边缘计算系统逻辑架构：云边端协同，定义及关系

Posted 2023-04-06 清如许.

引言

５Ｇ和物联网时代的到来，海量数据的产生与任务计算对现有网络产生极大的冲击，基于Internet的云计算虽然提供了对虚拟共享的可配置计算和存储资源的广泛访问和按需访问，是处理海量数据与计算任务的绝佳平台，但是对于５Ｇ时代的诸如在线游戏、虚拟现实和超高清视频流等高速访问超低延时的应用和海量终端互联来说，云计算是无法满足其要求的。

与此同时，下一代互联网的关键特征之一是信息越来越多地在本地生成并在本地消费，且大量的边缘设备存在可用计算和存储资源。因此，为应对云计算存在的挑战、网络压力和提升用户体验满足业务需求，业界提出将云计算平台迁移至网络边缘，即边缘计算，发掘网络的内在能力在数据源附近提供边缘服务，以满足在敏捷连接性、实时优化、智能应用、安全性和隐私性方面的关键要求.

1、“云-边-端”架构

在面向新一代信息基础设施的物联网体系架构中，数据处理以及基于数据的智能服务变得越来越重要。
前两年出现了一个比较热的词，叫做"边缘计算"，是指把简单的、需要实时计算和分析的过程放到离终端设备更近的地方，以保证数据数据处理的实时性，同时也减少数据传输的风险。
最近又出现了一个新的热词，叫做“云边协同”，其含义跟边缘计算相差不是很大，只是强调“云-边-端”这样的架构，终端负责全面感知，边缘负责局部的数据分析和推理，而云端则汇集所有边缘的感知数据、业务数据以及互联网数据，完成对行业以及跨行业的态势感知和分析。

• “云” 是传统云计算的中心节点，是边缘计算的管控端；
• “边” 是云计算的边缘侧，分为基础设施边缘和设备边缘；
• “端” 是终端设备，如手机、智能家电、各类传感器、摄像头等。

基于AI的智能服务则是贯穿“云-边-端”整个架构，在感知终端，AI技术旨在提高全面感知的敏感性、准确性以及人机交互、物物交互的实时性，同时也可以通过芯片来进行简单的逻辑推理。

在边缘处

AI技术主要负责汇集该域内的局部数据以及相关的业务数据，完成感知数据的分析和推理，并且能够把相关的分析结果或模型传送给感知终端，达到感知终端与边缘云的协同，同时，边缘云与边缘云之间也可以通过联网共享，共享数据、资源、算法等，完成边缘云之间的相互协同。

在云端

不仅需要提供类似边缘云的云计算相关的存储、计算、网络、安全资源，还需要汇集、融合所有的数据，提供基于全局数据的智能服务，包括智能调度、运维、宏观决策等。

云中心擅长全局性的、非实时的、长周期的大数据处理与分析，能够在长周期维护、业务决策支撑等领域发挥优势。
边缘计算更适合局部性、实时、短周期数据的处理与分析，能更好地支撑本地业务的实时智能化决策与执行。边缘计算与云中心是互补协同的关系，边云协同将放大边缘计算与云计算的应用价值：边缘计算既靠近执行单元，更是云端所需高价值数据的采集和初步处理单元，可以更好地支撑云端应用；反之，云计算通过大数据分析处理优化输出的业务规则或模型可以下发到边缘侧，边缘计算基于新的业务规则或模型运行。

从表中可以看出云计算和边缘计算是各有优势的，云计算的主要优势是海量计算和海量存储、计算效率高、广域覆盖，适合计算密集型、非实时性的计算任务和海量数据的并行计算与存储，能够在长周期维护、业务决策支撑等领域发挥优势，并且计算硬件都集中在云计算中心，实行集中式的管理，因此无需在本地维护计算硬件、数据存储和相关软件。

边缘计算的主要优势是广泛分布的边缘节点提供了实时的数据处理，边缘计算的过程是一个以用户和应用为中心的过程，弥补了云计算中时延和移动性的缺陷，适合非计算密集型、实时性、移动性数据的处理分析和实时智能化决策，并且作为一种新的网络范式能够满足５Ｇ 时代计算需求的空前增长和用户体验质量的不断提高，数据的本地化处理相较于云端也更安全。

但是，边缘平台的处理性能通常不如云平台，它通常没有足够的内存和处理器来处理大量数据，因此无法执行复杂的操作，例如深度学习

除了云边协同，由图上图可知，逻辑架构侧重边缘计算系统云、边、端各部分之间的交互和协同，包括云、边协同，边、端协同和云、边、端协同3个部分。

• 1、云、边协同：通过云部分Kubernetes的控制节点和边部分KubeEdge所运行的节点共同实现。

Kubernetes控制节点沿用云部分原有的数据模型，保持原有的控制、数据流程不变，即KubeEdge所运行的节点在Kubernetes上呈现出来的是一个普通节点。Kubernetes可以像管理普通节点一样管理KubeEdge所运行的节点。
KubeEdge之所以能够运行在资源受限、网络质量不可控的边缘节点上，是因为KubeEdge在Kubernetes控制节点的基础上通过云部分的CloudCore和边缘部分的EdgeCore实现了对Kubernetes云计算编排容器化应用的下沉。
如下图所示：

• 2、边、端协同：通过边部分KubeEdge和端部分EdgeX Foundry共同实现。

KubeEdge作为运行在边缘节点的管理程序，负责管理在边缘节点上应用负载的资源、运行状态和故障等。在一些的边缘计算系统中，KubeEdge为EdgeX Foundry服务提供所需的计算资源，同时负责管理EdgeX Foundry端服务的整个生命周期。
EdgeX Foundry是由KubeEdge管理的一套IoT SaaS平台。该平台以微服务的形式管理多种物联网终端设备。同时，EdgeX Foundry可以通过所管理的微服务采集、过滤、存储和挖掘多种物联网终端设备的数据，也可以通过所管理的微服务向多种物联网终端设备下发指令来对终端设备进行控制。

• 3、云、边、端协同：通过云解决方案Kubernetes的控制节点、边缘解决方案KubeEdge和端解决方案EdgeX Foundry共同实现。

参考资料

• 深入理解边缘计算：云、边、端工作原理与源码分析 崔广章 之江实验室工程师撰写
• 物联网数据分析体系
• 详解边缘计算系统逻辑架构：云、边、端协同
• 基于软件定义网络的云边协同架构研究综述，【文章编号：１００７－１３０Ｘ（２０２１）０２－０２４２－１６】李　波，侯　鹏，牛　力，武　浩，丁洪伟，文章编号：１００７－１３０Ｘ（２０２１）０２－０２４２－１６

云边端协同场景下的“AI+”视频融合能力，如何赋能多行业应用？

随着边缘侧与终端侧业务的规模化落地部署，很多新的业务场景已经逐渐不满足于中心化的云端计算模式。尤其是在AI人工智能技术进一步落地应用的趋势下，基于云边端深度融合与协同的“AI+”模式，在满足用户对视频服务的智能识别需求上，让算力资源得到最优化分配、调度和利用，已经成为当前行业与技术发展的新趋势。

基于EasyCVR和智能分析网关的AI智能视频分析解决方案，通过部署多种AI算法，可提供人脸、人体、车辆、物体、行为等检测识别能力，并能实现抓拍、比对、告警、分发等视频能力服务，能广泛应用在智能安监、通用安防、区域安全监测、客流统计、智慧消防等场景中。该方案不仅能够有效应对用户业务场景中，对计算、存储、网络甚至算法资源的多级部署，以及在各级节点之间的灵活调度，还能实现各类资源之间的互联互通能力和弹性伸缩与扩展能力。

1、架构特点：

1）高效利用算力资源

将云端的计算能力扩展到任何用户需要的地方，为近场、现场的用云场景提供配套的智能化解决方案，将不同地理位置的算力资源统一管理、协同工作，实现算力资源的高效利用。

2）分布式资源灵活调度

不再局限于中心云的单一算力资源池，通过跨云、边、端的分布式协同应用，将计算、处理、存储、智能分析等能力实现灵活调度，并能支持和中心云数据互通、稳定交互，支撑不同场景下的数据智能应用。

3）AI算法赋能

基于计算机视觉技术，可提供人脸检测与识别、人群密集度检测、人流量统计、车辆检测与识别、区域入侵检测、在岗离岗检测、安全帽检测、口罩检测、烟火检测、猫/狗/老鼠识别、抽烟行为识别等能力。通过云边端架构下的数据互联互通、开放共享，将云端的服务能力下沉到边缘端与设备端，同时结合AI人工智能，以及灵活调配AI算力，不断赋能边缘端，将AI能力扩展到更贴近用户的使用场景中。

4）视频汇聚能力

EasyCVR视频融合平台支持海量视频汇聚与管理、处理与分发、智能分析等视频能力。基于云边端一体化管理，平台可支持视频实时监控、云端录像、云存储、回放与检索、智能告警、平台级联、服务器集群、轨迹跟踪等功能。

平台支持多类型设备、多协议方式接入，能完成海量监控视频资源的轻量级接入与分发，实现设备与平台的互联互通、数据共享共用，结合AI智能分析技术，可对多业务场景进行智能分析与预警，包括人/车/物识别、行为识别、轨迹跟踪等，实现智能化视频监管模式。

2、应用场景示例：

AI智能识别技术在视频监控领域的应用范围也在逐步扩展，从之前的安防领域，已经逐渐拓展到交通、旅游、金融、司法、教育、生产制造、城市管理、环保等更多领域，例如生产车间的质检智能检测、旅游景区客流分析、城市管理中的AI人脸检测、公安部人脸识别系统等。

1）社区安防：通过视频监管平台，可实现对小区的智慧监管，如人脸门禁、车辆出入、电梯监控、电动车进电梯检测、高空抛物检测、消防预警等。

2）校园安全：针对在校学生、校职工等进行人脸识别，排除危险分子进入学校；还可以对学校内的车辆、物品、设施等进行智能告警设置，及时发现火灾隐患、打架斗殴等事件。

3）工地/厂区安全生产：工地/厂区的人员与车辆出入管理，如人脸门禁、人脸考勤等，检测工人是否佩戴安全帽、是否存在越线、攀高等行为，还可以实现各级联网，有效对工地、厂区等进行实时、高效的安全监管。

4）交通卡口监控：在主要交通要道、出入口、高速公路、收费站等重点地段实时监控道路、卡口的车流量，自动统计不同时段车辆的进出数量、车牌识别、车辆类型识别等。

智能分析网关与EasyCVR具备海量数据汇聚处理、高稳定性、高灵活性、高可用性等特点，同时基于云、边、端架构闭环式协同管理，让前端场所采集的数据实现存储、处理、智能分析、辅助决策和快捷执行，最终完成场景下的态势感知、数据分析、结果输出、资源分发等智能服务。