e-works数字化企业网  »  文章频道  »  基础信息化  »  网络与安全

华为史扬:边缘计算参考架构

2018/2/7    来源:中国信息通信研究院    作者:史扬      
关键字:边缘计算  人工智能  
我们在行业智能2.0时代是以物的数据为中心,需要建立起物的数据和商业数据的一个智能。
华为史扬:边缘计算参考架构
 
    史扬:各位领导、各位嘉宾下午好,我们边缘计算产业联盟和工业互联网联盟在去年年底发布了边缘计算参考架构2.0,我今天非常有幸借这个机会给各位嘉宾分享我们在边缘计算领域的思考和构建。
  
    我今天的分享包括三个部分:第一部分是外边缘计算和业务驱动力到底是什么。第二部分是我们对整个边缘计算整个技术和产业的一个思考。最后一部分会介绍我们边缘计算参考架构将怎样去引领整个产业技术发展。
   
    我们首先看行业数字化转型已经是全球共识和浪潮,它包括了数字化产生数据、网络化价值流动,智能化实现解决和社会价值。今天看到各行业的领导者包括创新者正在引领各个行业迎接行业智能化时代。行业智能化时代包括两个阶段,第一阶段是商业智能时代,主要以商业数据为中心,通过用户画像实现智能化的营销、数字化的购物,大家每天都在感受智能化的时代。在这样智能化的时代背后,实际上是智能化、数字化的架构,从泛在网络、大数据、云计算到人工智能,实际上为整个行业智能提供非常重要的基础设施。
  
    我们在行业智能2.0时代是以物的数据为中心,需要建立起物的数据和商业数据的一个智能。我们可以看到最近其实大家会主义到互联网厂商都在讲新零售,从过去一个数字化的世界正在向线下布局,实现线下线上的协作。因为物理时间或者线下时间是连接客户的业务触点,是客户对整个商业过程体验非常重要的入口。线下时间、物理时间非常关键。传统行业包括智能制造包括智慧农业都是需要把物理世界跟数字世界建立协同。有四个转变,第一需要把物理世界与数字世界从过去割裂建立起协作。第二需要从企业运营决策从模糊的经验化转变数字化、科学化。流程从割裂转变为基于数据的全流程协同。第四企业有过去的依赖企业自身力量的单边创新转变为基于平台全产业链的协作创新。
  
    我们相信2.0时代一定是需要一个新的技术架构支撑2.0时代的智能化。
     
    首先我们认为连接物理世界和数字世界非常关键,物理世界是我们所处的空间,我们行业都是百年历史,像能源、机械,在这么漫长行业历史中,我们在机械电子很多行业的创新已经达到了极限。ICT行业是非常年轻的产业,过去十几年发生指数级的突破。过去以网络为例,它的带宽提升千倍、万倍以上,成本是过去四十分之一,经济可行性是指数性的提升。把这个连起来用数字化的世界的创新能力释放整个物理世界的潜能。
  
    我们想到数字世界肯定想到云,这是大家熟知的,我们把物理世界连接云,可以看到有时延的问题、带宽问题、安全隐私问题、可靠的问题。大家都知道未来无人驾驶必然是会发生的事情,现在无人驾驶汽车每公里产生数据10G,这样大带宽所有数据上云显然不现实。显然的逻辑我们要把智能分布在网络边缘侧,构建一个智能分布式的架构。包括物的自主化,包括物的协作化,协作化包括物与物协作,物与本地系统协作,物与人协作,物与云协作。最重要是要基础数据和知识的共享和协作化,还要解决知识的可复制性,才能使行业转型。
  
    我们看云计算是怎么发展起来?我们知道很多年之前过去云计算之前是IBM、SUN、惠普主导的产品实践。纵向集成的系统有专有的CPU、操作系统、中间件、应用。随着Linux和X86服务器的发展,水平化、平台化,还有SaaS、PaaS、IaaS水平解耦。未来边缘计算核心理念是用这样水平解耦架构,通过平台化架构改变边缘世界,把它变成一个水平的。因为云计算已经把它水平化,边缘把它水平化,通过边缘和云的协作更好的释放整个产业的创新。
  
    在说这件事情其实绝对不是件容易的事情,总结四大挑战,第一是OT和ICT融合挑战,传统行业有自己和ICT的人,有不同的文化和技术背景,所以这样协作是有很多挑战。我们看工业其实有很多漫长的历史,过去存在很多传统的技术,这些技术在新的IT技术融合的时候如何实现数据和价值的流动是非常大的挑战。
      
    知识是关键,模型是关键,你怎么在一个行业里或者某个工场能够用的模型能够很好的在新的模型上做复用是很大的挑战。这两年AI人工智能大家看到是可以用数据驱动的方式去做。实际上我们看到传统的工业其实它的数据是需要很强的机理作为背景,而且对可靠性提出很高的要求。如何把数据驱动方式和机理模型融合,现在在理论和技术上存在很大的挑战。
   
    我们再看新的产业格局实际上是需要把边缘侧的物理世界和云段五时节联合起来,需要把生产过程和商业过程去协作起来,这个链条发生了很大的一个转变。怎么建立起端到端协作也是非常大的挑战。
  
    我们就提出边缘计算这样一个新的概念,它是一个分布式的开放平台,我们希望这样分布式开放平台能够使智能资产、智能网络管、智能系统、智能服务,其中智能服务是分布式的,可能在边缘也可能是云,也可能是需要边缘和云一块协作。
  
    边缘计算本身是一个新增产业,像云计算一样,我们认为它的整个产业化包括三个阶段,第一阶段就是怎么推动产业共识。其实现在业界讲平台并不是一个新的概念,业界各种平台有上百个,如何让大家去达成共识、统一术语,统一大家的架构,统一在概念层次推出共识,为这个产业的健康发展是非常有帮助的。第二阶段到底你基于这样的平台和架构你给客户带来什么样的价值,所以一定要从水平来回到行业,通过这样一个水平的架构实际解决客户的问题,构建他实际的构建最好的商业实践,解决客户实际问题,这样才能给产业带来一个健康的从平台到商业的循环。最后我们还认为一个非常关键的事情,我们要把最终的商业实践上升到一个产业共识,也就是说我们会基于水平参考架构构建垂直参考架构,这个垂直参考架构兼顾融合各行业标准和创新技术。怎样会经历这样的产业循环,同水平找垂直行业找共性找参考架构,再从水平平台回到垂直行业的参考价值,使得垂直行业形成一个闭环。
  
    整个水平参考架构我们遵循了两大设计理念,第一是模型驱动,通过模型驱动我们可以去屏蔽物理世界的复杂性,实现物理世界和数字世界的协作。通过模型我们可以通过平台来屏蔽整个技术的复杂度,通过模型化可以封装整个行业功耗,实现跨产业协作。做过开发都知道,系统异构性是非常头大的事情,我们希望通过模型化能够把开发工具、开发平台简化平台的协作。云计算可以看到为什么它那样高效,提供这样的供应链,能够协作起来,我们也是通过这样的平台实现全生命周期的协作。
  
    边缘计算必然离不开创新,创新不能盲目,我们在云计算,过去几年无论是SDN、NFV,所有这些事干本质的失窃是要解决什么问题?技及羊设施更加灵活,怎么让业务更好的驱动数据基础设施。我们在过去几年行业里面搞出很多创新,SDN、NFV、业务编排、微服务,这些事情其实在行业里一样,为什么?所有行业现在都离不开软件,所有都在软件化,过去ICT做的创新可以非常平滑迁移这样的数字化转型时代。传统行业跟云计算在天上不一样,它其实有很多独特的,你得满足实时性、可靠性,要满足独特创新。需要TSN,满足低功耗,满足AI芯片,在产业也在做变化,需要从算法、硬件、芯片都要做重构。有很多新的创新机会。
  
    基于刚才两大理念,我们提出这样新的边缘计算参考架构2.0。这个架构其实要从两个纬度理解,第一从水平纬度来讲。最上面其实是基于这样的模型驱动统一服务框架,我们提供这样的开发部署的框架,解决开发接口一致性和部署。其实所有行业都面临一个问题,做一件事情肯定不是一个人干的事情,需要多重角色来参与协作,因为我去年接触智能制造比较多,智能制造你真正做一个工厂设计需要有懂自动化的人在一起,懂业务的人在一起,大家有不同的想法。你需要大家在一个模型框架上去把业务顶定一出来达成共识,以这个作为输入,去让每个领域的人按照高层次模型收入去具体设计下层的工作。过去我们存在的问题就是说缺乏一个统一平台工具,把不同角色的人能够形成这样的一个模型的数字化,建立起协作。所以我们提出业务Fabric是整个业务的入口,跟我们讲的业务编排本质道理是一致。
  
    最下端提出边缘计算节点的概念,在工业里面边缘侧是非常异构,通过边缘计算节点层次把异构做屏蔽。刚才讲了今天看到的东西都是一些现在的世界还是以智能不是一个集中化,把很多数据处理分布在集中点。具体讲现在很多行业有大量的需要控制,跟数据没关系。未来已经发生变化是什么?各大工业厂商在发布,将来硬件就是一个标准化的东西,软件技术计算无处不在,这样需要一个新的更加智能化的分布式架构来使能未来边缘2.0时代。我们需要形成新的分布式架构,提出了连接计算Fabric这个理念。
  
    怎么把全层次资源开放出来,包括计算、网络、存储、包括应用资源,怎么提供纵向一体化管理、安全、数据全生命周期服务,这也是这个平台架构需要解决的问题。
  
    刚才这个架构还蛮复杂,遵循定义的标准架构定义指南,从三个纬度阐释这个架构,包括概念视图、功能视图、部署视图。概念视图阐释一下核心概念,功能视图对核心理念做一个阐释。最后讲这个系统最后是怎么样的部署?概念视图很重要的概念,很核心的问题通过抽象屏蔽差异性,有很多场景,有的需要考虑实质性,轻量性,场景归纳四类开发框架和实施计算框架,轻量计算框架,智能网关框架还有智能分布式架构。这样的框架会构建出六类产品,包括嵌入式控制、独立控制器、感知终端、分布式网关、分布式服务器。
  
    模型是整个架构非常关键的理念,模型从设计到开发到部署到运行是全生命周期。模型包括两个域,一个是ICT边缘计算,提供面向计算,面向连接这些基础应用的ICT领域的模型的抽象。同时我们看到传统工业关于模型不是新鲜概念,IEC有很多大量的概念,都是在定义它的行业模型。所以我们要边缘计算解决的问题是怎么把工业已有的模型和我们这个模型框架建立起很好的连接,这端做一个入口,这样我们就不需要造一个轮子可以实现工业创新和ICT创新能够有效的协作和融合。
  
    首先有一个基础资源,网络计算存储。最近几年围绕AI芯片创新厂商非常多,各种名字,其实背后原因是什么?现在计算更加异构化,每类都有自己不同的特点,CPU擅长处理业务,GPU适合并行能力。所以现在很多工业装备已经是多CPU并存的架构。如何把多CPU协作起来,降低CPU架构成本,为了产业发展关键,集合计算是未来非常关键的基础。存储也很关键,工业其实是大量数据实际上是实现Base,需要解决这种高速的存取这些问题,所以我们需要TSDB时序数据库。上面是虚拟化,我们在传统ICT行业技术迭代非常快,很多产品更新周期非常快,工业很多产品生命周期可能是15年,30年。过去做法是新换代之后把过去硬件扔了,虚拟化给我们带来什么好处呢?我把整个计算硬件标准化之后,通过虚拟化,把新的功能可以通过虚拟化的功能可以不断的扩展。可以提升功能可扩展性和延长产品周期。
  
    通过连接Fabric,这个架构能够解决资源的资源感知、服务感知,任务调度,把上面业务Fabric屏蔽到,简化业务部署。模型驱动架构我们可以解决OT模型和ICT模型产业协作,基于这样的模型提供开发、集成、部署、服务的一体化。
   
    刚才讲业务编排层是对工作流的高层抽象,通过这样抽象其实可以让不同行业的人一个部门里做自动化的人、做业务的人进行协作。这样编排层到执行层,需要把这个策略推送给部署在边缘的策略控制层。把这个服务做分担,还有一个策略执行层,按照策略执行。分工解耦架构,在我整个架构里面只关心我的业务策略是什么,我的业务输入是什么。我跟设备控制强相关很多指令在本地做定义,这样就保证了本地系统的自制性和灵活性。
      
    数据很关键,每个行业的数据流程不一样,你的算法如何定义,你的数据怎么分发,怎么满足业务实时性。我们提供这样的框架,把数据处理的基本模型定义出来,包括数据预处理、数据分析、数据分发与策略执行、可视化,每一步都是可以灵活定义的。这样的话你需要用什么新的算法,你只要把新的算法指定,你不需要做任何代码修改,能够进行调优。
  
    最后是部署,我们主要两类模型,一个是三层模型,业务特点是业务部署非常分散,从流量角度来讲它的流量是南北向,是一个纵向的扩展模式。还有一个场景比较多就是智慧电梯,业务部署非常淡。还有很多视频分析,现在摄象头越来越智能,在本地做了一个匹配之后,所有在本地,云端基本不太做过多的处理。也就是说它的业务非常的集中,在这样的架构,其实需要在边缘侧构建一个智能边缘架构对数据集中存储管理,这也是跟三层模型有很大的区别。
     
责任编辑:李欢
本文为授权转载文章,任何人未经原授权方同意,不得复制、转载、摘编等任何方式进行使用,e-works不承担由此而产生的任何法律责任! 如有异议请及时告之,以便进行及时处理。联系方式:editor@e-works.net.cn tel:027-87592219/20/21。
e-works
官方微信
掌上
信息化
编辑推荐
新闻推荐
博客推荐
视频推荐