01 边缘计算系统逻辑架构简介
在图3-1中可以看出,逻辑体系结构侧重于边缘计算系统的云,边缘和最终部分之间的互动和协调,包括三个部分:云,边缘和最终协作,边缘和结束,Edge和End Cromportoration以及Edge,Edge,Edge,Edge和End协作。
图3-1边缘计算系统的逻辑体系结构
云和边缘协作:它是由云的Kubernetes部分的控制节点以及边缘的Kubeedge部分运行的节点共同实现的。边缘和结束协作:由Edge Part Kubeedge和End Part Edgex Foundry实施。云,边缘和结束协作:通过云解决方案Kubernetes,Edge Solution Kubeedge和End Solution Edgex Foundry共同实施。
02 云、边协同
云和边缘协作的特定实现如图3-2所示。
图3-2云和边缘协作逻辑体系结构在边缘计算系统中
Kubernetes控制节点使用云部分的原始数据模型来保持原始控制和数据流不变,即Kubeedge运行的节点在Kubernetes上提出了一个普通的节点。 Kubernetes可以像管理常规节点一样管理Kubeedge运行的节点。
Kubeedge可以在资源有限和无法控制的网络质量上运行边缘节点,这是因为Kubeedge通过CloudCore通过CloudCore在云部分中的云和Edgecore在Kubernetes Control Nodes的基础上实现了Kubernetes Cloud Compure Compure Computation Contestration ConteStration Cantlysized应用程序。
云部分中的CloudCore负责聆听EdgeCore的Kubernetes控制节点的指示和事件,并将EdgeCore在边缘部分报告的状态信息和事件信息提交到Kubernetes的控制节点;边缘部分中的Edgecore负责接收云部分中云芯的指令和事件信息,执行相关指令并维持边缘负载,并报告边缘部分的状态信息和事件信息,以向云部分中的CloudCore。
此外,基于库伯特组件的剪切和定制Edgecore。也就是说,它可以修剪库贝特无法在边缘上使用的丰富功能。鉴于当前的资源限制在边缘和网络质量差的情况下,脱机计算功能是根据Kubelet添加的,因此Edgecore可以很好地适应边缘环境。
03边缘和结束协作
边缘和终端协调的特定实现如图3-3所示。
图3-3 Edge和End协作逻辑体系结构在边缘计算系统中
作为在Edge节点上运行的经理,Kubeedge负责管理Edge节点上应用程序负载的资源,操作状态和故障。在某些边缘计算系统中,Kubeedge为Edgex Foundry服务提供了所需的计算资源,并负责管理Edgex Foundry服务的整个生命周期。 Edgex Foundry是由Kubeedge管理的IoT SaaS平台。该平台以微服务形式管理了各种IoT终端设备。同时,Edgex Foundry可以通过托管微服务从各种IoT终端设备收集,过滤,存储和地雷数据,还可以通过托管的微服务来控制终端设备,向各种IoT终端设备发布指令。从图3-4可以看出,Kubeedge的解决方案由支持各种协议设备的MQTT代理和对接服务组成。
图3-4 Kubeedge End解决方案逻辑体系结构
MQTT代理:作为各种IoT终端设备和Kubeedge节点之间的通信管道,它负责接收由终端设备发送的数据,并将接收到的数据发送到已订阅MQTT代理的Kubeedge节点。支持支持各种协议设备的服务服务:负责与支持相应协议的设备进行交互,能够从设备收集数据并将其发送给MQTT代理,并能够从MQTT代理那里接收相关说明并将其发送到设备。通过上述分析,我们可以看到Kubeedge的最终解决方案仍然相对基本。
Kubeedge最终解决方案支持的负载类型相对单个。当前,某些IoT终端设备只能通过MQTT代理支持。尚未支持用于视频处理和使用AI模型的应用程序负载。当前,很少有服务为设备提供各种协议的服务,并且仅支持使用蓝牙和modbus协议的设备。由于上述原因,我们的边缘计算系统的最终解决方案不使用Kubeedge的最终解决方案,而是使用Edgex Foundry,这是一个相对完整的IoT SaaS平台。
04 云、边、端协同
边缘计算系统中云,边缘和结束协作的理想效果如图3-5所示。
图3-5边缘系统中云,边缘和最终协调的理想效果
从图3-5中,云,边缘和端协调包括两层,即云,边缘和云,边缘和端协调。
云和边缘协作:云充当控制平面,边缘用作计算平台。云,边缘和最终协作:在云和边缘协作的基础上,将终端设备的服务作为边缘负载管理。云可以通过控制边缘来影响终点,从而实现云,边缘和结束协调。通过Kubernetes的控制节点,Kubeedge和Edgex Foundry实现了云,边缘和结束协作。 Kubernetes控制节点向Kubeedge Edge群集发出指令以操作Edgex Foundry Services,从而影响终端设备。目前,我们无法通过Kubernetes的控制节点直接与终端设备进行交互。
用户评论
♂你那刺眼的温柔
我一直很好奇边缘计算是怎么工作的,这篇文章解释得很清楚!尤其让我印象深刻的是云、边、端的协同部分,原来可以这样设计!
有19位网友表示赞同!
伤离别
讲真,刚看到标题就感觉有点懵懂,但读完以后感觉豁然开朗了。原来边缘计算不是那么简单的,需要这么复杂的逻辑架构才能实现高效的协同运作啊!
有11位网友表示赞同!
几妆痕
边缘计算这几年发展确实很迅猛,各种应用层出不穷,这篇介绍我觉得很有参考价值,特别是对我们想深入了解云、边、端协同的人来说简直是福音!可以分享给我在AI领域的同事们看一下,他们肯定能受益匪浅。
有14位网友表示赞同!
我家的爱豆是怪比i
我很认同文章中提出的观点,我认为边缘计算的未来一定会更加光彩夺目。尤其随着5G网络技术的成熟,这种云、边、端协同的模式将会被应用于更多领域,为我们的生活带来更便捷的服务体验。期待未来能看到更多精彩案例!
有20位网友表示赞同!
满心狼藉
有点理论味儿啊,我更想看一些实实在在的应用实例。比如具体的边缘计算产品有哪些,它们如何应用于实际场景?文章可以添加更多案例分析,会更加吸引人读。
有14位网友表示赞同!
隔壁阿不都
其实我觉得这篇文章解释得还是不够透彻呢!比如“云、边、端协同”具体实现了什么?各个节点之间的数据交互机制是怎么样的?还需要更深入的探讨才能完全理解边缘计算系统的逻辑架构。
有15位网友表示赞同!
等量代换
我一直觉得边缘计算很酷,尤其是它在实时数据处理能力上展现出的巨大优势非常吸引我!这篇文章让我对边缘计算有了更全面的了解,期待未来有机会参与到这个领域的研究和实践中来。
有18位网友表示赞同!
太易動情也是罪名
说实话,这篇文章有点像教科书的写法,比较枯燥乏味。可能对有一定技术背景的人来说还比较容易理解,但对于初学者来说可能稍微难以吸收。建议作者可以加入一些通俗易懂的例子或者动画演示,使得文章更具吸引力和可读性。
有18位网友表示赞同!
熟悉看不清
云、边、端的协同确实是一个非常重要的趋势,这篇文章对边缘计算的逻辑架构进行了很好的阐述。对我们想进一步研究人工智能技术的人来说是很有用的参考资料!
有5位网友表示赞同!
该用户已上天
我对AI和数据分析十分感兴趣,边缘计算在这些领域有着广泛应用前景。感谢作者分享这篇深入浅出的文章,让我了解到边缘计算系统的逻辑架构如此复杂而精妙。
有8位网友表示赞同!
情字何解ヘ
我目前从事的是软件开发工作,这篇文章让我对边缘计算有了更清晰的认识。尤其是在企业的数据安全和隐私保护方面,边缘计算有着独特优势,未来可能会越来越受到重视!
有18位网友表示赞同!
我一个人
虽然文章解释都很详细,可是我还是觉得“云、边、端协同”这个概念太抽象了,希望能结合一些实际案例来解释,更容易理解!
有19位网友表示赞同!
米兰
感觉这篇文章偏向于理论解释,缺乏实践方面的案例分析。比如哪些企业已经成功应用了边缘计算技术?这些应用的具体场景是怎么样的?更生动的案例可以让我们更好地体会到边缘计算的魅力。
有16位网友表示赞同!
败类
我是一名物联网工程师,目前正在进行相关研究项目,这篇关于边缘计算的文章对我很有帮助!它让我对云、边、端协同的理解更加深刻。未来我们可能要更多地探讨边缘计算如何与其他技术结合应用!
有7位网友表示赞同!
凉城°
这篇文章把边缘计算系统的逻辑架构描述得很完善,可以作为学习和研究边缘计算的很好的入门资料。但希望作者在后续的文章中能够更深入地介绍一些具体的算法和实现方案!
有15位网友表示赞同!
颓废i
我觉得这组文章写得很好,比较全面,对于想了解云、边、端协同的人来说很有帮助,但是希望能增加一些图表和图片,更容易理解各种概念的关联。
有6位网友表示赞同!
浅巷°
我一直对边缘计算很感兴趣,这篇文章让我对它的逻辑架构有了更清晰的认识,但我觉得文章可以多放一些相关的技术指标数据或者对比分析,让读者更好地了解各种技术优缺点。
有18位网友表示赞同!