随着万物互联、数字孪生、泛在算力等理念不断推进,边缘计算正在成为越来越多开发者们关注的焦点。云原生边缘计算覆盖哪些应用场景?各行各业云原生边缘计算有何差异?云边协同对 Cloud Native 六大诉求是什么?产业发展现状与前景如何判断……
11 月 10 日,「DaoCloud 道客」首席运营官、KubeEdge TSC Member 张红兵受邀参加 CNCF KubeEdge 云原生边缘计算公开课第二课直播,以 “云原生边缘计算产业发展概述” 为主题,深入分析云原生边缘计算产业发展现状与趋势。
01
众所周知,以容器和 Kubernetes 为基础的云原生技术,核心价值之一是通过统一的标准,实现在任何基础设施上提供和云上一致的功能和体验。因此,借助云原生技术,实现 “云-边-端”一体化的应用分发,解决在海量边、端设备上统一完成大规模应用交付、运维、管控的诉求,就成为可能。
基于云原生 K8s 构建边缘计算平台,其优势主要包括四点。第一是边缘是云的延伸,位于边缘的资源/设备注册,可以上报至云端统一管理,应用由云端统一调度部署;第二是打破私有网络、防火墙隔断,在云端与海量、分散的边缘之间,建立云-边双向通信;第三是云-边松耦合,边缘自治可在云边断连时,实现本地化快速响应,提升可靠性,同时去中心化的设计,可在边缘之间实现相互感知;第四是可适配边缘节点异构,在边缘节点资源有限的前提下,实现大规模设备接入管理并支持多种设备通信协议。
「DaoCloud 道客」结合自身在边缘计算领域多年的探索与实践,对边缘计算发展趋势作如下展望:
边缘计算正在取代本地数据中心:根据 Gartner 的数据,当下约有 10% 的企业数据,是在集中式数据中心或云之外创建和处理的。到 2025 年,这一数字将上升到 75%。
5G 网络将冲击边缘:5G 互联将对智能设备和边缘计算产生影响。更快的网络将为边缘设备的顺畅无缝连接铺平道路。
网络安全:物联网、5G 等一系列新技术,催生了一系列的网络安全漏洞,边缘计算正在被用来填补这些空白。
客户体验:企业正在探索利用边缘计算来改善客户体验的可能性。边缘计算延迟的减少,使企业能够提供最无缝的客户体验。
物联网 (IoT):边缘计算领域中增长最快的组件之一,是物联网 (IoT),到 2025 年底,智能设备的数量预计将增长 4 倍。
零售行业采用边缘计算以实现增长:根据《2022 年全球零售预测》,前 2000 名零售商中约 90% 可能会部署边缘计算,利用数据的力量来提高店内生产力和客户体验,同时降低约 20% 的成本。
医疗保健行业的边缘计算:本地保存和处理数据,包括电子健康记录、成像系统等,而不是将数据传输到云端。
石油和能源领域的边缘计算:边缘设备及时监控和快速诊断,减轻数据传输压力。
物联网基础设施是构建边缘计算环境的一种可能方式,越来越多的行业共识是将物联网定位为边缘计算的众多用例之一。IoT 边缘主要应用在数据传输量大,安全与隐私保护要求高,数据需要实时处理等行业或应用场景,如:交通、园区、政府、制造等。
以四个典型应用场景为例:
1. 智慧工厂
随着 IoT、AI 技术的兴起与发展,制造类企业纷纷尝试利用高科技手段来解决生产过程中的质量问题,但传统的质量缺陷检测手段往往存在以下问题:
为了提高 AI 检测缺陷的准确率,需要不断人工介入去提取并标记缺陷特征,而人工审片存在误检、漏检等问题,且人工处理效率低下,增加了企业人力资源成本,限制了生产效率及质量提升。
产品检测基于 IoT 技术,数据需要传送到云端进行推理分析,对网络时延要求高,工厂现场容易收到网络影响,从而导致识别延时较高。
产线检测设备虽然已经连接了网络,但更新模型所需的运维工作量巨大,并且存在现场维护成本较高、远程维护网络限制等问题,无法快速更新训练模型,提升检测效率。
在智慧工厂应用场景中,「DaoCloud 道客」帮助用户快速搭建靠近工厂物联网设备数据源头的边缘计算平台,提供实时数据采集分析,建立工厂分析模型,感知并且降低环境和生产过程中的风险,提升生产的效率,降低生产的成本。
「DaoCloud 道客」基于云原生架构设计了智慧工厂云边协同业务流程。云端侧通过 AI 开发套件和 DevOps 套件实现模型的开发及镜像构建,由边缘节点管理实现镜像的下发;通过定制化设备 Mapper,实现端设备与边缘节点的控制/数据平面打通,在端设备实现数据采集;边缘节点调用 AI 模型识别能力进行缺陷特征识别,并将识别结果通过【边云通道】将数据上传至云端业务云,同时将未识别图片同步至 AI 平台,进行模型训练及数据标记,最后通过 CI-CD 完成 AI 模型镜像的更新,再下发至边端进行推理。
图注:智慧工厂业务流程
2. 智慧能源场景
随着智能设备在能源电力行业中得以逐步普及和广泛应用,在低时延、弱网络、难运维、设备杂等复杂业务场景下,企业的智能设备面临着众多挑战,而传统 IoT 方案无法很好地满足场景需求,企业亟需寻求更好的云边协同方案,以提升生产及运营效率,降低企业成本。
在智慧能源行业,「DaoCloud 道客」有两个应用案例,分别是基于营业厅智能识别与无人机智能检测。
在营业厅智能识别应用场景中,「DaoCloud 道客」利用边缘计算技术及 IoT+AI 技术,结合设备终端采集的现场安全数据和安全行为模型的分析结果,实现营业厅营业时段监控、关门监控、员工着装规范检测等安全行为监控,将风险行为上报至业务系统进行处理,从而降低现场安全管理风险,提升企业管理效率。
在无人机智能检测应用场景中,无人机作为边缘节点,可借助云端下发的模型/应用提前规划无人机飞行任务,建立高精度的杆塔、线路走廊等三维点云地图信息,通过无人机自动机库的使用,所有飞机任务全部自动执行,期间边缘节点借助 AI 模型的缺陷识别能力,识别绝缘子,寻找缺陷,并将巡检结果上传至云端业务云。基于云原生架构的边缘计算技术,可帮助企业实现应用下发、边缘自治、数据上报、远程运维,在复杂环境下实现无人机自动作业,降低维护成本。
同时,针对不同应用场景、不同节点规模的企业客户,「DaoCloud 道客」提供多种边缘集群方案,分别是:节点模式、集群模式及混合模式。
图注:多种边缘集群方案,应对大型企业需求
节点模式:即云-边-端三层架构的模式,边缘云平台与云端数据中心统一部署在云端 K8s 集群,云端通过云边协同实现对边缘节点的管理,这种模式适用于边缘节点规模较小、业务场景相对简单的企业客户;
集群模式:与节点模式相比,集群模式将云端数据中心算力下移,在相对靠近用户现场的省/市/园区等增加了边缘集群的部署,将边缘计算平台的云端控制器部署在边缘集群,借助云边协同实现对边缘节点的管理,这种模式适用于超大规模集群或超大规模节点管理,解决同网、跨网、弱网、断网等通信问题,也适用于对数据安全有较高要求(如数据不出省、数据不出园区等)的企业客户;
混合模式:即基于节点模式与集群模式衍生的混合模式,同时具备两种部署架构的特点,适用于边缘业务场景更为复杂的企业客户。
3. 智慧门店
随着信息技术的发展,越来越多的门店开始引入摄像头、收银系统、营销屏等设备,试图收集顾客流量数据、交易数据并进行大数据分析,再结合营销屏等方式进行营销宣传,从而提升顾客成交概率。但是,借助收银系统收集交易数据存在一定的滞后性、且无法从顾客的浏览时间、浏览兴趣等角度收集更多数据,限制了顾客画像模型的建立;而预置的营销视频也无法满足顾客千人千面的需求,难以实现精准营销;大型零售企业门店数量及终端设备数量庞大,设备维护难度及成本也是企业面临的问题。
在智慧门店场景中,「DaoCloud 道客」利用边缘计算、人工智能及云原生技术,改变了传统门店管理中,只能借助收银系统进行交易数据收集、进而进行数据分析的营销方式。现在门店可以通过摄像头、传感器等设备收集顾客的行为数据,并在边缘端进行数据分析,预测顾客感兴趣的商品,同步更新门户营销屏、价签屏信息及销售人员的设备终端信息,从而提升顾客的购买意向及成交概率。同时,借助边缘侧智能识别应用,企业可以有效地识别顾客、销售人员及快递人员等不同特征的访客群体,更为精准地进行客流量分析,帮助企业科学决策。
图注:智慧门店功能框架图
4. 智慧园区
最后是日常生活中经常遇到的智慧园区场景,基于当前疫情防控的大形势下,园区不得不投入大量的人力物力,进行风险人员识别并采取相应防控措施。借助边缘计算及人工智能技术,园区管理可在设备端通过摄像头进行人脸信息采集,借助边缘端 AI 模型识别风险人员,并在智能疫情分析应用中进行告警,提醒用户采取相应的管控措施。同时边缘端处理后的数据,可通过数据通道上传到云端,云端可通过智能运营大屏实时查看风险人员、人流统计等数据。该方案广泛适用于企业园区、社区、医院、学校等大型生活场景,有效实现降本增效。
DaoCloud 公司简介
「DaoCloud 道客」云原生领域的创新领导者,成立于 2014 年底,拥有自主知识产权的核心技术,致力于打造开放的云操作系统为企业数字化转型赋能。产品能力覆盖云原生应用的开发、交付、运维全生命周期,并提供公有云、私有云和混合云等多种交付方式。成立迄今,公司已在金融科技、先进制造、智能汽车、零售网点、城市大脑等多个领域深耕,标杆客户包括交通银行、浦发银行、上汽集团、东风汽车、海尔集团、屈臣氏、金拱门(麦当劳)等。目前,公司已完成了 D 轮超亿元融资,被誉为科技领域准独角兽企业。公司在北京、南京、武汉、深圳、成都设立多家分公司及合资公司,总员工人数超过 400 人,是上海市高新技术企业、上海市“科技小巨人”企业和上海市“专精特新”企业,并入选了科创板培育企业名单。
网址:www.daocloud.io
电话:400 002 6898