VMware路广：多云边缘与绿色计算

Posted 2022-09-20 边缘计算社区

在2022智能云边开源峰会上，VMware中国研发中心边缘计算实验室主任路广先生带来了《多云边缘与绿色计算》的主题分享。

Gavin表示，IT行业经过十多年的发展，发展路径逐步从云计算和移动计算转移到了近几年的多云及其应用。边缘计算的发展也是有目共睹的。如何将多云与边缘进行协同是我们目前面临的巨大挑战。VMware在EdgeX Foundry整合边缘应用框架、BYOH编排kubernetes边缘应用、CRD、基于异构器件加速的原生ML推理项目上已有较多探索，我们的目标是实现云和边缘融合运行。在环境可持续性方面，VMware希望业内有更多伙伴可以加入这一行列。

✦

演讲实录

✦

大家好，欢迎参加2022智能云边开源峰会。我是VMware中国研发中心的路广，今天我和大家分享的主题是“多云边缘与绿色计算”。在过去的十多年里，整个IT行业内的技术发展蓬勃兴起，从最开始云计算和移动计算的剧烈发展，到最近几年我们看到了一个巨大的趋势是多个云同时出现，由企业客户一起使用。边缘计算也是在过去的十年里取得了迅猛的发展。

这种情况下我们看到了一个巨大挑战是如何将多云与边缘进行协同，在这方面我们面临了很多问题。想象一家企业的数据中心里有大量的应用正在运行，那么对于每个企业的不同场景，在边缘侧也会运行不同的边缘计算程序，而它南向连接着各种不同的边缘设备和机器。对于每个应用系统来讲，如果它所使用的软件平台都是异构的、割裂的，那么就会逐渐在过程中产生很多的数据系统。在多样化、碎片化的环境里产生这么多的孤立系统，对于企业来讲，整个IT环境和OT环境只会变得越来越复杂。如大家所见，这样就会形成很多纷繁复杂的数据系统。怎么去解决这些问题是我们面临的挑战。

VMware在过去的几年里做了很多探索性的工作。我大概介绍一下我们在这方面做的尝试和心得体会。对于南向异构边缘设备的连接，我们推荐使用EdgeX Foundry，它是由Linux基金会运行的开源边缘计算架构，可以整合跨行业、跨使用场景的边缘应用框架。EdgeX Foundry非常便于整合南向的各种设备。第二点，为了让边缘应用更好地和云端系统做统一编排和调度，从而实现从云端来运维、在边缘上管理的最终愿景，我们推出了自带主机的项目BYOH（Bring Your Own Host）。它是基于Kubernetes Cluster API实现的开源项目，能够帮助企业在远端边缘侧裸金属主机集群上运行边缘的应用，其中也包括基于EdgeX Foundry的边缘应用。

我们也发现通过Kubernetes直接编排边缘应用时，对于边缘上的异构环境，其复杂度非常高。我们尝试利用Kubernetes常用的客制化资源定义（CRD）方式提升开发者的体验，这样即可把边缘和云上资源调度的接口融合起来。对于边缘侧常见的一种应用是进行机器学习和人工智能推理工作。在异构加速器的支持下，我们能获得更好的性能。但是异构加速器通常会带来各种API接口不兼容的问题。我们也有一个边缘Kubernetes上基于异构器件加速的、原生ML推理项目，能够在云侧直接编排在边缘侧运行的机器学习推理任务。它是基于K8S原生的API，同时能够支持在边缘异构加速器上进行原生性能的机器学习推理任务的执行，此过程中并不需要修改任何在云端训练出来的机器学习模型推理程序，无论是Python code或是C++ code都可以直接运行。这样即可在完美实现原生性能、原生API的基础上，避免新的复杂度。这一项目会帮助企业客户更好地整合并充分利用边缘侧的各种异构器件。

最终我们希望实现的愿景是多云和边缘能够融合运行。这意味着不管从云或是边侧，我们都能够提供一致的开发者体验和生产效率。我们能够融合边缘和云应用的整体运维，并且从多云里面管理云和边缘应用的性能和成本；能够跨越云边实现一致的安全和网络策略，也能从云中立的边缘解决方案上部署和管理边缘原生应用。

除了边缘计算，VMware在过去的20年也一直致力于促进环境可持续性方面的发展和改善。我们希望行业内各个不同的厂商和合作伙伴都能朝这一方向努力。环境可持续性是VMware的核心价值以及未来成功的关键。在过去的20年里，使用VMware产品方案的企业客户整体避免了超过12亿公吨的碳排放。我们各种不同的产品和倡议，整体来讲都符合联合国关于可持续性发展的整体目标。在国内我们也有非常多的合作伙伴和我们共同努力来实现这一目标。

去年，我们和英特尔以及Quarkdata共同基于云边协同的整体方案发布了一个深度制冷的联合解决方案。这一解决方案是基于几项开源项目、商业方案、商业产品一起推出的。开源项目包括刚才提到的EdgeX Foundry，以及我们为了统一融合数据中心动环系统和IT系统整体运维的Flowgate项目；商业产品是基于VMware的 TKG Edge以及vROps（vRealize Operations）这两个行业领先的产品来实现的。整体的思路即在数据中心内部部署大量的传感器和各种数据采集设备，从动环系统里边采集数据中心运维的供电、制冷、环境等等信息，然后打造一个机器学习的大规模、高精度的模型，在这个模型的基础上进行优化，来自动的控制和调整数据中心内部的制冷参数，以实现更佳的效果、提高其效率。在右侧大家可以看到基于vROps的整体UI。此联合方案去年已经在国内一家大型电信运营商的机房里面部署，取得了很好的效果，整体制冷能耗可节省高达30%。在去年第四季度也通过VMware大会发布了方案白皮书，欢迎大家取阅。

除了刚才提到的深度制冷方案，接下来我们希望能进一步提高碳透明和基于应用级别的编排优化。这就意味着我们需要整体地测量数据中心内部每个服务器上的每个应用到底使用了多少能耗，并与不同国家地区电网碳效率的数据服务相整合，来获取对于碳排放相关的足迹影响。从而优化数据中心内部应用的编排算法，来针对提高碳排放效率的指标进一步优化整体的应用部署方案。期待未来能与大家进行更多分享，谢谢大家！

完整演讲视频请见：