KubeEdge

【推荐】2019 Java 开发者跳槽指南.pdf(吐血整理) >>> 北京时间9月17日，KubeEdge发布了新的特性版本v1.1。 在上个版本发布EdgeMesh、EdgeSite等特性后，KubeEdge持续保持高速的迭代开发，本次发布的v1.1新版本包含了 容器存储标准CSI集成、对象校验组件Admission Webhook、单机一键启动KubeEdge集群工具、边缘节点支持DockerShim、升级Kubernetes依赖到v1.15 Stable版本，以及25处问题修复。 Release下载地址： https://github.com/kubeedge/kubeedge/releases/tag/v1.1.0 接下来本文将逐一解读KubeEdge v1.1的新特性。 KubeEdge项目背景 KubeEdge即Kube+Edge，顾名思义就是依托K8s的容器编排和调度能力，实现云边协同、计算下沉、海量设备的平滑接入。 KubeEdge架构上分为三个部分，分别是云、边、端三侧。 云端负责云上应用和配置的校验、下发，边缘侧则负责运行边缘应用和管理接入设备，设备端运行各种边缘设备。KubeEdge完整的打通了边缘计算中云、边、设备协同的场景，整体架构如下图。 云端组件包括CloudCore、Admission Webhook ，它们构建在K8s的调度能力之上，100

【推荐】2019 Java 开发者跳槽指南.pdf(吐血整理) >>> 3月29日，权威技术分析网站The New Stack在Edge/IoT专栏发表了关于边缘计算项目KubeEdge的最新调研报告。原文观点如下： https://github.com/kubeedge/kubeedge 云原生计算和边缘计算代表了两个独立并且重要的现代基础设施方向。云原生计算是云计算的第二波浪潮，它提供了对云的最佳投资回报。而边缘计算充当云和物联网（IoT）设备之间的管道，为数以百万计的物联网设备和应用程序提供自主和智能计算。 人工智能的兴起使得边缘计算变得更加重要。在云上经过训练的复杂模型被部署在边缘进行推理。 Kubernetes已经成为在数据中心和公有云中部署和运行容器化工作负载的黄金标准。在很短的时间内，云原生生态系统增添了多种能力，使Kubernetes成为一个强大而可靠的平台，可以大规模的运行互联网应用和企业业务应用。 投资物联网平台的公有云提供商正在将其产品延伸至边缘。物联网应用的设备注册、通信、部署和管理主要在云端运行，并扩展了对边缘的支持。这些提供商现在正在连接IoT、ML和AI平台，无缝地将ML模型从云端推向边缘。Azure IoT Edge、AWS Greengrass和Google Cloud IoT Edge就是公有云支持边缘平台的产品样例。诸如FogHorn、Swim

【推荐】2019 Java 开发者跳槽指南.pdf(吐血整理) >>> 边缘计算与KubeEdge 云计算离终端设备（如摄像头、传感器等）较远，对于实时性要求高的计算需求，把计算放在云上会引起较长的网络延时、网络拥塞、服务质量下降等问题。而终端设备通常计算能力不足，无法与云端相比。在此情况下，边缘计算应运而生，将云端计算能力延伸到靠近终端设备的边缘节点，完美解决上述问题。 KubeEdge作为全球首个Kubernetes原生的开源边缘计算平台，依托Kubernetes的容器编排和调度能力，通过纳管用户的边缘节点，提供将云上应用延伸到边缘的能力，联动边缘侧和云端的数据，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云协同一体化服务的边缘计算解决方案。 本文将介绍KubeEdge是如何在云端管理边缘侧的设备的，例如：用户只需在按下手机上app的一个按钮，就能打开自己家中的电灯。 设备孪生与KubeEdge设备管理 说到IoT设备，不得不提到一个概念叫做设备孪生Device Twin。设备孪生作为一种IoT设备元数据在应用平台上的虚拟映射，已经成为IoT设备管理的重要组成部分。IoT设备通常包含两类数据：一是不会改变的元数据，包括序列号、资产标识符、Mac地址等描述设备的详细信息

【推荐】2019 Java 开发者跳槽指南.pdf(吐血整理) >>> 从v0.1到v0.2 小数点后的一小步 是边缘计算领域里程碑式的一大步 KubeEdge发布v0.2版本 全球首个基于K8S 提供云边协同能力的开源边缘计算架构 正式补齐最后一块拼图 将毫无保留地提供 云原生的端到端边缘计算解决方案 项目地址： kubeedge/kubeedge KubeEdge开源背景 KubeEdge在18年11月24日的上海KubeCon上宣布开源，技术圈曾掀起一阵讨论边缘计算的风潮，从此翻开了边缘计算和云计算联动的新篇章。 KubeEdge即Kube+Edge，顾名思义就是依托K8S的容器编排和调度能力，实现云边协同、计算下沉、海量设备的平滑接入。KubeEdge架构上包含两部分，分别是云端和边缘侧。云端负责应用和配置的下发，边缘侧则负责运行边缘应用和管理接入设备。 此前，关于用K8S在边缘侧部署应用还一直停留在实验阶段，KubeEdge脱胎于华为云IEF服务，是第一个具备在生产环境部署能力的边缘计算领域开源项目。前几天K8S IOT/Edge工作组发布了关于边缘计算的白皮书，并将KubeEdge作为K8S在IOT/Edge场景下的参考架构。 KubeEdge开源后国内外也出现了一些开源的边缘计算平台和基金会。但是当你仔细研究这些项目时会发现，LF Edge糅合了5个项目有点像是大杂烩

【推荐】2019 Java 开发者跳槽指南.pdf(吐血整理) >>> 2018年11月15日上午Huawei在上海KubeCon宣布了KubeEdge项目开源，并公布了KubeEdge这个开源项目的地址（欢迎Star、Folk，各种Issue、PR）： kubeedge/kubeedge 并演示基于KubeEdge管理摄像头的一个智能考勤系统的例子。 在此之前，先简单介绍下KubeEdge这个项目背景。当前，越来越多的计算正在从云端往边缘侧转移。 我们身边随处可见边缘计算的场景，例如： 智慧园区，可以在边缘侧完成提取视频、图片的摘要，图像识别放在云端。 工业机器人，需要在边缘侧进行消息预处理与模式匹配。 车联网等等，需要在边缘侧进行ML模型预测等。 5大现实场景下的“客观因素”推动计算从云端走向边缘： 低延时要求。AR/VR的时延要求是ms级，工业控制的时延更是在us级。 高可靠性。具体表现为：>99.999%的可用性，响应时间可预测，响应结果可重复等。 本地自治。要求边缘侧可适应偶尔断网，或者直接本地自治。 海量数据和有限带宽的矛盾。设备侧将产生海量数据，而以目前的带宽还无法承载这数据量。另外一个事实就是，很多数据没有全局价值，没有必要浪费带宽上传到云端。 信息安全。考虑到商业密码和个人隐私，很多机构和个人并不愿意把数据传输到云端。 中心云无法很好地解决以上问题