CN110572448B - 一种分布式边缘云系统架构 - Google Patents

Abstract

本发明属于边缘云计算系统技术领域，公开了一种分布式边缘云系统架构；该架构包括边缘节点、边缘计算智脑平台层、边缘安全边界层，边缘节点通过边缘专网与边缘计算智脑平台层进行通信；边缘计算智脑平台层的智脑平台对接多个不同边缘节点，实现分布式部署；通过边缘节点接入的外部终端设备获取数据并上传给边缘节点进行处理；边缘计算智脑平台层通过边缘安全边界层与中心云或行业云进行通信；边缘安全边界层作为边缘云系统与中心云或行业云进行通信的接口，用于保障边缘云与中心云或行业云之间的通信安全；本系统架构具有低时延、安全性高的特点，满足敏捷联接、实时业务、数据优化、应用智能、安全与隐私保护方面的需求。

Description

一种分布式边缘云系统架构

技术领域

本发明属于云计算技术领域，更具体地，涉及一种分布式边缘云系统架构。

背景技术

传统的云中心解决方案由大量网络资源、存储资源和计算资源构成，向外提供软件级(SaaS)、平台级(PaaS)、数据库级(DaaS)、基础设施级(IaaS)；服务器、存储、网络、应用等皆通过虚拟化技术，使用户可以按需调用各种资源。这类中心云的技术方案，存储和应用等资源都在云端，给用户数据的存储和使用带来极大安全隐患；而且存在时延，由于用户的每个服务请求皆由云端提供，很难满足具有高实时性业务的需求，在工业领域尤为明显；另一方面，由于包含大量网络、存储和计算资源，需要较高的建设成本。

而随着5G、物联网技术的快速发展，中心云所提供的服务无法满足终端侧“大连接、低时延、大带宽”的需求；急需提供一种融合网络、计算、存储、应用核心能力的分布式开放平台，就近提供服务，满足行业数字化在敏捷联接、实时业务、数据优化、应用智能、安全与隐私保护等方面的关键需求；边缘云即为解决这些问题而被提出，边缘计算产业联盟与工业互联网产业联盟推出了定义边缘计算框架的《边缘计算参考框架3.0》、以及《边缘计算产业联盟白皮书》。

然而，这些现有技术所提出的边缘云方案还存在待改进之处；在安全隐私方面：由于边缘节点本身存储计算能力一般，数据大都存储在中心云或边缘数据中心，而不再存储在用户侧，脱离用户的直接管控，具有安全风险。而运营商方案虽能提供一个中心云之外的边缘数据中心，但是对运营商资源譬如基站的依赖性较强，其他用户想独立部署出这类方案很难实现。另外，现有的边缘云框架里采用边缘靠近设备的一层结构包括边缘节点或边缘网关来提供计算处理能力，该架构下，针对计算复杂度高的情况譬如机器学习、深度学习等任务则需要部署计算力更高的边缘节点，将使得系统变得臃肿，而且带来成本的增加；而若是将这类复杂的任务提交到中心云来处理，则会增大通信压力，而且会增加由于网络数据访问、数据传输所带来的时延。

发明内容

针对现有技术的以上缺陷或改进需求，本发明提供了一种分布式边缘云系统架构，通过增加具有智能处理能力的边缘计算智脑平台层来提供智能分析和计算服务，智脑平台下对接多个边缘节点实现分布式处理，实现在业务侧就近提供服务，降低延时、提高安全性。

为实现上述目的，按照本发明的一个方面，提供了一种分布式边缘云系统架构，包括边缘节点、边缘计算智脑平台层、边缘安全边界层；

外部终端通过边缘节点接入到分布式边缘云系统，边缘节点通过边缘专网与边缘计算智脑平台层进行通信；边缘计算智脑平台层通过边缘安全边界层与中心云或行业云进行通信；

边缘计算智脑平台层所包括的智脑平台与边缘节点数量为1：N的关系，N为自然数；

接入到分布式边缘云系统的外部终端将用户数据、传感数据、业务数据等终端数据上传到边缘节点；对用户请求的任务则根据任务的复杂度和/或实时性要求分配到边缘节点或边缘计算智脑平台层进行处理；边缘安全边界层作为边缘云系统与中心云或行业云进行通信的接口，设置有安全访问机制保障边缘云与中心云或行业云之间的通信安全。

优选的，上述分布式边缘云系统架构，其边缘计算智脑平台层的智脑平台包括设于底层用于与边缘专网进行通信的通信模块，包括用于计算、存储和网络通信的硬件设备；智脑平台的底层操作平台采用云操作系统；在一个优选方案中还集成了AI框架和大数据分析框架。

优选的，上述分布式边缘云系统架构，其边缘计算智脑平台层的上层对外提供标准化接口譬如RestFul API接口，用于接入行业云或公有云。

优选的，上述分布式边缘云系统架构，边缘节点、边缘计算智脑平台层的智脑平台均具有数据处理能力，对于只涉及当前边缘节点数据的业务则分配到边缘节点处理；对于需要从多个边缘节点汇总或抽取数据的业务则分配到边缘计算智脑平台层处理。

优选的，上述分布式边缘云系统架构，任务的分配与执行任务的方式有关，对于涉及机器学习的任务，则由边缘节点进行数据处理、执行模型，而计算量大的模型训练则由边缘计算智脑平台层的智脑平台来处理。

总体而言，通过本发明所构思的以上技术方案与现有技术相比，能够取得下列有益效果：

(1)本发明提供的分布式边缘云系统架构，在现有边缘云系统架构基础上增加了一层用于进行复杂任务处理以及大数据量计算的边缘计算智脑平台层，将边缘侧与中心云解耦合，在业务侧就近提供服务；网络、应用、数据存储都在边缘侧；相比于边缘云系统里边缘节点直接与中心云进行交互，业务处理需要边缘节点与中心云进行协同，需利用中心云的存储和计算能力的架构而言，本发明的这种架构，将中心云的计算、存储能力进行下放，即由边缘计算智脑平台层来承担强大的计算、存储与管理功；从整体结构上看，边缘侧将具备较为独立的计算存储处理能力，不再过于依赖中心云，减少了边缘侧与中心云的交互，实现解耦；同时由于系统架构中的各层均具有安全控制模块，具有低时延、安全性高的特点，满足敏捷联接、实时业务、数据优化、应用智能、安全与隐私保护等方面的需求。

(2)本发明提供的分布式边缘云系统架构，其边缘节点、边缘计算智脑平台层均具有数据处理能力；将计算复杂度高的业务譬如机器学习、深度学习等通过边缘计算智脑平台层处理，相比于现有技术将这类业务提交到中心云的方案而言，降低了通信压力而且降低了延时；相比于部署计算力更高的边缘节点或网关的方式，降低了成本而且使得系统架构轻量化；而另一方面，边缘计算智脑平台层具备对边缘节点进行维护的功能，包括监控、告警、对故障边缘节点的恢复，通过边缘计算智脑平台层与边缘节点协同、边缘云与中心云协同，使分布式边缘云系统具备了自学习、自进化能力。

(3)本发明提供的分布式边缘云系统架构，其具有智能处理能力的边缘计算智脑平台层可提供多种智能分析包括数据分析、机器学习、深度学习，以及计算服务、微服务；而智脑平台下可以对接多个边缘节点，实现分布式处理，通过分布式部署易于横向扩展边缘节点数量，能适配智慧城市、工业互联网、电力、新能源多种不同业务场景，具有较高兼容性、实时性、可靠性和稳定性；

另一方面，边缘计算智脑平台层可作为边缘侧数据中心来存储用户数据，将用户数据存在靠近用户的边缘侧，解决了现有技术中由于边缘节点本身存储计算能力不够而需要将数据中心云或运营商方案中的边缘数据中心而带来的大量数据交互及通信延时。

(4)本发明提供的分布式边缘云系统架构，其边缘专网兼容有线网络、无线网络，宽带、窄带，而边缘节点兼容容器、虚拟机、裸金属服务器，整体架构具有较高融合性和兼容性，满足多种不同业务场景需求；相对传统中心云方案，边缘云较为轻量化，可根据业务场景灵活配置，具有低成本的优势。

附图说明

图1是本发明实施例提供的分布式边缘云系统的架构示意图；

图2是本发明实施例提供的分布式边缘云系统的边缘节点架构示意图；

图3是本发明实施例分布式边缘云系统边缘计算智脑平台架构示意图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。

参照图1，实施例提供的分布式边缘云系统架构包括若干边缘节点(EN)、边缘计算智脑平台(ECB)层和边缘安全边界(ESB)层；

其边缘计算智脑平台层所包括的智脑平台与边缘节点数量为1：N的关系，一个智脑平台可以对接多个不同边缘节点，实现分布式部署；

边缘节点通过边缘专网与边缘计算智脑平台层进行通信；接入到边缘结点的终端设备获取用户数据和传感器感知信号并上传给边缘节点；

边缘计算智脑平台层一侧通过边缘专网与边缘节点通信，另一侧与中心云通信；边缘计算智脑平台层对外提供用于对接工业互联网平台的标准化RestFul API接口；实施例中，边缘计算智脑平台层预置有工业数据分析算法，用于深度分析和挖掘工业数据，以及用于处理复杂计算任务包括微服务、规则管理等；边缘计算智脑平台层还用于管理边缘节点；

边缘安全边界层用作边缘云系统与中心云或行业云进行通信的接口，设置有安全访问机制以保障边缘云系统与外界通信的安全。

边缘节点与边缘计算智脑平台层均具有数据处理能力，这两者之间的任务分配可根据具体场景及所涉及的业务灵活调整，根据实际业务需要分配。实施例中，将实时性要求高、只需局部数据、计算复杂性低的业务分配到边缘节点处理；将数据集中化、需要从多个边缘节点汇总或抽取数据、计算复杂性高、实时性要求不高的业务分配到边缘计算智脑平台层处理。

在实际应用中，边缘专网包括但不局限于4G/5G、LAN和/或工业PON网络。

在一个优选实施例中，边缘节点的架构参照图2，包括用于接入边缘专网进行通信的通信模块，以及容器、虚拟机、裸金属服务器中的一种或多种的组合，具有独立的用于计算、存储和/或网络通信的基础硬件资源；边缘节点提供的服务包括web、SSH(secureshell，安全外壳协议)、APP(application，应用)、函数计算、文件服务、执行AI(artificialintelligence，人工智能)模型任务的AI框架、流计算、数据处理、规则引擎和/或协议解析，具体可根据实际业务规模和需求来配置或剪裁。

实施例中，边缘节点具有独立的用于保障边缘节点自身数据、网络和应用安全的安全组件，并具有边缘自治能力，当边缘专网终端故障、或是与边缘计算智脑平台层之间的连接出现延迟或故障，边缘节点仍能为终端设备提供服务，具有较高的实时性和稳定性。

实施例中，边缘计算智脑平台层的架构参照图3，其底层具有用于与边缘专网进行通信的通信模块；具有可采用通用计算机或服务器实现的用于计算、存储和网络通信的硬件资源；

边缘计算智脑平台层的底层操作平台采用边缘云操作系统，譬如OpenStack、kubernetes。在一个实施例中，边缘计算智脑平台集成了AI框架和大数据分析框架，具备海量数据深度分析及智能处理能力；AI框架采用譬如tensorflow、caffe、keras、或SparkMLlib等；大数据分析框架采用Hadoop、Spark、Flink或Storm。在实施例提供的分布式边缘云系统架构的应用中，对于用户请求的涉及机器学习的任务，由边缘计算智脑平台层进行模型训练，由边缘节点接入数据并执行训练好的模型。

边缘计算智脑平台层能提供的服务包括但不限于MES(manufacturing executesystem，制造执行系统)、DCS(distributed control system，分布式控制系统)、微服务、开发套件、网关设备管理、规则管理和/或应用商店，为第三方应用开发者提供基础；

边缘计算智脑平台层的上层对外提供标准化RestFul API接口，用于接入行业云或公有云，一方面，智脑平台能从行业云或公有云获取更多智能计算能力譬如获取算法模型，另一方面，也可以向行业云或公有云提供智脑平台的智能模型。

在一个应用实例中，将上述分布式边缘云系统架构应用于智能电网；边缘节点接入有若干继电保护设备、智能电表等终端设备，接收这些终端设备上传的数据或状态信息；由边缘节点提供电力数据分析任务；在该应用实例中，边缘计算智脑平台层部署于电网调度中心，用于提供负荷建模、模型校验和/或仿真计算的工作。

在另一个应用实例中，边缘计算智脑平台层的智脑平台集成有Tensorflow(谷歌深度学习框架)这种AI框架，预置智能模型包括决策树模型、支持向量机、深度学习网络；使得该分布式边缘云系统具备了智能分析能力。

本发明提供的分布式边缘云系统，在边缘节点与中心云之间增加边缘计算智脑平台层，采用边缘计算智脑平台层将中心云与边缘节点解耦合，将复杂业务或大数据量计算任务分配到边缘计算智脑平台层处理，无需发送到中心云处理，减少了网络数据访问、数据交互量以及数据交互导致的延时，也无需为了处理复杂任务而在终端节点部署计算力更高的边缘节点或网关，使得系统轻量化且极大降低了处理成本；

由于边缘节点可选择容器、虚拟机、裸金属服务器中的一种或多种，边缘计算智脑平台层对容器、虚机和裸金属服务器进行管理维护；针对不同的业务需要，边缘节点可以选择容器、虚拟机、裸金属服务器的不同组合方式进行部署，可以针对实际业务需求来配置终端节点，具有更好的兼容性和适配性；而且边缘计算智脑平台层的一个智脑平台对应多个边缘节点，可对边缘节点进行灵活地分布式部署。而由于边缘节点有边缘自治能力，在与智脑平台连接出现延迟或故障时，边缘节点仍能提供服务，具有较高的实时性和稳定性。

通过判断用户请求的任务所涉及的边缘节点数量将任务区分成复杂任务、简单任务，将复杂任务分配到边缘计算智脑平台层处理，简单任务则由边缘节点处理，由此，边缘节点与边缘计算智脑平台层协同工作，不仅有效降低网络数据访问所带来的数据流量、传输延时，缩短响应时间，而且可以降低对网络资源的依赖；而另一方面由于边缘节点能进行分布式部署，该系统架构具有较好的负载均衡能力。

本领域的技术人员容易理解，以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (9)

1.一种分布式边缘云系统架构，其特征在于，包括边缘节点、边缘计算智脑平台层、边缘安全边界层；

外部终端通过边缘节点接入到分布式边缘云系统，边缘节点通过边缘专网与边缘计算智脑平台层进行通信；边缘计算智脑平台层通过边缘安全边界层与中心云或行业云进行通信；

边缘计算智脑平台层智脑平台与边缘节点数量为1：N的关系，N为自然数；

接入到分布式边缘云系统的外部终端将终端数据上传到边缘节点；所述边缘节点、边缘计算智脑平台层均具有数据处理能力；对用户请求的任务则根据任务的复杂度和/或实时性要求分配到边缘节点或边缘计算智脑平台层进行处理，具体的：将只涉及当前边缘节点的用户请求分配到边缘节点处理；将需要从多个边缘节点汇总或抽取数据的用户请求分配到边缘计算智脑平台层处理；边缘安全边界层作为边缘云系统与中心云或行业云进行通信的接口，设置有安全访问机制保障边缘云与中心云或行业云之间的通信安全。

2.如权利要求1所述的分布式边缘云系统架构，其特征在于，所述边缘计算智脑平台层的智脑平台包括

设于底层用于与边缘专网进行通信的通信模块；

用于计算、存储和网络通信的硬件设备；

智脑平台的底层操作平台采用云操作系统。

3.如权利要求2所述的分布式边缘云系统架构，其特征在于，所述智脑平台集成了AI框架和大数据分析框架。

4.如权利要求3所述的分布式边缘云系统架构，其特征在于，对于用户请求的涉及机器学习的任务，由边缘计算智脑平台层进行模型训练，由边缘节点接入数据并执行训练好的模型。

5.如权利要求1或2所述的分布式边缘云系统架构，其特征在于，所述边缘计算智脑平台层的上层对外提供标准化接口，用于接入行业云或公有云。

6.如权利要求1或2所述的分布式边缘云系统架构，其特征在于，所述边缘节点包括

用于接入边缘专网进行通信的通信模块；

以及容器、虚拟机、裸金属服务器中的一种或多种。

7.如权利要求1或2所述的分布式边缘云系统架构，其特征在于，所述边缘计算智脑平台层对边缘节点的容器、虚机、裸金属服务器进行管理维护。

8.如权利要求1或2所述的分布式边缘云系统架构，其特征在于，边缘节点具有独立的用于保障边缘节点自身数据、网络和应用安全的安全组件。

9.如权利要求1或2所述的分布式边缘云系统架构，其特征在于，边缘节点具有边缘自治能力，当边缘专网故障、或是边缘专网与边缘计算智脑平台层之间的连接出现延迟或故障，则由边缘节点为用户终端设备提供服务。

Images