边缘容器

随着 5G 和万物互联时代的到来，传统云计算中心集中存储、计算的模式已经无法满足终端设备对于时效、容量、算力的需求，向边缘下沉并通过中心进行统一交付、运维、管控，已经成为云计算的重要发展趋势。以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，借助云原生技术，可以实现云-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；在安全方面，云原生技术可以提供容器等更加安全的工作负载运行环境，以及流量控制、网络策略等能力，能够有效提升边缘服务和边缘数据的安全性；在边缘网络环境下，基于云原生技术的边缘容器能力，能保证弱网、断网的自治性，提供有效的自恢复能力，同时对复杂的网络接入环境有良好的兼容性；依托云原生领域强大的社区和厂商支持，云原生技术对异构资源的适用性逐步提升，在物联网领域，云原生技术已经能够很好的支持多种CPU架构(x86-64/arm/arm64)和通信协议，并实现较低的资源占用。所以，以 Kubernetes 为基础的云原生技术和边缘计算相结合，可以很好解决下沉过程中云边一体化协同、安全、边缘网络适配、异构资源适配等难题，极大加速云计算边缘化进程。 针对边缘设备及业务场景的特殊性，边缘应用对容器技术提出了如下要求：

• 资源协同: 边缘计算提供云-边-端的资源协同管理，在云端统一管理边-端的节点和设备。在资源协同的诉求中，需要考虑对节点、设备进行功能抽象，在云、边、端之间通过各种协议完成数据接入，在云端统一管理和运维。
• 应用/业务管理协同: 作为云原生应用编排部署事实标准的Kubernetes，在多年的发展中已经积累和沉淀了一些对云原生应用的编排部署模型。而KubeEdge通过边云协同的方式，将这些编排部署能力延伸到边侧，支持边缘侧日益复杂的业务和高可用性的要求。
• 智能协同: AI能力的发展可谓是近年来边缘计算持续火爆的一大主要推手。边云的智能协同也是目前边缘计算项目中一个非常重要的协同场景。
• 数据协同：服务之间的协同更像是要求更高的数据协同。因为它在数据的传输之外还增加了服务发现、灰度路由、熔断容错等更偏向业务层的能力。或者说服务协同本身就是建立在数据协同的基础之上的，两者在云原生的微服务架构中缺一不可。
• 轻量化：受限于边缘设备的资源，部署在边缘侧的容器平台不可能是完整的Kubernetes平台，必须对其进行精简，如KubeEdge项目，运行内存仅需70M。