Подробное объяснение логической архитектуры периферийных вычислительных систем: совместная работа в облаке, периферии и терминале.
Подробное объяснение логической архитектуры периферийных вычислительных систем: совместная работа в облаке, периферии и терминале.

Введение:В этой статье будет представлена ​​логическая архитектура всей системы периферийных вычислений иоблако, край, Логическая связь между концом систематически выясняется.

Автор: Цуй Гуанчжан

Источник: Big Data DT.

01 Введение в логическую архитектуру периферийных вычислительных систем

Как видно на рис. 3-1, логическая архитектура фокусируется на взаимодействии и сотрудничестве между облачными, периферийными и терминальными частями периферийной вычислительной системы, включая совместную работу облака и периферии, совместную работу периферии и терминала, а также облачную, периферийную, и терминальное сотрудничество.

▲Рисунок 3-1. Логическая архитектура системы периферийных вычислений.

  1. Облачное и периферийное сотрудничество:проходитьоблакочастьKubernetesузел управления ХебианчастьKubeEdgeУзлы, работающие совместно, реализуют。
  2. Граничное и конечное сотрудничество:проходитьстороначастьKubeEdgeяпонский конецчастьEdgeX Foundry реализует это вместе.
  3. облако、Граничное и конечное сотрудничество:проходитьоблакорешениеKubernetesузел управления、Edge-решение KubeEdge и конечное решение EdgeX Foundry реализуют это вместе.

02 Облачное и периферийное сотрудничество

Конкретная реализация совместной работы в облаке и на периферии показана на рис. 3-2.

▲Рис. 3-2. Логическая архитектура облачной и периферийной совместной работы в системе периферийных вычислений.

KubernetesНаследование управляющего узлаоблакочасть Исходная модель данных,Сохраняйте исходные процессы управления и обработки данных неизменными.,То есть узел, на котором работает KubeEdge, выглядит как обычный узел в Kubernetes. Kubernetes может управлять узлами, на которых работает KubeEdge, так же, как и обычными узлами.

KubeEdgeПочему это работаетсуществовать Ресурсы ограничены、На пограничных узлах, где качество сети неконтролируемо,Это потому чтоKubeEdgeсуществоватьKubernetesНа базе узла управленияпроходитьоблакочастьизCloudCoreХебиан缘частьизEdgeCoreосозналKubernetesоблачные Задача организовать затопление контейнерных приложений.

CloudCore в облачной части отвечает за мониторинг инструкций и событий узла управления Kubernetes и отправку их в EdgeCore в пограничной части. В то же время он отправляет информацию о состоянии и информацию о событиях, сообщаемую EdgeCore в пограничной части. часть к узлу управления Kubernetes; EdgeCore в периферийной части отвечает за получение инструкций CloudCore в облачной части и информации о событиях, выполнение соответствующих инструкций и поддержание периферийных нагрузок, а также передачу информации о состоянии и информации о событиях периферийной части. CloudCore облачной части.

Кроме того, EdgeCore адаптирован и настроен на основе компонентов Kubelet. Он исключает богатые функции, которые Kubelet не может использовать на периферии. Ввиду текущей ситуации с ограниченными ресурсами и плохим качеством сети на периферии он основан. Были добавлены возможности автономных вычислений, позволяющие EdgeCore хорошо адаптироваться к периферийным средам.

03 Совместная работа Edge и терминала

Конкретная реализация взаимодействия на периферии показана на рис. 3-3.

▲Рисунок 3-3. Архитектура логики совместной работы на периферийной стороне в системе периферийных вычислений.

  1. KubeEdgeделатьдлябегатьсуществоватьсторона缘节点из管理程序,Отвечает за управление ресурсами, состоянием работы и сбоями загрузки приложений на пограничных узлах. В некоторых периферийных вычислительных системах,KubeEdge для EdgeX Служба Foundry предоставляет необходимые вычислительные ресурсы и отвечает за управление EdgeX. Полный жизненный цикл услуг Foundry.
  2. EdgeX Foundryсделан изKubeEdgeнабор управленияIoT SaaS – платформа Платформа управляет множеством Интернет в виде микросервисов. Вещи терминальное оборудование. В то же время EdgeX Foundry может собирать, фильтровать, хранить и добывать различные микросервисы, управляемые микросервисами. Данные терминального устройства также можно отправлять в различные сети Интернет через управляемые микросервисы. Вещи Терминальное устройство выдает инструкции по управлению терминальным устройством.

Как видно на рисунке 3-4, решение KubeEdge состоит из прокси-сервера MQTT и сервисов, которые подключаются к устройствам, поддерживающим различные протоколы.

▲Рис. 3-4. Логическая архитектура решения KubeEdge.

  1. MQTT-брокер:делатьдля Различный Интернет вещейтерминальное оборудование иKubeEdgeКанал связи между узлами,Отвечает за получение данных, отправленных терминальными устройствами.,И отправить полученные данные на узел KubeEdge, подписавшийся на MQTT-брокера.
  2. Сервисы, поддерживающие различные протокольные устройства:Отвечает за взаимодействие с устройствами, поддерживающими соответствующий протокол.,Возможность собирать данные об устройстве и отправлять их MQTT-брокеру.,Способен получать соответствующие инструкции от MQTT-брокера и доставлять их на устройство.

Из приведенного выше анализа видно, что конечное решение KubeEdge все еще находится на относительно элементарном уровне.

  1. Типы нагрузки, поддерживаемые конечным решением KubeEdge, относительно едины.,В настоящее время через брокеров MQTT поддерживаются только некоторые терминальные устройства Интернет-вещей.,Рабочие нагрузки приложений, такие как обработка видео и вывод с использованием моделей искусственного интеллекта, пока не поддерживаются.
  2. В настоящее время существует относительно немного сервисов, поддерживающих устройства, использующие различные протоколы, и поддерживаются только устройства, использующие протоколы Bluetooth и Modbus.

По вышеуказанным причинам конечное решение нашей системы периферийных вычислений не использует конечное решение KubeEdge, а использует EdgeX Foundry, платформу IoT SaaS с относительно полными функциями.

04 Совместная работа в облаке, периферии и устройствах

в периферийных вычислительных системахоблако, край, конецИдеальный эффект сотрудничества показан на рисунке.3-5показано。

▲Рис. 3-5. Идеальный эффект совместной работы облака, периферийных устройств и терминалов в периферийных системах.

Как видно на рис. 3-5, совместная работа в облаке, периферии и устройствах включает в себя два уровня, а именно совместную работу в облаке, периферии и совместную работу в облаке, периферии и устройствах.

  1. Облачное и периферийное сотрудничество:облакоделатьдляплоскость управления,Edge как вычислительная платформа.
  2. облако、Граничное и конечное сотрудничество:существовать Облачное и периферийное На основе сотрудничества услуги терминальных устройств управляются как побочные нагрузки. Облако может влиять на результат, контролируя край, тем самым реализуя облако. работа периферийных устройств и терминалов。

Облачная, периферийная и конечная совместная работа реализуется через узел управления Kubernetes, KubeEdge и EdgeX Foundry. Узел управления Kubernetes передает инструкции периферийному кластеру KubeEdge для управления службой EdgeX Foundry, тем самым влияя на терминальное устройство. В настоящее время мы не можем напрямую взаимодействовать с терминальными устройствами через узлы управления Kubernetes.

05 Резюме

В этой статье систематически разбирается логическая архитектура всей системы периферийных вычислений, а также логические связи и текущий статус между облаком, периферией и терминалом.

  1. от Облачное и периферийное Архитектура сотрудничества вписывается в нынешнее Облачное и периферийное Разобраны архитектура и принципы сотрудничества, а также объяснены некоторые особенности периферийного решения.
  2. от Совместная работа периферийных устройств и архитектура терминалов врезается в нынешнюю Совместную работа периферийных устройств и Систематически разобраны архитектура и принципы работы терминалов, а также объяснены архитектура, принципы и текущий статус собственного конечного решения KubeEdge.
  3. отоблако、Совместная работа периферийных устройств и архитектура терминалов, в основном для облака, Совместная работа периферийных устройств и Объяснен идеальный эффект терминалов.

Об авторе: Цуй Гуанчжан, старший научный сотрудник Чжэцзянской лаборатории, старший облачный Инженер по вычислительным и периферийным вычислениям. Контакты облачные с 2014 года расчеты, участвовал во многих облачных продумывание производственных проектов,Типичные проекты включают в себя частные облака операторов и облака для государственных органов, настроенные и разработанные на основе OpenStack.,Операционная система центра обработки данных, ориентированная на оператора (DCOS), настроенная и разработанная на основе контейнерного облачного решения с открытым исходным кодом.,В 2018 году он начал заниматься исследованиями и разработками, связанными с периферийными вычислениями.

Эта статья взята из книги «Углубленное понимание периферийных вычислений: принципы работы облака, периферии и терминала и анализ исходного кода» (ISBN: 978-7-111-68422-0) и опубликована с разрешения издателя. .

boy illustration
RasaGpt — платформа чат-ботов на основе Rasa и LLM.
boy illustration
Nomic Embed: воспроизводимая модель внедрения SOTA с открытым исходным кодом.
boy illustration
Улучшение YOLOv8: EMA основана на эффективном многомасштабном внимании, основанном на межпространственном обучении, и эффект лучше, чем у ECA, CBAM и CA. Малые цели имеют очевидные преимущества | ICASSP2023
boy illustration
Урок 1 серии Libtorch: Тензорная библиотека Silky C++
boy illustration
Руководство по локальному развертыванию Stable Diffusion: подробные шаги и анализ распространенных проблем
boy illustration
Полностью автоматический инструмент для работы с видео в один клик: VideoLingo
boy illustration
Улучшения оптимизации RT-DETR: облегченные улучшения магистрали | Support Paddle облегченный rtdetr-r18, rtdetr-r34, rtdetr-r50, rtdet
boy illustration
Эксклюзивное оригинальное улучшение YOLOv8: собственная разработка SPPF | Деформируемое внимание с большим ядром (D-LKA Attention), большое ядро ​​​​свертки улучшает механизм внимания восприимчивых полей с различными функциями
boy illustration
Создано Datawhale: выпущено «Руководство по тонкой настройке развертывания большой модели GLM-4»!
boy illustration
7B превышает десятки миллиардов, aiXcoder-7B с открытым исходным кодом Пекинского университета — это самая мощная модель большого кода, лучший выбор для корпоративного развертывания.
boy illustration
Используйте модель Huggingface, чтобы заменить интерфейс внедрения OpenAI в китайской среде.
boy illustration
Оригинальные улучшения YOLOv8: несколько новых улучшений | Сохранение исходной информации — алгоритм отделяемой по глубине свертки (MDSConv) |
boy illustration
Второй пилот облачной разработки | Быстро поиграйте со средствами разработки на базе искусственного интеллекта
boy illustration
Бесшовная интеграция, мгновенный интеллект [1]: платформа больших моделей Dify-LLM, интеграция с нулевым кодированием и встраивание в сторонние системы, более 42 тысяч звезд, чтобы стать свидетелями эксклюзивных интеллектуальных решений.
boy illustration
Решенная Ошибка | Загрузка PyTorch медленная: TimeoutError: [Errno 110] При загрузке факела истекло время ожидания — Cat Head Tiger
boy illustration
Brother OCR, библиотека с открытым исходным кодом для Python, которая распознает коды проверки.
boy illustration
Новейшее подробное руководство по загрузке и использованию последней демонстрационной версии набора данных COCO.
boy illustration
Выпущен отчет о крупной модели финансовой отрасли за 2023 год | Полный текст включен в загрузку |
boy illustration
Обычные компьютеры также могут работать с большими моделями, и вы можете получить личного помощника с искусственным интеллектом за три шага | Руководство для начинающих по локальному развертыванию LLaMA-3
boy illustration
Одной статьи достаточно для анализа фактора транскрипции SCENIC на Python (4)
boy illustration
Бросая вызов ограничениям производительности небольших видеокарт, он научит вас запускать большие модели глубокого обучения с ограниченными ресурсами, а также предоставит полное руководство по оценке и эффективному использованию памяти графического процессора!
boy illustration
Команда Fudan NLP опубликовала 80-страничный обзор крупномасштабных модельных агентов, в котором в одной статье представлен обзор текущего состояния и будущего агентов ИИ.
boy illustration
[Эксклюзив] Вы должны знать о новой функции JetBrains 2024.1 «Полнострочное завершение кода», чтобы решить вашу путаницу!
boy illustration
Краткое изложение базовых знаний о регистрации изображений 1.0
boy illustration
Новейшее подробное руководство по установке и использованию библиотеки cv2 (OpenCV, opencv-python) в Python.
boy illustration
Легко создайте локальную базу знаний для крупных моделей на основе Ollama+AnythingLLM.
boy illustration
[Решено] ошибка установки conda. Среда решения: не удалось выполнить первоначальное зависание решения. Повторная попытка с помощью файла (графическое руководство).
boy illustration
Одна статья поможет вам понять RAG (Retrival Enhanced Generation) | Введение в концепцию и теорию + практику работы с кодом (включая исходный код).
boy illustration
Эволюция архитектуры шлюза облачной разработки
boy illustration
Docker и Kubernetes [Разработка контейнерных приложений с помощью Python]