到1000億，聯接的背后會是數據的爆炸，集中式處理模型下核心網無法承載這么大數據的網絡傳輸，數據也無法在云中心存儲計算，需要更快速、近距離的在網絡邊緣分析、處理與存儲，邊緣計算市場規模將達數十萬億元。

在現今的云市場，云計算的巨頭依托先發優勢大力發展邊緣計算，將云計算技術下沉到邊緣側，下沉的云計算不一定非要由云服務商來提供，大型IT服務商都可獨立開發邊緣框架，只要能夠連接云服務，誰都可以提供給邊緣服務。工業企業依托豐富的工業場景，也在開展邊緣計算的實踐；電信運營商為迎接5G的市場機遇，全面部署邊緣節點，為布局5G基礎設施打好基礎。

伴隨云計算的飛速發展，邊緣計算將迎來爆發式的增長 …

邊緣計算【Edge Computing】

先看個例子了解下邊緣計算的特征，章魚 是地球上最魔性的動物，也是非脊椎動物中最聰明的生物類群之一，擁有巨量的神經元，60%分布在章魚的八條腿上，僅有40%在大腦，因此它的觸角有獨立思考能力且反應敏捷，在捕獵時異常靈巧迅速，腕足之間配合極好，從不會纏繞打結，形成類似分布式計算的“多個小腦+一個大腦”組合。

邊緣計算就好比章魚的觸角，類屬于一種分布式計算，從云端下沉到端口附近，也是計算的下沉，在靠近物和數據源頭的一側就地分析處理，融合網絡、計算、存儲、應用的分布式開放平臺。提供最近端服務，更快服務響應，滿足在實時、智能、安全與隱私保護等方面的基本需求。

維基百科中，邊緣計算被定義為一種分散式運算架構，即將應用程序、數據資料與服務的運算，由網絡中心節點移往網絡邏輯上的邊緣節點來處理，將原本完全由中心節點處理的大型服務加以分解，切割成更小與更容易管理的部分，分散到邊緣節點去處理。邊緣結點指的是在數據產生源頭和云中心之間任一具有計算資源和網絡資源的結點。比如手機就是人與云中心之間的邊緣結點，網關是智能家居和云中心之間的邊緣結點。

邊緣計算架構層次上分為終端設備、邊緣、云端三層，各層之間可以進行層間和跨層通訊。

終端層由各種設備組成，主要完成收集原始數據并上報的功能，以事件源的形式作為應用服務的輸入。邊緣計算層由網絡邊緣節點構成，廣泛分布在終端設備與計算中心之間，邊緣節點的計算和存儲資源是差別很大的，且邊緣節點的資源動態變化，邊緣計算層通過合理部署和調配網絡邊緣側的計算和存儲能力，實現基礎服務響應。云計算仍是最強大的數據處理中心，邊緣計算層的上報數據將在云計算中心進行永久性存儲，邊緣計算層無法處理的分析任務和綜合全局信息的處理任務也仍然需要在云計算中心完成。

亞馬遜開創了邊緣計算的先河，推出了AWS Greengrass功能軟件；微軟發布了Azure IoT Edge邊緣側產品，將云分析擴展到邊緣設備，支持離線使用，同時聚焦邊緣的人工智能應用；谷歌推出硬件芯片Edge TPU和軟件堆棧Cloud IoT Edge，可將數據處理和機器學習功能擴展到邊緣設備，使設備能對來自其傳感器的數據進行實時操作，并在本地進行結果預測。

國內阿里推出了Link IoT Edge平臺，通過定義物理模型連接不同協議、不同數據格式的設備，提供安全可靠、低延時、低成本、易擴展的本地計算服務；華為推出了IEF平臺，通過將云上應用延伸到邊緣的能力，聯動邊緣和云端的數據，提供完整的邊緣和云協同的一體化服務的邊緣計算解決方案。在制造業，海爾、樹根互聯等依托豐富的工業場景，推出了各自的云邊協同平臺，幫助用戶快速構建工業互聯網應用，實現各類工業設備的快速接入…

邊緣計算具備六大特征：低延時、自組織、可定義、可調度、高安全、標準開放。

邊緣計算 Vs 云計算服務

云計算是人和計算設備的互動，而邊緣計算則屬于設備與設備之間的互動，最后再間接服務于人。邊緣計算可處理大量的即時數據，而云計算最后可以訪問這些即時數據的歷史或者處理結果并做匯總分析, …

云計算的聚合服務模式

云計算服務是一種集中式服務，所有數據通過網絡傳輸到云計算中心進行加工處理。資源的高度集中與整合使得云計算具備高通用性，可集中式解決計算和存儲問題。在萬物互聯背景下，網絡邊緣的設備數量和產生的數據呈爆發式增長，其聚合性服務模式無法高效、即時處理邊緣側數據，顯示了此種模式的不足與場景適應性問題。

實時性問題： 在需要精確到毫秒級的響應場景，時效性的延遲可能帶來不可預知后果。處理速度受制于網絡帶寬、中心計算能力、總計算任務量等多因素，請求至響應的鏈路累計時延可能造成無法接受的處理時延。

帶寬制約與不足：將大量邊緣側數據傳送至云中心，產生巨大的網絡帶寬壓力。

資源開銷、能耗過大： 傳輸的開銷，數據中心處理的任務、存儲的大幅增長，造成極多能源消耗，成為限制云計算中心發展的瓶頸。

數據安全和隱私：數據與用戶生活密切相關，智能終端設備如室內智能攝像頭，將數據傳輸到云端容易導致數據丟失或信息泄露等風險。

邊緣計算的不同之處

1)? ?由于部署的邊緣站點更靠近終端用戶，傳輸更安全，數據處理更即時，有效改善了高延遲和連接不穩定的問題；

2)? ?可實現邊緣站點的大量擴展，將部署的邊緣設備分布在相比于傳統大型數據中心而言更多的、不同的位置，有更多的節點來負載流量，使得數據傳輸速度更快。同時更分散的節點所產生的影響更小，解決了設備散熱問題；

3)? ?邊緣計算可能需要使用專門的硬件，比如用于AR/VR功能的GPU/FPGA平臺；

4)? ?掌握邊緣站點的具體位置及識別訪問鏈接在何處終止十分重要，一個需要靠近用戶進行運行的應用需要在正確的邊緣部位方可正常運行；

5)? ?邊緣計算架構中，整個應用池可被認為是動態的。由于其物理分離屬性，某些情況下，邊緣站點將通過廣域網進行相互連接和核心連接，隨著時間加入或斷開；

6)? ?邊緣站點是遠程且無人操作，需要有對站點進行間歇性網絡訪問的相應工具來實現遠程管理；

7)? ?邊緣站點支持從大至數據中心，小至單個設備的不同站點數量和規模；

8)? ?邊緣站點可能受空間或電源要求等的資源限制，或向現有站點添加容量時也可能受到限制；

9)? ?一些用例需要大規模的多租戶

10)? 減小了對網絡的依賴，離線狀態下也能提供基礎業務服務，確?！巴獠吭啤庇虿粫绊懛?。

云、邊計算的相似之處

邊緣計算類似于云計算(數據中心)，體現在：

1). 都包括計算、存儲和網絡資源；

2). 其資源可由用戶和應用共享;

3). 從資源池的虛擬化和抽象化受益;

4). 其發展得益于商品硬件的支持 ;

5). 使用API來支持互操作性.

兩者歸于整體與局部關系

邊緣計算的出現是為彌補現階段云計算所面臨的一些短板，配合、促進云計算的發展。邊緣計算與云計算之間不是替代關系，而是互補協同關系。兩者需要通過緊密協同工作才能更好的滿足各種需求場景的匹配，從而放大邊緣計算和云計算的應用價值。

邊緣計算可歸結為廣義云計算的一部分，泛指云廠商為客戶完成的IT服務，是云計算的補充和延伸。簡而言之：云計算把握整體，邊緣計算更專注局部。

云計算擅長全局性、非實時、長周期的大數據處理與分析，能夠在長期維護、業務決策支撐等領域發揮優勢；而邊緣計算更適用局部性、實時、短周期數據的處理與分析，能更好的支持本地業務的實時智能化決策與執行，為云端提供高價值的數據。

如果說云計算是集中式大數據處理，邊緣計算則可理解為邊緣式大數據處理。不同的是數據不用再傳到遙遠的云端，在邊緣側就能解決，更適合實時的數據分析和智能化處理，較單純云計算更加高效且安全！兩者實質上都是處理大數據的計算運行的一種方式。

邊緣計算中終端設備與云計算中心的請求與響應是雙向的，終端設備不僅向云計算中心發出請求，同時也能夠完成云計算中心下發的計算任務。云計算中心不再是數據生產者和消費者的唯一中繼，終端設備兼顧數據生產者和消費者的角色，部分服務直接在邊緣完成響應并返回終端設備，云計算中心和邊緣分別形成了兩個服務響應流。

邊緣計算的可信價值

邊緣計算是一種在網絡邊緣執行計算任務的新型計算模型，相比于云計算，它能夠節省網絡流量、提高響應速度和保護用戶隱私，在物聯網應用中顯示出了優于云計算的性能。核心是將計算任務從云計算中心遷移到產生源數據的邊緣設備上, 操作對象包括來自于云服務的下行數據和萬物互聯服務的上行數據。隨著相關技術的發展，邊緣計算將成為推動物聯網服務升級的關鍵技術。

邊緣計算的優勢

1)? ? 分布式和低時延計算

整合了數據采集、處理、執行三大能力，避免了數據上傳下達所產生的時延弊端，提升了本地設備的處理能力和響應速度，帶來了綜合成本的減少、運維效率的提升。

2)? 效率更高

由于邊緣計算距離用戶更近，在邊緣節點處實現了對數據的過濾和分析，因此效率更高

3)? ? 降低帶寬限制的影響

在網絡邊緣處理大量臨時數據，不再全部上傳云端，極大減輕了網絡帶寬和數據中心功耗的壓力

4)? ? 更加智能化

AI+邊緣計算的組合出擊讓邊緣計算不止于計算，更多了一份智能化

5)? ? 緩解流量壓力

在進行云端傳輸時通過邊緣節點進行一部分簡單數據處理，可減少從設備到云端的數據流量

6)? ? 更加節能

云計算和邊緣計算結合，成本只有單獨使用云計算的39%。

7)? ? 提高數據的安全性

邊緣計算將用戶隱私數據不再上傳，而是存儲在網絡邊緣設備上，減少了網絡數據泄露的風險，保護了用戶數據安全和隱私。

8)? ? 業務數據可靠性

基于安全的數據才會有可靠的業務，邊緣計算本身不把數據傳向云端，在廣域網發生故障的情況下，也能夠實現局域范圍內的數據服務，進而實現本地業務的可靠運行。

9)? ? 應用開發多樣化

未來會有一半以上的數據在其源頭進行處理，也會有諸如工業制造、智能汽車、智能家居等多樣的應用場景，用戶可以根據自己的業務需求自定義應用。

邊緣計算的能力

體現(不僅限于）在以下方面.

1)? ?跨不同基礎設施間的一致操作模式

2)? ?在全球范圍內數千個地點的大規模分布環境中的執行能力

3)? ?為位于全球偏遠地點的客戶提供網絡服務

4)? ?滿足應用程序集成、協調和服務的交付要求

5)? ?打破硬件限制，降低成本

6)? ?實現有限或間歇性網絡連接

7)? ?可處理具有嚴格低延遲要求的應用程序（AR/VR、語音等）

8)? ?實現地理圍欄，保證敏感隱私數據僅留在本地

邊緣計算的業務價值

主要體現對客戶端的減負和控制上，讓很多過去無法想象的業務具有可行性。

1)? ?硬件設計更靈活

5G邊緣網絡可能比本地磁盤等零部件速度更快，這是從未有過的新變化。給客戶端做減負，最終用戶能感覺到流暢度提升和電量提升，部分用戶還會為此付費；能讓客戶端和邊緣端融合，甚至影響到硬件設計，比如買手機會考慮閃存空間比擴充內存合算，當文件從集中分散到就近邊緣，客戶讀取網絡文件的速度不比本地慢，就無需配置更貴的閃存。當網盤的數據大到無法下載到手機時，客戶換新機時也得盡可能用同一品牌同一賬戶遷移。給客戶端的計算壓力減負最終讓客戶端的硬件設計方式發生改變。對于手機來說，試水新硬件常是一次冒險，廠商在設計硬件時，如可以將某些功能放到邊緣端，將會獲得巨大靈活性。

2)? 改變應用發布生態

邊緣計算可從軟件控制層面改變整個客戶端軟件生態，技術上可以將客戶端的運算功能全部放在邊緣端，本地僅保留一個視頻播放器。如此帶來客戶端的分發渠道的變化，也許困擾單機軟件幾十年的盜版問題可通過邊緣視頻化來解決。隨著邊緣APP的訪問流暢性逐步得到驗證，邊緣視頻流天然比本地文件更保密安全和方便控制，各種在線系統的使用體驗會和本地軟件一樣。

3)? 單一應用留住客戶

當一個APP可以all in one其他APP時，用戶的訪問軌跡不會跳出該APP，給產品運營提供了新的想象空間。現在用戶在某視頻APP里做游戲和電商引流，轉跳到電商和游戲后APP就結束了，未來完全可以購買同一樣東西不出本APP，參與內購分成、改變商業規則。

4)? 對技術部門的價值

將CS架構改變CES架構，是具有價值并有挑戰的IT技術工作。

移動互聯網的發展歷程中，應用傳輸和娛樂化迫使成本在不斷增加，集中的云計算又再次走向邊緣，通過在靠近物或數據源頭的網絡邊緣側，融合連接、計算、存儲、應用等核心能力，就近提供邊緣智能服務，滿足行業數字化在敏捷連接、實時業務、數據優化、應用智能、安全與隱私保護等方面的關鍵需求。

"云、邊、端"協同一體化

邊緣計算是對云計算的拓展，兩者關系就好比人類的"大腦"與"遍布全身的神經系統"，相輔相成，缺一不可。作為云計算的延伸，邊緣計算本著“為云分擔”的任務和使命而運作，解決了在邊緣端的資源應用問題，成為云計算在未來發展中的重要支撐。“云邊協同”成為邊緣計算的核心能力與發展方向——邊緣向云反饋信息，云向邊緣發布指令等，完成上傳下達，實現共存協同式的調度、命令、搜集、處理、計算、更新等工作。

以物聯網場景為例，物聯網設備產生大量數據，邊緣計算節點可以負責自己范圍內的數據計算和存儲工作。由于大多數的數據并非一次性數據，那些經過處理的數據仍需要從邊緣節點匯聚集中到中心云，中心云做大數據分析挖掘、數據共享，并進行算法模型的訓練和升級，升級后的算法(推理模型)應用于前端邊緣節點設備，完成自主學習閉環。同時，存儲邊緣的數據具備備份的需要，當邊緣計算過程中出現意外，存儲在云端的數據也不會丟失。

協同一體化模式

“端”和“云”的邊緣形態，涵蓋端的邊緣計算，而“云”的邊緣計算是中心云的拓展外延，可視為邊緣節點服務，以此構建云-邊-端三體網絡架構。

邊緣云中大量、多種邊緣服務器和邊緣終端需通過邊緣云來統一管理，并實現對邊緣應用的支持。中心云則管理多個邊緣云和為邊緣云提供充足的虛擬化資源，中心云由大量的服務器虛擬化組成，可提供持久化存儲和為需要大計算量的應用提供資源，如大數據，AI應用等。中心云通過管理網絡來控制邊緣云，并提供安全的連接。邊緣云在網絡發生中斷時仍可通過獨立的資源管理系統進行“自治管理”。

中心云與邊緣云的關系如圖，中心云管理多個邊緣云平臺，工業PC和大量的網關，而邊緣云則通過邊緣網關接入各種設備、傳感器等。

?? ?云計算是根本：縱觀幾大云服務商的邊緣計算產品，從配置到部署，無一不是從云端下發配置信息和工具到邊緣側，實現本地服務。

?? ?核心框架屬于云服務商： 云邊一體的邊緣計算框架，本質上是下沉了一系列精簡的云服務工具，而這些工具為了保障通訊的私密性，一般都掌握在云服務商手中，用戶和開發者無法修改。

?? ? 生態建設：圍繞云邊一體化產品，所有的生態都必須先在云端注冊，在云端傳送數據后下沉到邊緣側，而互動的邏輯可通過無服務器計算服務實現。

通過云原生技術可實現云 - 邊 - 端一體化的應用分發，解決在海量邊、端設備上統一完成大規模應用交付、運維、管控的訴求；云原生技術可提供容器等更加安全的工作負載運行環境，及流量控制、網絡策略等能力，可有效提升邊緣服務和數據的安全性；依托云原生領域強大的社區和廠商支持，云原生技術對異構資源的適用性逐步提升，在物聯網領域已能很好支持多種 CPU 架構（x86-64/arm/arm64）和通信協議，并實現較低的資源占用。

… …

多維度協同主體

當用戶從一個邊緣節點移動到另一個就涉及多節點的協作，可簡單將數據緩存到用戶到達的各個邊緣節點，不過各節點的數據需要同步。如在一小片區域內導航應用可以將導航或者搜索服務移動到邊緣；在邊緣節點進行內容過濾與整合從而減少數據傳輸量；實時應用如AR可以使用邊緣節點減少反應時間。

云邊協同包含云端與邊端IaaS、PaaS、SaaS的協同，IaaS 實現對計算、網絡、存儲、虛擬化資源等的協同；PaaS 實現數據、智能、應用編排、業務管理協同；SaaS 實現應用服務協同。在IaaS資源、PaaS平臺、SaaS應用的協同基礎上還需考慮計費、運維、安全等方面的協同。云邊協同的聯合式服務能充分利用兩者的聯合優勢，針對不同特征的業務需求進行靈活的部署與響應。融入邊緣計算的云邊協同聯合式服務將成為更有效的服務構架。

邊緣協同任重道遠，需從多維度解決：

1)? 連接協同： 連接設備數量的劇增，網絡運維管理、靈活擴展和可靠性保障面臨挑戰,以及如何兼容多種連接且確保連接的實時可靠是必須要解決的現實問題。

2)? 數據協同： 統一數據連接和數據聚合是業務智能的基礎，解決多樣化與異構的技術和標準的問題，離不開跨廠商、跨領域的數據集成與互操作。

3)? 任務協同： 任務的下達和反饋是實現應用場景功能的基礎，云端面對海量的邊緣側設備和復雜的應用環境，如何將任務準確完整下達到邊緣側；邊緣側設備通過邊緣計算后，如何將有效信息整合到任務中進行反饋，是云邊協同能力的重要指標。

4)? 管理協同： 云端如何對海量和異構的邊緣側設備的接入進行統一和有效的管理；如何對邊緣側設備和云端的應用開發、生命周期、業務管理進行協同，確保邊緣側設備和運算能共同完成某應用場景的管理工作。

5)? 安全協同： 邊緣側的設備和產生的數據接入云端的安全和隱私如何保證，云端如何抵御來自邊緣側的攻擊，云端下放到邊緣側的數據如何保證安全 …

6)? 多方協同:? 邊緣計算和云計算協同應用場景越來越多，越來越復雜，如何在同一應用場景中實現云邊、邊邊、多邊協同等多方協同方案，成為需著重考慮的問題；如何統一不同應用場景中的云邊、邊邊、多邊協同也是另一個重要的方面。

協同以云為中心逐層分散延伸，涉及到云邊、邊邊和邊端三部分。

1)? 云與邊之間網絡有兩個關鍵點：虛實結合、動態選路,云邊網絡就是回云的安全和加速網絡。

2)? 邊邊網絡需保障上層應用使用的邊緣節點之間數據傳輸透明且安全。涉及兩關鍵詞:Fullmesh和安全加速。Fullmesh表示邊邊網絡實現的邊緣節點之間的直接通訊，無需通過中心繞道,是基于由眾多邊緣節點構建的分布式傳輸加速網絡來克服互聯網的數據傳輸穩定性、跨運營商的傳輸速度瓶頸等問題。

3)? 端-邊網絡：運營商本地接入網絡在用戶接入側，端側具有不可撼動的強大優勢，所以邊緣計算一定要與運營商形成合力，基于運營商本地基礎設施網絡構建節點形成與端的連接，實現接入流程一體化，將更多計算能力匯聚。

云原生向邊緣端復制

云邊端協同一體化作為一個標準化構想，分三個層次將云原生能力向邊緣端復制：

?? ?第一個是能夠在云端提供標準化的接口、管控能力，或是標準的云服務和云資源的接入能力.

?? ?第二個是能高效的管理處在整個邊緣端的眾多資源，其中包括邊緣端應用的運維效率問題；

?? ?第三個是典型的 IoT 場景中的端設備。

邊緣云計算服務是將傳統云計算與邊緣計算相結合，形成“云-邊-端”協同的計算架構。邊緣計算的核心，是將計算任務從云計算中心，遷移到產生源數據的邊緣設備上，較之傳統云計算，其安全性更高、低時延、減少帶寬成本。邊緣計算和云計算相互促進、共同發展、相互融合，在中心端學習，在邊緣端執行來處理復雜的問題，在處理好安全性、帶寬、復雜性等方面的問題后，云邊協同勢必在生產中占據舉足輕重的位置，大放異彩！

邊緣計算平臺的架構

伴隨行業發展，邊緣計算正在成為云計算的新邊界，而規模和復雜度的日益提升對邊緣計算的效率、可靠性、資源利用率等一系列能力提出了新的訴求，核心訴求包括：

? 資源、應用管理訴求；

?? 容器化和微服務化；

?? 標準的 API 和工具鏈；

?? 安全，數據 / 信道加密和認證授權

?? ?……

訴求的背后是對邊緣計算平臺架構的目標問題和能力提出了指引，對云邊協同一體化平臺的設計提出了指導方向：支持對物理世界具有系統和實時的認知能力，在數字世界進行仿真和推理，實現物理世界與數字世界的協作；基于模型化的方法在各產業中建立可復用的知識模型體系，實現跨行業的生態協作；系統之間、服務之間等基于模型化接口進行交互，實現軟件接口與開發語言、工具的解耦；框架可以支撐部署、數據處理和安全等服務的全生命周期。

本章節以下部分從通用、分層技術架構，以及具體開源KubeEdge平臺展開.

通用平臺產品架構

云邊協同的聯合式網絡結構一般可分為終端層、邊緣計算層和云計算層，各層可進行層間及跨層通信，各層的組成決定了層級的計算和存儲能力，從而決定了各個層級的功能。

終端層由各種物聯網設備(如傳感器、RFID標簽、攝像頭、智能手機等)組成，主要完成收集原始數據并上報的功能，以事件源的形式作為應用服務的輸入。

邊緣計算層由網絡邊緣節點構成，廣泛分布在終端設備與計算中心之間，可以是智能終端設備本身(如智能手環、智能攝像頭等)，也可以被部署在網絡連接中(如網關、路由器等)。顯然，邊緣節點的計算和存儲資源差別大且動態變化，因此如何在動態的網絡拓撲中對計算任務進行分配和調度是值得研究的問題。邊緣計算層通過合理部署和調配網絡邊緣側的計算和存儲能力，開放API, 實現基礎服務響應。

云計算是強大的數據處理中心，邊緣節點不穩定，核心數據、核心應用需存放云端以確保應用的穩定、數據的安全，邊緣計算層無法處理的任務和全局信息的處理也仍需在云計算中心完成。除此，云計算中心還可根據網絡資源分布動態調整邊緣計算層的部署策略和算法。

通用架構模型

如圖所示，基礎服務層貫通整個框架，數據全生命周期服務提供對數據從產生、處理到消費的綜合管理。縱向來看，最上側是模型驅動的統一服務框架，實現服務的快速開發和部署。下側分為設備、邊緣和云層，邊緣層劃分為邊緣節點和邊緣管理器。邊緣節點的形式、種類多樣，解決異構計算與邊緣節點的強耦合關系，降低物理世界帶來的結構復雜性，設備資源被抽象為計算、網絡和存儲三種資源，使用應用API實現通用的能力調用, 控制、分析與優化領域模塊實現了上下層信息傳輸和本地資源規劃。邊緣管理器使用模型化的描述語言幫助不同角色使用統一的語言定義業務，實現智能服務與下層結構交互標準化。根據功能，提供了4種開發框架：實時計算、輕量計算、智能網關和智能分布式系統，覆蓋從終端節點到云計算中心鏈路的服務開發。

邊緣計算通用服務分層棧

在基礎設施之上，邊緣計算涵蓋四層技術棧，一是邊緣硬件和芯片，二是邊緣計算平臺或邊緣計算操作系統，三是邊緣中件間，四是面向邊緣的應用或服務。邊緣計算和云、端形成一體化的協同模式，開放API賦能上層應用生態。邊緣計算的技術形態可劃分為IaaS、PaaS和SaaS：

IaaS： 主要在邊緣側提供資源虛擬化。建立大規模分布式邊緣算力融合調度平臺，融合虛機、容器、函數、流式計算等計算形態，屏蔽各個邊緣硬件與網絡環境的異構差異，無縫支持各類邊緣資源，為規模覆蓋的云邊一體化計算提供底座能力支持。

PaaS： 傳統虛機方式的運維成本往往居高不下，比如機器的地域分布、網絡差異等會帶來不小運維成本，難以進行快速的業務切換調度。就需要有個邊緣場景的PaaS服務來幫助用戶管理和調度邊緣的資源，容器和K8s是一個不錯的架構選擇。

SaaS： 服務種類較多，包括邊緣智能、邊緣應用市場、邊緣中間件(消息、緩存等)、邊緣軟硬一體機(數據智能、通用一體機等)。這些服務都可通過邊緣容器應用市場獲取。

在基礎設施層，其實是基于復雜的、異構的基礎設施進行資源拉通。

在芯片/設備方面，邊緣計算采用通用、專用和自研芯片解決面向場景的計算成本問題；

在邊緣計算平臺方面著力打造邊緣操作系統，提供三種計算形態(虛機、容器、函數)和三種交付形態(Server、Serverlet、Serverless)，為客戶營造一個利于使用的計算環境；

對于邊緣中間件，從原本“內容分發的調度”轉變為“計算的調度”，同時疊加AI、存儲等技術，逐步形成面向城市應用場景的獨特中間件能力；

至于上層的邊緣應用及服務，則需結合整個生態和垂直行業伙伴共同推動技術進步。

硬件層提供的是物理機，硬件的網關包括AI盒子，可能只是一個很小部分，它需要組網也需要通信的模組，包括智能硬件。再往上層是通用計算、GPU，包括簡單的PAAS，上面有一些目前本地計算需要的比如邊緣引擎、邊緣網關、調用中臺，定位為邊緣計算平臺。再往上要承載整個邊緣計算提供的服務，這個服務有組件還有SAAS服務。再往上是整個智能運用的場景。

----------

云計算的可信新邊界：邊緣計算與協同未來（下）

云計算

版權聲明：本文內容由網絡用戶投稿，版權歸原作者所有，本站不擁有其著作權，亦不承擔相應法律責任。如果您發現本站中有涉嫌抄襲或描述失實的內容，請聯系我們jiasou666@gmail.com 處理，核實后本網站將在24小時內刪除侵權內容。

版權聲明：本文內容由網絡用戶投稿，版權歸原作者所有，本站不擁有其著作權，亦不承擔相應法律責任。如果您發現本站中有涉嫌抄襲或描述失實的內容，請聯系我們jiasou666@gmail.com 處理，核實后本網站將在24小時內刪除侵權內容。