边缘计算体系逻辑架构：云、边、端协同，定义及关系
弁言５Ｇ和物联网时代的到来，海量数据的产生与任务计算对现有网络产生极大的打击，基于Internet的云计算虽然提供了对虚拟共享的可配置计算和存储资源的广泛访问和按需访问，是处置惩罚海量数据与计算任务的绝佳平台，但是对于５Ｇ时代的诸如在线游戏、虚拟实际和超高清视频流等高速访问超低延时的应用和海量终端互联来说，云计算是无法满足其要求的。
与此同时，下一代互联网的关键特征之一是信息越来越多地在本地生成并在本地消费，且大量的边缘设备存在可用计算和存储资源。因此，为应对云计算存在的挑衅、网络压力和提升用户体验满足业务需求，业界提出将云计算平台迁徙至网络边缘，即边缘计算，发掘网络的内在本领在数据源附近提供边缘服务，以满足在敏捷毗连性、实时优化、智能应用、安全性和隐私性方面的关键要求.
1、“云-边-端”架构
在面向新一代信息底子设施的物联网体系架构中，数据处置惩罚以及基于数据的智能服务变得越来越紧张。
前两年出现了一个比较热的词，叫做"边缘计算"，是指把简单的、需要实时计算和分析的过程放到离终端设备更近的地方，以保证数据数据处置惩罚的实时性，同时也减少数据传输的风险。
最近又出现了一个新的热词，叫做“云边协同”，其寄义跟边缘计算相差不是很大，只是夸大“云-边-端”这样的架构，终端负责全面感知，边缘负责局部的数据分析和推理，而云端则汇集所有边缘的感知数据、业务数据以及互联网数据，完成对行业以及跨行业的态势感知和分析。
[*]“云” 是传统云计算的中央节点，是边缘计算的管控端；
[*]“边” 是云计算的边缘侧，分为底子设施边缘和设备边缘；
[*]“端” 是终端设备，如手机、智能家电、各类传感器、摄像头等。
https://img-blog.csdnimg.cn/32391d16f05349fdadf159d00d7bc703.jpeg
基于AI的智能服务则是贯穿“云-边-端”整个架构，在感知终端，AI技能旨在进步全面感知的敏感性、正确性以及人机交互、物物交互的实时性，同时也可以通过芯片来进行简单的逻辑推理。
在边缘处
AI技能主要负责汇集该域内的局部数据以及相干的业务数据，完成感知数据的分析和推理，并且能够把相干的分析效果或模型传送给感知终端，达到感知终端与边缘云的协同，同时，边缘云与边缘云之间也可以通过联网共享，共享数据、资源、算法等，完成边缘云之间的相互协同。
在云端
不仅需要提供类似边缘云的云计算相干的存储、计算、网络、安全资源，还需要汇集、融合所有的数据，提供基于全局数据的智能服务，包括智能调理、运维、宏观决策等。
云中央善于全局性的、非实时的、长周期的大数据处置惩罚与分析，能够在长周期维护、业务决策支撑等领域发挥上风。
边缘计算更适合局部性、实时、短周期数据的处置惩罚与分析，能更好地支撑本地业务的实时智能化决策与实行。边缘计算与云中央是互补协同的关系，边云协同将放大边缘计算与云计算的应用代价：边缘计算既靠近实行单元，更是云端所需高代价数据的收罗和初步处置惩罚单元，可以更好地支撑云端应用；反之，云计算通过大数据分析处置惩罚优化输出的业务规则或模型可以下发到边缘侧，边缘计算基于新的业务规则或模型运行。
https://img-blog.csdnimg.cn/a4a8627c38c3467ebc4efcdeb4d35034.png
从表中可以看出云计算和边缘计算是各有上风的，云计算的主要上风是海量计算和海量存储、计算服从高、广域覆盖，适合计算密集型、非实时性的计算任务和海量数据的并行计算与存储，能够在长周期维护、业务决策支撑等领域发挥上风，并且计算硬件都会合在云计算中央，实行会合式的管理，因此无需在本地维护计算硬件、数据存储和相干软件。
边缘计算的主要上风是广泛分布的边缘节点提供了实时的数据处置惩罚，边缘计算的过程是一个以用户和应用为中央的过程，弥补了云计算中时延和移动性的缺陷，适合非计算密集型、实时性、移动性数据的处置惩罚分析和实时智能化决策，并且作为一种新的网络范式能够满足５Ｇ 时代计算需求的空前增长和用户体验质量的不断进步，数据的本地化处置惩罚相较于云端也更安全。
但是，边缘平台的处置惩罚性能通常不如云平台，它通常没有足够的内存和处置惩罚器来处置惩罚大量数据，因此无法实行复杂的操作，比方深度学习
除了云边协同，由图上图可知，逻辑架构侧重边缘计算体系云、边、端各部分之间的交互和协同，包括云、边协同，边、端协同和云、边、端协同3个部分。
https://img-blog.csdnimg.cn/d4836006163b4acd8e127b317e2580f4.jpeghttps://img-blog.csdnimg.cn/5040978608234acd9abcfa607f25b6c0.jpeg
[*]1、云、边协同：通过云部分Kubernetes的控制节点和边部分KubeEdge所运行的节点共同实现。
Kubernetes控制节点沿用云部分原有的数据模型，保持原有的控制、数据流程稳定，即KubeEdge所运行的节点在Kubernetes上出现出来的是一个普通节点。Kubernetes可以像管理普通节点一样管理KubeEdge所运行的节点。
KubeEdge之所以能够运行在资源受限、网络质量不可控的边缘节点上，是因为KubeEdge在Kubernetes控制节点的底子上通过云部分的CloudCore和边缘部分的EdgeCore实现了对Kubernetes云计算编排容器化应用的下沉。
如下图所示：
https://img-blog.csdnimg.cn/30ae1ccfe9f544ae8c937c34c570c2c5.png
[*]2、边、端协同：通过边部分KubeEdge和端部分EdgeX Foundry共同实现。
KubeEdge作为运行在边缘节点的管理程序，负责管理在边缘节点上应用负载的资源、运行状态和故障等。在一些的边缘计算体系中，KubeEdge为EdgeX Foundry服务提供所需的计算资源，同时负责管理EdgeX Foundry端服务的整个生命周期。
EdgeX Foundry是由KubeEdge管理的一套IoT SaaS平台。该平台以微服务的形式管理多种物联网终端设备。同时，EdgeX Foundry可以通过所管理的微服务收罗、过滤、存储和发掘多种物联网终端设备的数据，也可以通过所管理的微服务向多种物联网终端设备下发指令来对终端设备进行控制。
https://img-blog.csdnimg.cn/0e43e1f8e08848ebbda35cae05f157ba.png
[*]3、云、边、端协同：通过云解决方案Kubernetes的控制节点、边缘解决方案KubeEdge和端解决方案EdgeX Foundry共同实现。
https://img-blog.csdnimg.cn/cb094ba85d6e4e288c10fb54037f4b78.jpeg
https://img-blog.csdnimg.cn/3b149efe136945058a3840327499170a.png
https://img-blog.csdnimg.cn/d482de0b7f334d1185b7f76618dc5fea.pnghttps://img-blog.csdnimg.cn/3e88fb46292845858e465e55f5ea5450.jpeg
参考资料
[*]深入明确边缘计算：云、边、端工作原理与源码分析 崔广章 之江实验室工程师撰写
[*]物联网数据分析体系
[*]详解边缘计算体系逻辑架构：云、边、端协同
[*]基于软件定义网络的云边协同架构研究综述，【文章编号：１００７－１３０Ｘ（２０２１）０２－０２４２－１６】李 波，侯 鹏，牛 力，武 浩，丁洪伟，文章编号：１００７－１３０Ｘ（２０２１）０２－０２４２－１６
免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。
页:
[1]