作者：余凯
售后业务中的细微变革
作为阿里云企业容器技术支持的一员，每天会面临环球各地企业级客户提出的关于容器的各种问题，通过这几年的技术支持的经历，逐步发现容器问题客户的一些惯性，哪些是重度用户，哪些是轻度客户，这些客户大概分布在什么行业等等。
在渐渐地接触过程中，发现有些重度容器使用客户，所提出的问题场景也在逐步变革中，由于涉及法律法规，下面数据无法完备提供，只是提供相干简要阐明。
纵向维度
从去年底开始，关于边沿集群的工单数量渐渐开始上升，增长幅度较大。其中涉及问题的边沿集群，凌驾一半左右来的客户集群规模比力大，集群节点规模数量级在几百个节点，乃至几千个节点规模。
横向维度
客户一：
该用户是目前是国内 ToC 端个性化推荐服务提供商之一，该客户在本年才开始使用 容器服务 Edge 版 ACK Edge 产物，到目前为止边沿集群的节点数已经快速破百。
客户二：
该用户是目前是国内电动汽车行业先驱者，并且不绝处于新能源热门话题榜中，该客户第一次使用容器服务 Edge 版 ACK Edge 产物，到目前为止，边沿集群的节点数已经破千，占该客户所有容器集群节点数的近一半。
客户三：
该用户是环球闻名无人 IoT 设备提供商之一。于去年开始使用容器服务 Edge 版 ACK Edge 产物后，快速增长 ACK Edge 比重，目前边沿集群已经承担了该客户容器的大部分业务形态，同时该客户提问的容器工单，一泰半是关于边沿集群的。
客户四：
该用户是私域电商范畴的领头羊企业，于本年开始使用容器服务 Edge 版 ACK Edge产物，并快速的举行集群规模的扩张，到目前为止，边沿集群的节点数规模已颠末千。这些客户在边沿集群上的使用，和我这几个月服务企业客户的体感是一致的，那就是边沿盘算似乎越来越成为客户业务云原生化的一个方向，并且该比重会越来越高。这些短平快使用边沿集群的客户貌似并没统一的客户行业属性和画像，既有互联网电商，也有制造业，新能源骑车等交通行业线等等，并不像公有云具有猛烈的行业属性，比如互联网，教培客户偏向于公有云，ToG，大交通客户偏向于专有云等等，似乎边沿盘算出现就是为了终端复杂业务场景而生的。
这里着实又引申了几个问题：
- 什么是边沿盘算。
- 到底是先有边沿盘算产物提供给了客户使用，扩大了规模；还是由于客户有大量需求，以是形成了边沿盘算的产物开发需求。
关于第 1 点，这个问题太庞大了，这里卖个关子，以后有时间慢慢阐明。关于第二点，我个人以为这不是个鸡和蛋的问题，我理解是未来的云盘算将充分地开释云盘算的潜力，将会有更多的业务应用生于云，长于云；面临客户愈加复杂的个性化需求，需要利用好云原生的优势，从中央到边沿；云原生的理念也愈加美满和清晰，从 Kubernetes 到服务网格再到 Serverless，云和业务是相辅相成，互相成绩的，套用一句话：业驱云长，云随业动。
从市场看边沿云盘算
环球市场
根据 polarismarketresearch 的边沿盘算市场分析，2021 年环球的边沿盘算市场规模在 741 亿美元，预计到 2030 年，整个市场规模持续增长到 1.4 万亿美元，年复合增长率靠近 38.8%，其中增长最快的是亚太市场，可以看到边沿盘算在未来十年还是处于高速发展期。
大量的设备毗连到互联网上，这在传统的数据中央底子设施中产生了大量的数据。新兴技术和盘算设备在许多行业的快速采用预计会产生大量的分散数据。大量的数据天生降低了处理时的延迟和低效性；边沿盘算将这种数据处理重新定位到数据源，而不是依赖数据中央来处理和分析数据。这有助于组织服从优化。
由于中国、印度、日本和韩国等国家的快速数字化、技术创新和毗连设备的扩展，亚太地区预计将在预测期内实现更快的增长。别的，主要电信公司的存在和部署边沿盘算的 IT 投资的增长支持了区域增长。
政府为数字化提供的资金不绝增长，以及许多企业对存储和处理数据的需求不绝增长，都有助于市场的增长。别的，跨智慧都会的新兴物联网应用产生了大量数据，与云盘算相比，以相对较低的成本处理和分析数据以产生信息并增强数据源附近的实时决策的需求日益增长，推动了细分市场的增长。
国内市场
依据艾瑞咨询分析数据，2020 年中国企业中仅有不足 5% 使用了边沿盘算，但计划使用的比例高达 44.2%。可以见得，虽然边沿云盘算尚处在发展的萌芽期，但未来发展空间非常广阔。根据艾瑞咨询测算，预计到 2025 年团体边沿云规模将以 44.0% 的年复合增长率增长至 550 亿元，其中区域边沿云将凭借互动直播、vCDN、车联网等率先成熟的场景实现增速领跑。2030 年，中国边沿云盘算市场规模预计到达靠近 2500 亿元，2025 年至 2030 年的年复合增长率相比前五年有所下降，现场边沿云中工业互联网、智慧园区、智慧物流等场景将在这一期间快速走向成熟。
注：该图片信息来自艾瑞咨询
什么是边沿云盘算
算力的莫比乌斯环
自通用盘算机诞生至今，算力和处理的分布体现出了在会集式架构和分布式架构之间交替循环的特性，每个周期大概是二十年左右的时间。
主机模式： 通用盘算机诞生伊始，采用基于大型盘算机的会集式盘算模式，通过分时技术服务于多终端。
C/S模式： 随着半导体技术的发展和集成电路平民化的演进，个人盘算机体积越来越小、而性能得到了明显提拔。PC 的范围普及使终端用户通过局域网与服务器相连；
云盘算模式： 基于虚拟化、分布式盘算等技术，云盘算实现随时随地、按需从资源共享池中获取所需资源，算力回归到会集式架构；
边沿云盘算： 随着 5G 的普及，物联网，终端量和数据量快速增长，会集式云盘算体现出瓶颈，算力开始向边沿侧迁徙。
技术的快速进步推动云盘算性能提拔和成本降低，新的模式打破既有的成本与效益均衡，进而进入新一轮的算力分布周期。
概念和业务形态
边沿云盘算构筑在位于中央云与终端之间的边沿底子设施上的新型分布式盘算，是云盘算能力由中央向边沿的下沉，强调通过云边一体、协同管理实现中央云盘算模式下所无法满意的业务需求，是一种更加靠近数据产生源的云盘算。
“边沿”是一个非绝对的相对概念，边沿业务对网络时延、带宽、数据量级、经济性等多方面的差异需求都会影响边沿云部署的最佳位置。自动驾驶、云游戏等共享型业务，可部署在区域级别 or 省市级别的区域边沿云上，而面向工厂、港口、园区等的专享型边沿云业务既可以部署在贴近客户现场的边沿数据中上，也可以通过边沿网关等更轻量级的设备来实现。从技术路线上看，区域边沿云和现场边沿云同是基于边沿数据中央，是通过 ICT 底子设施的下沉实现边沿云的能力，而 IoT 边沿云是对于以工业场景为代表的各类现场设备举行云化的升级改造。
定位和焦点代价
边沿云盘算出现是为了补充会集式云盘算能力的不足，因此边沿云盘算的出现不是为了替换会集式云盘算，当我们广义上去讨论的时候，着实应放在云-边-端的团体框架之下，将边沿云视作中央云在靠近终端用户的下沉。着实边沿云盘算就类比章鱼，章鱼的大脑仅有 40% 的神经元，别的的 60% 神经元分布在章鱼个各个大腿之上，形成了“1 个大脑+N 个小脑”神经盘算结构。这个和中央云+边沿云+终端用户架构极为相似，各种各样的终端用户采集到海量数据后，将需要举行实时处理的小规模、局部数据就近在边沿云上完成处理和反馈；而复杂、大规模的全局性的数据处理，则交给中央云举行处理和发布，中央云与边沿云统一管控、智能调度，形成算力的合理分配和业务逻辑的实现。
边沿云盘算相比中央云盘算更加贴近数据产生和使用的终端用户，这些终端用户对网络时延和传输成本方面具有非常大的敏感性，而边沿云盘算是云盘算能力向边沿的下沉，同时也契合了低延迟和低成本的诉求。但是边沿侧的物理物理设备和运行情况不像中央云有统一的尺度，硬件的性能参差不齐，因此边沿云需要与中央云举行协同处理，结合中央云的大规模盘算能力和边沿云的低延迟，成本低的特点，既要实现在会集式云盘算模式下无法实现的超低延时的信息交互，又要实现一部分的数据自闭环处理和反馈。
超低延迟
现阶段应用边沿云最主要的动力即为时延，尤其是需要实时交互、实时反馈的场景，比如智能终端设备，车辆网，自动驾驶等等。传统云盘算模式下，从终端用户到中央云因物理距离的强力限定，网络延迟难以进一步降低，同时智能终端设备数量级的增长，必然对海量数据处理带来了要求。
传输成本
中央云盘算下终端用户产生的数据都需要回传到云端举行处理，远距离的数据传输斲丧的成本比力高，且大多数传回云端的数据，多是无用信息，在终端量级爆发增长下，对中央云的盘算能力产生了大量损耗。
网络安全
有些行业因国家政策、行业特性、数据隐私保护等要求，对数据安全要求极高，敏感数据无法传回云端，但是这些行业也有业务云化的需求。
典范应用场景
超低时延需求、海量数据处理、边沿智能调度、数据安全规范是促使企业选择边沿云盘算的几个主要因素，目前超低延迟特性和海量数据处理是边沿云盘算相比中央云盘算的最大优势。如右图所示，在工业互联网、 车联网、智慧交通、云游戏和 VR/AR 等场景中，数据的传输和盘算能力的需求是巨大的，边沿云盘算恰好能满意这些高要求。
注：该图片信息来自艾瑞咨询
Kubernetes：从中央化走向边沿化
颠末前面的铺垫，我们可以对未来云盘算有大概的一个开端判断。那么作为云原生基石的 Kubernetes 在边沿盘算场景下又是该如发展呢？是类似于 IOE 这种随着期间潮流渐渐淘汰，还是类似 Vmware 在本身的私域里不受影响，还是像现在 AI 大模子成为未来主流呢。这里先说下个人观点，Kubernetes 插件体系和 list-watch 机制，让它天生就适合边沿云盘算。
Kubernetes 是以应用为中央而设计的架构方案，以 Kubernetes 为编排工具，向下屏蔽底层底子设施和架构，实现差异底层资源架构的统一调度和管理；向上通过尺度的容器镜像手段，实现承载多种业务形态和应用的自动化部署和快速规复；横向拓展实现了突破中央云盘算的边界，让底层算力的调用突破地区、云厂商和物理设备的限定，形成了云-边-端一体化的协同部署方案。
Kubernetes 在边沿云盘算下的挑衅
Kubernetes 是一个分布式架构的云原生系统，实现了管控-业务的分离，master 节点负责管理 worker 节点，调度 Pod 以及控制集群运行状态。worker 节点，负责运行容器，排挤容器状态并及时上报。在边沿云盘算场景下，主要面临以下挑衅：
- Kubernetes 是一个强一致性的中央存储架构，相干 Kubernetes 资源的状态都会记载到管控侧并对这些资源举行统一调度和管理，那么在边沿多场景下，边沿和中央之间的网络状态是不稳定的，那么这种强一致性的逻辑就会碰到挑衅；
- Worker 节点通过 List-Watch 机制与 Matser 节点通信，实现该节点的上 Kubernetes 资源的同步，但是当出现边沿和中央的网络瓶颈时候，Worker 节点是无自治能力，无法举行自我决策。
- Kubelet 所需要执行的计谋比力多，比如容器 CRI，CSI， CNI 等网络，存储，盘算等资源，在大规模节点，有时候 kubelet 占用的资源靠近 1GB，这对边沿低设置硬件版本设施是个挑衅。
Kubernetes 社区的主版本并没有主流开源边沿版本，而且边沿云盘算涉及场景更加复杂，目前 CNCF 社区的边沿云盘算开源项目主要针对就是上面三点挑衅，利用 Kubernetes 多插件支持能力，将管控中央任务分布是部署，实现 Kubernetes Master 节点统一管控，智能调度；各个边沿集群节点有独立管控实现各自边沿的自治和业务同步，从而实现了云端管控、边沿自治的云-边-端一体化协同。
阿里云容器在新期间的产物计谋点
OpenYurt：无侵入式方案
边沿自治能力
OpenYurt 引入了一个每节点代理（YurtHub）和本地存储来缓存云 apiserver 状态，因此如果节点断开毗连，缓存数据可以被 Kubelet、KubeProxy 或用户 Pod 使用。
跨 NodePool 网络通信能力
OpenYurt 使用 Raven 提供跨 NodePool 网络通信能力。每个节点安装一个节点守护历程，同时每个节点池中只选择一个守护历程作为 Gateway，在节点池之间建立 VPN 隧道，节点池中的其他守护历程设置跨节点池网络路由规则以确保流量通过 Gateway 节点。
多 NodePool 管理
为了更好地支持云边协同架构，OpenYurt 首创了管理 Pool 的理念，Pool 封装了对节点资源、应用程序和工作负载流量的管理。
高级的工作负载升级模子
OpenYurt 增强了 DaemonSet 升级模子，增长了 OTA(On-The-Air) 和 Auto Upgrade 模子。比如汽车的 OTA 升级场景等。
可编程资源访问控制
YurtHub 组件内置了可编程的数据过滤框架，来自云端的返回数据会颠末一个过滤器链，从而对返回数据举行非感知和按需转换，以满意云边协同场景下的特定需求。
云边网络带宽减少
OpenYurt 发起引入 Pool Scope Data 的概念，其他 YurtHub 将从 pool-coordinator 中获取 Pool Scope Data，从而消除每个节点使用公共网络带宽从云 kube-apiserver 获取此类数据。
云原生边沿设备管理
OpenYurt 从云原生视角对边沿终端设备的基本特性（是什么）、主要能力（能做什么）、产生的数据（能够传递什么信息）举行了抽象与界说。最终通过云原生声明式API，向开发者提供设备数据采集处理与管理控制的能力。
地址： https://openyurt.io
而相对的 OpenYurt 商业化产物是容器服务 Edge 版 ACK Edge，支持对边沿盘算场景的容器应用和资源全生命周期管理。
- 通过控制台一键创建高可用的边沿 Kubernetes 集群，并提供丰富的管理运维能力。
- 支持丰富的异构边沿节点资源，包括自建 IDC 资源、ENS、IoT 设备、X86、ARM 架构等；并支持异构资源的混合调度。
- 面向边沿盘算弱网络毗连场景，提供节点自治和网络自治能力，包管边沿节点和边沿业务的高可靠运行。
- 提供反向运维网络通道能力。
- 提供边沿单元管理、单元化部署、单元流量管理能力。
https://help.aliyun.com/zh/ack/ack-edge/product-overview/ack-edge-overview
小 结
Kubernetes 是一个庞大且复杂的架构，仅仅目前主流的组件就有近百，而将整个 Kubernetes 下沉至边沿场景，面临的业务挑衅和架构挑衅是巨大的。差异的场景和需求偏重点有差异的方案，这也是为什么目前 Kubernetes 边沿场景下的方案比力碎片化，并无主流的，占绝对优势的边沿化云盘算方案。
打破中央云盘算的边界，将 Kubernetes 从中央化拓展至边沿化，构建云-边-端一体的底子云设施架构是目前边沿云盘算项目的发方向，都是为了更好的服务边沿化业务场景。业务上实现应用的中央化管控和边沿侧运行的云-边-端协同；运维上边沿业务的自动化运维、高可靠性快恢，降低边沿场景下的运维成本。故边沿云盘算的场景就是云和业务是相辅相成，互相成绩，业驱云长，云随业动。
参考：
边沿盘算社区：2022 十大边沿盘算开源项目
运营商边沿盘算网络技术白皮书（2019）
《中国边沿云盘算行业展望陈诉》
《中国云盘算发展白皮书》
OpenYurt：边沿元数据过滤框架深度解析
【OpenYurt 深度解析】优雅实现带缓存能力的反向代理
深度解读 OpenYurt：从边沿自治看 YurtHub 的扩展能力
Edge Computing Market Share, Size, Trends, Industry Analysis Report，2022 - 2030
Market Guide for Edge Computing
Edge Computing Market- Market Size, Share, Growth, Trends and Forecast 2023 to 2032
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。 |
