一文揭秘边缘计算参考架构2.0的实践与思考

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。

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?

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。

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。

（编辑：威海站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!