那那个时间差不多了我们下一个那个talk就开始了欢迎大家来到我们那个这个是今天最后一个talk是关于那个couple edge的我们这个talk主要是介绍一下这个couple edge社区它的一些背景还有最近的一些进展以及未来的一些规划今天那个talk主要是我是许飞 来自黄毅云另外一位是那个张洪斌是来自Dockload接下来由我们两个来介绍一下couple edge下面呢 我就直接开始介绍了这个是我们两个简单介绍前面是那个张洪斌他是那个我们社区的那个技术委员会的成员也是那个Dockload公司的那个couple我是许飞 来自黄毅云是黄毅云的那个高级工程师下面呢 就开始介绍我们couple edge的内容今天内容呢 主要分几个部位一个就是一些背景的介绍大家可能有可能是第一次听第一次了解couple edge然后我们有一些背景的内容后面呢 还有一些我们项目最近的一些更新还有一些我们实践还有未来的一些规划好 那我讲之前想问一下大家就是在现场有多少人了解过couple edge吗可以举手看一下还是有很多人了解过的那我们就下面就是开始我先介绍一下背景就是我在讲的时候大家如果有问题也可以打断因为我们这个是 最后一个议题我们主要是讨论一下大家有问题可以直接打断好 下面首先呢 这个是背景我们这个背景的话就是这是一个边缘计算的一个背景大家可以看到从那个右边到这个左边分别是从那个数据中心然后到我们的一些程式的边缘最后到我们的一些现场 就是那些设备整个这是一些数据还有这个计算发展的一个趋势就是我们现在越来越多的那个算力从数据中心分布到我们的那个边缘再到我们的现场上面来我们怎么把这些算力给它管起来然后就是像我们couple edge的项目要解决的问题这是一个大的背景好 下面呢就是一个这是couple edge的这个项目的一个整体的介绍就是大家可以看到从右边到左边我们分别是分成语音边端三个部分语音上的话就是主要我们是用的原声的k8s的master对 中间的话就是我们的边缘节点这个等会我在架构里面会详细介绍边上的话就是有一些out设备的这个介入对 这个是整个社区的一个介绍然后我们的话couple edge也是一个开源项目在后面那个张宏斌老师也会给大家讲一下我们社区的一些开放治理的一些情况我这里就不多介绍这个是我们整个couple edge项目的一个发展历程就是从我们那个项目从2018年的那个11月份第一次开源就是在k8s上游它成立这个Walking Group是在2018年的9月份然后我们这个couple edge项目在2018年的11月份就开源它是整个业界首个就是边缘技术就把边缘声扩展到边缘技术上的项目到后面在19年3月份就是开源大概半年左右然后把它决挣到SceneSafe作为SceneSafe的SideBox也是真实开放了我们的就是开放治理跟伙伴一起来做这个项目然后到后面我们19年的6月份也是发布了我们第一个稳定版本就是1.0的版本到后面大家也可以看到有些比较经典的一些进展就是到2020年的1月份就是我们华为云这边做了全国取消省界就是我们全国的所有省界收费站就是那个盟价里面的盒子然后我们都把它通过我们的系统关起来通过云原生关起来对全国大概有10万边缘节点到后面的话在2020年的9月份我们进几层SceneSafe的副画项目也就是代表就是我们的项目已经达到一定的成熟度然后再到后面像2021年的话我们又开始探索一些新的场景像Satana就是做一些云边协统AI这个我都会在那个进展里会详细介绍一下就是一些AI的云边协统到后面2021年像我们做了云边网络的项目AgeMesh对到后面2021年的9月份我们也是第一次在那个车上面就是我们一些国内车企里面上汽大通它的汽车里面集成了这个项目然后在车里面通过云边声管一些容器应用到后面这2021年的年底的话就是之前宣传比较多今天上午的KinoTen又讲到就是我们一个卫星的项目就是我们在那个卫星里面用了Kubai主要是做一些新地的一些协统就是我们一些AI 还有一些管控部署这是之前的一些进展到后面到了20年的话一些就是我们做了那个大规模的测试像我们去年测了一个10万的那个病院节点的一个支持这个我都会也会假购的时候会介绍一下就是它为什么能支持这个大规模到后面就是我们还有一些安全我都会也会介绍一下这个就是我们项目的话从18年开源到现在整个它的一些发展历程里面的历程本要大家可以了解一下下面一个我就介绍一下我们项目的一些最近的进展在介绍那个项目进展之前我先介绍一下我们项目的整体架构可能有些同事可能第一次来我先介绍一下这个架构大家看到这个架构就是分为云边端三侧这也是符合就是我们项目的愿景就是说打通云边端整个这条路径通过云上管边这个管端然后云上就是我刚讲了这个地方代表它是一个标准的K8S的一个Master这也是有些社区同学会问就是说我们可不可以跟这个发行版对接能不能跟那个发行版对接就只要你是一个标准的K8S API然后我们就可以对接这个是云上然后右边下CloudCon就是我们新增了一些逐渐AgeCost是我们边缘车的引擎然后中间这有一条通路就是说大家可能会问就是说为什么我们要有这么个CloudCon跟AgeCost这么一个组件就这里就是跟边缘场景相关就是我们这边缘场景里面很多场景里面它的云边网络都是不稳定的比如说我们的边端是一些车或者是一些其他的设备它跟云上没有稳定的网络连接经常会断开那么它需要一些对网络传输的一些增强所以我们这CloudCon跟AgeCost中间其实是对这种网络传输做了一些增强就是保证我云上的命令能可靠的传到我们边缘车对否则的话就是在经常网络断开这种场景下可能会造成一些数据丢失或者命令丢失这个这边缘场景还是不太能接受所以我们对云边网络传输做了增强这是云上到边上边缘端AgeCost就是我们一个完整的边缘车的引擎它其实就是一个裁剪过的Cloud就是左边这一块就是它裁剪了Cloud为了适应边缘轻量化就是有很多边缘的小设备它的CPU memory这些资源比较有限还有就是说像KBUS里面它很多功能可能在边缘场景下面就成用场景不多然后还有一些α特性不稳定的所以我们就把它裁掉了做一个轻量化对 左边的话主要是裁掉这个Cloud它对原生的像CSI、CNI这些能力都是支持的还有CRI这些对 包括Rotem我们也是可以对接多左叫content India、Docca这些都可以这是左边这一部分然后右边就是我们边缘计算里面特有的就是介入ROT设备的管理就是我们在ROT场景有很多ROT设备要介入可以看到右边有一些设备它的介入我们也想通过就是云原生的方式来做一个介入主要做什么东西呢一个就是我们从北向定义了一组API就是我们根据我这个我都会介绍一下就是根据物模型的模型然后我们定义一个北向的API这个API可以控制我蓝向的设备的数据采集什么的就是通过Maple跟那个API来配合实现这个Maple是个什么概念就是Maple也是一个通过容器化部署下来的然后Maple我们会在里面定义一系列标准它可以在里面集成这些设备的协议然后把这些设备通过MapleMaple去跟它连接把它的数据采上来然后在我边缘做一系列处理那个数据怎么处理我等会会详细介绍一下对这个就是我们整体的一个QBIG的项目架构总结下来的话就是它整个从云边端三个部分然后打通了从云上就是控制中心然后来管理边缘节点这道边缘设备对然后这里再说一个就是也有一个问题就是说我们这里分云就是说那我们的控制面是不是一定要跑在云上是不是要跑在公有云上比如说我在一个园区里面有个机房是一个控制中心那我能不能跑这个东西这也是可以的其实我们这里说到云边端其实上面就是一个控制中心你可以把控制中心放在云上也可以放在自己的机房里对反正它就是通过一个中心来控制这些散开的边缘节点这个是一个项目的一个整体的一个架构这个是一个我们就是比如部署一个POD的时候它怎么从云上到边缘其实就是通过我们刚刚那个架构图上面先从我们APS-O这边比如Created一个POD然后到吊动器吊动完之后通过我们刚刚那个Closed Code组件然后那里面有Closed Hub通过那个可靠性的通道就是第13那里传到Age Hub那边去Age Hub就是在Age Code里面Age Code又会把它传输到我们那个裁剪过的那个Cogulite里面然后最终把那个一个容器化的应用在边缘车炮炮起来这里大家可以看到第14部那里有一部就是把POD在节点上做一个持久化就是为什么要做这个持久化呢就是为了解决我们那个边缘制制的问题就是说在边缘场景其实它跟K8S这数据中心还是有点不太一样比如说K8S这数据中心像我们的Cogulite它比如说把那些POD拿回去都是放在内存里面假如说比如说你那个网络断开了然后那个Node发生一些重启那么这个时候你那个就是那个POD就是没办法恢复了这个在边缘里面是非常常见的场景我们边缘场景有些用户呢它的那个边缘节点离线可能离很长时间有一些像那种一些银行的客户他们可能到晚上就是某些就关门之后可能就下电了或者是断开网络了这个时候呢如果那个发生一些重启之类的就是业务没办法恢复了所以我们就做了边缘制制就是把那个POD这些原数据保存在一个边缘节点上的一个侵略级数据库里这样的话就假如说它跟云上就是网络断开之后它边缘那个应用还是可以稳定的运行包括比如说节点重启重新起来之后它会从那个数据库里把这些POD再拉出来再接下来回复起来这样保证一个业务这边缘可以稳定运行这是一个POD的处理流程好 前面是一些背景下面就是我介绍一下我们这个项目里的一些进展然后我们项目里分了好多SEG就是SEG就是项目的一些按领域来分第一个SEG的进展是那个Device IoT这个SEG的进展就是做那个边缘 IoT设备管理的大家可以看到就是像我刚讲的我们整个就是从云边端三侧然后做这个 IoT设备的介入然后在云上通过上面那个CRD就定义了Device ModelDevice Instance API通过这两个API来控制边缘的设备的介入比如说我们这里面可以定义就是构造一个物模型然后再填充一些设备的一些介入的参数之类的把它通过这个API来控制最后这个API通过这个下发到Maple这个地方它接收到那个API里面的信息然后控制这个边缘设备的介入以及它里面还会定义一些就是数据处理的规则就是我们数据采上来怎么处理那些具体的对接业务都在Maple这里面对这个是整个设备管理的一个大的框架吧下面就是展开介绍一下就是Maple这个地方这个就是刚刚这个南下一个Maple的一个详细的架构图吧就是大家可以看到上面就是我们的AgeCore就是边缘称那个引擎通过这个DMI接口对下来对到Maple这个地方然后Maple这个架构里面大家可以看到就是分了大概这几个层次吧第一个就是最上面的这个API层它上面就是对接我们那个AgeCore那一层的其实是中间有一个控制面有一个数据面控制面主要就是接收像我刚讲的一些控制信号比如说一些上面我们通过API控制一些设备的一些介入之类的它发下来通过驱动层这个是一个驱动层然后发下来这个驱动层接收到那些参数之后就可以连接我底层这些像Model Bus的设备接上来这是一个控制面对这个是第一步接上来这个控制面还做的一个事情就是它后面会上报一些我这个设备接入的状态比如说我连的一些ROT设备它现在连接正不正常工作正不正常它会这个状态会爆上去这个是管控面就另外一边我们是数据面在这个地方数据面的话主要就是它从这个Drama底层Drama踩上来的数据在这个数据面怎么处理呢等会我会介绍一下就是我们左边这个通道相当于是一个控制通道就是它的数据量不会太大然后它的数据通道是从右边的那个数据量可能就比较大然后我们数据的话就不通过这个左边这个控制面这个通道去做看下一眼这个就是刚刚那个数据面那边展开就是说我数据踩上来也该怎么处理啊这个就是刚刚那个就是数据面它怎么处理的这个下面是这个驱动嘛它会把一些比如说我连着摄像头啊什么的然后把这个数据踩上来之后我们这个也是根据业界标准的那种物模型的标准来做的就是说数据踩上来也该怎么处理就是物模型的数据也该怎么处理首先呢就是提供了这几个能力吧第一个就是踩上来呢首先我们这下面这个地方就要做数据的标准化就是你踩上来的数据可能是各种各样的包括你的协议啊不一样什么踩上来的数据都不太一样我们首先对数据做一个标准化格式化之后把格式化成一样的数据一样格式的然后呢就提供几个能力好这个是第一步后面的话提供能力就是第一个就是提供PUSH的能力这个也是整个物模型里面一个比较基础的能力啊就是我把数据踩上来之后我可以主动往出推我可以把它推到下MQTT这种地方也可以其他的数据库里都可以这个是一个推的能力好那边呢还有提供一个REST接口它可以让用户提供拉的能力就是你可以主动来请求数据下面一个呢还有一个就是把它存到那个数据库里面比如说有一些死去数据啊存到数据库里面这样的话就是用户想用的时候直接来数据库里取就可以了对这个是我们目前的一个进展就是关于数据采集这边就只是把这些数据按标准来来输出来对后面的话就是我们这样的话就是我们后面可以对接一些上层的一些数据处理的一些就是说一些开源项目或者用户自己有一些数据处理的应用需要对接就可以跟我们这个标准的API来对接这个就是那个RT那个设备数据的一个处理这个也是我们业界就是物模型定义的一些标准的操作大家如果对物模型没有了解的话今天大概就是可以了解一下这个物模型的操作好下面就是另外一个边缘节点的话最近的一些进展就是这个地方呢介绍了我们边缘节点那个清料的话是怎么做的刚我讲有一些裁剪大家可以了解一下就是我们那个裁剪工作是怎么做的就是我们在QBH里面Falc了一个K8S过来然后我们把一些裁剪的工作这是那个K8S的那个最后一个committed点然后我们一些裁剪记录都放在上面然后后面我们QBH里面引的那个K8S其实就是从我们裁剪过的我们Falc过来裁剪过之后然后就是replace到我们那个Falc的那个库里这样的话就说用户比如说你想看一下我们QBH就现在裁剪了哪些功能然后你就可以打开我们那个库那个分支上面看我们裁剪了哪些能力如果你觉得这个裁剪的还不够或者是有些功能你要的功能被裁了你可以自己把这个分支拉过去然后自己把那个committed sign了或者再裁一些就可以然后再重新编译一下那个边缘引擎就可以了这样的话也是可以让用户知道就是我们现在裁了哪些能力包括用户自己如果想要自定义做一些裁剪也是可以操作好 下面一个就是networking的话就是刚刚讲的做一些云边网络我们现在有一个指向我们叫HMesh它主要就是为了解决那个边缘网络就是大家可能会有一个就是我们在K8S里面其实有很多网络的组件比如说像Cooproxy、Codein S这些就是为什么我还要做一个HMesh就是因为像Cooproxy或者Codein S一个是它用的边缘的话比较重我们还希望这边缘做一个针对边缘场景的稍微轻一点的就能解决问题的轻量化的这么一个网络的插件后面就做了这个HMesh它里面比较就是可以做云边或者边边网络联通对 它里面还有就是像我们以前像K8S里面比如说你做那个域名解析就是服务发现的时候可能都是通过Codein S去做的但是在边缘场景的话假如说你的Codein S部署在一个集中的服务器上假如说你网络断开了那你的服务发现就做不了了所以我们在边缘的话其实在每个节点上都缓存了我们相应的它需要的DNS记录类似于就是做了这些边缘增强还就是它里面集成了像Leave P2P就是P2P通信的能力这样的话就是比如说两个边缘节点不在一个值网里面但它可以通过P2P那种打动的方式实现它们应用的互通就是它的节点不能直接通但它可以通过打动的方式实现一个联通啊这是我们网络的一个指向模好 后面就是ARCARC主要就是做云边协同的AR对这个指向模叫Satana叫做云边协同AR它主要做些什么东西呢就是像以前的话我们那种AR就是云上训练然后到边缘推理整个过程是割裂的就是我云上训练好可能需要把模型在手工的然后下发到边缘测做推理对 边缘测收集些数据发到上面上面在做训练就是整个没有自动化起来然后我们这个Satana项目就是做整个一个云边协同的AR就是我在云上推理然后我的模型而云上训练我训练好的模型可以动态的下发到边缘然后我边缘在做一些推理的时候会采集数据然后再发到云上做进一步的训练再到下面就是提高下面的推理精度对整个就是提升了云边AR协同的一个效率这个是国域边缘AR好 下面就是关于项目安全项目安全其实我们最近也做了很多更新这是在Sense 7那边做了项目的一个安全审计然后我们也输出了一些项目的安全审计报告大家如果感兴趣可以看一下就是这对我们项目一个全方位的安全审计有第三方公司来做的当时有发现些问题包括我们现在这社区那个版本里面已经都修复掉了对 包括我们也做了这个模糊测试发行测试对 昨天还有社区的同学有在那个展台问我就是项目有没有做发行测试这个其实我们之前已经完成了还有就是一个威胁模型的一个构建和报告这个也是我们完成了整个项目的一个威胁模型就是我们项目里有哪些可能威胁的点然后我们怎么操作的都在那个文道里这个大家如果感兴趣的话可以扫码 然后关注一下可以学习一下好 下面一个就是我们安全里面的整个漏洞处理的一个流程就是我们社区也是有一套完整的就是这个漏洞处理比如说你发现社区有一个很严重的安全问题可以通过我们那个社区然后上报上报上来我们社区有专门的那个安全team来处理这个安全漏洞比较需要的话我们会发送那个CVE然后发到新版本里然后大家去修复对 这个是那个 security好 最后一个是我们那个SIG Robotics就是机器人我们CVE社区有一个新方向就是做那个机器人方向就是通过这个架构图上画出来就是这是云上通过云上然后来控制我们整个边缘侧的这些机器人就是每个那个note都是一个机器人然后通过云上来统一管控然后通过那个它底座是CVE然后在CVE平台之上呢又提供了一些它自己能力就是这是云上有些像一些访真啊还有些机器人控制啊对 一个机器人管理的能力对 这个解决方案后面也会在我们社区开源这个大家如果有相关的可以关注一下好 这个是那个机器人SIG的一些最新的进展好 后面的话就是我们社区的一些案例以及我们社区发展有那个张宏斌老师给大家介绍一下大家欢迎好的那个首先非常感谢徐飞给我们做了很多在Coubridge这边的所有的一些技术体系可能首先Coubridge这个呢大家参加K-Note的话可以看到不管昨天的还今天的就是Coubridge作为营员生拓展到边缘的一个很重要的一个途径其实在K-Note都得到了很多的关注也重点了描述了我觉得刚才呢徐飞刚我们介绍的一个情况呢是Coubridge这个体系我就有两个特点从技术角度啊第一 它的技术面很宽因为到边缘当中就会和场景非常相关大家看到的可能跟AI可能和机器人其实还有很多很多的场景是场景比较相关的然后第二点呢就是它的技术体系是很复杂的它有很多跟硬件相关的比如说我跟IoT的Device跟AI相关的算法它本身跟K8S相关的整个营员生的体系所以这个整体我们在做的时候呢我们发现这个它的体系很多技术很强而且场景相关很大那所以呢因为整个从Coubridge我们也刚刚提交了给CNSEF做最后的毕业的一个申请我们都知道其实中国这边在营员生的项目发起毕业的项目其实很少所以这个呢也是营员生的整个在边缘当中的一个应该是第一个能够是提交毕业申请的那么接下来呢我觉得呢就从两个方面给大家做一个介绍那么第一个方面呢就是在Coubridge在千百行业当中的一些案例可以那么来说现在边缘Coubridge本身在行业当中的使用非常广可能和我们的像K8S比如说它的行业特性啊或者集中的场景度呢还比较集中但是那边缘当中的场景会非常多所以这边呢我们简单列举了一下大概的一个大的行业和种类当然这只是一方面的可能都至少有十几个有十几个比如说我们的第一个在交通能源包括工业工业里面就有很多的场景了然后包括像CDN运营商以及像那个刚才我们讲的那个低轨道卫星就航空航天智能校园包括那个金融物流包括那个化工能源等等等等以及呢包括我们的一些跟硬件相关的比如说现在硬件加速器啊或者IoT的设备啊我们很多还没有列出来所以这些大行业下面呢中间呢其实提到的一些具体的比如说场景和那个名字都是已经在公开的场合或者来说都作为一个标杆的点心的案例其实很多的分享的可以看到它的特点就是非常广而且每个领域可能都不一样有些呢可能跟设备相关有些呢可能跟场景相关有些呢可能跟数据相关那么我先分享这个案例我们稍微呢Dip dive一下啊这个案例呢其实也得到了很多的关注今天上午在Knode然后Chris也专门讲了一下Krubridge在空天这块的一体化刚才学生也讲了其实这个是在从国际的关注度就非常高的那么简单的一个背景是什么呢就是把Krubridge这样的云边协同的技术应用在了整个低轨的卫星里面一个背景是什么啊为什么它会用到这个场景里面它也不是说为了要一个技术的探索我们看到几个场景是什么一个挑战是什么啊第一 现在的卫星我们就说上天的卫星跟下脚子一样很多很多以后的商业卫星特别低轨道的卫星会特别多这是第一个特点第二个特点我们不知道大家知道吧卫星现在在上面做很多的活动它产生的数据非常大但是卫星和地面中间的轨道这个它的数据的通道还比较窄就会导致一个很大的问题就是卫星产生的数据90%在原来传统的上面是被丢掉的因为它传不回来它的那个轨道不像互联网一样有光纤它怎么样去做它传不回来但是现在卫星不管是卫星产生的还是卫星与卫星之间的一些数据是完全没有用得上的它又不可能传绘成本太高了第三 卫星现在上去了过后它的场景是非常多的可能原来这些通信卫星或者一些摇杆卫星但现在有很多的卫星是拿来做很多的生产活动甚至说也商业价值它有很多的场景相关所以原来的传统的这种传输的数据量和它的场景都源源不满足现在新的低轨道这个卫星的需求也就是说也就算卫星上面要做很多的处理相对于地面来说卫星肯定是一个小的边缘虽然它在高空它是一个小的边缘所以这个他们叫一个天算计划其实就是一个低轨道的卫星然后来做了一个什么事情呢就用到了很多首先用到了Kubrig这样的云边协同的技术然后第二就是在里面用到了像Sendala这样的AI的联合框架它一个场景就是什么呢在卫星可能拿到了很多数据它会一些小模型它可以来来做计算它计算量它用小模型但地面因为它的运算量很大它就可以做大模型的计算就刚才用到了刚才Sendala这样一个框架他们可以做联合推理联合运算包括整体的在AI方面的共同训练它就可以做这样的事情那么它的效果就是从卫星到地面的整个传输的量减少了90%因为绝大部分的数据在卫星上面都已经计算过了它传回来的可能是一些关键数据或者计算过后的数据然后再进一步在地面去算这是第一第二的话就是在大模型就地面上的大模型和卫星的小模型它们这样联合的一些推理它整个会把精度识别提高更高提升了50%所以其实在AI方面的场景还只是可能空天结合的一个场景可能接下来到整个的比如说除了模型本身的运算它可能还有在跟场景相关的比如说跟地面配合做一些决策包括这里面整体能够在做更多的一些设备管理就卫星有卫星之间的很多的工作新卫星之间的还有很多很多的工作可以去做所以这个也设备大家提及的比较广泛的而且是场景非常相关的一个关于在Kurbaraj云边协同的一个技术在卫星里面地轨到卫星的一个应用场景那么第二个其实这个是跟能源跟油气开采比较相关的这个也是一个很大的企业那么最后呢就是他们的整个的方案也是一样的因为在油气开采的时候它也是在深海嘛或者来说是有很多的自然资源条件的限制它的传输的它的运算量不可能很大然后它的数据它要涉及到整个跟你的设备相关的跟你的安全相关的然后包括你的开采的时候你本身相关的一些应用比如说你要做可视化数据收集这些都是在你整个开采的现场它可能需要能够来去做到当地的一些应用当前大量的数据包括出现应用程怎么统一管理还是需要能够在云端的那么这一块就在油气开采的时候它通过云边协同的方式它可以做到整个你的这个cost就是整个的成本会下降很多然后很关键的那点就是它的可以保证你的安全因为这个其实是一个在安全作业的一个场景安全的时候就可能会涉及到很多的安全有环境的安全你的数据的安全包括你一个人的作业的安全所以当时都可以通过统一的角度在通过云边的方式能够做到这样的统一的管理和它后面场景的一些统一的一些识别和统一的一些操作这是另外一个在另外一个场景比较相关的其实这里面有很多很多的案例就刚才我们讲的可能有十几个大内如果细分的话可能就几百个小内我们这只是举了一两个例子接下来其实Koubrec每年都会有专门的Summit然后其实当时就会有很多嘉宾然后分享整个Koubrec在各行各业他们的一些实践和案例那么接下来我会给大家分享一下我们怎么样能够在社区的治理和运营这块我们的一些工作因为刚才我们说Koubrec本身要毕业其实真的要毕业过后的话你怎么样能够保证这个社区是比较平稳的而且能够得到众多参与的你的治理 你的运营方式其实是至关重要的其实这也是整个Koubrec的TSC就是技术委员会在过去我们大概大半年吧我们花的时间最多的一个方面你是否能够毕业其实一方面看你的技术是否成熟还有很大的方面就是看你的治理体系是否完整 是否稳健所以这块可能在其他的这个技术分享会里面不会有太多设计但这块我们想重点的提一下大家看看怎么样一个项目可能从一个idea慢慢到一个孵化慢慢到更多人来参与这个就是首先这个社区如果要壮大那肯定是需要大家众多的小伙伴一块来玩的目前又是整个华为是发起这个项目目前华为投入也是最多的贡献是最大的当然这里面贡献最大也包含了原来华为在初始期的时候贡献很大但是我们可以看到这里面大概有几十家企业它都在里面做了很多的contrude view型据我们统计大概有6800个star大概有1900个fox然后参与者 贡献者大概有1400个然后code的提交者大概有400多个参与的各个的组织和公司机构有超过100家这个其实整个我们的一个治理架构这也是我们最近整个的TSA会议可能花了很大的时间能够在做的首先从整个治理架构来说我觉得像CNCF为什么能够把云烟生经纪会云烟生的做得那么好就在于它有个非常完善的正正来说而且非常中立的非常高效的一个治理架构就比如这个会它本身就是整个运营的架构的一部分方面首先我们会有一个TSATSA就是Technical Steering Committee这里面TSA我们有七个member因为他投票肯定只能单数因为七个member基本上能够涵盖主要的贡献者贡献的公司包括国内海外都有所以有七个目前这里面的TSA是整个最高的决策委员会所有的大一些整个的技术体系包括发布都是TSA来做的TSA下面会有几个子的委员会以及会有一些special的team就比如说这边的一些整个project的一个的治理我们要看怎么去发布它是否那些发布的时间点然后包括一些SEA个怎么去管理包括人员的任命等等这些都是由TSA或者TSA下面的一个职委员会或者special的team他们来承担的那么中间的具体的模块我们都是用个SEA个的方式这个和SEA&SEAF是完全一样的比如说现在目前我们有整个的一些各种SEA个包括从大的一模块然后或者说一些大的功能都有SEA个SEA个下面会有小的project或者subproject这个就跟可能现在它还没有到SEA个阶段它可能现在还要做一个它可能是一个短期的我们就以project的角度能够去做最后可能是一个working group目前我们有9个已经有的SEA个目前包括load的就节点的device的然后scanability的networking的安全G7 AI和MEC现在三个是即将我们成立的比如说有release的SEA个testing和整个cluster的nive cycle有一个workgroup就是wireless的最后是这边整个所有的参与的程度基本上这边有特别有意思的一点其实crubrage这个边缘就算我们和学界就是和研究界研究机构和高校这边有很强的一个扭带像去年crubrage除了我们的三别之外我们专门办了一个叫academic然后一个meeting就是一个学术会议有非常多的高校我们去年统计了下大概有30-40所高校而且80%以上都是985的高校我们发现他们的研究非常的活跃因为这个它是一门综合性的学科它有跟计算机相关的跟云相关的可能通信网络相关的可能还有个IoT等相关的所以它就把很多原来的学科串起来了所以这位为什么下面看着有很多的学校里面有很多的厂商有硬件的有软件的 有系统解决方案的还有整个做云的公司这里面它只是一部分了但其实我们还没有加太多硬件的公司因为如果再加上一些硬件适配的话Ai的话 那就非常大的版图了那么最后我们提一下后面的一个roadmap这边大概有颜色 标记了一下然后现在因为这个云边它涉及到面特别多所以方方面面基本上我们分为大概三四层的一个架构最上面其实跟场景比较相关的刚才我们讲的能源IoT AI MEC加上机器耳它跟场景相关的在某些场景下面可能都会有场景对应的SDK比如说机器人还有机器人对应的SDKMEC它可能在这块有专门的然后最下面这一层其实我们是做所有的我们叫易购设备的兼容层可能会有IoT的设备那可能设备就有协议那可能会有操作系统比如说临尼克斯温都是安卓对吧 鸿蒙有不同的架构对吧 插8.6的arm的risk file的所以它都得要完全进兼容我们把底层的所有东西现在都做易购的整个资源的能够把它给抽出来中间这一层就是我们整个能够抽出来的整个框架刚才可能学费讲了很多框架比如说我们的云边这块就resource管理然后我们这边的所有的编排通信包括它的一些框架以及它敢装碳这些工作所以基本上我们从三层上面场景层下面设备介入层和中间的整个框架层但右边可能就所有的兼容认证 安全这些都是要整个贯穿 整个体系的这里面有一些工作是已经做了的当然那个黑字的部分就是我们的roadmap里面要做的所以接下来这部分的工作非常多也非常欢迎大家能够都来加入我们一起能够把云边的框架或者整个技术能够做得更完善最后呢就就是我们的口号整个clown lady的整个knoll说的就是make a cloud ladyUB Quaters就无数不在但其实目前绝大部分的k8s都在中心里面我认为它更多的觉得UB Quaters无数不在就把那个重任交给边缘了因为只有边缘可以让它能够带到无数不在的地方好吗右边是整个cruberage这个社区的一些讨论包括这边信息的一些分享也非常欢迎大家我们多来交流包括多来能够提出一些有意的建议或者意见好的 谢谢这是我这边的部分看看大家有什么问题学会和我一起可以给大家解答一下明白那我先回答一下 好吧就是首先cruberage我们是希望的方式是它是解偶的所以中间有一块接下来我马上会推出一个点就是我们会做一些就兼容性或者移制性的认证就首先cruberage本身来说这是一个开放的大家框架成我们尽量是不仅是和设备解偶它和本身的协议本身的那个实现都会解偶的都是分层的体系这样的好处就是可以让就是不同的设备不同的协议它可以能够插进来然后同样的我们通过兼容性的认证过后然后很多设备它出场的时候它可以能够做兼容这样我们从这个体系能够保证它本身适配的大概这样一个情况是这样一个场景就比如说我们建了一个叫云边协同的边缘云也好 这也好它首先它会比如说从因为一个设备接近来假设是一个设备假设是一个摄像头它可能是一个像USB的因为这个它比较标准那基本上可以看到整个它就完全支持了然后如果有些像工业设备因为工业设备可能接近来过后它还有很多专门的接入标准接入协议它看一下ModelBus也好MQTT可能是标准的它一些工业很特别的那么好你可以查我们支持的一些协议对吧 刚才那个那个设备也讲了一下我们后面在DMI这边有这块的框架如果不支持那么你呢是可以能够通过自己去在我们的通过这个框架来扩展是这样一个情况就基本上简单的说我们把标准的协议接入通信方式我们都可以能够很好的支持了但不排除有些真的是很很设备厂商个性化的特别是在工业场景里面深得了 是吧对 我们这个里面其实是提供了就是有开发套件它可以跟那个AR框架集成像他们现在右边写了跟那个TeslaFloorPattagePattlePattleMindsFloor这是主流AR框架我们可以就是我们的套件可以跟这些集成然后来实现就是我们云边的AI的协同就是套件就是插在它那个框架上面对框架做那个云边AR的增强就比如说你是个边缘AR的因为可能我们在训练的时候可能需要在你那个TeslaFloor框架上面把我们的那个套件插进去做那种对就在Sidenar这个项目里面而云边都有因为它是联动的对它训练应该主要还是放在云上边缘车主要还是做一些推理的工作因为边上的话可能算力经常还是比较有限的对大家还有别的问题讨论吗对往前往这边对是指这个AgeCode这个的数量因为我们其实在CodeCode这边这个连接做了一层缓冲相当于是在这边对你像K8S原生比如说这是个Couplet它这个连接就会直接打到那个APS-2上面去吗就是说对就是我们这边在这边缓冲了一下就是我们这些测能10万节点的时候就是每一个CodeCode上面然后打了大概2万个边缘节点的连接到这上面来然后它到APS-2只需要一条连接就行了所以那个10万节点的模型的时候就是我们5个CodeCode有5条长连接到APS-2上面去然后每个上面又连了2万个边缘节点这个大规模也是因为我们针对那个边缘藏进去测试的因为边缘藏进的话它比较简单就是一些可能应用管理这种这CodeCode上面就存一些就是一些NodePOD这些试问的信息它不会太复杂你像我们比如说你把K8S用对对就是据我们测试的话就是还好就是那个量级上去的话还是可以撑得住的就是我们当然用一些高性能的一些存储次盘对就是我们主要是测试的主要是针对边缘场景其他数据量就是没那么多的比较数据中心你如果是要在数据中心用K8S的话你可能要结合网络存储那些它会对那个性能带来一些限制我们在边缘的话主要还是针对比较简单的那种就做一些应用管理然后大规模的边缘节点就边缘的话像比如到了那种10万的场景的话一般都是一些散开的小盒子那种盒子设备你不可能有10万个服务器要连上来都是一些小的设备就是它的管理是比较简单的数据量也没那么大的远数据也没那么多感谢大家留在最后一天最后一场还在我们的现场