一文揭秘边缘计算参考架构2.0的实践与思考

原创
网络 边缘计算
边缘计算作为新的计算范式,在靠近设备端的运算上,展现出了实时处理与高效节能的优势。那么,业界如何定义边缘计算呢?它目前的市场状况与未来的发展前景又如何呢?

【51CTO.com原创稿件】随着物联网和5G网络的发展, “边缘计算”逐渐成为许多大佬的关注点。边缘计算作为新的计算范式,在靠近设备端的运算上,展现出了实时处理与高效节能的优势。那么,业界如何定义边缘计算呢?它目前的市场状况与未来的发展前景又如何呢?

2018 年 5 月 18-19 日,由 51CTO 主办的全球软件与运维技术峰会在北京召开。在“IOT开发技术解析”分论坛上,来自华为、及边缘计算产业联盟的技术架构主席史扬,给大家带来了《边缘计算参考架构2.0实践与思考》。

本文将按照如下三个部分展开:

  • 为什么需要边缘计算(WHY)
  • 华为如何在边缘计算领域持续发力(HOW)
  • 边缘计算参考架构2.0实践与思考

为什么需要边缘计算

行业数字化的转型是当下比较时髦的概念。其本质是:以数字化产生数据,网络化实现价值的流动,通过智能化来创造经济和社会价值。

行业数字化的迭代发展是从互联网公司开始,逐步进入互联网金融公司(FinTech),而近两年则进入了实体行业的智能制造等场景中。

边缘计算

纵观任何一个企业,其运营无非涉及到:人、财、物,应用和环境,而说到底都是源于数据。我们通过对数据的感知、到对数据含义的认知、从而达到对数据进行预测。

例如:我们通过关联分析,来对互联网用户做“画像”,进而预测他的购物习惯。凭借着越来越廉价的云计算服务、ERP和CRM等软件的协助,我们能够从历史看未来,不断优化用户体验,进而做出各种决策。

边缘计算

如今,传统行业需要通过物联网,来获知其核心资产(如发电机)的运行状况和资产利用率,进而打通从云端到边缘计算。

因此,数字化转型的核心问题是:缔造“数据+模型=服务”的模式,实现如下四个转变:

  • 物理世界与数字世界从割裂转变为协作融合。
  • 运营决策从模糊的经验化转变为基于数字化、模型化的科学化。
  • 流程从割裂转变为基于数据的全流程协同。
  • 行业单边创新转变为基于产业生态的多边创新。

边缘计算

如今我们的数字化转型技术正变得越来越成熟,门槛也越来越低。例如:在汉诺威工业展上受到追捧的数字孪生,就是通过模型化的方式,使用ICT的技术,在数字世界里构建一个虚拟世界。可见,数字技术其实是可以将物理世界的潜能释放出来的。

当然,物理世界与云数字世界的联接也存在各种问题,包括:十毫秒的时延约束,无人驾驶场景中的数据猛增和带宽消耗,人员与企业的数据安全与隐私,以及边缘侧物理设备与云端的联接的不可靠性等。

因此,我们需要通过智能分布化,来实现物的自主化,从而进一步实现:物与物之间的协助、物与本地系统的协作、物与人的协作(即人机交互)、以及物和云的交互协作。那么在整个过程中,我们都需要通过一种数据和支持的共享,来实现全面的协作化。

边缘计算

不过,我们所用到的边缘计算、云服务、乃至Docker和K8等技术,其实归根到底都属于分布式系统。

而对于分布式系统架构来说,除了我们所熟悉的,具有可扩展性和性能优势之外,也带来了如上图所示的各种挑战。

其中包括:部署、学习曲线陡峭、理解整体架构逻辑、以及各种开发成本、维护成本和运营成本等方面。

边缘计算

同时,那些在工业上被广泛使用到的各种传统软件,如ERP、MES、CAD等,由于具有较强的行业定制化的特点(MES尤为典型),导致了它们既不赚钱,又难以适应灵活的需求变化。

边缘计算

因此,我们需要将原有的工业服务平台从层次化变为扁平化,把它们的业务逻辑打碎成多个模块。我们通过内部封装,以一种组态编排的方式来解决工业现场的多样化问题。

在业界上,我们通过K8之类的技术来构建出一种“高内聚、松耦合”的分布式服务架构,并且使用微服务来为架构提供包括:服务发现、控制总线、业务编排、架构运维在内的一系列基础服务。

边缘计算

伴随着微服务化,工业界本身的控制架构也产生了分布式化。例如:在工业现场的PLC控制装备上,实现了可交互的分布式控制逻辑。

一般而言,企业每更换一种手机型号,其生产线上所有的工艺都要做出相应的调整。因此,各个企业在生产线水平上的竞争,就主要体现在换装能力和新产品的上线能力等方面。同时,企业需要通过快速地加载和迭代系统工艺,实现灵活的编排和工序控制。

总结起来,如今行业数字化转型面临着如下的挑战:

  • OT(Operation Technology)和ICT(Informationand Communications Technology)跨界协作挑战
  • 知识模型化仍是巨大挑战
  • 数据信息难以有效流动与集成
  • 产业链变长,增加了端到端协作集成挑战

我们需要通过AI、大数据、机器学习等技术,将传统的机理模型与数据计算模型相结合,让企业转向运营服务转型和协作型,从而带来整个产业链在生态架构上的变化。

边缘计算

下面,我们来看看边缘计算的基本概念。简言之,它是一个开放分布式平台,能够解决实时性、数据优化和安全等一系列问题。

边缘计算

从软件技术的发展历程来看,早年各大软件公司各自为政,都推出过自己的操作系统,后来则由能够跑在X86芯片上的Linux操作系统成为了主流。

近几年,由亚马逊推出的云计算服务封装了底层的操作系统和硬件,用户只需像使用水电煤那样去应用这些云服务便可。

而在工业上,其价值链的最上端是工艺,接着是核心装备,再往下是PLC,以及一些核心的工业软件,而我们常见的IT则处于基础的末端。因此整个价值链的核心是:系统集成商负责把软硬整体打包提供服务。

另外,对于某些通用的软件而言,其实它们并不可能去单独招标。例如:网络软件,一般是被绑定在整个项目中进行招标的。可见,工业上的整体商业模式是不太一样的。

作为类比,边缘计算和云计算的本质都集中在两个方面:

  • 水平解耦,通用化所有组件。例如:我们可以把在边缘侧要用到的所有数据流程分解,做成一个通用工具。
  • 新的商业模式,边缘计算和云计算都屏蔽掉了大部分底层的基础部件,以运营服务的方式来盈利。原来只需提供设备的厂商,如今要提供各种服务,包括:预测性维护、精益类服务等。因此这会是一个技术到商业模式的全栈方案。

边缘计算

基于上述理论,我们提出了如图所示的模型驱动架构,旨在让物理世界和数字世界协作起来,达到在物理世界里建立各种认知。

如今,工业界很多厂商都强调自己是MBE(基于模型的企业),就是突出了它们的模型化和协作能力。

由于工业界存在着硬件和操作系统等多方面的异构现象,因此它们希望通过模型封装,将各种KnowHow进行软件化。正如云计算领域经常通过DevOps,来对从开发到部署的整个生命周期进行有效地支撑那样,边缘计算的运营能力也需要有一套工具链和服务,来实现业务编排。

当然我们在技术上应该采取的是一种演进性的,而非推倒重来的模式。各种适合于信息系统的服务器硬件配置(如内存大小)和AI的云端模型(如GPU的功耗),它们对于工业环境(如只有几百M的存储空间和内存大小),以及边缘计算的低功耗芯片来说,是无法迅速被移植过去的。我们需要有更多独特的创新机会。

华为如何在边缘计算领域持续发力?

边缘计算

下面我们来看华为是如何在边缘计算领域持续发力的。如上图所示,这是一个边缘云的协同。在数字世界里,最上方是一个集中式的云服务,它包括公有云和私有云,一般被建立在某个IDC中。

在云服务的PaaS和IaaS之上,可以提供边缘通用的AI、大数据服务,以及上方的Enterprise Intelligence服务。

在边缘侧,我们配有嵌入式LiteOS(轻量级系统)、物联网关、服务器、以及第三方的节点。在此基础上,我们提供了一个基于K8的、优化了的边缘云。

由于在工业上的诸多场景中,资源都是极其有限的。因此,我们不能直接照搬K8,而需要做适当的优化。

再往上面就是一些诸如:流式数据分析和数据管理等基础服务。同时用户也可以把自己的应用和训练的模型,推送到微服务的架构之中。

另外,该架构除了能实现完全的分布式,还能提供一致性的服务接口。因此,该边缘侧既满足了即时的业务需求,又在云端满足了长周期的分布式架构。

边缘计算

上图是华为EI大数据的网页。除了提供一些缺省的服务之外,我们还提供一些面向行业解决方案,包括:水务、制造、交通、金融和零售等相关解决方案。

边缘计算

该架构具体包括:深度学习、预置模型、云端训练、边缘集成、边缘部署。同时,它也面向一些典型的应用场景(如视频应用)提供各种工具链,以更好地支持应用开发。

边缘计算

针对机器学习,我们的平台提供了一整套的工具链,来实现核心构建、建模、以及模型库的发布。

前面提到过,工业项目一般周期都特别长。我们当年做过的一个空气压缩机的降能耗项目,就持续了半年多。

其中涉及到了如下关键因素:

  • IT人员跨界到工业领域,需要很长的时间去熟悉各种环境。因此,工业项目往往需要外部和内部专家的合作,充分发挥IT人员擅长做数据,和OT人员提供支持的优势,并能持续交互与合作。
  • 我们需要花大量的时间,对工业现场所产生的数据进行清洗和打标签。由于过程比较复杂,因此往往需要半年才能做出像样的模型和框架。当然,后期的迭代数据会比较快。可见,IT技术在工业领域不但需要有较长的沉淀周期,而且也顶多也只是一个赋能的工具。

边缘计算

由于在许多场景中资源是有限的,因此我们需要在边缘侧有一个轻量化的架构。如上图所示,我们在边缘侧提供了EdgeCore,这一无服务器架构。

我们将网关等组件统一抽象为边缘计算节点,通过协议来形成本地的逻辑组,从而实现设备的统一、交互、协助、以及去中心化。

边缘计算

在边缘侧,其实每个行业的场景都是不一样的。例如:水库机组的不同水泵之间,就需要有一些内在逻辑,以实现在云端连接出现故障时,不同主机仍可进行交互。

如上图,SmartMesh提供一个服务总线,我们通过抽象每个节点,并在此基础上去定义逻辑。而在其他场景下,我们只需修改上面的逻辑,并保持下方不变,便可很容易地实现适配。

边缘计算

当然,在物联网边缘应用的场景开发中,我们碰到过许多问题。例如:华为在交付它所提供的网关时,从网络接口的配置,到场景的切换与测试,都不但耗时,而且可能发生各种特殊环境的问题。 

边缘计算

如今,我们实现了在云端提供一个集成式的开发环境,从而仿真出网关类的硬件,以及不同的设备库、各种OS库,甚至是网关的内存资源都能被仿真出来。如此,用户只需简单拖拽,便可构建、加载出一个运营环境。

边缘计算

过去,我们往往需要人工巡检包括胸牌、警示牌的安全相关状况。如今有了机器学习、大数据、深度学习等方式,我们就可以构建出模型库与合规库。通过现场的照片采集和云端的数据分析,我们就能很方便地得到相应的安全报告了。

另外,过去人工检测芯片电路板,一般每块板需要大约5分钟。如今摄像头通过机器学习和机器识别的方式,大幅提高了准确度和效率。

边缘计算

同理,我们基于机器学习,对空压机的各种多功率参数进行了控制与优化,使之能耗减少了2%—4%。

边缘计算

在3C领域,通过取代人工识别,我们也能将人员的工作量降低48%。

边缘计算

面向未来,我们需要把来自垂直方向的需求进行水平化,通过统一术语和架构,最终促进产业的协作与发展。

边缘计算参考架构2.0实践与思考

边缘计算

上图是我们提出的边缘计算参考架构。最上面是智能服务,它处于云端和边缘层,其本质上是为开发和部署提供全流程的服务。

而它的***端是一些边缘传感、边缘网关和边缘服务器等物理设备,它们负责将采集到的信息数字化。

可见,负责架构上方的IT人员和负责下方OT人员需要通过交互,来实现业务,并一层层地映射到具体的行业之中。因此,大家需要使用统一的语言模块化描述具体的需求。

与此同时,上面的数字世界跟下面的物理世界在交互时,需要有一个中间层,以负责定义各种业务规则,实现上下映射,并层层进行屏蔽。也就是说:对于业务层来说,它不必了解过多操作和物理层面的资源信息。

因此,我们把边缘侧整体抽象成了一个边缘云,然后通过接口跟上方进行交互,进而层层解耦,直至下方那些纯工业人员所关注的物理层。

过去因为考虑到切换的成本太高,大家都害怕被某个“阵营”所绑架,因此在合作时都很谨慎。

而如今,通过该框架,大家能够实现协作与融合。不同的用户能够通过生态的协作方式,能够打通每个层次,最终提供出覆盖数据全生命周期、全流程服务的解决方案。

边缘计算

下面我们来看看架构中的几个关键点:

  • 从概念视图来讲,我们将网关和系统通过数字化、网络化、智能化,定义成不同的逻辑节点,然后向下提供实时计算、轻量计算、智能网关和智能分布式等OS。
  • 边缘计算

  • 从功能视图来讲,我们可以通过虚拟化,来实现软件定义的功能,而且还能细分为缺省功能、数据分析、实时数据以及行业定制化等方面。
  • 边缘计算

  • 从功能视图来讲,我们基于该模型框架实现了开发接口的标准化和操作运行的自动化,从而让IT人员和OT人员能够建立协作关系。
  • 边缘计算

由于边缘云是一个分布式的调度系统,因此它能够通过业务策略来予以定义。

对于整个应用而言,该框架提供了从开发层到部署层的支撑,并且通过业务编排来实现业务的快速部署。

边缘计算

因此,我们所提供的框架,能够定义出数据处理的核心服务和整体调度。而用户只需在其中进行业务逻辑的实现便可,从而实现了平台与用户的分工合作。

边缘计算

从部署视图来讲,既有分散式的,如摩拜单车,它们每辆车上都被嵌入一个小模块,其基站起到了网关的作用;又有集中式的,如在分布式电网里,有着大量的计算节点,并在边缘侧形成边缘云。

而且它们的流量模型也略有不同:分散式主要采取的是南北向的流量模型,所有数据直接与云进行交互。

而在集中式的场景下,由于本地侧装备希望有更多的自主化,因此大量的流量是东西向交互的,只有少量的流量经过长周期地清洗、聚合后再被上传。

***我以“大处着眼,小处着手”作为本次演讲结束语。谢谢!

【51CTO原创稿件,合作站点转载请注明原文作者和出处为51CTO.com】

责任编辑:赵宁宁 来源: 51CTO
相关推荐

2018-06-15 09:59:02

WOT史扬边缘计算

2022-12-08 14:18:45

2022-06-02 14:26:30

边缘计算人工智能设备

2019-11-14 05:02:05

雾计算边缘计算物联网

2020-01-14 12:08:32

内存安全

2022-02-22 07:40:10

边缘计算云原生中心云

2023-02-23 15:32:55

2018-04-25 07:38:32

物联网边缘计算云计算

2018-05-02 11:27:35

物联网边缘计算云计算

2018-05-02 09:51:52

边缘计算 物联网

2022-02-16 10:25:36

边缘计算数据中心网络

2022-08-29 10:16:00

自动驾驶边缘计算

2020-06-24 09:55:55

边缘计算开发数据中心

2018-08-15 09:26:56

2017-05-05 12:59:00

大数据物联网安全

2020-05-14 14:52:05

HDFS数据集架构

2018-03-26 14:21:51

音视频延迟架构网络

2021-03-04 00:09:31

MySQL体系架构

2022-04-26 06:04:11

零信任网络安全

2024-02-04 09:44:41

量子计算量子量子物理
点赞
收藏

51CTO技术栈公众号