紫金山实验室刘辉:基于云原生和区块链技术的一体化边缘计算网络探讨

5月26日,在2022网络开源技术生态峰会——边缘计算技术与应用论坛上,网络通信与安全紫金山实验室边缘智能技术研究员刘辉给大家带来了《基于云原生和区块链技术的一体化边缘计算网络探讨》主题演讲。

刘辉指出,从边缘计算‍‍的发展来看,国家层面一直在大力推动边缘计算的发展,《国务院关于深化“互联网+先进制造业”发展工业互联网的指导意见》强调,加大关键共性技术研究,促进边缘计算等新兴前沿技术在工业互联网中的应用研究与探索;支持建设一批能够融入国际化发展的开源社区。《关于推动工业互联网加快发展的通知》也提到了鼓励相关单位在边缘计算等领域加快技术攻关,打造一批工业互联网技术公共服务平台。

边缘计算的发展趋势及产业困惑

边缘计算的提出最早可以追溯到90年代的CDN。2013年‍‍美国在一份报告里首次提出了边缘计算,2014年ETSI成立了MEC移动边缘计算工作组,后更名为多接入边缘计算工作组。随后,2016年国内也成立了边缘计算‍‍产业联盟。紧接着5G、物联网、云计算的大力发展也一直在推动边缘计算向前,许多边缘计算开源项目也随之诞生并得到了良好的发展。

当前边缘计算在一些行业应用里面已经开始发挥作用,包括智能制造、智能驾驶、‍‍智慧城市、AR/VR等领域。

刘辉表示,尽管5G、物联网以及云计算都推动了边缘计算发展,‍‍但同时也使得边缘计算领域发展呈现碎化。从产业层面上来看,业界对于边缘计算兴趣大,但是也存在着一些不确定性,消费方、基建方、研发方出现了产业生态的死锁,

‍‍2019年,卡耐基梅隆的一篇论文里提到了‍‍破解死锁的方法,第一是各方可以往前各走一步。第二是利用开源技术降低基建方或者研发方的成本,来促进整个产业的良性发展。

一体化智能边缘计算网络

基于目前的产业背景以及边缘计算的发展现状,紫金山实验室提出了一体化智能边缘计算网络的概念。一体化‍‍智能边缘计算网络引入了云原生、区块链、确定性网络等技术,实现边缘计算节点之间的算网、AI以及服务的‍‍融合协同,支撑海量多样智能终端、用户在边缘侧的差异化算网诉求。

‍‍整个一体化的智能边缘计算网络包含4个层面。

最底层的资源层是边缘‍‍计算基础平台,用来进行一些资源的管理,目前主要是依赖于EdgeGallery平台。

调度层基于边边协同的算力网络能力,实现边缘节点间应用请求的动态、高效、可靠的透明协同调度。

智能层构建智能分发网络,在所有的边缘节点之间都能够像能源和信息一样轻松分享并获取智能,形成智能网联。

服务层构建边缘服务编排,充分利用‍‍各类边缘服务,灵活应对用户以及智能终端的需求演变,‍‍特别是一些企业联盟之间的业务上的协同。

能力创新—融合无服务器计算

一体化的智能边缘计算网络融合了无服务器计算和函数计算的能力,在边缘侧基于云原生无服务器计算和FaaS技术,屏蔽资源异构,提升资源利用率,弹性应对业务峰值,促进业务应用快速迭代升级,灵活响应业务变更及业务协同。

有三个能力亮点:

一是提升边缘资源利用率:边缘服务按需使用,减少应用持续在线时间,有效提升资源利用率。

二是弹性扩缩容:轻量级的抽象,相对于vm所耗资源更少,满足细颗粒度下的机制扩缩容,进一步提升资源利用率。

三是应用执行效率更高:提升使能设备的任务分解、并行能力,能够及时响应如大规模物联网下的并发事件处理。

能力创新—边缘智能共享

在边缘智能共享方面,遵循的是业界普遍采用的云侧训练、边端推理的方式,更多侧重轻量化AI模型部署,实现边缘端实时目标推理识别,降低中心计算压力,同时基于联邦学习的边缘智能算法分布式训练模式,来保证数据隐私。

此外,基于云边协同的AI管理框架,通过优化策略,提升边缘AI执行效率,实现边缘侧高效目标检测、行为识别等。同时也在积极探索智能在一体化边缘计算网络中的传输流动,提升边缘网络对智能化的支撑能力。

能力创新—边边协同/算力协同

基于云原生服务网格和区块链技术,来消除单个边缘节点间的算力孤岛,匹配海量设备的泛在计算请求, 形成边缘节点间可信协同计算机制,避免低时延业务被迫上云。

通过边边协同计算框架,邻近多边缘云共同形成可用资源池,协同应对边缘AI计算诉求,降低响应时间,提升用户体验。

下图是一体化的智能边缘计算网络的总体框架。

生态建设

紫金山实验室作为EdgeGallery开源社区的8家创始成员之一,一直在社区发挥积极作用,构建相关的5G测试环境。基于社区的‍‍力量,紫金山实验室在2021 CCSA TC610 牵头编制了《MEP服务测试规范》和《MEC应用认证技术要求及测试规范》,同时还参与了Edge Native技术架构白皮书1.0的编写。

刘辉分享了几个行业实践案例。

案例一:智慧社区——高空抛物识别预警

基于边缘算法主动发现震慑高空抛物行为,形成电子档案,降低监管取证成本,保障智慧社区落地。

案例二:智能电网——基于AI的规范操作行为识别

紫金山实验室正在联合江苏电力探讨应用场景,基于边缘AI算法驱动一线人员规范操作,同时编制《新一代智能电网通信网络体系架构白皮书》。

案例三:智能制造——基于边缘AI的特定工序自动化

具有边缘AI视觉的吹气机器人在对工业构件上孔洞积水清除时,可识别工业构件尺寸,以及构件上不同孔洞的位姿,良好的手眼协调,使机器人可灵活自主地适应生产线上工业构件的型号变化,大大提高生产的经济效益。

案例四:区域算力网络应用示范,赋能智能制造

联合联通集团/江苏联通共同开展区域算力网络试验,助力企业跨区域协同管理与协同生产。赋能企业总部随时按需跨区域安全接入并管理各分厂的能力,提高企业竞争力;基于各分厂适当配备的MEC等资源,赋能企业各分厂协同生产能力,应对各分厂生产差异化的峰值算力诉求,降本增效。

【活动专栏】

【转载须知】

若转载文章为原创文章,可在相应文章下或公众号后台留言;其他非转载类文章须在文首以不小于14号字体标明转载自SDNLAB

【投稿】

欢迎SDN、NFV、SD-WAN、智能网卡、确定性网络、TSN、5G 网络切片等网络方向的观点类、新闻类、技术类稿件。

联系人:kk__wu(微信号)

投稿邮箱:pub@sdnlab.com

详情请参考:SDNLAB原创文章奖励计划