​智能边缘计算
Edge Intelligence

简介

    就近提供最近端服务，满足客户对边缘计算资源的远程管控、智能分析与处理、数据分析与处理、深度学习与任务调度引擎等诉求，赋能企业分析决策能力，为用户提供一致完整的云边协同服务。

详细介绍

    传统云计算模式将资源集中化存放在机房中，距离终端设备（典型场景如CDN，监控设备如摄像头）有较远的距离，对于海量数据或实时性要求较高的应用场景中，将计算、存储等服务放置在云中将会出现对带宽高压网络延迟变长甚至拥堵、时效性无法得到保障导致服务质量下降、交互频繁且耗时长必然引起计算复杂加大能耗、传输数据多导致数据隐私问题无限放大。而终端设备具体距离最终用户最近，但计算能力不足无法与云端相比特性。在此情况下，边缘计算应运而生，通过在就近终端设备的位置纳管或者建立边缘节点，将云计算的能力延申至边缘节点，取边缘节点之长、避云计算不足，解决就近百米问题。

    智能边缘计算（Edge Intelligence）通过纳管您的边缘节点，提供将云上应用延伸到边缘的能力，联动边缘和云端的数据，满足客户对边缘计算资源的远程管控、数据处理、分析决策、智能化的诉求，同时，在云端提供统一的设备/应用监控、日志采集等运维能力，为企业提供完整的边缘和云协同的一体化服务的边缘计算解决方案。

    如图1所示，智能边缘计算平台将云端AI应用、函数计算等能力下发到边缘节点（EdgeNode），将公有云能力延伸到靠近设备的一端，使得边缘节点拥有云端相同能力，能够实时处理终端设备计算需求。

图1：边缘计算场景

一、产品优势

1、智能边缘

    可以将云计算AI/大数据的能力延伸到边缘，支持视频智能分析、文字识别、图像识别、大数据流处理等能力，就近提供实时智能边缘服务，赋予设备云边协同的能力。

2、开放兼容

    支持X86、ARM、NPU、GPU等异构硬件接入。

3、多运行时

    支持容器和函数两种运行方式，满足用户轻量化应用管理的诉求；原生支持kubernetes与docker生态，应用快速启动、快速升级；支持Python、NodeJS等函数引擎，快速响应边缘的事件。

４、极致轻量

    边缘管控应用小巧玲珑，运行时内存不超过10Mb。

５、安全可靠

    边缘节点安全接入云端，应用数据安全上云；提供边缘业务高可靠性机制，为边缘应用运行保驾护航。

二、功能描述

1、海量边缘节点安全接入

　    便捷地接入海量边缘节点，云端统一进行管理、监控和运维

2、边缘应用生命周期管理

　    兼容原生kubernetes与docker生态，支持以容器和函数应用运行时管理，帮助用户在云端统一对边缘应用进行管理、监控和运维

3、丰富的边缘AI算法

　    可以将云计算AI的能力延伸到边缘，例如人脸识别、车辆识别、周界入侵、文字识别等AI能力

4、边云协同

　    基于云端训练/边缘推理的模式实现边云协同的AI处理，可以支持增量学习、模型发布、更新、推送，形成模型最优的完整闭环

5、提供安全可靠的边云数据通道

　    边缘应用产生的数据可快速转发路由至云端其他服务（如DIS）或第三方应用

６、边缘自治

    提供消息总线和元数据本地存储相结合的方式赋予边缘节点的离线自治能力。

    a) 边缘节点需要在完全断开连接的模式下自主工作，并不会定期进行状态同步，只有在重连时才会与控制面通信。

    b) 用户期望的控制面配置和设备实时状态更新都通过消息同步到本地存储，这样节点在离线情况下即使重启也不会丢失管理元数据，并保持对本节点设备和应用的管理能力。

    c) 云与边在遇到网络不稳定、断开情况下，边缘服务可以实现保持自我独立运行，不间断提供服务。

    d) 边缘节点支持在关机、重启过后，边缘服务可随着边缘节点重新开机后恢复服务提供自我治愈的能力。

三、产品价值

1、联接的广泛性

    广泛地域的低成本联接

    可移动、按需部署的联接

    多制式、多协议的稳定可靠连接

    边缘设备间互联

２、数据宽带优化

    本地数据处理、减少传输带宽需求

    数据的分布式计算与存储

    本地数据缓存（如CDN）

３、安全与隐私保护

    设备安全

    网络安全

    数据安全

    应用安全

４、业务的实时性

    E2E业务时延<10ms<>

    AI增强学习，实时更新模型

5、有限的自治性

    业务本地自治，保障业务可用性

    数据处理、机器学习、深度学习等AI能力在边缘运行

    联接控制，自动智能运算和决策