边缘计算参考架构.docx

《边缘计算参考架构.docx》由会员分享，可在线阅读，更多相关《边缘计算参考架构.docx（32页珍藏版）》请在课桌文档上搜索。

1、边缘计算参考架构2.O边缘计算产业联盟工业互联网产业联盟联合发布2021年11月目录目录2一、迎接行业智能时代3一行业智能时代已来3二行业智能2.O面临的挑战4三边缘计算使能行业智能2.05四边缘计算产业化当前进展6二、边缘计算6J边缘计算概念7二根本特点和属性7三边缘计算CROSS价值7四边缘计算与云计算协同8三、边缘计算参考架构8一模型驱动的参考架构8二多视图呈现9三概念视图IO1、边缘计算节点、开发框架与产品实现102、边缘计算领域模型11四功能设计视图121、ECN122、业务Fabric1.63、联接计算FabriC164、开发效劳框架智能效劳）185、部署运营效劳框架智能效劳196

2、、治理效劳207、数据全生命周期效劳208、平安效劳21五部署视图23四、ECC产业开展与商业实践24一ECC产业开展总体概况241、ECC产业组织合作242、式标准组织合作24二边缘计算的商业实践251、从理论到实践252、从水平到垂直253、从需求到实践,从实践到需求29一、迎接行业智能时代一行业智能时代已来全球已经掀起行业数字化转型的浪潮,数字化是根底,网络化是支撑,智能化是目标.通过对人、物、环境、过程等对象进行数字化产生数据,通过网络化实现数据的价值流动，以数据为生产要素,通过智能化为各行业创造经济和社会价值.智能化是以数据的智能分析为根底,从而实现智能决策和智能操作,并通过闭环实现

3、业务流程的持续智能优化.智能分析*1.智能11智能优化。1。10决策TStg II1运营物数字化网络化智能化产生数据数据价值流动创造经济与社会价值访图1行业数字化转里以大数据、机器学习、深度学习为代表的智能技术已经在语音识别、图像识别、用户画像等方面得到应用,在算法、模型、架构等方面取得了较大的进展.智能技术已经率先在制造、电力、交通、医疗、农业等行业开始应用,对智能技术提出了新的需求与挑战.行业智能时代已经来临.行业智能分为1.O和2.O两个开展阶段：1）行业智能1.O行业智能1.O是面向市场线索、营销、采购、物流、售后等商业过程,将用户、应用和商业流程的行为和状态数字化,基于多维度数据分析

4、和场景感知，建立行业的信息图谱，为行业用户提供个性化的资源配置和效劳.行业智能1.0的快速开展得到了ICT创新技术的支撑,包括： 泛在网络联接使能数据的快速流动； 云计算按需提供低本钱的根底设施效劳应对业务负载变化； 大数据挖掘、分析和治理海量数据,提升企业的商业决策水平； 算法+数据+算力,释放了行业智能的潜在价值.2）行业智能2.0面向产品规划、设计、制造、运营等生产过程,产品、生产装备、工艺流程等已经逐步数字化和网络化,行业智能2.0己经具备了根底条件.这里所指的产品、装备具有广义的概念,既包括制造业所生产的产品和制造产线等,也包括能源、交通、农业、公共事业等行业提供效劳时所依赖的资产,

5、如电表、交通工具、农业机械、环境监测仪器等.行业智能2.0需要达成如下目标： 提升生产与效劳过程敏捷性和协作性 提升资源共享和减少能耗 降低生产运行和运营不确定性 与行业智能1.0协作,建立生产、销售和效劳的端到端行业智能.行业智能2.0时代需要行业发生四个关键转变： 物理世界与数字世界从割裂转变为协作融合； 运营决策从模糊的经验化转变为基于数字化、模型化的科学化; 流程从割裂转变基于数据的全流程协同； 从企业单边创新转变为基于产业生态的多边开放创新.(二)行业智能2.O面临的挑战从DIKW模型视角看,行业智能2.O面临了四大挑战：OT和IC1.跨界协作挑战Information知识模型化仍是

6、巨大挑战数据信息难以有效流动与集成产业膻变长,喟加了端到说协作集成挑战PhysicaIDIKW模型视角图行智拄乙口囿位E9挑战 OT和ICT跨界协作挑战OT(OperationTechno1.ogy)ICT(InformationandCommunicationTechno1.ogy)关注重点不同,0T关注物理和商业约束、人身平安，ICT关注商业约束、信息平安；OT与ICT在行业语言、知识背景、文化背景存在较大差异,相互理解困难；OT技术体系碎片化、专用化与标准化、开放性的ICT技术体系集成协作存在挑战困难；OT与ICT的融合协作也将带来平安方面的挑战.OT与ICT的跨界协作需要建立物理世界和

7、数字世界的联接与融合. 信息难以有效流动与集成目前业界有超过6种以上的工业实时以太网技术,超过40种工业总线,缺少统一的信息与效劳定义模型.烟囱化的系统导致数据孤岛,使信息难以有效流动与交互.信息有效流动与集成是支持数据创新、效劳创新的根底,需要建立数据全生命周期管理. 知识模型化是巨大挑战知识模型(Know1.edgeModeD主要解决知识的表示、组织与交互关系，知识的有序化以及知识处理模型,是将知识进行形式化和结构化的抽象,知识模型不是知识,是知识的抽象，以便于计算机理解与处理.知识模型输入存在信息不完整、不准确和不充分的挑战；知识模型处理的算法与建模还需持续改良与优化；知识模型输出的应用

8、场景有限需要持续积累.知识模型化是高效、低本钱实现行业智能的关键要素.产业链变长,增加了端到端协作集成挑战需要物理世界和数字世界的产业链的协作,需要产品全生命周期的数据集成,需要价值链上的各产业角色建立起协作生态.这种多链条的协作与整合对数据端到端流动和全生命周期治理提出了更高的要求.三边缘计算使能行业智能2.0面向行业智能2.0的挑战,边缘计算需要提供四个关键水平：1）建立物理世界和数字世界的联接与互动通过数字挛生,在数字世界建立起对多样协议、海量设备和跨系统的物理资产的实时映像,了解事物或系统的状态,应对变化,改良操作和增加价值.在过去十年里,网络、计算和存储领域作为ICT产业的三大支柱,

9、在技术可行性和经济可行性发生了指数性提升.网络领域变化：带宽提升千倍,而本钱下降40倍；计算领域变化：计算芯片的本钱下降60倍；存储领域变化：单硬盘容量增长万倍,而本钱下降17倍.正是联接本钱的下降、计算力的提升、海量的数据，使得数字李生可以在行业智能2.0时代发挥重要作用.2）模型驱动的智能分布式架构与平台物协作共在网络边缘侧的智能分布式架构与平台上,通过知识模型驱动智能化水平,实现了物自主化和物协作.物自主化数据与知识分享物与物协作增强协作化物与本地系协作物自主联接自主发现白注 学习自主决策自 击亍通过学习协作化的敷据,胆强自主化物物基幻本地智能系统物与人协作O物与云协作幻物物幻图3潴分布

10、式架构智能分布式架构需要把智能分布到如下要素中：智能资产：通过融合网络、计算、存储等ICT水平,具有自主化和协作化水平.智能网关：通过网络联接、协议转换等功能联接物理和数字世界,提供轻量化的联接治理、实时数据分析及应用治理功能.智能系统：基于多个分布式智能网关或效劳器的协同构成智能系统,提供弹性扩展的网络、计算、存储水平.智能效劳：基于模型驱动的统一效劳框架,面向系统运维人员、业务决策者、系统集成商、应用开发人员等多种角色,提供开发效劳框架和部署运营效劳框架.智能猫产智能阚关智能案统智能服工鱼IjJ1.I储网络计算,Sr存储I应用边缘计算开放平台圈心说绿算开放平台使能行业智能乙O3）提供开发与

11、部署运营的效劳框架开发效劳框架主要包括方案的开发、集成、验证和发布；部署运营效劳框架主要包括方案的业务编排、应用部署和应用市场.开发效劳框架和部署运营效劳框架需要紧密协同、无缝运作,支持方案快速高效开发、自动部署和集中运营.4）边缘计算与云计算的协同边缘侧需要支持多种网络接口、协议与拓扑,业务实时处理与确定性时延,数据处理与分析,分布式智能和平安与隐私保护.云端难以满足上述要求,需要边缘计算与云计算在网络、业务、应用和智能方面进行协同.四边缘计算产业化当前进展2021年边缘计算进入到Gartner的HypeCyc1.e（技术成熟曲线）.边缘计算已经掀起产业化的热潮，各类产业组织、商业组织在积极

12、发起和推进边缘计算的研究、标准、产业化活动.具有代表性的活动包括： 学术研究2021年10月，由IEEE和ACM正式成立了IEEEACMSymposiumonEdgeComputing,组成了由学术界、产业界、政府（美国国家基金会）共同认可的学术论坛,对边缘计算的应用价值,研究方向开展了研究与讨论. 标准化2021年IEC发布了VEI（Vertica1.EdgeInte1.1.igence）白皮书，介绍了边缘计算对于制造业等垂直行业的重要价值.ISO/IECJTC1.SC41成立了边缘计算研究小组，以推动边缘计算标准化工作. 产业联盟2021年11月华为技术、中国科学院沈阳自动化研究所、中国信

13、息通信研究院、英特尔公司、ARM和软通动力信息技术（集团）联合建议发起边缘计算产业联盟（EdgeComputingCOnSOrtiUin,缩写为ECO.全球性产业组织工业互联网联盟I1.C在2021年成立EdgeComputingTG,也将定义边缘计算参考架构.二、边缘计算-边缘计算概念边缘计算是在靠近物或数据源头的网络边缘侧,融合网络、计算、存储、应用核心能力的分布式开放平台,就近提供边缘智能效劳,满足行业数字化在敏捷联接、实时业务、数据优化、应用智能、平安与隐私保护等方面的关键需求.它可以作为联接物理和数字世界的桥梁,使能智能资产、智能网关、智能系统和智能效劳.二根本特点和属性 联接性联接

14、性是边缘计算的根底.所联接物理对象的多样性及应用场景的多样性,需要边缘计算具备丰富的联接功能,如各种网络接口、网络协议、网络拓扑、网络部署与配置、网络治理与维护.联接性需要充分借鉴吸收网络领域先进研究成果,如TSN、SDN、NFV.NetworkasaService.W1.AN、NB-IoT5G等，同时还要考虑与现有各种工业总线的互联互通.数据第一入口边缘计算作为物理世界到数字世界的桥梁,是数据的第一入口，拥有大量、实时、完整的数据,可基于数据全生命周期进行治理与价值创造,将更好的支撑预测性维护、资产效率与治理等创新应用；同时,作为数据第一入口,边缘计算也面临数据实时性、确定性、多样性等挑战.

15、 约束性边缘计算产品需适配工业现场相对恶劣的工作条件与运行环境,如防电磁、防尘、防爆、抗振动、抗电流/电压波动等.在工业互联场景下,对边缘计算设备的功耗、本钱、空间也有较高的要求.边缘计算产品需要考虑通过软硬件集成与优化，以适配各种条件约束,支撑行业数字化多样性场景. 分布性边缘计算实际部署天然具备分布式特征.这要求边缘计算支持分布式计算与存储、实现分布式资源的动态调度与统一治理、支撑分布式智能、具备分布式平安等水平. 融合性OT与IeT的融合是行业数字化转型的重要根底.边缘计算作为“OICT融合与协同的关键承载,需要支持在联接、数据、治理、限制、应用、平安等方面的协同.三J边缘计算CROSS

16、价值联接的海量与异构（Connection网络是系统互联与数据聚合传输的基石.伴随联接设备数量的剧增，网络运维治理、灵活扩展和可靠性保证面临巨大挑战.同时,工业现场长期以来存在大量异构的总线联接，多种制式的工业以太网并存,如何兼容多种联接并且保证联接的实时可靠是必须要解决的现实问题. 业务的实时性(Reabtime)工业系统检测、限制、执行的实时性高,局部场景实时性要求在IOms以内.如果数据分析和限制逻辑全部在云端实现,难以满足业务的实时性要求.数据的优化(OPtin1.iZation)当前工业现场存在大量的多样化异构数据,需要通过数据优化实现数据的聚合、数据的统一呈现与开放，以灵活高效地效

17、劳于边缘应用的智能. 应用的智能性(Smart)业务流程优化、运维自动化与业务创新驱动应用走向智能,边缘侧智能能够带来显著的效率与本钱优势.以预测性维护为代表的智能化应用场景正推动行业向新的效劳模式与商业模式转型. 平安与隐私保护(Security)平安跨越云计算和边缘计算之间的纵深,需要实施端到端防护.网络边缘侧由于更贴近万物互联的设备,访问限制与威胁防护的广度和难度因此大幅提升,边缘侧平安主要包含设备平安、网络平安、数据平安与应用平安.此外,关键数据的完整性、保密性,大量生产或人身隐私数据的保护也是平安领域需要重点关注的内容.四边缘计算与云计算协同云计算适用于非实时、长周期数据、业务决策场

18、景,而边缘计算在实时性、短周期数据、本地决策等场景方面有不可替代的作用.边缘计算与云计算是行业数字化转型的两大重要支撑,两者在网络、业务、应用、智能等方面的协同将有助于支撑行业数字化转型更广泛的场景与更大的价值创造.协同点边掾计算云计算网络数据聚合CTSN+OPCIJA)数据分折业当Agent业务猾排应用微应用应用生命周期治理智能分布试推理箕中N；练习图5辿缀计算与云计算椅同点三、边缘计算参考架构一模型驱动的参考架构参考架构基于模型驱动的工程方法(Mode-DrivenEngineeringMDE)进行设计.基于模型可以将物理和数字世界的知识模型化,从而实现： 物理世界和数字世界的协作对物理世

19、界建立实时、系统的认知模型.在数字世界预测物理世界的状态、仿真物理世界的运行、简化物理世界的重构,然后驱动物理世界优化运行.能够将物理世界的全生命周期数据与商业过程数据建立协同,实现商业过程和生产过程的协作. 跨产业的生态协作基于模型化的方法,ICT和各垂直行业可以建立和复用本领域的知识模型体系.ICT行业通过水平化的边缘计算领域模型和参考架构屏蔽ICT技术复杂性，各垂直行业将行业Know-How进行模型化封装,实现TCT行业与垂直行业的有效协作. 减少系统异构性,简化跨平台移植系统与系统之间、子系统与子系统之间、效劳与效劳之间、新系统与旧系统之间等基于模型化的接口进行交互,简化集成.基于模型

20、,可以实现软件接口与开发语言、平台、工具、协议等解耦,从而简化跨平台的移植. 有效支撑系统的全生命周期活动包括应用开发效劳的全生命周期、部署运营效劳的全生命周期、数据处理效劳的全生命周期、平安效劳的全生命周期等.ICT行业在网络、计算、存储等领域面临着架构极简、业务智能、降低CaPEX和OPEX等挑战,正在通过虚拟化、SDN、模型驱动的业务编排、微效劳等技术创新应对这些挑战.边缘计算作为OT和ICT融合的产业,其参考架构设计需要借鉴这些新技术和新理念.同时,边缘计算与云计算存在协同与差异,面临独特挑战,需要独特的创新技术.基于上述理念,ECC提出了如下的边缘计算参考架构2.0：智熊服务Ik弱

21、FabriC边缘计算节点网络边飒云图6边缘计受参考架构2.0从架构的横向层次来看,具有如下特点： 智能效劳基于模型驱动的统一效劳框架,通过开发效劳框架和部署运营效劳框架实现开发与部署智能协同，能够实现软件开发接口一致和部署运营自动化； 智能业务编排通过业务Fabric定义端到端业务流,实现业务敏捷； 联接计算CCF(ConneetiVityandComputingFabriC)实现架构极简,对业务屏蔽边缘智能分布式架构的复杂性；实现O1.CT根底设施部署运营自动化和可视化,支撑边缘计算资源效劳与行业业务需求的智能协同； 智能ECN(EdgeComputingNOde)兼容多种异构联接、支持实时

22、处理与响应、提供软硬一体化平安等；边缘计算参考架构在每层提供了模型化的开放接口,实现了架构的全层次开放；边缘计算参考架构通过纵向治理效劳、数据全生命周期效劳、平安效劳,实现业务的全流程、全生命周期的智能效劳.(二)多视图呈现以ISO/IEC/IEEE42021:2021架构定义国际标准为指导,将产业对边缘计算的关注点进行系统性的分析,并提出了解决举措和框架,通过如下三类视图来展示边缘计算参考架构: 概念视图阐述边缘计算的领域模型和关键概念. 功能设计视图阐述横向的开发效劳框架、部署运营框架业务Fabric.联接计算Fabric和ECN,纵向的跨层次开放效劳、治理效劳、数据全生命周期效劳、平安效

23、劳的功能与设计思路. 部署视图阐述系统的部署过程和典型的部署场景.同时,架构需要满足跨行业的典型非功能性需求,包括实时性、确定性、可靠性等.为此,在功能视图、部署视图给出了相关技术方案推荐.(三)概念视图1、边缘计算节点、开发框架与产品实现智能资产、智能系统、智能网关具有数字化、网络化、智能化的共性特点,都提供网络、计算、存储等ICT资源,可以在逻辑上统一抽向为边缘计算节点(EdgeComputingNodeECN).根据ECN节点的典型应用场景，系统定义了四类ECN开发框架.每类开发框架提供了匹配场景的操作系统、功能模块、集成开发环境等.基于四类ECN开发框架,结合ECN节点所需要的特定硬件

24、平台,可以构建六类产品实现.下列图对上述过程做了概括总结.定义ECN逻辑节点!i分析典型应用场景智食蜜产智能系统智能网关ECN盟阻节点实时计苜系统O智能分布式系统ECN、提供四类开发框架ECNECN ECNECN边缘分布式边嫌分布式服务器网关基于四类开发框架构建六类产品感知终端智能网关嵌入式独立过限制器限制累;Q轻B计算系统丁智整网关系统KECN图了假念视图：ECN.开支把架和产储实现ECN节点典型功能包括: 总线协议适配 实时联接 实时流式数据分析 时序数据存取 策略执行 设备即插即用 资源治理ECN四类开发框架包括： 实时计算系统框架面向数字化的物理资产,满足应用实时性等需求； 轻量计算系

25、统框架面向资源受限的感知终端,满足低功耗等需求； 智能网关系统框架支持多种网络接口、总线协议与网络拓扑,实现边缘本地系统互联并提供本地计算和存储水平,能够和云端系统协同； 智能分布式系统框架基于分布式架构,能够在边缘侧弹性扩展网络、计算和存储等水平,支持资源面向业务的动态治理和调度,能够和云端系统协同.ECN六类产品实现包括：产品实现应用场景合国关梯联网、智慧路灯等场事独立式限制器工业P1.C场景嵌入式限制器VP1.C1.机器人等场景蜗的数字化机床、仪表场景分布式业务网关智能百迪场景边缘集群边线云智靛制造车间场票2、边缘计算领域模型边缘计算领域模型是从边缘计算的葭1视角进行模型定义,包括:设计

26、开发：接口标准化,组件化；部署运行：撵作自动化，自优化物理模型构件；模型、ECN模型与标准组织/产业联盟合作M耕性能模型映射映射对接 Fy对接avr-.对象关联黄源I片赢反应用景型导摸,业务编排业务部詈国8微念视图：面向金生曲周期的程型服资 设计阶段模型定义ECN节点的标识、属性、功能、性能、派生继承关系等,为部署与运行阶段提供价值信息. 部署阶段模型主要包括业务策略、物理拓扑等模型.其中,业务策略模型是用业务语言,而不是机器语言来描述业务规那么与约束,实现业务驱动边缘计算根底设施.业务策略模型可描述，可灵活复用和变更,使能业务敏捷. 运行阶段模型主要包括联接计算Fabric模型、运行负载模型

27、等.基于这些模型可以监视和优化系统运行状态,实现负载在边缘分布式架构上的部署优化等.通过模型驱动的统一效劳框架能够实现边缘计算领域模型和垂直行业领域模型的相互映射和统一治理,从而复用垂直行业的领域模型（如OPCUA及其生态），实现边缘计算参考架构和行业平台、行业应用的易集成.四功能设计视图1、ECN通用效劳行业化效劳边缘虚札对艮鸳翼&PCUA就分时F麦至生成特定行业虚拟化层网络计算存储软件定义网络(SDN)异构计算(HC)时序数据阵DB)低时延网络(TSN)图毡功能视图：ECN功能分层1)根底资源层包括网络、计算和存储三个根底模块. 网络SDN(Software-DefinedNetWOrki

28、ng)逐步成为网络技术开展的主流,其设计理念是将网络的限制平面与数据转发平面进行别离,并实现可编程化限制.将SDN应用于边缘计算,可支持百万级海量网络设备的接入与灵活扩展,提供高效低本钱的自动化运维治理，实现网络与平安的策略协同与融合.网络联接需要满足传输时间确定性与数据完整性.国际标准组织IEEE制订了TSN(TiIne-SenSitiVeNetworking)系列标准,针对实时优先级、时钟等关键效劳定义了统一的技术标准,是工业以太联接未来的开展方向. 计算异构计算HC(HeterOgeneoUSCofnPUting)是边缘侧关键的计算硬件架构.近年来，虽然摩尔定律仍然推动芯片技术不断取得突

29、破,但物联网应用的普及带来了信息量爆炸式增长,而AT技术应用增加了计算的复杂度,这些对计算水平都提出了更高的要求.计算要处理的数据种类也日趋多样化,边缘设备既要处理结构化数据，同时也要处理非结构化的数据.同时,随着ECN节点包含了更多种类和数量的计算单元,本钱成为了关注点.为此,业界提出将不同类型指令集和不同体系架构的计算单元协同起来的新计算架构，即异构计算，以充分发挥各种计算单元的优势,实现性能、本钱、功耗、可移植性等方面的均衡.同时，以深度学习为代表的新一代AI在边缘侧应用还需要新的技术优化.当前，即使在推理阶段对一副图片的处理也往往需要超过10亿次的计算量,标准的深度学习算法显然是不适合

30、边缘侧的嵌入式计算环境.业界正在进行的优化方向包括自顶向下的优化,即把练习完的深度学习模型进行压缩来降低推理阶段的计算负载；同时,也在尝试自底向上的优化,即重新定义一套面向边缘侧嵌入系统环境的算法架构. 存储数字世界需要实时跟踪物理世界动态变化,并根据时间序列存储完整的历史数据.新一代时序数据库TSDB(TimeSeriesDatabaSe)是存放时序数据(包含数据的时间戳等信息)的数据库,并且需要支持时序数据的快速写入、持久化、多纬度的聚合查询等根本功能.为了保证数据的准确和完整性,时序数据库需要不断插入新的时序数据，而不是更新原有数据.面临了如下的典型挑战： 时序数据写入：支持每秒钟上千万

31、上亿数据点的写入. 时序数据读取：支持在秒级对上亿数据的分组聚合运算.本钱敏感：由海量数据存储带来的是本钱问题.如何更低本钱地存储这些数据是时序数据库需要解决的重中之重.2)虚拟化层虚拟化技术降低了系统开发和部署本钱，已经开始从效劳器应用场景向嵌入式系统应用场景渗透.典型的虚拟化技术包括裸金属(BareMeta1.)架构和主机(HOSt)架构,前者是虚拟化层的虚拟机治理器(HyPerViSOr)等功能直接运行在系统硬件平台上,然后再运行操作系统和虚拟化功能.后者是虚拟化层功能运行在主机操作系统上.前者有更好的实时性,智能资产和智能网关一般采用该方式.3)EVF(EdgeVirtua1.izat

32、ionFUnCtiOn)层EVF是将功能软件化和效劳化,并且与专有的硬件平台解耦.基于虚拟化技术,在同一个硬件平台上,可以纵向将硬件、系统和特定的EVF等根据业务进行组合,虚拟化出多个独立的业务区间并彼此隔离.ECN的业务可扩展性能够降低CapEx并延长系统的生命周期.EVF可以灵活组合与编排,能够在不同硬件平台、不同设备上灵活迁移和弹性扩展，实现资源的动态调度和业务敏捷.EVF层提供如下可裁剪的多个根底效劳： 分布式的联接计算Fabric效劳； OPCUA效劳； 实时流式数据分析效劳； 时序数据库效劳； 策略执行效劳； 平安效劳.ECN关键技术：D软件定义网络(SDN)SDN采用与传统网络截

33、然不同的限制架构,将网络限制平面和转发平面别离,采用集中限制替代原有分布式限制，并通过开放和可编程接口实现“软件定义SDN不仅是新技术，而且变革了网络建设和运营的方式：从应用的角度构建网络,用IT的手段运营网络.SDN架构包括限制器、南/北向接口、以及应用层的各类应用和根底设施层的各种网元.其中最重要的是SDN限制器,它实现对根底设施层的转发策略的配置和治理,支持基于多种流表的转发限制.SDN对边缘计算的独特价值： 支持海量联接支持百万级海量网络设备的接入与灵活扩展,能够集成和适配多厂商网络设备的治理. 模型驱动的策略自动化提供灵活的网络自动化与治理框架,能够将根底设施和业务发放功能效劳化,实

34、现智能资产、智能网关、智能系统的即插即用，大大降低对网络治理人员的技能要求. 端到端的效劳保证对端到端的GRE、1.2TP、IPSec、VX1.an等隧道效劳进行业务发放,优化QoS调度,满足端到端带宽、时延等关键需求,实现边缘与云的业务协同. 架构开放将集中的网络限制以及网络状态信息开放给智能应用,应用可以灵活快速地驱动网络资源的调度.当前,边缘计算SDN技术已经成功应用于智能楼宇、智慧电梯等多个行业场景.2)低时延网络(TSN)标准以太网技术已经广泛应用，具有传输速率高、拓扑灵活、传输距离远、本钱有效等优点.同时，以太网技术由于传统Qos机制约束、CSMA/CD冲突检测机制约束等无法保证实

35、时性、确定性等行业关键需求.业界对标准以太网技术进行了优化,并提出了多种工业实时以太网技术的商业实现,多种商业实现并存的格局给互联互操作带来了障碍和挑战.近年，IEEE802.1定义了TSN(TimeSensitiveNetwork)技术标准，旨在推动实时以太网的标准化和互通,最终实现OT和TCT采用“一张网，并带来如下价值： 确定性：HS级时延、低于50OnS级抖动； 接口带宽大于IGbps,满足工业机器视觉等场景的大带宽需求； 通过多路径或冗余路径实现可靠的数据传输； 与SDN技术相结合,实现对TSN网络和非TSN网络的统一调度治理.TSN设计理念是在标准的以太网物理层之上,在MAC层提供

36、统一的低时延队列调度机制、资源预留机制、时钟同步机制、路径限制机制、配置治理模型等,能实现与标准以太网的互联互通.当前,TSN已经建立起良好的产业协作生态,包括：IEEE负责标准制定,AvnuA1.1.iance负责互通认证，以ECC和I1.C为代表的产业组织正在通过Testbed等活动进行产业示范和推广.3)异构计算(HC)异构计算架构旨在协同和发挥各种计算单元的独特优势：CPU擅长对系统进行限制、任务分解、调度；GPU具有强大的浮点和向量计算水平,擅长矩阵和矢量运算等并行计算；FPGA具有硬件可编程和低延时等优势；ASIC具有功耗低、性能高,本钱有效等优势.异构计算目标是整合同一个平台上分

37、立的处理单元使之成为紧密协同的整体来协同处理不同类型的计算负荷.同时通过开放统一的编程接口，实现软件跨多种平台.异构计算架构的关键技术包括： 内存处理优化传统架构下,不同计算单元间传递数据需要数据复制,不仅占用处理器资源,还同时占据了大量的系统总线带宽.异构计算让多个计算单元实现内存统一寻址,任何处理单元的数据可以轻易地被其它处理单元所访问，不必将数据复制一份到对方的内存区域中，大大提升了系统性能. 任务调度优化各种计算单元从过去主从关系变为平等的伙伴关系，可以根据任务情况,动态地确定最适合的计算单元来运行工作负载.涉及了调度算法、指令集、编译器等一系列的架构优化. 集成工具链为应用程序员提供

38、了硬件、软件接口、根本的运行时环境,封装并隐藏了内存一致性，任务调度治理等复杂的底层细节,支持架构参数优化和任务调度优化,将应用移植工作量最小化.面向AT应用,开放集成多种AI练习和推理平台，兼容多厂商计算单元.目前异构计算在芯片设计和边缘计算平台设计上都有应用.在芯片方面,整合了CPUGPU资源,能够实现视频编解码加速.在计算平台方面,利用CPU+FPGA(或GP1.n实现人工智能的功能已经被应用于智能交通以及智能机器人等领域.4）时序数据库（TSDB）海量数据的高效写入、查询及分布式存储是时序数据库面临的关键挑战.其关键技术包括： 分布式存储分布式存储首先要考虑的是如何将数据分布到多台机器

39、上面，也就是分片问题.分片可以基于时间戳+Tag+分级.将一定时间范围内的相同Tag（一个或多个字段相同的数据）并符合一定分级条件的数据作为相同分片存在相同机器上.存储前可以对数据进行压缩处理,既提升数据写入效率,又节省存储空间. 分级存储时序数据的时间戳是一种非常适宜的分级依据,越近期的数据查询得越多，是热数据；越久以前的数据查询得越少,是冷数据.同时,分级往往结合存储本钱等因素,将每个级别的数据存储在不同本钱的存储介质（内存,HDD,SSD）上. 基于分片的查询优化查询时,根据查询条件查询所有的数据分片，所有的分片根据时间戳合并形成原始数据结果，当查询条件包含聚合运算时，会根据时间采样窗口

40、对数据进行聚合运算，最后返回运算结果.除了商业版本外，业界已经有大量的开源时序数据库，如：opentsdb,kairosDB,inf1.uxdb等.数据库除了需要满足上述性能挑战外,很重要的是提供行业数据建模与可视化工具,支持与行业应用系统的快速集成.2、业务Fabric业务Fabric是模型化的工作流，由多种类型的功能效劳根据一定逻辑关系组成和协作,实现特定的业务需求,是对业务需求的数字化表示.效劳的模型,包括效劳名称、执行或提供什么样的功能,效劳间的嵌套、依赖、继承等关系,每个效劳的输入与输此以及Qos、平安、可靠性等效劳约束.效劳的类型不仅包括边缘计算提供的通用效劳,还包括垂直行业所定义

41、的特定行业服务.业务Fabric的主要价值包括： 聚集业务流程,屏蔽技术细节,帮助业务部门、开发部门、部署运营部门等建立有效合作； 和OICT根底设施、硬件平台等解耦,实现跨技术平台,支掾业务敏捷； 作为业务描述性模型,可继承、可复用，能够实现快速建模.业务Fabric功能包括： 定义工作流和工作负载； 可视化呈现；语义检查和策略冲突检查；业务Fabric、效劳等模型的版本治理.3、联接计算FabriC联接计算Fabric是一个虚拟化的联接和计算效劳层,主要价值包括: 屏蔽ECN节点异构性； 降低智能分布式架构在数据一致性、容错处理等方面的复杂性； 资源效劳的发现、统一治理和编排； 支持ECN

42、节点间的数据和知识模型的共享； 支持业务负载的动态调度和优化； 支持分布式的决策和策略执行.业其FmbriB端嬴蒿联接计算Habric智能网关注二智能系统智能资产基于ECU物理架构图功能视图二联接计宜闫b1.仁联接计算Fabric的主要功能包括：a.资源感知可以感知每个ECN节点的ICT资源状态（如网络联接的质量,CPU占有率等）、性能规格（如实时性）、位置等物理信息等,为计算负载在边缘侧的分配和调度提供了关键输入.b.EVF效劳感知它能感知系统提供了哪些EVF效劳,这些效劳分布在哪些ECN节点上,每个EVF效劳在效劳哪些计算任务、任务执行的状态等.从而为计算任务的调度提供输入.c.计算任务调

43、度既支持主动的任务调度,能够根据资源状态、效劳感知、ECN节点间的联接带宽、计算任务的S1.A要求等，自动化地在将任务拆分成多个子任务并分配到多个ECN节点上协同计算.也支持把计算资源、效劳资源等通过开放接口对业务开放,业务能够主动地限制计算任务的调度过程.c1.数据协同 ECN节点对南向的协议适配,ECN节点之间的东西联接使用统一的数据联接协议.通过数据协同,节点间可以相互交互数据、知识模型等.ECN节点需要知道特定的数据需要在哪些节点间共享,共享的方式包括简单的播送、Pub-Sub模式等.e.多视图呈现 能够根据租户、业务逻辑等进行业务呈现,屏蔽物理联接的复杂性.例如,每个租户只需要看到他

44、所运行的计算任务,这些任务在计算联接Fabric上的分布情况.同时,也可以灵活地按需叠加所需要的智能资产、智能网关、智能系统的位置等物理信息.f.效劳接口开放 通过开放接口提供计算任务请求、资源状态反应、任务执行状态反应等,屏蔽智能资产、智能网关和智能系统的物理差异.4、开发效劳框架智能效劳通过集成开发平台和工具链集成边缘计算模型库和垂直行业模型库,提供模型与应用的开发、集成、仿真、验证和发布的全生命周期效劳.支持如下的关键效劳：a.模型化开发效劳 定义架构、功能需求、接口需求等模型定义,支持模型和业务流程的可视化呈现，支持基于模型生成多语言的代码；支持边缘计算领域模型与垂直行业领域模型的集成

45、、映射等；支持模型库版本治理.b.仿真效劳支持ECN节点的软硬件仿真,仿真要能够模拟目标应用场景的ECN节点规格（如内存,存储空间等）.系统需要支持组件细粒度化、组件可裁剪和重新打包（系统重置），以匹配ECN节点规格.基于仿真节点,能够进行面向应用场景的组网和系统搭建,并将开发的模型和应用在仿真环境下进行低本钱、自动化的功能验证.c.集成发布效劳从基线库获得发布版本,调用部署运营效劳,将模型与应用部署到实际的ECN节点.5、部署运营效劳框架智能效劳包括业务编排、应用部署（略）和应用市场三个关键效劳.1）业务编排业务编排效劳,一般基于三层架构：幻星智能凌产之智能网关-Z智能系统图12功能视图：业务编排分层业务编排器编排器负责定义业务FabriC,一般部署在云端（公私云）或本地（智能系统上）.编排器提供可视化的工作流定义工具,支持CRUD操作.编排器能够基于和复用开发效劳框架已经定义好的效劳模板、策略模板进行编排.在下发业务FabriC给策略限制器前,能够完成工作流的语义检查和策略冲突检测等.策略限制器为了保证业务调度和限制的实时性,通过在网络边缘侧部署策略限制器,实现本地就近限制.策略限制港根据一定策略,结合本地的联接计算Fabric所支持的效劳与水平,将业务Fabric所定义的业务流分配给本地某个联接计算Fabric进行调度执行.考虑到边