浅谈云原生边缘计算框架演进

作者：谐云

2022 年 7 月 26 日
本文字数：3776 字
阅读完需：约 12 分钟

近日，首届云原生边缘计算峰会(KubeEdge Summit 2022)于线上成功举办。现场，谐云资深技术总监、边缘计算负责人魏欢分享了云原生边缘计算框架的演进。从边缘计算框架的基本概念切入，详细讲解了企业级边缘计算平台关键特性等，并通过 3 个典型应用场景深入浅出地分享了谐云边缘计算领域的落地实践。

本文为魏欢老师在峰会主论坛 Keynote 环节中的演讲实录。

本次分享围绕以下几个问题展开：

什么是云原生边缘计算框架？
使用 Kubernetes 的设计理念来打造这样一个边缘计算框架，靠不靠谱？
作为一直致力于 Kubernetes 技术落地的谐云，有哪些真实有效、规模化、可复制的成熟落地经验？
面对未来更多的应用场景，作为用户或者一线的技术实践者，又该对框架或场景本身有着怎样的进一步考虑？

一、边缘计算生态共建

1、企业级边缘计算平台的 5 大关键特性

首先，构建一个企业级的边缘计算平台，需要具备 5 大关键功能或者特性。

第一，是对于边缘应用的支持。也就是说，希望可以像在云中心一样发布和管理边缘应用，并且支持边缘自治。边缘自治的意思是即使云中心和边缘失去网络连接，边缘应用依然能正常运行，当云边网络恢复正常后，云中心又能立刻感知到边缘应用的状态，并且又能正常地更新它。

第二，是对于状态的实时掌控和感知。前文提到了应用的例子，这里再举一个边缘设备的例子。云中心要能够实时地掌控和感知边缘设备的状态，包括设备数据的采集和对设备的控制。

第三，是从云到边的基础设施，例如算力下沉、算力卸载(offloading)等等。我们经常说边缘是云中心的延伸，通过将算力从中心下沉至“物”的边缘，实现近场计算或者边缘计算，以前也叫雾计算(Frog Computing)。这里的第一个“物”指的是“IoT”里面的 T，也就是 Thing，第二个“雾”指的是相对于“云”而言，以更好地来表达边缘这样一层意思。在边缘计算领域，以前有很多种不同的叫法。算力卸载是什么意思呢？它的出现一般是从 Mobile Edge 的场景，比如有些电力物联网设备本身依赖电池供电，算力不够，那么一些复杂的计算就适合卸载到靠近它的边缘节点进行。再比如车云协同，单个汽车的算力可能有限，当进行复杂的模型训练时，需要将算力卸载到靠近它的边缘云甚至云中心进行。

第四，是边缘安全。边缘计算是场景驱动，而边缘计算的很多场景在户外，此时我们就需要考虑原先在云中心机房的安全手段是否能够满足边缘计算的场景。

第五，是为特定行业与场景赋能，例如 CDN、IoT、智能等等。CDN 应该是边缘计算最早开始广泛应用的技术，甚至至今学术界也还普遍认为 CDN 就是早期的边缘计算。特地强调这一点的原因在于边缘计算具有它非常独特的特性，那就是超低的时延。像自动驾驶，就必须通过边缘计算、本地计算来实现，模型和地图远程更新。而像边缘智能，国家和政策也应大力支持，尤其是基于视觉的边缘智能场景，拥有广阔发展空间。我们想象一下，假如边缘智能这些方案能够部署到全国每个角落，不留任何死角，只要基于路网监控和智能跟踪这些技术，那么或许像儿童拐卖这种事件就不会再发生，而公众场合的暴力案件也能够被行为识别算法快速告警和制止。

2、两分钟理解“云原生”边缘计算框架

这里，我需要花两分钟的时间帮助非技术朋友们理解一下什么是“云原生”的边缘计算框架。也是今天大家来听这个分享是否值得。

经常会遇到客户朋友问，你看边缘计算的框架那么多，基于“云原生”的边缘计算框架是否靠谱？那么到底什么是云原生边缘计算框架？我认为简单地理解就是基于终态管理设计哲学的边缘计算框架。

什么是终态管理，也就是借鉴了 Kubernetes 对于资源尤其是应用的状态管理方法。那么云原生边缘计算框架的运行逻辑就是：在这样一个框架中，位于边缘的所有资源，包括边缘节点、边缘应用、边缘设备以及云边消息等等，他们的状态管理方式一概全部沿用 Kubernetes 的管理哲学。

当然，我这里的“一概”这个词用得有点激进，或许再过几年后会被拨乱反正。这里可以举个设备状态管理的例子，我们可以在云端实现对边缘设备的远程控制，即在云端 etcd 中改变这个设备的状态，然后依靠这套框架将云端定义的设备状态同步到边缘，反过来也可以在边缘本地改变这个设备的状态，然后同步到云端。

3、谐云边缘计算发展史

之前在 KubeEdge 社区里做分享的时候，我经常讲到，我做边缘计算算是机缘巧合，遇到 KubeEdge 也是非常巧合。

我们谐云 2016 年从浙大 SEL 实验室孵化，当时我们从学校里出来之前，基本上已经把 Kubernetes 和 Docker 的代码全部捋了一遍，就是打算基于 Kubernetes 做个好用的 PaaS 平台。然后，我们其实在 2017 年就已经帮助移动的一个研发中心做了基于 Nomad 的边缘计算落地，当然那个时候能想到的也就是 CDN 场景。再之后，我们在 2018 年到 2019 年，团队花了非常大的精力帮助移动的一个在线公司进行容器云平台从 0 到 1 的建设，那两年也是团队成长最迅速的两年。现在想起来，非常感谢当时一起合作的每一位移动在线公司的伙伴。

后来终于把云中心建成，后续又再花了两三年时候，把上万节点规模这样的数据中心的应用全部容器化迁移到 Kubernetes，当然现在还在一直支持和运维。到了 19 年，客户提出要建设边缘小数据中心，或者现在叫边缘云的需求，因此当时我们就开始调研，但是当时业界有没有基于 Kubernets 实现的边缘计算框架。于是，我们发现了 KubeEdge 正好开源，我们把代码拉下来一跑，快速地源码一看，虽然还是零点几的版本，但设计上基本与我们的思路一致，因此也就有了后面的大力投入和源码贡献。正可谓是真正的场景驱动。

而我这里其实最想表达的意思，其实就是社区共建和生态共赢。记得在 20 年社区分享时我说过一句话：开源软件生态建设需要一批强有力的、持续贡献的先驱者，包括组织和个人，同时也需要一群敢于尝试敢于规模化落地的实践者。这里，重点感谢近几年陪伴谐云团队一起勇敢尝试边缘计算、并且充分信赖我们、敢于规模化落地的所有客户和伙伴。

二、谐云边缘计算领域典型落地实践

1、某在线服务公司-分布式云与云边协同平台

第一个案例其实前面已经讲过，18-19 年，也正是 KubeEdge 刚开源的时候，我们是为一个移动的在线公司，在基于谐云自主可控的容器云底座的基础上，打造了一个从云到边的云边协同平台，目前这套平台正在支撑着他们全国的几十个分公司的小边缘数据中心。

2、某跨海大桥-设备维养平台

第二个案例我认为是 IoT 领域的典型。我们也差不多是 18 年左右，帮助应该是全球最长的跨海大桥，建设了一套设备维养平台。这个案例其实在 KubeEdge 社区也已经分享过好多次，由于时间关系，不再多讲，有兴趣想深入了解的可以看文末，放置的一个过去分享的 Youtube 视频链接。

3、上汽集团-下一代车云协同架构

作为技术人，第三个案例我认为则是真正的意义上极其具有技术挑战的案例，因为它属于移动边缘计算的场景。

CNCF 总经理 Priyanka Sharma 在会上重点介绍车云协同架构先进案例

在这个案例中，我们帮助上汽集团把每辆商用汽车作为一个边缘节点。在落地的过程中，我们进行了大量非常规的测试，包括性能、稳定性测试等等，最后成功上车。这个案例在 21 年的时候，我和 Kevin（王泽锋，KubeEdge 项目联合创始人）还在 QCon Plus 一起做了联合分享，之后被 CNCF 的 CEO Priyanka 注意到，并在 KubeCon 的 Keynote 上特意重点提到谐云和上汽集团合作的这个案例，这说明中国边缘计算技术在国际上有了一个相当重要的影响力。当然，随着后面更多车辆的落地和接入集群，我们将继续从框架层面进行技术和设计的优化。

三、边缘计算框架演进思考

最后，我简单说说个人认为的边缘计算框架演进，或者说我认为整个业界在落地边缘计算场景时，用户以及技术实践者需要关注的几个问题。这里，简单列举三点。

第一点，是关于集群规模的焦虑

这也是很多用户较为关注的一个问题。目前，社区已经给出了 128 核 APIServer 支撑 10 万边缘节点的测试报告。但事实上，从真实的实践出发，用户还是有一些甚至很焦虑的难题，即主要来自于成本的考虑。那么，这里就会分成两种观点：一种是加大云中心的硬件投资力度，另一种则是考虑设计经济型的大规模节点接入可行方案。