KubeEdge即Kube+Edge，顾名思义就是依托K8s的容器编排能力和调度能力，实现云边协同、计算下沉、海量设备的平滑接入。本篇文章将从KubeEdge架构设计理念、KubeEdge代码目录概览、KubeEdge集群部署三方面带大家认识KubeEdge。
KubeEdge架构设计理念
1
Kubernetes的架构
 
这里是一个经典的K8s架构，K8s相信大家已经了解比较多了，它主要是分为控制面和数据面，而现在K8s的生态已经非常火爆了，关于应用管理和容器管理已经形成了一套标准，这里列举了它的一些优势：
只有API server可以访问etcd
组件通过 API Server 访问集群状态
API采用声明式设计
API对象彼此互补、可组合
优先使用事件监听而不是轮询
…
2
基于Kubernetes构建边缘计算的优势与痛点
 
核心优势主要有4方面：
容器化应用封装现在已经成为应用交付的一个趋势，我可以把我的应用打包到容器里，我只打包一次，可以跑在各种地方，这种如果应用到我们IOT领域，我们传统有很多IOT嵌入式设备，它其实很多硬件和软件强相关的，如果换一个硬件，可能软件就要更改，如果说我这个容器化封装以后，设备可支持容器runtime,我可以将容器跑在任何IOT设备上。
通用应用抽象定义：K8s的API，包括development、pod现在其实在业内已经形成一套标准，大家都比较了解和认可，其实我们基于这些应用做这个平台，大家也更能容易接受。
松耦合架构：它的可扩展性比较好，比如我们基于K8s之上可以通过CRD来定义一些API，像我们通过设备管理CRD来定义一些IOT里device的一些API，到时候我们可以直接通过K8s的一些方式来管理这些设备；还有一些可扩展，比如它的CIA可以对接各种runtime,我们有些边缘节点它的资源非常有限，我们就可以对接一些轻量化的runtime。
其关键痛点有：
1)资源有限
网关设备，128MB内存
K8s集群需要至少1G内存
2)网络不畅
边缘位于私有网络，无公网IP
云边跨越公网，带宽有限，延迟高
K8s的List-watch需要数据中心网络
3)边缘如何离线自治
网络不稳，随时可能离线
边缘业务离线可工作
边缘离线可故障恢复
4)设备接入和管理
缺少边缘设备抽象
缺少边缘设备接入协议支持
3
KubeEdge 架构与核心理念
 
我们这个架构主要是分了云、边、端三部分，云上边就是我们的控制面，边就是我们的边缘节点，端就是跑了我们的一些端侧设备，云上左边是一个K8s的master，是没有做过改动的原生的K8s控制面，后边我们加了我们的一个组件叫CloudCore，它云上的组件主要是会拿一些K8s控制面上的东西，通过EdgeController和DeviceController做一些处理，然后通过下边的Cloud Hub，Cloud Hub主要是跟边端通信的，边端有个EdgeHub和Cloud Hub通信，然后把数据拿下来。
边端是主要做了一个应用管理和设备管理的能力，应用管理左边会有一个Edged，右边有DeviceTwin、EventBus,分别是应用管理和设备管理，左边有个DataStore，就是我们说的本地自治的能力，比如说我们这应用或者设备的元素从云上分发下来，我们是先把它存到一个数据库里，然后再到它的Edged或者设备里边，这样就能保证云边网络断开或者边缘节点重启了以后我应用的Edged它可以从数据库里把应用源数据拿出来，这样就能保证在故障的情况下业务可以正常恢复。
核心理念：
1)云边可靠协同
双向多路复用消息通道，支持边缘节点位于私有网络
Websocket + 消息封装，大幅减少通信压力，高时延下仍可正常工作
云边消息校验，网络不稳定时不丢数据
2)边缘离线自治
节点元数据持久化，实现节点级离线自治
节点故障恢复无需List-watch，降低网络压力，快速ready
3)边缘极致轻量
重组Kubelet功能模块，极致轻量化(~70mb内存占用)
支持CRI集成Containerd、CRI-O，优化runtime资源消耗
4)边缘设备管理
云端通过Kubernetes API管理边缘Device
4
KubeEdge 社区生态
 
KubeEdge致力于将Kubernetes的能力拓展到边缘
业界首个边缘容器平台项目
Apache 2.0协议
2019年3月捐给CNCF基金会
2020年9月晋级为孵化级托管项目
K8s IoT Edge WG参考架构
基于Kubernetes构建，100%兼容K8s API
9个特性版本，最新版本为v1.4.0
3100+ Star，810+ Fork，500+贡献者
目前成立Device/IoT与MEC两个SIG
参与社区贡献的企业包括：中国联通，ARM，中国移动，谐云，中国电信，时速云，JD.com，浙大SEL实验室，EMQ，InfoBlox，Inovex，Midokura等
KubeEdge代码目录概览
ADOPTERS就是我们社区的一些采纳者,比如说你用了KubeEdge，并且想成为参与者，建议者，你可以提一个PR，把你们写到这个ADOPTER里面去，下面的这些就是代码目录，主要就是cloud(云端)、edge(边缘端)、mappers(接入设备的mapper端)，还有OWNERS是我们项目的一些matiner，主要负责核代码，比如你对我们社区贡献比较多，我们可以把你加到OWNERS，帮我们核代码和检视代码。
KubeEdge集群部署
1
KubeEdge 集群部署工具—— keadm
 
这个是借鉴了K8s的Kubeadm，可以一键部署KubeEdge集群，在部署KubeEdge集群时，要先装一个K8s的master，这个master用任何符合K8s的标准都可以，这个 keadm是基于K8s之上部署KubeEdge系统。
子命令参数：
init：部署云端组件
join：部署边缘端组件
gettoken：从云端获取边缘端启动凭据
reset：重置KubeEdge集群的云端和边缘端
2
KubeEdge 部署 —— 云端
 
在已经装好的master上装我们的云端，用 init即可：
重要参数：
--kube-config：连接K8s Master的凭据
--advertise-address：签发到边缘证书里的IP地址
3
KubeEdge 部署 —— 边缘端
 
边缘端主要用我们的join命令：
重要参数：
--token：边缘端启动时访问云端的凭据
--cloudcore-ipport：边缘端访问的云端IP地址
End
附：社区贡献和技术交流地址
End
网站: https://kubeedge.io
Github地址: https://github.com/kubeedge/kubeedge
Slack地址: https://kubeedge.slack.com
邮件列表: https://groups.google.com/forum/#!forum/kubeedge
每周社区例会: https://zoom.us/j/4167237304
Twitter: https://twitter.com/KubeEdge
文档地址: https://docs.kubeedge.io/en/latest/

	

人工智能与边缘计算架构将推动嵌入式物联网发展
云和边缘的人工智能支持进一步推动了嵌入式物联网的发展。已经出现了一种平台方法来跨越各种开发人员的技能集。
本文的主要内容：
● 虽然云和嵌入式开发风格在今天有所不同，但将来可能会发生变化。
● 云和边缘的现场可编程门阵列现在是嵌入式物联网讨论的一部分。
● 面向云的嵌入式物联网开发平台正在重塑行业产品。
云系统已经进入人工智能和机器学习领域，改变了嵌入式物联网开发的本质，而嵌入式物联网开发已经需要大量的技能组合。
随着人工智能工作在许多物联网部署中走到边缘，这一趋势可能会加快，为平台多样性的更大发展奠定基础。
尽管如此，所有的道路都继续通过嵌入式开发。今天，在庞大的全球系统边缘为嵌入式设备编程仍然是一门艺术。功耗和内存限制仍然存在，延迟要求非常严格—以毫秒为单位。
为了克服这些障碍，嵌入式物联网开发人员从主线云提供商或专家处雇佣模拟器、模拟器、测试台、软件开发工具包和云平台。他们的嵌入式开发人员队伍中还包括精通电烙铁的人。
C语言仍然是嵌入式微控制器、微处理器、片上系统、片上模块和板级系统的主流。但在云中，计算和存储几乎是无限的，Python的高级语言在机器学习开发方面取得了成功。
一、当世界发生碰撞
如今，云和嵌入式开发风格有所不同。但全球半导体知识产权领导者Arm的产品营销总监克里斯•肖尔(chrisshore)表示，这种情况可能会改变。Shore在嵌入式开发领域有30多年的从业经验，是最早将Linux移植到Arm的公司之一。
有两个世界在碰撞。它包括专业知识的改变和工作实践的改变。如果在云端使用微服务运行分析机器学习作业，就不必关心它消耗了多少能量，或者你需要多少内存。但是，如果将此类分析放在嵌入式小部件上，则确实需要担心。
边缘和云之间的通信也是开发人员关心的问题。在收集点分析的数据可以更快地进行操作；系统不需要等待数据往返云端。因此，物联网设备模块上的人工智能处理引起了人们的关注，
几家半导体公司正在迅速将人工智能和机器学习设计与嵌入式系统联系起来。例如，今年早些时候，Arm推出了一个etos-U55神经处理单元，用于边缘机器学习处理。
二、物联网快速发展
许多属于物联网开发的东西对于嵌入式开发人员来说是很熟悉的；需要进行设备测量，需要判断级别-这些和类似的系统事件会启动其他进程，等等。
把这些嵌入式系统连接到网络上也很常见。这就是为什么很多资深的嵌入式开发人员对物联网的宣传感到不安。杰克·甘萨尔(jackgansalle)就是其中之一，他是独立嵌入式系统工程师，嵌入式Muse时事通讯的作者和编辑。
“从我开始的那一天起，设备就连接到了网络上。IoT出现时，我们已经做了20年了，”Gansalle说。
然而，嵌入式物联网领域正在迅速发展，很少有工程师知道全球联网分布式传感器数据处理和分析所需的细微差别。白手起家不是一个选择。
因此，工程师们以软件和硬件的形式购买连接，重要的是，专注于操作的嵌入式开发人员现在发现自己与IT团队的合作更加紧密。Gansalle指出，这些团队包括精通机器学习和其他高级分析的云开发人员。此外，实时操作系统是嵌入式开发的基本要素，正在增加云计算能力。
云平台提供商强调嵌入式操作系统对物联网的重要性。例如，考虑一下Amazon Web Services与Amazon FreeRTOS之间日益增长的活动。对于AWS来说，减轻嵌入式系统开发的任务是将其云服务转移到物联网的关键一步。
微软最近发布了Azure RTOS嵌入式物联网开发包，以简化开发。Azure RTOS是在微软2019年收购Express Logic之后发展起来的。这些新套件由Microchip Technology、NXP、Qualcomm、Renesas和STMicroelectronics的开发硬件支持。它们构成了云计算和嵌入式计算之间的重要互连。
三、平台展现了希望
随着人工智能和机器学习已经成为嵌入式物联网讨论的一部分，用于云和边缘的现场可编程门阵列已经进入混合。嵌入式开发人员可以配置和重新配置FPGAs，它高度灵活地支持各种机器学习模型，包括卷积神经网络。
为嵌入式系统编写这些芯片的开发技能范围可能很广，因此工具也必须如此。FPGA制造商Xilinx的视觉、医疗和科学服务主管Chetan Khona表示，虽然专用嵌入式系统开发人员需要软件开发工具包，但数据科学家需要机器学习开发框架。
Chetan Khona曾经在这个领域工作了10年之久的嵌入式系统——他以复印机为典型例子——现在可能会像数字企业中的其他一切一样定期更新。
据Khona估计，这使得开发平台向基于标准的开发平台迈进了一大步，以处理不同层次的电子、控制、连接、安全和人工智能。平台的目标是最终将不同层次的嵌入式开发人员的工作统一起来。
我们发现，现在没有一个人来做关键的发展决策。有不同的角色参与其中，有硬件开发人员、FPGA开发人员、系统架构师、应用程序开发人员和数据科学家。你需要为每一个不同的人提供服务。
Xilinx一直致力于通过PYNQ让Python语言开发人员(通常是数据科学团队的关键成员)参与FPGA开发，PYNQ是该公司为允许使用Python语言和库而创建的一个开源项目。
四、物联网的发展机遇和制约因素
面向云的嵌入式物联网开发平台正在重塑行业产品。以电子元器件分销商Avnet为例。2018年，该公司收购了Azure云连接和数据分析服务提供商Softweb Solutions，随后于2019年收购了嵌入式物联网开发平台制造商Witekio。Witekio的创始人兼总裁Yannick Chammings表示，目标是刺激嵌入式物联网的发展，Witekio现在是一家Avnet公司。
Chammings说，今天的嵌入式物联网开发是一个“狂野的西部”，需要更多的工具集成。
今天，他看到不同的利益相关者开始走到一起，追求比过去更紧密联系的设计。嵌入式社区习惯于在一个充满限制的世界里工作——另一方面，你有一个关于新可能性的物联网世界——如果你把你的数据带到云端，你就可以建立新的能力。
管理者必须为今天物联网的发展做好机遇和制约因素的准备。他们必须意识到，他们可能会在等式的任何一方失败，并推荐早期的创新研讨会，让系统架构师和其他团队成员一起对选项进行分类。
五、容器来了
除了人工智能和机器学习，影响物联网发展的主要趋势包括敏捷方法和开源软件，工业互联网联盟内OpenFog财团的首席技术官查克•拜尔斯(Chuck Byers)表示。
他指出，敏捷方法将复杂的程序提炼成可管理的代码块，而开源软件加快了设计速度——提供了与一般定义的协议栈相关的API和库。还有一些嵌入式的参考架构，比如那些Fog和Edge计算的参考架构，Byers在Cisco时帮助打造的，作为OpenFog联盟的一部分。
拜尔斯认为云的架构趋势会影响物联网设备的开发。其中最主要的是微服务和基于容器的技术，它们将代码片段与可运行在云端、边缘、智能传感器或其他设备中的资源集相结合。
云正在迅速转向基于容器的工作负载。这使得开发者可以将代码从云端移植到安全摄像头、无人机——边缘的不同节点上。这些工作负载可以快速启动，并且在一秒钟之内就可以部署到互联网上的任何地方。
这种技术很可能代表着嵌入式物联网开发的下一步。
六、像1995年那样编程？
Moor Insights and Strategy的物联网分析师、Tread Group的创始人比尔·柯蒂斯(Bill Curtis)表示，随着时间的推移，人们将看到人们转向能够降低物联网开发整体复杂性的平台，该组织追求基于低功耗互联网协议(IP)计算的标准。
今天，我们仍在为物联网开发软件，就像1995年一样。我们的内存占用很小，设备非常受限，人们仍在编写低级的C和汇编代码。”。“而且，没有真正的平台，你就得不到安全保障。
这些平台跨越了从边缘的物联网设备到云数据中心的开发，将成为标准平台，使开发经理能够“将他们的云编程模型引入物联网世界。这意味着在云上工作的开发人员可以每天在物联网上工作，而不需要改变工具。
计算这种变化发生的速度是困难的部分。嵌入式物联网发展的巨大变化可能不会来得太快，但也不会太晚。
套用了微软创始人比尔·盖茨的话：
人们总是高估两三年内的技术变化，但低估了10年后的变化。
文章翻译自：
https://urgentcomm.com/2020/07/02/ai-edge-computing-architecture-drive-embedded-iot-development/
转载、合作，请联系、关注我们：
每次转发都在传递价值！
	

	

随着数据和设备的激增，企业将需要边缘计算体系架构，就像它们依赖公有云一样。
物联网(IoT)有望在未来十年实现爆炸性增长，预计到2025年，物联网设备的增长将超过750亿，在短短10年内能实现5倍的飞跃。
随着每一个相关传感器或设备的出现，海量的数据不断增加，为企业在提高操作效率、提高性能、提高安全性和最小化意外停机时间方面提供了新视角。
但是，要想释放物联网的真正潜力，就必须有效、高效地处理这些数十亿设备产生的数据。开始走进边缘计算结构。
什么是边缘计算架构？
研究公司Gartner将边缘计算定义为“分布式计算拓扑的一部分。在该拓扑中,信息处理位于(网络)边缘附近，事物和人在此处生成或使用该信息。”
虽然云计算的数据中心通常距离它们所支持的数据和设备有数英里之遥，但边缘计算硬件和服务将数据处理资源定位在设备附近。例如，边缘网关可以处理来自边缘物联网设备(视频摄像机、传感器、无人机)的数据，并将相关信息传输到云端或传回原始边缘设备。这一过程减少了延迟，节省了网络带宽，并使数据洞察实时可操作。
Gartner高级研究主管Santhosh Rao说:“已经开始数字化商业之旅的组织已经意识到，需要一种更加分散的方法来满足数字化商业基础设施的需求。”“随着数据量和速度的增加，将所有这些信息流到云或数据中心进行处理的效率也会降低。”
边缘解决方案通常使用分布式架构来平衡边缘层、云或边缘网络和企业层之间的工作负载。德国人工智能研究中心(German Research Centerfor Artificial Intelligence)表示，虽然已经提出了几种用于边缘计算架构的建议，但尚未出现公认的标准，对边缘架构的物理外观也没有一致的看法。然而，该组织认为，真正的边缘计算架构必须满足以下要求:
● 互操作性(设备和服务器必须通过相同的公共通信协议进行连接)
● 可伸缩性(架构必须足够灵活，以适应越来越多的用户和传感器)
● 可扩展性(架构必须支持新功能和设备的集成，而无需重新配置边缘网络)
● 安全性和私密性(架构必须保护数据，以防止非授权内部用户入侵和访问网络)
● 可靠性(无论环境条件和其他变量如何，架构必须在任何被需要时以及如何被需要时做出反应)
为什么边缘计算架构很重要？
边缘计算支持各种令人信服的用例。例如，行驶中的自动送货车必须对路上的行人做出即时反应，而依赖远程服务器来减速或制动不是一个可行的选择。利用前沿技术的车辆还可以彼此直接通信，共享有关事故、交通堵塞、即将绕行的道路或天气状况等信息。
边缘计算也促进了企业安全方面的创新。监控系统可以实时识别潜在的威胁，并向组织发出异常活动的警报，从而减少数据盗窃、工业破坏和声誉损害等事件。
企业正在密切关注边缘计算所带来的机遇。根据IT专业网络Spiceworks 2019年的IT现状报告，员工超过5000人的组织中有32%在使用边缘计算。在2019年Forrester Analytics全球商业技术移动性调查中，57%的决策者表示，在未来12个月内，边缘计算将成为他们的路线图。
Grand View Research预测，到2025年，全球边缘计算市场将达到288亿美元，复合年增长率为54%。边缘计算有望推动智能电网网络和基础设施安全监控的创新。它还可以增强智能制造的主动性，特别是在下一代5G无线网络接入变得越来越普遍、带来更快的数据速度和更高的带宽的情况下。
Grand View研究报告指出，“我们正在从一个平面的、静态的、二维互联网主导的世界，进入一个充满丰富的多维体验的世界，如虚拟现实、增强现实和触觉应用。边缘计算是关键技术，它将带来丰富的创新服务组合。”
标签：人工智能/机器学习，云计算，边缘计算，架构
翻译：秦天钰
原文链接：
https://www.iotworldtoday.com/2020/02/28/why-edge-computing-architecture-is-coming-to-your-enterprise/
如果阅读有收获，求帮忙扩散文章！感谢！
边缘计算社区：促进边缘计算领域知识传播，中立，客观，如果你关注边缘计算、5G、物联网、云原生等领域请关注我们。

	

  下面是一个由电动汽车、LAG、RSU、sensors形成的一个新的边缘计算架构。
  EVCE通过电动汽车形成移动EV云与边缘计算，电动汽车包括三类，发电EV（绿色）、充电EV（红色）、移动EV（黄色），图一所示为EVCE架构：
  EV cloud：EVs形成一个共享能量池，通过V2G通信，与LAG（聚合器）实现能源的动态重新分配；
  EV edge：EVs与sensors进行信息以及能源交互，EV一方面充当一个能源提供池，一方面对sensors收集的感测信息进行聚合并分析处理，提供协作性服务。



下图描述该架构基于上下文感知的能源以及信息交互：

Cloud

Virtual power plants形成一个能源池，类似与云服务；

Network operators通过V2V以及V2I通信传输数据包，记录数据，其中数据存储形式包括：

（1）暂时存储在附近的EVs上；

（2）在信道中进行传输；

（3）永久存储在EVs上。

类似于云数据服务。

2.Edge

small portable power plants与LAG进行能源交互，红色车为需要充电的EV，实现无线能源交换，也可以为邻近RSU以及sensors提供能源；

data calculators：移动车辆对传感器数据进行分布式感知和协作性处理，完成某种车辆服务或任务请求。



自己理解：上述架构对EV能源进行充分利用，同时充当云与边缘服务器的角色，cloud一方面形成能源池实现能源均衡，一方面进行数据汇总融合以及缓存；edge一方面为传感器与RSU提供移动性能源支持，一方面提供数据分析处理，并提供协作性服务。

问题：以上架构中的车辆是否可以扩展到多种类型的车辆提供服务；

数据如何在EV进行协作缓存与交互