边缘计算平台分析,或将是算力的最终形态

2020年,5G商用引爆通信业发展。以往通信设备都是软硬件一体,一旦标准技术换代,就得研制新设备,导致投资大、灵活性差。5G引入SDN/NFV技术后,采用标准服务器、存储器和交换机来承载软件化网络功能,替代原有软硬件一体专有设备,解决了通信设备迭代更新难度大问题。随着5G不断向软件定义网络方向发展,网络架构变得更加灵活,为了适应这种变化,传统CT、IT、公有云厂商也适时推出了开源边缘计算平台项目。

边缘计算平台现状

边缘计算中的边缘(edge)指的是网络边缘上的计算和存储资源,这里的网络边缘与数据中心相对,无论是从地理距离还是网络距离上来看都更贴近用户。作为一种新的计算方式,边缘计算将计算任务部署于接近数据产生源的网络边缘,利用边缘资源为用户提供大量服务或功能接口,大大减少上传至云数据中心的数据量,缓解网络带宽压力,同时可以更好地解决数据安全和隐私问题。

在边缘计算环境下,数据具有异构性且数据量较大,数据处理的应用程序具有多样性,不同应用程序所关联的计算任务又不尽相同,对于计算任务的管理具有较大的复杂性,而简单的中间件软件结构无法有效保证计算任务可行性、应用程序的可靠性以及资源利用的最大化。同时,面向不同应用或场景的边缘计算系统所要实现的功能有所差异性。因此,边缘计算平台对边缘计算领域的推广和发展有着重要的意义和影响。

随着5G、AI等技术的普及,万物互联时代到来,边缘计算规模和业务复杂度发生了根本变化:边缘实时计算、分析和边缘智能等新型业务不断涌现,对边缘计算效率、可靠性和资源利用率提出了更高要求;因此,诸多厂家提出建设边缘计算平台,平台涉及边缘侧网络、计算以及存储资源管理,提供基础功能,如设备接入、安全校验、监控、动态医学影像AI辅助诊断等,其接口、架构、管理逐步成体系。但各厂家的边缘计算平台差异较大,行业边缘应用部署时需要适配不同边缘计算平台,导致跨平台应用部署难度大,故考虑引入开源技术打造5G MEC边缘计算架构和能力开放的事实标准,打破当前边缘计算平台市场烟囱式、碎片化现状,降低产业应用客户上车门槛,实现规模复制,通过开源协作方式构建统一5G MEC平台。

边缘计算系统是一个分布式系统范例,在具体实现过程中需要将其落地到一个计算平台上,各个边缘平台之间如何相互协作提高效率,如何实现资源的最大利用率,对设计边缘计算平台、系统和接口带来挑战。例如,网络边缘的计算、存储和网络资源数量众多但在空间上分散,如何组织和统一管理这些资源,是一个需要解决的问题。在边缘计算的场景下,尤其是物联网,诸如传感器之类的数据源,其软件和硬件以及传输协议等具有多样性, 如何方便有效地从数据源中采集数据也是一个需要考虑的问题。此 外,在网络边缘的计算资源并不丰富的条件下,如何高效地完成数据处理任务也是需要解决的问题。目前,由于针对的问题不同,各边缘计算平台的设计多种多样,但也不失一般性。边缘计算平台的一般性功能框架如图1所示。在该框架中,资源管理功能用于管理网络边缘的计算、网络和存储资源。设备接入和数据采集分别用于接入设备和从设备中获取数据。安全管理用于保障来自设备的数据的安全。平台管理功能用于管理设备和监测控制边缘计算应用的运行情况。各边缘计算平台的差异可从以 下方面进行对比和分析:

(1)设计目标。

边缘计算平台的设计目标反映了其所针对解决的问题领域,并对平台的系统结构和功能设计有关键性的影响。

(2)目标用户。

在现有的各种边缘计算平台中,有部分平台是提供给网络运营商以部署边缘云服务;有的平台则没有限制,普通用户 可以自行在边缘设备上部署使用。

(3)可扩展性。

为满足用户应用动态增加和删除的需求,边缘计算平台需要具有良好的可扩展性。

(4)系统特点。

面向不同应用领域的边缘计算开源平台具有不同的特点,而这些特点能为边缘计算应用的开发或部署带来方便。

(5)应用场景。

常见的应用领域包括智能交通、智能工厂和智能家居等多种场景,还有增强现实 (AR)/虚拟现实(VR)应用、边缘视频处理和无人车等对响应时延敏感 的应用场景。根据边缘计算平台的设计目标和部署方式,可将目前的边缘计算 开源平台分为3类:面向物联网端的边缘计算开源平台、面向边缘云服务的边缘计算开源平台、面向云边融合的边缘计算开源平台。

典型边缘计算平台参考架构

2020年,在OSF边缘计算小组(Open Stack基金会主导)发布的《边缘计算:架构,设计和测试的下一步》白皮书【1】中,开源基础设施运营商和供应商联合定义了以下2类典型边缘参考体系结构模型。

a) 集中式控制平面模式:

传统单数据中心环境下中心控制器和边缘计算节点由广域网连接。该模式从集中运营角度看有优势,安全性高,但节点严重依赖集中式数据中心来承载管理和协调边缘计算、存储和网络服务,边缘节点自主性差,是一种传统架构模式。

b) 分布式控制平面模式:

多数控制服务驻留在大/中型边缘数据中心上,也要求边缘站点自身功能全面。这种体系结构比较灵活,尤其在网络连接丢失情况下更凸显其优势,但由于需要跨地域运行大量控制功能,管理编排类型服务更复杂。KubeEdge和StarlingX属于此类去中心化架构模式【2】。

开源平台项目分析

KubeEdge

2019年,由华为捐给CNCF基金会,基于 Kubernetes(简称k8s)构建,100%兼容k8s API,是Kubernetes IoT Edge WG关键参考架构之一,可提供云边协同能力开放。该平台分为云端、边缘端和终端三层,解耦式的架构,具体如图2所示。

a) 云端:负责应用和配置策略下发,通过旁路设计开发CloudCore组件,进行边缘节点同步和维护,利用list watch与Kubernetes集群做信息同步。

b) 边缘端:负责运行边缘应用和管理接入设备。Edgecore支持CRI,底层可以对接多种container runtime、device Twin和DEvent Bus,主要是做设备元数据管理以及MQTT协议订阅和发布,从而完成与终端设备通信。

c) 终端:运行各种边缘设备。设备终端有多类访问协议,部分新设备可能直接支持MQTT协议。但部分专用设备存在专用协议,KubeEdge采用Mapper设计,可将专有设备协议转换成MQTT协议,实现边缘应用和云上设备数据同步和管理【3】。

图1 KubeEdge整体架构

KubeEdge针对边缘侧实际环境做了诸多优化。

a) 云边可靠协同:

采用双向多路复用消息通道,支持边缘节点位于私有网络中,云边消息传输默认使用websocket消息封装,减少通信压力,高时延下仍可正常工作。

b) 边缘离线自治:

通过消息总线和元数据本地存储实现节点离线自治,节点故障恢复也无需list-watch,从而降低网络压力,提升故障恢复速度。

c) 边缘极致轻量化:

边缘侧节点Edgecore内存约70M,支持CRI集成containerd和CRI-O,优化了runtime资源消耗,方便在资源受限边缘上运行;保留了 Kubernetes的管理面,重新开发了节点 agent,大幅降低边缘组件资源占用率。

d) k8s原生支持:

云端可以通过k8s API管理边缘设备和边缘应用程序。

但是作为一个开源项目,KubeEdge仍有很多方面待继续完善。

a) 不支持设备协议如OPC-UA。

b) 不支持使用数千个Edge节点和数百万个设备评估并启用更大范围的Edge群集。

c) 不支持对大型Edge集群的应用程序进行智能调度【4】。

OpenNESS

由Intel主导,是一套开源软件开发套件,为在用户边缘侧或网络边缘侧等位置运行的应用提供单一应用托管环境,旨在多种网络接入方式(WiFi/4G/5G等)下助力边缘业务管理与编排,通过抽象化去除网络复杂性,让开发人员可以像编写云软件一样轻松编写适用于边缘的软件,该项目在Akraino Edge Stack(Linux基金会项目)中被广泛应用【5】。

OpenNess由边缘节点和边缘控制器2个部分构成【6】。

a) 边缘节点:

支持多种网络接入方式,能够从IP、SI_U或者SG1接口提取数据;支持针对5G延迟、多租户和服务注册流量定向,并支持部署边缘应用。

b) 边缘控制器:

一般处于数据中心、云中或边缘等位置,进行边缘平台编排,采用GUI方式,支持其他通信服务提供商采用API方式链接到自己的控制器GUI环境。图3为OpenNESS抽象描述,展示边缘节点上软件和云控制器与其他技术相互配合的使用方式。

图2 OpenNESS整体架构

OpenNESS当前侧重4G/5G功能集成、底层Cloud native能力以及不同硬件资源适配能力。

a) 支持独立5G NR和增强平台感知部署。有5G接入模块,AF可与NEF通过N33接口或者与PCF通过N5接口通信,帮助MEP下发分流规则以及事件订阅等,支持HTTP/2 HTTPS/oAuth2协议;OpenNESS的DataPlane模块是所有边缘开源项目中比较独特的。

b) 高效扩展简化编排:可以与Kubernetes(将来还包括Openstack)配合使用,可用于预配边缘资源并为网络边缘配置增强型平台感知功能,虽然本身不包含服务编排,但具备可连接到服务编排器的控制API。

c) 提供应用使能服务能力:提供API,可供应用实现服务注册、发现、订阅和已订阅服务查询。

d) 灵活扩展性强,多云兼容:基于微服务和开源API,OpenNESS可以为 AWS Green grass、Microsoft Azure IoT Hub和百度IntelliEdge提供云连接器,因此更易于实施升级和更新管理【7】。

EdgeXFoundry

EdgeXFoundry 是一个面向工业物联网边缘计算开发的标准化互操作性框架,部署于路由器和交换机等边缘设备上,为各种传感器、设备或其他物联网器件提供即插即用功能并管理 它们,进而收集和分析它们的数据,或者导出至边缘计算应用或云计算中心做进一步处理。EdgeXFoundry 针对的问题是物联网器件的互操作性问题。目前,具有大量设备的物联网产生大量数据,迫切需要结合边缘计算的应用,但物联网的软硬件和接入方式的多样性给数据接入功能带来困难,影响了边缘计算应用的部署。EdgeXFoundry 的主旨是简化和标准化工业物联网边缘计算的架构,创建一个围绕互操作性组件的生态系统。

图3- EdgeXFoundry的架构图

最新版本的 EdgeXFoundry 没有为用户自定义应用提供计算框架,用户可以将应用部署在网络边缘,将该应用注册为导出客户端,进而将来自设备的数据导出至应用来处理。EdgeX Foundry 的设计满足硬件和操作系统无关性,并采用微服务架构。EdgeXFoundry 中的所有微服务能够以容器的形式运行于各种操作系统,且支持动态增加或减少功能,具有可扩展性。EdgeXFoundry 的主要系统特点是为每个接入的设备提供通用的 RestfulAPI以操控该设备, 便于大规模地监测控制物联网设备,满足物联网应用的需求。EdgeXFoundry 的应用领域主 要在工业物联网,如智能工厂、智能交通等场景,以及其他需要接入多种传感器和设备的场景。

ApacheEdgent

Apache Edgent 是一个开源的编程模型和微内核风格的运行时,它可以被嵌入到边缘设备上,用于提供对连续数据流的本地实时分析。Edgent解决的问题,是如何对来自边缘设备的数据进行高效的分析处理。为加速边缘计算应用在数据分析处理上的开发过程,Edgent 提供一个开发模型和一套API用于实现数据的整个分析处理流程。基于Java或安卓的开发环境,Edgent应用的开发模型如图3所示。

图4-Edgent应用的开发模型

该模型由提供者、拓扑、数据流、数据流的分析处理、后端系统5个组件组成。

Edgent 应用可部署于运行 Java虚拟机的边缘设备中,实时分析来自传感器和设备的数据, 减少了上传至后端系统如云数据中心的数据量,并降低了传输成本。Edgent的主要系统特点是提供了一套丰富的数据处理API,切合物联网应用中数据处理的实际需求,降低应用的开发难度并加速开发过程。Edgent的主要应用领域是物联网,此外,它还可以被用于分析日志、文本等类型的数据,例如嵌入服务器软件中用以实时分析错误的日志。

面向边缘云的边缘计算开源平台

网络运营商的网络边缘,如蜂窝网络基站、中央端局和在网络边缘的小型数据中心等,是用户接入网络的地方,其计算、存储和网络资源也可用以部署边缘计算应用。面向边缘云服务的边缘计算平台着眼于优化或重建网络边缘的基础设施以实现在网络边缘构建数据中心,并提供类似云中心的服务。代表性的平台有开放网络基金会(ONF)的CORD项目和Linux基金会的AkrainoEdge Stack 项目。

CORD

CORD 是为网络运营商推出的开源项目,旨在利用软件定义网络(SDN)、网络功能虚拟化(NFV)和云计算技术重构现有的网络边缘基础设施,并将其打造成可灵活地提供计算和网 络服务的数据中心。现有网络边缘基础设施构建于由电信设备供应商提供的封闭式专有的软 硬件系统,不具备可扩展性,无法动态调整基础设备的规模,导致资源的低效利用。CORD计划利用商用硬件和开源软件打造可扩展的边缘网络基础设施,并实现灵活的服务提供平台, 支持用户的自定义应用。

CORD的软件架构如图5所示,云平台管理项目 OpenStack用以管理计算和存储资源,创建和配置虚拟机以及提供基础设施即服务(IaaS)功能。开源网络操作系统(ONOS)为网 络提供控制平面,用于管理网络组件如白盒交换网络结构等,并提供通信服务。容器引擎Docker 使用容器技术来实例化提供给用户的服务。服务控制平台 XOS用于整合上述软件, 以组装、控制和组合服务。

图5- CORD的软件架构

根据用户类型和使用案例的不同,CORD可被具体实现为 M-CORD、R-CORD和E-CORD。以 M-CORD为例,M-CORD面向无线网络(特别是5G 网络),使用蜂窝网络将用户接入。M-CORD基于 NFV和云计算技术将蜂窝网络功能进行分解和虚拟化,实现网络功能的动态扩展同时增强资源利用率。在此基础上,M-CORD 支持多接入边缘服务,为用户提供定制 服务和差异化体验质量(QoE)。此能力切合具备移动性的边缘计算应用的需求,能通过无线网络为手机、无人车和无人机等移动设备的边缘计算应用就近提供强大的计算能力。R-CORD 和 E-CORD同样可以在网络边缘支持住宅用户或企业用户的边缘计算应用,如VR和AR 应用等,以获得更快的响应时间和更好的服务体验。

对于用户而言,CORD 在运营商网络边缘提供的边缘云服务,具有与云计算相同的优点,即无需用户提供计算资源和搭建计算平台,降低了软硬件和管理成本。此外,有线和无线网络 的广泛分布使用户提交边缘计算应用不受地理位置的影响。目前,运营商正研究如何部署CORD,中国联通发起成立了CORD产业联盟,推动CORD项目的落地。

Akraino EdgeStack

AkrainoEdge Stack 是一个面向高性能边缘云服务的开源项目,并为边缘基础设施提供整体的解决方案。Akraino Edge Stack 致力于发展一套开源软件栈,用于优化边缘基础设施的网 络构建和管理方式,以满足边缘计算云服务的要求,比如高性能、低延迟和可扩展性等。Akraino Edge Stack 项目涉及的范围从基础设施延伸至边缘计算应用,其范围可以划分为 3个层面。

在最上面的应用层面,AkrainoEdge Stack致力于打造边缘计算应用程序的生态系 统以促进应用程序的开发。中间层面着眼于开发中间件和框架以支持上面层次的边缘计算应 用。在这个层面中,AkrainoEdge Stack 将开发API 和框架以接入现有互补性的开源边缘计算项目,例如上述的面向物联网的互操作性框架EdgeX Foundry,最大化利用开源社区的现有成果。在最下面的基础设施层面中,AkrainoEdge Stack 将提供一套开源软件栈用于优化基础设施。此外,Akraino Edge Stack 为每种使用案例提供蓝图以构建一个边缘计算平台。每个蓝图是涵盖上述3个层次的声明性配置,其中包括对硬件、各层面的支撑软件、管理工具和交付点等的声明。

Akraino Edge Stack 基于使用案例提供边缘云服务,可部署于电信运营商的塔楼、中央端局或线缆中心等。其应用领域包括边缘视频处理、智能城市、智能交通等。Akraino Edge Stack目前是一个初创项目,于2018年8月进入执行阶段。

云计算服务提供商是边缘计算的重要推动者之一,基于“云边融合”的理念,致力于将云服务能力拓展至网络边缘。目前,亚马逊公司推出了AWSGreengrass,微软公司推出了Azure IoT Edge,阿里云公司推出了物联网边缘计算平台 LinkIoT Edge。微软公司在2018年宣布将Azure IoT Edge 开源。

Azure IoT Edge是一种混合云和边缘的边缘计算框架,旨在将云功能拓展至如路由器和交换机等具备计算能力的边缘设备上,以获得更低的处理时延和实时反馈。Azure IoT Edge运行于边缘设备上,但使用与云上的AzureIoT 服务相同的编程模型;因此用户在开发应用的过程中除对计算能力的考量外,无需考虑边缘设备上部署环境的差异,还可以将在云上原有的应用迁移至边缘设备上运行。

构建边缘计算平台的开源组件

一些开源软件能为边缘计算平台提供组件功能,具体包括:

(1)网络管理。

开源网络自动化平台(ONAP)是一个为物理或虚拟网络功能的自动化 和实时策略驱动化编排提供平台的开源项目,在边缘云中可用于定制网络服务。Linux基金会在2018年将ONAP与其他5个功能类似的开源项目合并成LFNetworkingFund项目。ONOS是一个开源网络操作系统,它提供一个控制平面用于管理网络组件,运行软件程序和模块,并为终端主机提供通信服务。目前,ONAP应用于 AkrainoEdgeStack项目中,ONOS应用于CORD 项目中。

(2)容器技术。

Docker作为一个开源的应用容器引擎,被多个边缘计算平台使用以提供灵活的应用部署方式。Kubernetes是一个对容器化应用进行自动化部署、扩展和管理的开源项目,可用于边缘计算平台中以提供可靠和可扩展的容器编排。

(3)云平台。

OpenStack是一个开源的云计算管理平台项目,可用于构建边缘云,管理边缘云基础设备的计算、存储和网络资源。StarlingX是一个用于构建分布式边缘云的开源项目,提供一套完整的云基础架构软件栈,现应用于AkrainoEdge Stack 项目中。

(4)人工智能技术。

引入人工智能技术是边缘计算的发展趋势之一。Acumos 人工智能(AI)是一个用于训练、部署和共享AI应用程序的开源框架,可用于边缘云中以提供AI边缘计算应用的快速开发和部署。Acumos AI 目前已用于Akraino Edge Stack 项目中。

边缘计算可能是算力的终极形态

边缘计算以满足无处不在的高质量运算为最终目标,需求与成本的博弈不断颠覆计算机软件服务的形态架构,并逐步形成了我们当前所讨论的边缘计算模式。这一变化过程的影响因素相当纷杂,如硬件成本的降低、计算需求的提升、通信网络的飞跃、传感器技术的丰富等。而究其本质原因,则是人类对计算形态或者说计算方式的需求,即“无处不在的高质量计算服务”:既要无处不在,又要保障服务质量。

“无处不在”需要通过各式各样的网络通信技术、嵌入式技术来实现,“高质量”则需要通过计算机软硬件技术的不断迭代来实现。5G/6G通信技术的出现,则再次大幅拉低了通信成本,使得这些新出现的复杂任务可以使用远程的方式来执行,并形成了边缘计算的模式。可以看到,几个阶段的共同特征是不断地将硬件负担远离用户,不断地将计算服务贴近用户,用户既要“无处不在的高质量服务”,又要“不承担额外的软硬件开销”,这也是计算形态变化的内在逻辑。按照计算模式的变化,我们将网络计算形态大致分为以下三个阶段。

1. 传统集中式云计算方式不可持续

在云计算时代,数据的集中导致了计算的集中,海量用户的数据集中在少数云计算服务器上,使得计算随之迁移到云计算中心。而随着智能化、嵌入式设备的发展,越来越多的设备开始接入网络,产生无处不在的计算需求,这使得网络带宽逐渐成为服务瓶颈,为计算过程带来不必要的延迟开销。

前端智能设备涌现的各类超低延迟服务,由于云计算的广域网传输延迟而无法被满足;不仅如此,所有数据汇聚到少数的云计算中心,在增加网络的流量承载压力的同时,也造成了大量的能源浪费。

2. 摩尔定律已经失效

想要达到“无处不在的高质量运算”,广泛铺设的算力网络并非唯一思路。

特别是当我们回顾过去几十年的计算机发展历程,在最理想的状态下,只要计算机一直沿着摩尔定律发展下去,硬件最终会变得非常小,而算力却又特别强,加之近年来能量采集(Energy Harvesting)技术的发展,可以做到随时具有充沛的能源、算力和通信能力,从而形成无处不在的高质量运算。

但随着半导体制程逐步逼近原子半径,量子计算又暂时无法实现实用系统,边缘计算就成了唯一选择——广泛、大规模地部署算力,将物理环境改造为“算力场”,从而使得身处其中的用户可以享受无处不在的高质量运算服务。

3. 历史机遇:5G与物联网的需求形成合力

一方面,海量的物联网设备产生的计算需求逐渐无法被满足;另一方面,计算服务质量的要求也使得通信网络不堪重负,网络传输延迟成为计算服务的性能瓶颈。

两方面的共同需求,使得将计算下沉到网络边缘成为历史必然。一方面可以显著降低数据传输的延迟,另一方面通过分散地处理物联网设备的海量计算需求,也可以疏解云计算中心的计算压力。

不仅如此,5G、Wi-Fi 6等技术的发展,使得前端设备的单跳延迟可以降到个位毫秒级,在满足现有计算需求的前提下,势必催生各类实时计算服务。卡内基-梅隆大学的Mahadev Satyanarayanan教授也指出:“没有边缘计算的5G大规模部署是没有意义的”。

4. 人类计算需求的增长不会停滞

通过技术和需求的交替发展,我们可以观察到:人类的计算需求会不断涌现,并快速填满算力的天花板。当本地执行效率高时,新型业务会以本地执行的方式出现;当远程执行效率高时,新型业务会以远程执行的方式出现。

虽然在过往的经验中,新型的计算需求通常是先在本地执行,待通信成本降低后,逐步转变为远程执行;但可以预见,当远程执行成本持续低于本地运算成本,边缘计算模式成熟时,新型的业务会直接以边缘运行的方式出现,并且由于边缘算力充沛,新型业务的出现将有望迎来井喷。

5. 边缘计算可能会是算力的最终形式

过去的经验告诉我们,计算模式呈现了“合久必分,分久必合”的发展过程,那么计算模式的下一站会是怎样的形式呢?运算过程会不会重新回到任务发起的设备上去呢?如果按照上述梳理的以“无处不在的高质量计算服务”为驱动,边缘计算很可能是最终的计算形式。我们设想当本地算力和通信延迟逼近极限时,本地运算和在直接相连的另一台边缘设备上进行远程运算的整体性能极可能是相仿的,而本地资源永远是有限的,边缘设备的资源却是持续增长的。

因此边缘计算极有可能是算力的最终形式,前端设备仅保留必要的传感器、通信模块以及少量的计算和存储资源,利用环境中的边缘算力完成计算过程。

结尾

边缘计算平台为基于边缘计算的应用提供了一种降低延迟、提高数据处理实时性的架构和软件栈支撑。目前,边缘计算平台仍处于快速发展时期,本文中我们对其未来的发展趋势进行如下分析:

(1)面向特定应用场景的专用性边缘计算平台将迅速发展。

目前,智能家居、智能工厂和智慧城市都是受关注的应用场景,如何系统化支持这些场景的功能需求是边缘计算平台的发展趋势之一。

(2)边缘计算平台的数据安全与隐私保护问题将变得更加突出。

边缘设备相互协作时的数据安全如何保证、边缘平台如何避免暴露用户的位置隐私信息、尤其是边缘计算设备的计算资源、存储能力有限,使得边缘计算平台的安全防御具有更高的挑战性。

(3)边缘计算平台将结合更多人工智能技术。

目前,以深度学习为代表的人工智能技术发展十分迅速,但“智能边缘”的研究才刚刚起步,未来的边缘计算平台将引入人工智能技术, 实现边缘数据的智能处理。

参考文献

【1】Beth Cohen,Gergely Csatári,Shuquan Huang,Bruce Jones,Adrien Lebre,David Paterson,Ildikó Váncsa.Edge Computing: Next Steps inArchitecture,DesignandTesting[EB/OL].https://www.openstack.org/use-cases/edge-computing/edge-computing-next-steps-in-architecture-design-and-testing/?lang=en_US,2020.

【2】梁家越,刘斌,刘芳.边缘计算开源平台现状分析[J].中兴通讯技术 边缘计算专刊,2019,25(3):12-18.

【3】开源社区.KubeEdge官网[EB/OL].https://github.com/kubeedge/kubeedge,2019.

【4】HarmonyCloud.干货满满 | 谐云在KubeEdge云边协同落地实践分享 [EB/OL].https://mp.weixin.qq.com/s/Jh74RSMbrKG2WrKjv1XAVA,2020-09-01.

【5】官网.openness介绍[EB/OL].https://www.openness.org/

【6】Intel.openness-and-the-network-edge-eguide-cn[Z].global:Intel,2020-4.

【7】高纪明.OpenNESS基于云原生的一体化MEC解决方案[Z].中国:INTEL,2020-8.

【8】官网.StarlingX项目介绍[EB/OL].https://www.starlingx.io/learn/,2019.

王毅.时间敏感网络在StarlingX的集成方案介绍[Z].中国:INTEL,2020-8.

【9】开源社区. openyurt官网[EB/OL]. https://github.com/alibaba/openyurt,2020

【10】新胜.深度解读. OpenYurt:从边缘自治看 YurtHub 的扩展能力[EB/OL].https://mp.weixin.qq.com/s/b0gGlXvXRS3hz9vRrqSFnQ,2020-07-10

【11】高维涛.由CloudNative引发的思考:什么是EdgeNative(边缘原生)[EB/OL].https://mp.weixin.qq.com/s/7HgUiGuboLDhqdCLh415bA,2020-09-07.

【12】开源中文社区.电信公司,在考虑云原生、边缘时请注意这5个问题[EB/OL].https://mp.weixin.qq.com/s/4QAhNukaCEV3Ivz6Vyiorg,2020-09-03.

【13】TEF,DT,HTK,etc.GSMAFutureNetworksProgrammeOperatorPlatformConcept_Whitepaper[R].london:GSMA,2020

文章只代表原作者观点,边缘云致力于打造独立、客观的资讯信息平台,转载请注明来源于边缘云信息平台。
分享到
长按二维码关注

参与讨论 抢沙发

评论前必须登录!

立即登录   注册

边缘云生态研究

关于我们关注我们