云計(jì)算發(fā)展史，就是虛擬化技術(shù)的發(fā)展史。近20年來云計(jì)算與互聯(lián)網(wǎng)相互促進(jìn)高速發(fā)展，中心云技術(shù)成為全社會通用的基礎(chǔ)設(shè)施。隨著物聯(lián)網(wǎng)、人工智能等技術(shù)的不斷發(fā)展，尤其是產(chǎn)業(yè)互聯(lián)網(wǎng)發(fā)展落地，中心云計(jì)算開始相形見絀，分散式邊緣計(jì)算在當(dāng)下被重新寄予厚望。如果中心云計(jì)算是由技術(shù)創(chuàng)新驅(qū)動的，那么邊緣計(jì)算一定是業(yè)務(wù)價(jià)值驅(qū)動的。
那到底什么是邊緣計(jì)算？邊緣計(jì)算有哪些分類？邊緣計(jì)算與中心云的關(guān)系是什么？本文將抽絲剝繭，深入淺出，詳細(xì)闡述對邊緣計(jì)算與云原生的理解與思考。
一邊緣計(jì)算的理解與思考
1邊緣計(jì)算的定義
邊緣計(jì)算當(dāng)前沒有準(zhǔn)確定義，從IT云計(jì)算領(lǐng)域視角，邊緣計(jì)算被看作中心云計(jì)算的拓展。邊緣計(jì)算產(chǎn)業(yè)聯(lián)盟對邊緣計(jì)算的定義：“在靠近物或數(shù)據(jù)源頭的網(wǎng)絡(luò)邊緣側(cè)，融合網(wǎng)絡(luò)、計(jì)算、存儲、應(yīng)用核心能力的開放平臺，就近提供邊緣智能服務(wù)，滿足行業(yè)數(shù)字化在敏捷連接、實(shí)時(shí)業(yè)務(wù)、數(shù)據(jù)優(yōu)化、應(yīng)用智能、安全與隱私保護(hù)等方面的關(guān)鍵需求”。從CT電信領(lǐng)域視角，邊緣計(jì)算最初也被稱為移動邊緣計(jì)算（MEC）。歐洲電信標(biāo)準(zhǔn)協(xié)會（ETSI）對MEC的定義：“移動邊緣計(jì)算在移動網(wǎng)絡(luò)的邊緣、無線接入網(wǎng)（RAN）的內(nèi)部以及移動用戶的近處提供了一個(gè)IT服務(wù)環(huán)境以及云計(jì)算能力”。
邊緣計(jì)算的定義各有側(cè)重，但核心思想基本一致——邊緣計(jì)算是基于云計(jì)算核心技術(shù)，構(gòu)建在邊緣基礎(chǔ)設(shè)施之上的新型分布式計(jì)算形式，在邊緣端靠近最終用戶提供計(jì)算能力，是一種靠近數(shù)據(jù)源的現(xiàn)場云計(jì)算。
中心云計(jì)算憑借其強(qiáng)大的數(shù)據(jù)中心，為業(yè)務(wù)應(yīng)用提供大規(guī)模池化，彈性擴(kuò)展的計(jì)算、存儲、網(wǎng)絡(luò)等基礎(chǔ)設(shè)施服務(wù)，更適用于非實(shí)時(shí)、長周期數(shù)據(jù)、業(yè)務(wù)決策場景；邊緣計(jì)算則聚焦在實(shí)時(shí)性、短周期數(shù)據(jù)、本地決策等業(yè)務(wù)場景，比如當(dāng)下熱門的音視頻直播、IoT、產(chǎn)業(yè)互聯(lián)網(wǎng)、虛擬現(xiàn)實(shí)甚至元宇宙等，將工作負(fù)載下沉至離終端設(shè)備或者靠近最終用戶的地方，以此實(shí)現(xiàn)更低的網(wǎng)絡(luò)延遲，提升用戶的使用體驗(yàn)。
2“章魚式”邊緣計(jì)算
邊緣是相對中心式計(jì)算的邊緣分散式計(jì)算。邊緣計(jì)算的核心目標(biāo)是快速決策，將中心云的計(jì)算能力拓展至“最后一公里”。因此它不能獨(dú)立于中心云，而是在云-邊-端的整體架構(gòu)之下，有中心式管控決策，也有分散式邊緣自主決策，即章魚式邊緣計(jì)算。
如上圖漫畫中所示，章魚全身神經(jīng)元中心式腦部占40%，其余60%在分散式腿部，形成1個(gè)大腦總控協(xié)調(diào)+N個(gè)小腦分散執(zhí)行的結(jié)構(gòu)。1個(gè)大腦擅長全局調(diào)度，進(jìn)行非實(shí)時(shí)、長周期的大數(shù)據(jù)處理與分析；N個(gè)小腦側(cè)重局部、小規(guī)模數(shù)據(jù)處理，適用于現(xiàn)場級、實(shí)時(shí)、短周期的智能分析與快速決策。
章魚式邊緣計(jì)算采用中心云+邊緣計(jì)算的分布式云邊一體化架構(gòu)，海量終端采集到數(shù)據(jù)后，在邊緣完成小規(guī)模局部數(shù)據(jù)的實(shí)時(shí)決策處理，而復(fù)雜大規(guī)模的全局性決策處理則匯總至中心云深入分析處理。
3邊緣計(jì)算的位置
邊緣計(jì)算位于中心云及終端之間，將云計(jì)算能力由中心下沉到邊緣，通過云邊協(xié)同的架構(gòu)解決特定的業(yè)務(wù)需求，能最大程度降低傳輸時(shí)延，這也是邊緣計(jì)算的核心價(jià)值。但中心云與終端之間的網(wǎng)絡(luò)傳輸路徑經(jīng)由接入網(wǎng)（距離30公里，延遲5到10毫秒），匯聚網(wǎng)，城際網(wǎng)（距離50到100公里，延遲15到30毫秒）到骨干網(wǎng)（距離200公里，延遲50毫秒），最后才到數(shù)據(jù)中心（假定數(shù)據(jù)中心IDC都在骨干網(wǎng)），耗時(shí)數(shù)據(jù)是正常網(wǎng)絡(luò)擁塞的撥測統(tǒng)計(jì)值，即業(yè)務(wù)側(cè)感知的實(shí)際延遲數(shù)據(jù)，雖不是非常精確，但足夠輔助架構(gòu)決策。
云計(jì)算能力由中心逐步下沉到邊緣，節(jié)點(diǎn)數(shù)量增多，覆蓋范圍縮小，運(yùn)維服務(wù)成本快速增加。根據(jù)國內(nèi)網(wǎng)絡(luò)（國內(nèi)有多張骨干網(wǎng)，分別是電信CHINANET與CN2，聯(lián)通CNCNET以及移動CMNET）現(xiàn)狀，骨干網(wǎng)節(jié)點(diǎn)，城際網(wǎng)節(jié)點(diǎn)，匯聚網(wǎng)節(jié)點(diǎn)，接入網(wǎng)節(jié)點(diǎn)，以及數(shù)以萬計(jì)的業(yè)務(wù)現(xiàn)場計(jì)算節(jié)點(diǎn)都可以安置邊緣計(jì)算，因此范圍太廣難以形成統(tǒng)一標(biāo)準(zhǔn)。因此我們說中心云計(jì)算由技術(shù)定義，邊緣計(jì)算由網(wǎng)絡(luò)與業(yè)務(wù)需求定義。
邊緣計(jì)算生態(tài)參與者眾多，云廠商、設(shè)備廠商、運(yùn)營商三大關(guān)鍵服務(wù)商方以及一些新型AI服務(wù)商等，都是從各自現(xiàn)有優(yōu)勢延伸，拓展更多客戶及市場空間。設(shè)備商借助物聯(lián)網(wǎng)逐漸構(gòu)建單一功能的專業(yè)云；云廠商從中心化的公有云開始下沉，走向分布式區(qū)域云，區(qū)域云之間通過云聯(lián)網(wǎng)打通，形成一個(gè)覆蓋更大的云。運(yùn)營商在互聯(lián)網(wǎng)時(shí)代被公有云及繁榮的移動應(yīng)用完全屏蔽只能充當(dāng)管道，但在邊緣計(jì)算時(shí)代，業(yè)務(wù)及網(wǎng)絡(luò)定義邊緣計(jì)算，運(yùn)營商重新回歸焦點(diǎn)，不可替代。
4邊緣計(jì)算的類型
（1）網(wǎng)絡(luò)定義的邊緣計(jì)算：
通過優(yōu)化終端與云中心網(wǎng)絡(luò)路徑，將中心云能力逐漸下沉至靠近終端，實(shí)現(xiàn)業(yè)務(wù)就近接入訪問。從中心到邊緣依次分為區(qū)域云/中心云，邊緣云/邊緣計(jì)算，邊緣計(jì)算/本地計(jì)算三大類型：
區(qū)域云/中心云：將中心云計(jì)算的服務(wù)在骨干網(wǎng)拓展延伸，將中心化云能力拓展至區(qū)域，實(shí)現(xiàn)區(qū)域全覆蓋，解決在骨干網(wǎng)上耗時(shí)，將網(wǎng)絡(luò)延遲優(yōu)化至30ms左右，但邏輯上仍是中心云服務(wù)。
邊緣云/邊緣計(jì)算：將中心云計(jì)算的服務(wù)沿著運(yùn)營商的網(wǎng)絡(luò)節(jié)點(diǎn)延伸，構(gòu)建中小規(guī)模云服務(wù)或類云服務(wù)能力，將網(wǎng)絡(luò)延遲優(yōu)化至15ms左右，比如多接入邊緣計(jì)算（MEC）、CDN。
邊緣計(jì)算/本地計(jì)算：主要是接近終端的現(xiàn)場設(shè)備及服務(wù)能力，將終端部分邏輯剝離出來，實(shí)現(xiàn)邊緣自主的智能服務(wù)，由云端控制邊緣的資源調(diào)度、應(yīng)用管理與業(yè)務(wù)編排等能力，將網(wǎng)絡(luò)延遲優(yōu)化至5ms左右，比如多功能一體機(jī)、智能路由器等。
總的來說，基于網(wǎng)絡(luò)定義的邊緣計(jì)算，更多是面向消費(fèi)互聯(lián)業(yè)務(wù)及新型2C業(yè)務(wù)，將云中心的能力及數(shù)據(jù)提前下沉至邊緣，除了經(jīng)典的CDN，視頻語音業(yè)務(wù)外，還有今年大火的元宇宙等。
當(dāng)前大部分面向消費(fèi)互聯(lián)業(yè)務(wù)都是通過安置在骨干網(wǎng)的中心云計(jì)算能力支持，時(shí)延在30ms到50ms，遠(yuǎn)小于本身云端后端業(yè)務(wù)處理的延遲；算力下沉至邊緣的初衷，主要是實(shí)現(xiàn)中心云海量請求壓力分散，用戶體驗(yàn)優(yōu)化等，對業(yè)務(wù)都屬于錦上添花，而非雪中送炭。
這里說一下運(yùn)營商網(wǎng)絡(luò)，中心云計(jì)算技術(shù)，是將數(shù)據(jù)中心內(nèi)部網(wǎng)絡(luò)全部虛擬化，即云內(nèi)網(wǎng)絡(luò)，衍生出VPC，負(fù)載均衡等諸多產(chǎn)品；數(shù)據(jù)中心外部幾乎完全屏蔽運(yùn)營商網(wǎng)絡(luò)，只提供彈性公網(wǎng)IP及互聯(lián)網(wǎng)出口帶寬服務(wù)，中心云計(jì)算與運(yùn)營商網(wǎng)絡(luò)沒有融合；但從中心云計(jì)算演進(jìn)到邊緣計(jì)算，是強(qiáng)依賴網(wǎng)絡(luò)將中心云與邊緣鏈接起來，如果中心云是大腦，邊緣計(jì)算是智能觸角，那么網(wǎng)絡(luò)就是神經(jīng)，就是動脈血管，但實(shí)際上整體網(wǎng)絡(luò)規(guī)劃與建設(shè)發(fā)生在云計(jì)算發(fā)展之前，并不是專門服務(wù)云計(jì)算的，所以中心云計(jì)算與運(yùn)營商網(wǎng)需要融合，即云網(wǎng)融合，云網(wǎng)融合最終目標(biāo)是實(shí)現(xiàn)云能力的網(wǎng)絡(luò)化調(diào)度編排，網(wǎng)絡(luò)能力的云化快速定義。希望借助新型業(yè)務(wù)需求和云技術(shù)創(chuàng)新，驅(qū)動運(yùn)營商網(wǎng)絡(luò)架構(gòu)深刻變革升級開放。
當(dāng)前，網(wǎng)絡(luò)的能力極大限制了云計(jì)算的發(fā)展，在邊緣計(jì)算及物聯(lián)網(wǎng)建設(shè)過程中尤為明顯；云網(wǎng)融合與算力網(wǎng)絡(luò)依然還是運(yùn)營商的獨(dú)家游戲，新一代5G顛覆性技術(shù)變革，引爆整個(gè)領(lǐng)域的顛覆性巨變，也只解決了海量設(shè)備接入及設(shè)備低延遲接入的問題，后端整體配套及解決方案明顯跟不上。就當(dāng)前情況來看，依然還是5G找業(yè)務(wù)的尷尬局面，未來5G在實(shí)體產(chǎn)業(yè)領(lǐng)域（港口，碼頭，礦山等）領(lǐng)域，相比消費(fèi)者領(lǐng)域，相信會帶來更大變革與價(jià)值。
（2）業(yè)務(wù)定義的邊緣計(jì)算：
除了面向消費(fèi)者的互聯(lián)網(wǎng)邊緣場景，邊緣計(jì)算更多的是面向?qū)嶓w產(chǎn)業(yè)及智慧化社會衍生的場景。
對于實(shí)體產(chǎn)業(yè)場景來說，由于歷史原因，在邊緣及現(xiàn)場存在大量異構(gòu)的基礎(chǔ)設(shè)施資源；通過業(yè)務(wù)需求驅(qū)動邊緣計(jì)算平臺的建設(shè)，不僅要整合利用現(xiàn)有基礎(chǔ)設(shè)施資源，還要將中心云計(jì)算技術(shù)及能力下沉至邊緣及現(xiàn)場，實(shí)現(xiàn)大量存量業(yè)務(wù)運(yùn)營管控上云，海量數(shù)據(jù)統(tǒng)一入湖，以此支持整個(gè)企業(yè)的數(shù)字化轉(zhuǎn)型。
對于智慧化社會衍生場景來說，越是新型的業(yè)務(wù)，對網(wǎng)絡(luò)時(shí)延敏感越高，數(shù)據(jù)量越大，結(jié)構(gòu)化數(shù)據(jù)逐漸轉(zhuǎn)化成非結(jié)構(gòu)化數(shù)據(jù)，需要人工智能，神經(jīng)網(wǎng)絡(luò)等高等智能化技術(shù)支持。
當(dāng)前對網(wǎng)絡(luò)時(shí)延敏感的新型業(yè)務(wù)場景，都是通過云端總控管理，設(shè)備現(xiàn)場實(shí)時(shí)計(jì)算這種分布式架構(gòu)策略，以此減弱對網(wǎng)絡(luò)的強(qiáng)依賴。面向業(yè)務(wù)將邊緣計(jì)算分為智能設(shè)備/專業(yè)云及產(chǎn)業(yè)邊緣/行業(yè)云兩種類型：
智能設(shè)備/專業(yè)云：基于云計(jì)算能力之上，圍繞智能設(shè)備提供整體化，有競爭力的解決方案，包含智能設(shè)備、云端的服務(wù)以及端到云之間的邊緣側(cè)服務(wù)，比如視頻監(jiān)控云、G7貨運(yùn)物聯(lián)等；
產(chǎn)業(yè)邊緣/行業(yè)云：也基于云計(jì)算能力之上，圍繞行業(yè)應(yīng)用及場景，提供套件產(chǎn)品及解決方案，比如物流云、航天云等。
總的來說，基于業(yè)務(wù)定義的邊緣計(jì)算，更多是面向智能設(shè)備及實(shí)體產(chǎn)業(yè)，對智能設(shè)備，從AVG，密集式存儲，機(jī)械手臂等單一功能的智能設(shè)備，到無人機(jī)，無人駕駛車等超復(fù)雜的智能設(shè)備，云計(jì)算能力不僅支撐設(shè)備控制管理應(yīng)用的運(yùn)行，同時(shí)借助中心云計(jì)算能力拓展至邊緣側(cè)，解決這種產(chǎn)品上云，無法集中化標(biāo)準(zhǔn)化管理難題；對產(chǎn)業(yè)邊緣，通過云計(jì)算技術(shù)，結(jié)合行業(yè)場景的抽象總結(jié)，構(gòu)建行業(yè)通用的產(chǎn)品及解決方案，隨著整個(gè)產(chǎn)業(yè)互聯(lián)網(wǎng)加速建設(shè)，是邊緣計(jì)算未來發(fā)展的重點(diǎn)方向。
5小結(jié)
對于規(guī)模較大的企業(yè)，云邊場景非常復(fù)雜，中心云計(jì)算平臺與邊緣計(jì)算平臺建設(shè)，不僅應(yīng)對業(yè)務(wù)需求，還要面臨諸多基礎(chǔ)設(shè)施問題：在中心云計(jì)算面臨多云使用多云互通問題；在邊緣網(wǎng)絡(luò)鏈路面臨多運(yùn)營商的骨干網(wǎng)，多云運(yùn)營商網(wǎng)絡(luò)及多云的云網(wǎng)融合問題；在端側(cè)接入網(wǎng)面臨多運(yùn)營商5G網(wǎng)絡(luò)的共享的問題等，很多問題只能通過治理的手段應(yīng)對，無法從技術(shù)平臺層面徹底解決。
總的來說，邊緣計(jì)算范圍大，場景泛，目前整個(gè)行業(yè)缺少經(jīng)典的案例及標(biāo)準(zhǔn)。因此推動邊緣計(jì)算落地，一定是面向真實(shí)的業(yè)務(wù)場景及需求整體規(guī)劃，面向價(jià)值逐步建設(shè)。
二Kubernetes從中心走向邊緣
Kubernetes遵循以應(yīng)用為中心的技術(shù)架構(gòu)與思想，以一套技術(shù)體系支持任意負(fù)載，運(yùn)行于任意基礎(chǔ)設(shè)施之上；向下屏蔽基礎(chǔ)設(shè)施差異，實(shí)現(xiàn)底層基礎(chǔ)資源統(tǒng)一調(diào)度及編排；向上通過容器鏡像標(biāo)準(zhǔn)化應(yīng)用，實(shí)現(xiàn)應(yīng)用負(fù)載自動化部署；向外突破中心云計(jì)算的邊界，將云計(jì)算能力無縫拓展至邊緣及現(xiàn)場，快速構(gòu)建云邊一體基礎(chǔ)設(shè)施。
將云原生技術(shù)從中心拓展到邊緣，不僅實(shí)現(xiàn)了云邊基礎(chǔ)設(shè)施技術(shù)架構(gòu)大一統(tǒng)，業(yè)務(wù)也實(shí)現(xiàn)了云邊自由編排部署。相對于Kubernetes在中心云的革命性創(chuàng)新，在邊緣場景雖優(yōu)勢明顯，但缺點(diǎn)也很致命，因?yàn)檫吘墏?cè)存在資源有限、網(wǎng)絡(luò)受限不穩(wěn)定等特殊情況，需要根據(jù)不同業(yè)務(wù)場景，選擇不同Kubernetes邊緣方案。
1 Kubernetes架構(gòu)及邊緣化的挑戰(zhàn)
Kubernetes是典型的分布式架構(gòu)，Master控制節(jié)點(diǎn)是集群“大腦”，負(fù)責(zé)管理節(jié)點(diǎn)，調(diào)度Pod以及控制集群運(yùn)行狀態(tài)。Node工作節(jié)點(diǎn)，負(fù)責(zé)運(yùn)行容器（Container），監(jiān)控/上報(bào)運(yùn)行狀態(tài)。邊緣計(jì)算場景存在以下比較明顯的挑戰(zhàn)：
狀態(tài)強(qiáng)一致且集中式存儲架構(gòu)，屬于中心云計(jì)算的大成產(chǎn)品，基于大規(guī)模的池化資源的編排調(diào)度實(shí)現(xiàn)業(yè)務(wù)持續(xù)服務(wù)。
Master管控節(jié)點(diǎn)與Worker工作節(jié)點(diǎn)通過List-Watch機(jī)制，實(shí)現(xiàn)狀態(tài)任務(wù)實(shí)時(shí)同步，但是流量較大，Worker工作節(jié)點(diǎn)完全依賴Master節(jié)點(diǎn)持久化數(shù)據(jù)，無自治能力。
Kubelet承載太多邏輯處理，各種容器運(yùn)行時(shí)各種實(shí)現(xiàn)的兼容，還有Device Plugin硬件設(shè)備驅(qū)動，運(yùn)行占用資源高達(dá)700M；對資源有限的邊緣節(jié)點(diǎn)負(fù)擔(dān)太重，尤其是低配的邊緣設(shè)備。
邊緣計(jì)算涉及的范圍大、場景復(fù)雜，尚無統(tǒng)一標(biāo)準(zhǔn)；Kubernetes開源社區(qū)的主線版本并無邊緣場景的適配計(jì)劃。
2 Kubernetes邊緣化運(yùn)行方案
針對中心云計(jì)算及邊緣計(jì)算這種云邊分布式架構(gòu)，需要將Kubernetes適配成適合邊緣分布式部署的架構(gòu)，通過多集群管理實(shí)現(xiàn)統(tǒng)一管理，實(shí)現(xiàn)中心云管理邊緣運(yùn)行，整體分為三種方案：
集群Cluster：將Kubernetes標(biāo)準(zhǔn)集群下沉至邊緣，優(yōu)點(diǎn)是無需Kubernetes做定制化研發(fā)，同時(shí)可以支持Kubernetes多版本，支持業(yè)務(wù)真正實(shí)現(xiàn)云邊架構(gòu)一致；缺點(diǎn)是管理資源占用多。方案比較適合區(qū)域云/中心云、邊緣計(jì)算/本地計(jì)算以及規(guī)模較大的產(chǎn)業(yè)邊緣場景。
單節(jié)點(diǎn)Single Node：將Kubernetes精簡，部署在單節(jié)點(diǎn)設(shè)備之上，優(yōu)點(diǎn)與集群Cluster方案一致，缺點(diǎn)是Kubernetes能力不完整，資源的占用會增加設(shè)備的成本，對業(yè)務(wù)應(yīng)用無法保證云邊一致的架構(gòu)部署運(yùn)行，沒有解決實(shí)際問題。
邊緣節(jié)點(diǎn)Remote Node：基于Kubernetes二次開發(fā)增強(qiáng)擴(kuò)展，將Kubernetes解耦適配成云邊分布式架構(gòu)的場景，中心化部署Master管理節(jié)點(diǎn)，分散式部署Worker管理節(jié)點(diǎn)。
此外，一致性是邊緣計(jì)算的痛點(diǎn)，在邊緣增加一個(gè)Cache即可實(shí)現(xiàn)斷網(wǎng)特殊情況的邊緣自治，同時(shí)可以保證正常網(wǎng)絡(luò)情況的數(shù)據(jù)一致；還有就是Kubelet比較重的問題，隨著Kubernetes放棄Docker已經(jīng)開始精簡；同時(shí)硬件更新迭代較快，相比少量硬件成本，保持Kubernetes原生及通用性為大。其實(shí)更希望Kubernetes社區(qū)本身提供適配邊緣化方案，同時(shí)考慮為Kubelet增加緩存機(jī)制。
3 Kubernetes邊緣容器快速發(fā)展
Kubernetes已成為容器編排和調(diào)度的事實(shí)標(biāo)準(zhǔn)，針對邊緣計(jì)算場景，目前國內(nèi)各個(gè)公有云廠商都開源了各自基于Kubernetes的邊緣計(jì)算云原生項(xiàng)目，比如阿里云向CNCF貢獻(xiàn)的OpenYurt，采用邊緣節(jié)點(diǎn)Remote Node方案，是業(yè)界首個(gè)開源的非侵入式邊緣計(jì)算云原生平臺，秉承“Extending your native Kubernetes to Edge”的非侵入式設(shè)計(jì)理念，擁有可實(shí)現(xiàn)邊緣計(jì)算全場景覆蓋的能力。華為、騰訊、百度等，也都開源了自己的邊緣容器平臺。
邊緣容器的快速發(fā)展帶動了領(lǐng)域的創(chuàng)新，但一定程度上也導(dǎo)致構(gòu)建邊緣計(jì)算平臺時(shí)難以抉擇。從技術(shù)架構(gòu)來看，幾個(gè)邊緣容器產(chǎn)品總的架構(gòu)思路主要是將Kubernetes解耦成適合云邊、弱網(wǎng)絡(luò)及資源稀缺的邊緣計(jì)算場景，本質(zhì)上無太大差異；從產(chǎn)品功能來看也是如此，基本上都涵蓋云邊協(xié)同、邊緣自治、單元化部署功能等。
4如何構(gòu)建云邊一體化云原生平臺
現(xiàn)階段，圍繞Kubernetes容器平臺，構(gòu)建云邊一體化云原生基礎(chǔ)設(shè)施平臺能力是邊緣計(jì)算平臺的最佳選擇，通過云端統(tǒng)一的容器多集群管理，實(shí)現(xiàn)分散式集群統(tǒng)一管理，同時(shí)標(biāo)準(zhǔn)化Kubernetes集群規(guī)格配置：
標(biāo)準(zhǔn)集群（大規(guī)模）：支持超過400個(gè)節(jié)點(diǎn)的大規(guī)模集群，配置為ETCD+Master 3臺8c16G，Prometheus+Ingress 5臺8C16G，N*Work節(jié)點(diǎn)；主要是業(yè)務(wù)規(guī)模較大的云原生應(yīng)用運(yùn)行場景；
標(biāo)準(zhǔn)集群（中等規(guī)模）：支持超過100個(gè)節(jié)點(diǎn)以內(nèi)的集群，ETCD+Master+Prometheus 3臺8c16G，N*Work節(jié)點(diǎn)；主要是業(yè)務(wù)規(guī)模中等的場景；
邊緣原生容器集群：在云端部署集群管理節(jié)點(diǎn)，將邊緣節(jié)點(diǎn)單獨(dú)部署業(yè)務(wù)現(xiàn)場，支持運(yùn)行單業(yè)務(wù)場景的應(yīng)用，比如IoT物理設(shè)備接入?yún)f(xié)議解析應(yīng)用，視頻監(jiān)控分析AI算法模型等業(yè)務(wù)場景。
按照業(yè)務(wù)場景需求選擇最優(yōu)容器集群方案，其中邊緣容器集群方案，與其他集群方案差別較大，其他集群依然保持中心云集群服務(wù)一致，基礎(chǔ)資源集中并且池化，所有應(yīng)用共享整個(gè)集群資源；而邊緣容器集群Master管理節(jié)點(diǎn)集中部署，共享使用；Worker節(jié)點(diǎn)都是分散在業(yè)務(wù)現(xiàn)場，按需自助增加，自運(yùn)維且獨(dú)占使用。
當(dāng)前邊緣容器領(lǐng)域短時(shí)間內(nèi)很難有大一統(tǒng)的開源產(chǎn)品，因此現(xiàn)階段建議通過標(biāo)準(zhǔn)的Kubernetes API來集成邊緣原生容器集群，這種兼容所有邊緣容器的中庸方案，如果非要擇其一，建議是OpenYurt，非侵入式設(shè)計(jì)，整體技術(shù)架構(gòu)及實(shí)現(xiàn)更加優(yōu)雅。
三OpenYurt：智能邊緣計(jì)算平臺開源實(shí)踐
OpenYurt以上游開源項(xiàng)目Kubernetes為基礎(chǔ)，針對邊緣場景適配的發(fā)行版。是業(yè)界首個(gè)依托云原生技術(shù)體系、“零”侵入實(shí)現(xiàn)的智能邊緣計(jì)算平臺。具備全方位的“云、邊、端一體化”能力，能夠快速實(shí)現(xiàn)海量邊緣計(jì)算業(yè)務(wù)和異構(gòu)算力的高效交付、運(yùn)維及管理。
1設(shè)計(jì)原則
OpenYurt采用當(dāng)前業(yè)界主流的“中心管控、邊緣運(yùn)行”的云邊分布式協(xié)同技術(shù)架構(gòu)，始終貫徹“Extending your native Kubernetes to Edge”理念，同時(shí)遵守以下設(shè)計(jì)原則：
“云邊一體化”原則：保證與中心云一致的用戶體驗(yàn)及產(chǎn)品能力的基礎(chǔ)上，通過云邊管控通道將云原生能力下沉至邊緣，實(shí)現(xiàn)海量的智能邊緣節(jié)點(diǎn)及業(yè)務(wù)應(yīng)用，基礎(chǔ)架構(gòu)提升至業(yè)界領(lǐng)的云原生架構(gòu)的重大突破。
“零侵入”原則：確保面向用戶開放的API與原生Kubernetes完全一致。通過節(jié)點(diǎn)網(wǎng)絡(luò)流量代理方式（proxy node network traffic），對Worker工作節(jié)點(diǎn)應(yīng)用生命周期管理新增一層封裝抽象，實(shí)現(xiàn)分散式工作節(jié)點(diǎn)資源及應(yīng)用統(tǒng)一管理及調(diào)度。同時(shí)遵循“UpStream First”開源法則；
“低負(fù)載”原則：在保障平臺功能特性及可靠性的基礎(chǔ)上，兼顧平臺的通用性，嚴(yán)格限制所有組件的資源，遵循最小化，最簡化的設(shè)計(jì)理念，以此實(shí)現(xiàn)最大化覆蓋邊緣設(shè)備及場景。
“一棧式”原則：OpenYurt不僅實(shí)現(xiàn)了邊緣運(yùn)行及管理的增強(qiáng)功能，還提供了配套的運(yùn)維管理工具，實(shí)現(xiàn)將原生Kubernetes與支持邊緣計(jì)算能力的Kubernetes集群的相互一鍵高效轉(zhuǎn)換；
2功能特性
OpenYurt基于Kubernetes強(qiáng)大的容器編排、調(diào)度能力，針對邊緣資源有限，網(wǎng)絡(luò)受限不穩(wěn)定等情況適配增強(qiáng)；將中心云原生能力拓展至分散式邊緣節(jié)點(diǎn)，實(shí)現(xiàn)面向邊緣業(yè)務(wù)就近低延遲服務(wù)；同時(shí)打通反向安全控制運(yùn)維鏈路，提供便捷高效的，云端集中式邊緣設(shè)備及應(yīng)用的統(tǒng)一運(yùn)維管理能力。其核心功能特性如下：
邊緣節(jié)點(diǎn)自治：在邊緣計(jì)算場景，云邊管控網(wǎng)絡(luò)無法保證持續(xù)穩(wěn)定，通過增強(qiáng)適配解決原生Worker工作節(jié)點(diǎn)無狀態(tài)數(shù)據(jù)，強(qiáng)依賴Master管控節(jié)點(diǎn)數(shù)據(jù)且狀態(tài)強(qiáng)一致機(jī)制，這些在邊緣場景不適配的問題。從而實(shí)現(xiàn)在云邊網(wǎng)絡(luò)不暢的情況下，邊緣工作負(fù)載不被驅(qū)逐，業(yè)務(wù)持續(xù)正常服務(wù)；即使斷網(wǎng)時(shí)邊緣節(jié)點(diǎn)重啟，業(yè)務(wù)依然能恢復(fù)正常；即邊緣節(jié)點(diǎn)臨時(shí)自治能力。
協(xié)同運(yùn)維通道：在邊緣計(jì)算場景，云邊網(wǎng)絡(luò)不在同一網(wǎng)絡(luò)平面，邊緣節(jié)點(diǎn)也不會暴露在公網(wǎng)之上，中心管控?zé)o法與邊緣節(jié)點(diǎn)建立有效的網(wǎng)絡(luò)鏈路通道，導(dǎo)致所有原生的Kubernetes運(yùn)維APIs（logs/exec/metrics）失效。適配增強(qiáng)Kubernetes能力，在邊緣點(diǎn)初始化時(shí)，在中心管控與邊緣節(jié)點(diǎn)之間建立反向通道，承接原生的Kubernetes運(yùn)維APIs（logs/exec/metrics）流量，實(shí)現(xiàn)中心化統(tǒng)一運(yùn)維；
邊緣單元化負(fù)載：在邊緣計(jì)算場景，面向業(yè)務(wù)一般都是“集中式管控，分散式運(yùn)行”這種云邊協(xié)同分布式架構(gòu)；對于管理端，需要將相同的業(yè)務(wù)同時(shí)部署到不同地域節(jié)點(diǎn);對于邊緣端，Worker工作節(jié)是一般是分散在廣域空間，并且具有較強(qiáng)的地域性，跨地域的節(jié)點(diǎn)之間網(wǎng)絡(luò)不互通、資源不共享、資源異構(gòu)等明顯的隔離屬性。適配增強(qiáng)Kubernetes能力，基于資源，應(yīng)用及流量三層實(shí)現(xiàn)對邊緣負(fù)載進(jìn)行單元化管理調(diào)度。
通過OpenYurt開源社區(qū)引入更多的參與方共建，聯(lián)合研發(fā)方式提供更多的可選的專業(yè)功能，OpenYurt特性正在逐步完善，并擴(kuò)大覆蓋能力：
邊緣設(shè)備管理：在邊緣計(jì)算場景，端側(cè)設(shè)備才是平臺真正的服務(wù)對象；基于云原生理念，抽象非侵入、可擴(kuò)展的設(shè)備管理標(biāo)準(zhǔn)模型，無縫融合Kubernetes工作負(fù)載模型與IoT設(shè)備管理模型，實(shí)現(xiàn)平臺賦能業(yè)務(wù)的最后一公里。目前，通過標(biāo)準(zhǔn)模型完成EdgeX Foundry開源項(xiàng)目的集成，極大的提升了邊緣設(shè)備的管理效率。
本地資源管理：在邊緣計(jì)算場景，將邊緣節(jié)點(diǎn)上已有的塊設(shè)備或者持久化內(nèi)存設(shè)備，初始化成云原生便捷使用的容器存儲，支持兩種本地存儲設(shè)備：（一）基于塊設(shè)備或者是持久化內(nèi)存設(shè)備創(chuàng)建的LVM；（二）基于塊設(shè)備或者是持久化內(nèi)存設(shè)備創(chuàng)建的QuotaPath。
3 OpenYurt設(shè)計(jì)架構(gòu)及原理
（1）設(shè)計(jì)架構(gòu)
原生Kubernetes是一個(gè)中心式的分布式架構(gòu)，Master控制節(jié)點(diǎn)負(fù)責(zé)管理調(diào)度及控制集群運(yùn)行狀態(tài)；Worker工作節(jié)點(diǎn)負(fù)責(zé)運(yùn)行容器（Container）及監(jiān)控/上報(bào)運(yùn)行狀態(tài)；
OpenYurt以原生Kubernetes為基礎(chǔ)，針對邊緣場景將中，心式分布式架構(gòu)（Cloud Master，Cloud Worker）解耦適配為中心化管控分散式邊緣運(yùn)行（Cloud Master,Edge Worker），形成一個(gè)中心式大腦，多個(gè)分散式小腦的章魚式云邊協(xié)同分布式架構(gòu)，其主要核心點(diǎn)是：
將元數(shù)據(jù)集中式且強(qiáng)一致的狀態(tài)存儲，分散至邊緣節(jié)點(diǎn)，并且調(diào)整原生Kubernetes調(diào)度機(jī)制，實(shí)現(xiàn)自治節(jié)點(diǎn)狀態(tài)異常不觸發(fā)重新調(diào)度，以此實(shí)現(xiàn)邊緣節(jié)點(diǎn)臨時(shí)自治能力；
保證Kubernetes能力完整一致，同時(shí)兼容現(xiàn)有的云原生生態(tài)體系的同時(shí)，盡最大肯能將云原生體系下沉至邊緣；
將中心大規(guī)模資源池化，多應(yīng)用委托調(diào)度共享資源的模式，適配為面向地域小規(guī)模甚至單節(jié)點(diǎn)資源，實(shí)現(xiàn)邊緣場景下，更精細(xì)化的單元化工作負(fù)載編排管理；
面向邊緣實(shí)際業(yè)務(wù)場景需求，通過開放式社區(qū)，無縫集成設(shè)備管理、邊緣AI、流式數(shù)據(jù)等，面向邊緣實(shí)際業(yè)務(wù)場景的開箱的通用平臺能力，賦能更多的邊緣應(yīng)用場景。
（2）實(shí)現(xiàn)原理
OpenYurt踐行云原生架構(gòu)理念，面向邊緣計(jì)算場景實(shí)現(xiàn)云邊協(xié)同分布式架構(gòu)及中心管控邊緣運(yùn)行的能力：
針對邊緣節(jié)點(diǎn)自治能力，一方面，通過新增YurtHub組件實(shí)現(xiàn)邊緣向中心管控請求（Edge To Cloud Request）代理，并緩存機(jī)制將最新的元數(shù)據(jù)持久化在邊緣節(jié)點(diǎn)；另一方面新增YurtControllerManager組件接管原生Kubernetes調(diào)度，實(shí)現(xiàn)邊緣自治節(jié)點(diǎn)狀態(tài)異常不觸發(fā)重新調(diào)度；
針對Kubernetes能力完整及生態(tài)兼容，通過新增YurtTunnel組件，構(gòu)建云邊（Cloud To Edge Request）反向通道，保證Kubectl，Promethus等中心運(yùn)維管控產(chǎn)品一致能力及用戶體驗(yàn)；同時(shí)將中心其他能力下沉至邊緣，包含各不同的工作負(fù)載及Ingress路由等；
針對邊緣單元化管理能力，通過新增YurtAppManager組件，同時(shí)搭配NodePool,YurtAppSet（原UnitedDeployment），YurtAppDaemon,ServiceTopology等實(shí)現(xiàn)邊緣資源，工作負(fù)載及流量三層單元化管理；
針對賦能邊緣實(shí)際業(yè)務(wù)平臺能力，通過新增NodeResourceManager實(shí)現(xiàn)邊緣存儲便捷使用，通過引入YurtEdgeXManager/YurtDeviceController實(shí)現(xiàn)通過云原生模式管理邊緣設(shè)備。
4核心組件
OpenYurt所有新增功能及組件，均是通過Addon與Controller方式來實(shí)現(xiàn)其核心必選與可選組件如下：
1．YurtHub(必選)：有邊緣(edge)和云中心(cloud)兩種運(yùn)行模式；以Static Pod形態(tài)運(yùn)行在云邊所有節(jié)點(diǎn)上，作為節(jié)點(diǎn)流量的SideCar，代理節(jié)點(diǎn)上組件和kube-apiserver的訪問流量，其中邊緣YurtHub會緩存的數(shù)據(jù)，實(shí)現(xiàn)臨時(shí)邊緣節(jié)點(diǎn)自治能力。
2．YurtTunnel(必選)：由Server服務(wù)端與Agent客戶端組成，構(gòu)建雙向認(rèn)證加密的云邊反向隧道，轉(zhuǎn)發(fā)云中心(cloud)到邊緣(edge)原生的Kubernetes運(yùn)維APIs（logs/exec/metrics）請求流量。其中Server以Deployment工作負(fù)載部署在云中心，Agent以DaemonSet工作負(fù)載部署在邊緣節(jié)點(diǎn)。
3．YurtControllerManager(必選)：云中心控制器，接管原生Kubernetes的NodeLifeCycle Controller，實(shí)現(xiàn)在云邊網(wǎng)絡(luò)異常時(shí)，不驅(qū)逐自治邊緣節(jié)點(diǎn)的Pod應(yīng)用；還有YurtCSRController，用以審批邊緣節(jié)點(diǎn)的證書申請。
4．YurtAppManager(必選)：實(shí)現(xiàn)對邊緣負(fù)載進(jìn)行單元化管理調(diào)度，包括NodePool：節(jié)點(diǎn)池管理；YurtAppSet：原UnitedDeployment，節(jié)點(diǎn)池維度的業(yè)務(wù)負(fù)載；YurtAppDaemon：節(jié)點(diǎn)池維度的Daemonset工作負(fù)載。以Deploymen工作負(fù)載部署在云中心。
5．NodeResourceManager(可選)：邊緣節(jié)點(diǎn)本地存儲資源的管理組件，通過修改ConfigMap來動態(tài)配置宿主機(jī)本地資源。以DaemonSet工作負(fù)載部署在邊緣節(jié)點(diǎn)。
6．YurtEdgeXManager/YurtDeviceController(可選):通過云原生模式管控邊緣設(shè)備，當(dāng)前支持EdgeX Foundry的集成。YurtEdgeXManager以Deployment工作負(fù)載署在云中心，YurtDeviceController以YurtAppSet工作負(fù)載署部署在邊緣節(jié)點(diǎn)，并且以節(jié)點(diǎn)池NodePool為單位部署一套YurtDeviceController即可。
7．運(yùn)維管理組件(可選)：為了標(biāo)準(zhǔn)化集群管理，OpenYurt社區(qū)推出YurtCluster Operator組件，提供云原生聲名式Cluster API及配置，基于標(biāo)準(zhǔn)Kubernetes自動化部署及配置OpenYurt相關(guān)組件，實(shí)現(xiàn)OpenYurt集群的全生命周期。舊Yurtctl工具建議只在測試環(huán)境使用。
除了核心功能及可選的專業(yè)功能外，OpenYurt持續(xù)貫徹云邊一體化理念，將云原生豐富的生態(tài)能力最大程度推向邊緣，已經(jīng)實(shí)現(xiàn)了邊緣容器存儲，邊緣守護(hù)工作負(fù)載DaemonSet，邊緣網(wǎng)絡(luò)接入Ingress Controller等，還有規(guī)劃中的有Service Mesh，Kubeflow，Serverless等功能，拭目以待。
5當(dāng)前挑戰(zhàn)
（1）云邊網(wǎng)絡(luò)
在邊緣計(jì)算場景中，被提到最多的就是云邊網(wǎng)絡(luò)差且不穩(wěn)定，其實(shí)國內(nèi)基礎(chǔ)網(wǎng)絡(luò)在2015年開始全面升級，尤其是在“雪亮工程”全面完成之后，基礎(chǔ)網(wǎng)絡(luò)有一個(gè)很大的提升。上圖摘自《第48次中國互聯(lián)網(wǎng)絡(luò)發(fā)展?fàn)顩r》報(bào)告，固網(wǎng)100Mbps接入占比已達(dá)91.5%；無線網(wǎng)絡(luò)接入已經(jīng)都是4G，5G的優(yōu)質(zhì)網(wǎng)絡(luò)。
而真正的挑戰(zhàn)在云邊網(wǎng)絡(luò)組網(wǎng)，對于使用公有云的場景：公有云屏蔽數(shù)據(jù)中心網(wǎng)絡(luò)，只提供了互聯(lián)網(wǎng)出口帶寬，通過互聯(lián)網(wǎng)打通云邊，通常只需要解決數(shù)據(jù)安全傳輸即可，接入不復(fù)雜。對于私有自建的IDC場景：打通云邊網(wǎng)絡(luò)并不容易，主要是運(yùn)營商網(wǎng)絡(luò)沒有完全產(chǎn)品化，同時(shí)私有IDC層層防火墻等其他復(fù)雜產(chǎn)品，需要專業(yè)的網(wǎng)絡(luò)人員才能完成實(shí)施工作。
（2）list-watch機(jī)制與云邊流量
List-Watch機(jī)制是Kubernetes的設(shè)計(jì)精華，通過主動監(jiān)聽機(jī)制獲取相關(guān)的事件及數(shù)據(jù)，從而保證所有組件松耦合相互獨(dú)立，邏輯上又渾然一體。List請求返回是全量的數(shù)據(jù)，一旦Watch失敗，就需要重新Relist。但是Kubernetes有考慮管理數(shù)據(jù)同步優(yōu)化，節(jié)點(diǎn)的kubelet只監(jiān)聽本節(jié)點(diǎn)數(shù)據(jù)，kube-proxy會監(jiān)聽所有的Service數(shù)據(jù)，數(shù)據(jù)量相對可控；同時(shí)采用gRPC協(xié)議，文本報(bào)文數(shù)據(jù)相比業(yè)務(wù)數(shù)據(jù)非常小。上圖是在節(jié)點(diǎn)1200節(jié)點(diǎn)的集群規(guī)模，做的壓測數(shù)據(jù)監(jiān)控圖表。
真正的挑戰(zhàn)在基礎(chǔ)鏡像及應(yīng)用鏡像下發(fā)，當(dāng)前的基礎(chǔ)鏡像及業(yè)務(wù)鏡像，即使在中心云，依然在探索各種技術(shù)來優(yōu)化鏡像快速分發(fā)的瓶頸；尤其是邊緣的AI應(yīng)用，一般都是由推送應(yīng)用+模型庫構(gòu)成，推算應(yīng)用的鏡像相對較小，模型庫的體積就非常，同時(shí)模型庫隨著自學(xué)習(xí)還需要頻繁的更新，如果更高效的更新模型庫，需要更多技術(shù)及方案來應(yīng)對。
（3）邊緣資源和算力
邊緣的資源情況需要細(xì)分場景，針對運(yùn)營商網(wǎng)絡(luò)邊緣，面向消費(fèi)者的邊緣計(jì)算，資源相對比較充足，最大的挑戰(zhàn)是資源共享及隔離；針對實(shí)體產(chǎn)業(yè)的邊緣，都會有不小的IDC支持，邊緣資源非常充足，足以將整個(gè)云原生體系下沉；針對智能設(shè)備邊緣，資源相對比較稀缺，但一般都會通過一個(gè)智能邊緣盒子，一端連接設(shè)備，一端連接中心管控服務(wù)，從上圖的AI邊緣盒子來看，整體配置提升速度較快，長期來看，邊緣的算力快速增強(qiáng)以此來滿足更復(fù)雜更智能化的場景需求。
（4）Kubelet比較重，運(yùn)行占用資源多
對于Kubelet比較重，運(yùn)行占用資源多的問題，需要深入了解節(jié)點(diǎn)資源分配及使用情況，通常節(jié)點(diǎn)的資源自下而上分為四層：
1.運(yùn)行操作系統(tǒng)和系統(tǒng)守護(hù)進(jìn)程（如SSH、systemd等）所需的資源；
2.運(yùn)行Kubernetes代理所需的資源，如Kubelet、容器運(yùn)行時(shí)、節(jié)點(diǎn)問題檢測器等；
3.Pod可用的資源；
4.保留到驅(qū)逐閾值的資源。
對于各層的資源分配設(shè)置的沒有標(biāo)準(zhǔn)，需要根據(jù)集群的情況來權(quán)衡配置，Amazon Kubernetes對Kubelet資源配置算法是Reserved memory=255MiB+11MiB*MAX_POD_PER_INSTANCE；假設(shè)運(yùn)行32 Pods，高達(dá)90%的內(nèi)存都可以分配給業(yè)務(wù)使用，相對來說Kubelet資源占用并不高。
同時(shí)也要結(jié)合業(yè)務(wù)對高可用的要求,做響應(yīng)的調(diào)整。針對邊緣場景，一般不建議在一個(gè)節(jié)點(diǎn)上運(yùn)行大量的Pods穩(wěn)定為大。
四業(yè)務(wù)應(yīng)用的云邊管運(yùn)協(xié)同模型
基于中心云的分布式業(yè)務(wù)應(yīng)用架構(gòu)，與云邊分布式協(xié)同業(yè)務(wù)應(yīng)用架構(gòu)本質(zhì)上有很大差別。在中心云更多的是基于DDD業(yè)務(wù)領(lǐng)域，將復(fù)雜的業(yè)務(wù)系統(tǒng)拆分成一個(gè)個(gè)相對獨(dú)立的服務(wù)，整體構(gòu)建一個(gè)松耦合的分布式應(yīng)用；但在云邊分布式場景下，更多強(qiáng)調(diào)的是集中式管控運(yùn)營，分散式運(yùn)作支撐，將管理運(yùn)營系統(tǒng)集中在云中心，實(shí)現(xiàn)中心式管控，將支撐業(yè)務(wù)實(shí)時(shí)運(yùn)作的應(yīng)用分散至邊緣，實(shí)現(xiàn)低延遲快速響應(yīng)。
從業(yè)務(wù)應(yīng)用來看，財(cái)務(wù)/經(jīng)營，計(jì)劃/管理兩層屬于管控運(yùn)營類的應(yīng)用，就是需要通過中心云統(tǒng)一匯聚，實(shí)現(xiàn)集中化強(qiáng)管控；對延遲不敏感，對安全，大數(shù)據(jù)分析能力等要求較高；控制，傳感/執(zhí)行，生產(chǎn)過程三層屬于運(yùn)作支撐類應(yīng)用，也可以優(yōu)先考慮中心云；如果業(yè)務(wù)場景對延遲敏感，才考慮通過邊緣計(jì)算能力，實(shí)現(xiàn)分散式低時(shí)延響應(yīng)；
從請求響應(yīng)來看，對時(shí)延不敏感（50ms以上）都有限考慮部署在中心云計(jì)算及云化的邊緣產(chǎn)品（CDN）實(shí)現(xiàn)；對延遲敏感（小于10ms），運(yùn)營商骨干網(wǎng)完全無法支持的，考慮建設(shè)邊緣計(jì)算平臺，同時(shí)業(yè)務(wù)面臨不小的投入及人員；
以實(shí)體物流領(lǐng)域?yàn)槔?，?jīng)典的OTW系統(tǒng)（OMS訂單管理系統(tǒng)，WMS倉庫管理系統(tǒng)，TMS運(yùn)輸管理系統(tǒng)）其中OT就屬于典型的管理運(yùn)營系統(tǒng)，所以建議部署在中心云，通過中心云數(shù)據(jù)匯聚，實(shí)現(xiàn)拼單拆單，多式聯(lián)運(yùn)等跨區(qū)域業(yè)務(wù)；W是倉庫管理系統(tǒng)，管理四面墻的任務(wù)，屬于運(yùn)作支撐應(yīng)用，并且倉庫一般都有一些自動化設(shè)備，就可以考慮將W部署在邊緣。
五總結(jié)
邊緣計(jì)算平臺的建設(shè)，以Kubernetes為核心的云原生技術(shù)體系，無疑是當(dāng)前最佳的選擇與建設(shè)路徑；但是云原生體系龐大，組件復(fù)雜，將體系下沉至邊緣會面臨很大的挑戰(zhàn)與困難，同時(shí)充滿巨大的機(jī)遇及想象空間。業(yè)務(wù)應(yīng)用想要真正踐行邊緣的云原生體系，需要從理念、系統(tǒng)設(shè)計(jì)、架構(gòu)設(shè)計(jì)等多方面來共同實(shí)現(xiàn)，才能充分發(fā)揮邊緣的優(yōu)勢及價(jià)值。
