作者：赵震，深服气云核算开发工程师，OpenYurt 社区 Member
编者案：在 5G、物联网等新技术的持续推进下，边际核算产业已然走向大风口，未来越来越多的种类，越来越大的规模和越来越复杂的运用和工作负载都会被布置到边际侧。本文根据深服气云核算工程师赵震在由 CNCF 和阿里云联合举办的云原生容器范畴开发者沙龙 KubeMeet 中的共享收拾，介绍了边际核算落地的机遇与应战，以及边际容器开源项目 OpenYurt 在企业生产环境下的实践计划。
本次共享是偏重于实践的事例，首要是关于 OpenYurt 产品在真实落地情况下的计划是怎么布置的。
首要从 4 个方面来进行，首先是关于边际核算遇到的机遇和应战都有哪些，第二部分就是深服气渠道针对这些应战做了哪些处理计划，能够让用户更好地运用边际核算的东西。第三部分是计划和 OpenYurt 的落地结合，有哪些关键要去做执行的。最终一部分是针对整个职业的未来展望，以及社区未来开展做一些期许。
边际核算的机遇与应战
伴跟着 5G 的到来以及直播和物联网的产生，越来越多的边际设备现已被大家所运用，产生的数据也十分巨大。比方智能终端的一个 1080p 的视频监控头，每分钟就会产生 10GB 的数据。在一个中小型城市，这种摄像头有 100 到 150 万个，而且还在不断添加。在这样一个边际场景下，它的数据运用是十分巨大的。
万物互联的年代，产生了许多智能家居，它们除了简单的接入网关之外，还有许多数据需求处理，这部分也是边际侧的运用场景。
以上都是咱们遇到的机遇，那应战是什么？
关于一些传统职业而言，他们的云核算或许是很小的，比方市道上有许多私有云场景、政府专有云场景，他们不足以做到像大厂商那些云核算一样无限的扩容来做许多核算处理。目前的市场环境下，云和端的环境十分不理想，首要原因有以下几个方面。
第一，因为端侧数据搜集的设备普及率较低，导致许多有用的数据没有办法搜集上来供云端的大脑进行剖析操作。
第二，搜集数据的维度低、功能单一，会漏掉一部分有价值的数据。
第三，前端设备的维保十分难。以摄像头为例，咱们没办法对每一个摄像头进行严密的监控和保护。出事故以后去追溯问题，或许现已过了好几天了。在这种情况下，这部分数据就会丢失。
第四，职业的数据规范不一样。设备一直在更新迭代，数据的规范也在不断更新。市道上有许多不同类型的设备，把这些设备的数据一致集中到云端去做处理，云端的才干也跟不上。
传统云端的首要瓶颈就是资源和功率问题。一个 1080p 的摄像头或许每分钟就会产生 10GB 的数据，而云端和边端的带宽十分有限，仅仅一个摄像头或许就会把整个网络的带宽占满，导致其他服务没法运用。再一个是功率限制，许多私有云的才干并不强，关于数据的处理就达不到理想的作用，也就没办法做及时的呼应。关于一些要求低延时的职业，这是十分危险的。
同时，传统意义上的端和云链路是不可控的，比方端因为网络颤动和云失掉联系，云端的指令不能及时下发到边端上，这也会带来必定的危险。
再者，传统上意义上端的设备更新是很缓慢的，一次性布置以后很长时间都不会有迭代。但是在一些新式职业的场景下，比方才智路口，它的 AI 算法是需求不断地进行模型练习的。它们布置下去之后会搜集一些数据，这些数据上传到云端之后对模型进行练习，得到一个更优化的版别，然后把这更优化的版别再推到端上面去，进行更智能化的操作。这部分就是软件不停更新迭代的进程，这个也是传统意义上的云端不能做到的。
深服气智能边际渠道处理计划
针对以上这些问题，咱们给用户供给了处理计划。先看一下处理计划的全体架构。它是从两个方面来进行的——边际侧和中心侧。
首先，咱们采纳的是云端一体化架构。在边端给用户布置一个云边一体机，也能够理解成是一个小型的服务器，它能够和终端设备放在同一个地方。于是他们之间会全体构成一个独立的小网络。这样边端的设备就能够把数据发给云边一体机，数据就能够得到赶快的处理和呼应。
其次，即便在云边断网的情况下，端侧能够和边侧一体机进行网络拜访，咱们能够内置一些 AI 算法进去，使特定场合下的指令也能够得到呼应。
最终就是关于数据的处理。云边侧的网络带宽是有限的，咱们能够先将数据搜集在一体机里，先做一轮处理，把一些有效的数据处理出来。再将这些数据经过的 SD-WAN 网络汇报到中心侧进行处理，这样一方面减轻了带宽的压力，另一方面提高了中心侧的数据处理才干。
云边断网情况下的边际自治才干其实是根据咱们和社区的 OpenYurt 进行结合，将云边运维通道、边际端的自治以及单元化布置都有机结合到了一同，构成了这样一个边际核算的架构图。
云边一体机的最终目标是为智能化改造打通最终一公里。
它里边供给了许多功能，包含控制面板，AI 算法的渠道，以及监控日志的搜集，当然还有最重要的安全网络办理，以及一些视频的解码编码。同时这个盒子也是支撑硬件适配的，比方 arm 架构、x86 架构，还包含不同的网络 GPU 的合作、底层数据操作体系适配。
完成了底层硬件的适配、AI 算法的适配、网络设备和视频解码的适配以后，把全体的计划交给用户，就能够帮助用户更快地实现事务的容器化布置，这大大提高了产品智能化改造的功率。
技术计划与 OpenYurt 落地结合
边际核算比较重要的一个运用场景就是才智路口。城市里每个路口的战略不一样。比方在一些车流量十分巨大的路口，它的要点更在于流量管控。因为车辆密布，红绿灯或许来不及做相应，就需求经过 AI 算法来支撑。
再比方，在人流量十分密布的情况下，一些公安体系要点关注的有犯罪记录的人经过，这个时分要经过 AI 算法的人脸辨认功能来及时告诉周围民警，提醒他们注意防范。
还有许多的城市道路会和村道进行结合，这种城乡结合道路不光需求流量的管控，还需求交通安全的管控。咱们要对 AI 算法植入一些智能语音服务的喊话体系，结合动态告警功能，能够避免交通事故的产生。
以上这些都是才智路口关于 AI 算法的接入场景，这些 AI 算法能够根据不同的区域范围来做智能化的注入，这其实就利用了边际核算 OpenYurt 的单元化办理，咱们给它设置不同的单元化场景，连接到网络之后就能够根据当前的这一个区域来推送不同的 AI 算法。
说了这么多关于真实事务落地场景，后边将会结合整个渠道的架构来讲解咱们的改造思路。
KubeManager（KM）架构是咱们公司自研的一个产品， 它是一个容器办理渠道，底层是由多个 K8s 集群办理构建起来的，集成了多个运用商铺和软件，还有一些数据的搜集和监控、给用户的可视化展示。
它首要分为两个大的模块，上图左下方是办理集群，前文提到的一系列内容都是在办理集群里去接受的。用户集群能够经过接入层来进行数据接入，然后将 API 的数据发送到 API 事务层，再把这些数据存储到原生 K8s 的 etcd 里边去。
咱们做改造的部分首要是针对用户集群这一块，跟 OpenYurt 做结合。在改造落地的进程中也呈现了许多问题。
在有多个 master 的情况下，需求与 Tunnel 流量做适配，用户自己去做适配的进程十分费事。所以咱们现已跟社区对接完成，把他们悉数融入到渠道的里边去，用户能够直接运用，不必考虑各种适配的问题。
用户集群接入到 km 集群之后，需求从 K8s 集群转换成边际集群，咱们也供给了一个主动化转换。
OpenYurt 是根据原生 K8s 来做的，因为搭建方法不同，在后边的渠道对接进程中会呈现一些差异，比方证书的主动管控和轮询操作、下发，这些都是需求在前期对接进程中处理，然后才干运用 OpenYurt。
改造之后，用户集群架构就从上图左边这切换到了右边的状态。这里边的改造首要有以下几点：
第一，对 YurtControlManager 组件做了改动，以前它是个 deployment，它的副本数是 1。现在把它改成了 DaemonSet，会跟着 master 数量的变化主动扩缩容，这是一个。
第二，因为全体流量是经过 Nginx 找不同的 APS server 做代理，所以 YurtHub 其实不是直接拜访 APIserver，而是经过 Nginx。但它现在这样也能够达到边际集群和 OpenYurt 的结合之后想要的作用——比方流量过滤和边际自治。
职业未来展望以及社区开展期许
最终说一下关于整个职业的开展和未来的期望。
从上图能够看到，边际设备的成长是一个不断累积的进程。整个职业的开展对边际设备会有十分多的需求，这么大的需求会带动整个职业的开展，职业的开展也离不开边际社区，包含 OpenYurt 社区的贡献。期望每一个用户在运用 OpenYurt 的时分能够更加边际化、安全化和智能化。
如果您有兴趣也能够钉钉查找群号：31993519，参加 OpenYurt 项目钉钉群。
戳此处，当即了解 OpenYurt 项目！
