边缘计算的探索与实践丨系列文章(1)

边缘计算的探索与实践丨系列文章(1)

题图摄于北京观光塔

近期文章:

运维 Harbor 镜像仓库的法宝:Operator

Harbor和Dragonfly双剑合璧

KubeFATE: 用云原生技术赋能联邦学习(一)

用FATE进行图片识别的联邦学习

(本文作者系 VMware 边缘计算实验室主任,原文首发于VMware中国研发中心公众号)

云计算与边缘计算的协同发展已成为未来发展的重要趋势,然而目前云边协同仍处于发展的初期阶段,业界应引导企业提升云边协同服务水平,推动云边协同健康发展。边缘计算主要指在靠近物或数据源头的一侧,就近提供计算服务,以产生更快的网络服务响应,满足应用的实时性和数据保护等方面的需求。本系列文章主要是介绍边缘计算方面的探索和实践,供大家参考学习。

第一篇  前言

云计算与边缘计算

云计算在近十年的高速增长之后,已经成为全球各行业广泛接受和应用的集中计算方式。而近几年,随着大数据、人工智能、5G和工业互联网等“新型基础设施建设“的兴起,边缘计算的需求猛增起来。无论是从电信运营商、公有云服务提供商、还是各行业的企业用户角度来说,都希望以某种形式打造最适合自己场景的边缘计算方案。

云边协同

无论是移动边缘计算(MEC)、云边缘(Cloud Edge)、还是工厂侧的设备边缘(Device Edge),用户都希望能够拥有和云平台相协同的边缘计算平台。云边协同不止是打通运行时的数据通道,更是从整个生命周期来看、从全栈技术来看的整体协同。在各行业平台已经高度碎片化的边缘计算领域之外,要和多家云计算平台打通全栈层面的集成,无疑是更加挑战性的工作。

边缘计算的困境

在边缘计算平台的底层,是关于基础设施、或者叫设备管理的部分。由于边缘计算模式的天然特性,可用设备资源通常具有相当的局限性。无论是从CPU、内存、存储、网络、加速器等硬件规范,还是从OS、应用框架等软件规范来讲,都远远无法和云计算平台、甚至普通PC相比。另一方面,设备上运行的边缘应用由于历史源流的原因、和供应商的技术异构性,又常常对于CPU和OS有迥异的要求。这无论从空间、时间、资金等各方面成本来看,都增加了更多的压力。

容器化与虚拟化

为了实现云边协同、解决设备管理和边缘应用管理的难题,现在各行业内最常见的做法是在设备上运行容器化应用、并由云平台来管理的方式。它的好处是充分利用了云计算上已验证的技术、平台、人员与技能,缺点是更适合现代边缘应用,对于OS不同的遗留系统较难实现容器化。容器化的代表是Linux基金会边缘计划下托管的EdgeX Foundry边缘计算平台(https://www.edgexfoundry.org/)。

对于OS不同的遗留系统,现实的方式是把应用包装进虚拟机内,运行在设备侧的Hypervisor平台上。边缘应用的虚拟化平台可能可以进一步和容器化平台整合,打造跨OS的统一运行机制。例如Linux基金会旗下的ACRN项目(https://projectacrn.org/),和Linux基金会边缘计划下的EVE项目(https://www.lfedge.org/projects/eve/),就是专门针对设备的虚拟化平台。

边缘计算运维

无论是容器化、虚拟化还是两者的结合,运维边缘计算的实践最终都将会、也只能在云侧完成。否则对于大规模生产性部署来说,效率、安全、成本等问题积累起来,将会成为无法摆脱的梦魇。所以从运维的角度来讲,虽然这些设备并非一定位于云侧,但因为它们都是从云侧来管理的,是以类似云计算的方式来运维的,它们就也可以看作某种意义上的设备云(Device Cloud)。

- 未完待续 -

消息一则:

VMware近期职位: 北京、上海、广州等


要想了解云原生和人工智能等技术原理,请立即长按以下二维码,关注本公众号亨利笔记 ( henglibiji ),以免错过更新。

边缘计算的探索与实践丨系列文章(1)