《边缘云技术演进与发展白皮书》——五、边缘云分布式云管系统技术演进——02 多维协同—— 1.边边协同

简介: 《边缘云技术演进与发展白皮书》——五、边缘云分布式云管系统技术演进——02 多维协同—— 1.边边协同

02 多维协同

边缘云协同大体可分为“边边协同”和“云边协同”两类边边协同,主要是面向边缘云节点集群

间的计算、网络和存储等技术的资源协同。云边协同,主要是面向边缘云管控与边缘云节点集群间

的管控协同。


边边协同


边边协同技术,主要包括协同计算、协同网络和协同存储边缘云节点规模通常较小,资源规格受

限,不将资源部署的物理位置作为交付属性,而是按网络时延和服务质量等评估指标来交付资源,

这就要求边缘节点资源能够被管控系统“统管统调”。节点资源通过边边资源协调,实现“资源

池”化,边缘云资源池是资源管控的基础。

边缘云节点提供的是小型云的算网存资源,且算网存资源使用水位相互依赖,从技术上看单一节

点或单一集群里的资源容易跑满、造成同节点的其他资源无法再分配,边缘云边边协同管控需要能

够在边缘云节点和集群间进行多维资源的协同调度,调度策略的执行也正是基于边边资源协同来实

现的。

从业务高质量和资源高可用角度看,通过边边协同可以实现边缘云的高可用性保证通过边缘云单

节点或单集群内软硬件多路互备的技术方案实现系统高可用研发成本较高且效果未经验证,而依托

分布式云管的多级协同、边边协同和多点协同实现高可用,可以提供更高的性价比实现高可用,即

单点不可用时,由其他节点或集群来补位。

以边缘云的“协同存储”技术方案为例,阐述边边资源协同的技术实现。

协同存储管控的核心设计包括云边协同管控、全网智能调度、边缘自治管控等,是边缘云云边协同

以及跨节点协同的重要组成。

用户在使用对象存储时,针对海量数据,提出了大流量、就近、低延迟的要求,边缘云在这些方面

具备天然优势。但边缘云的对象存储在使用方式和体验上存在明显不足。边缘云由很多分布式边缘

云节点组成,如果每个边缘云节点独立进行对象存储服务,用户使用时将面临节点资源管理、资源

读写调度、单节点可用性运维等诸多复杂问题。

image.png图12 分布式存储示意图


边缘计算提供了位置无感的协同存储服务,通过中心管控和多个边缘节点进行协同,将分布在各地

的边缘节点的物理存储资源,组成一个逻辑统一的对象存储资源池。用户不需关心读写位置和单节

点可用性带来的运维和调度问题,即可得到与使用公有云对象存储一致的接口体验,以及由于数量

众多的边缘存储资源整合而带来的大容量、高弹性的存储资源池。

image.png图13 位置无感的分布式存储


协同存储核心包含中心管控与边缘节点两部分,其中,中心管控包含以下管理模块:


1684831619478.jpg

image.png图14 协同存储管控架构


协同存储的云边协同管控、全网智能调度、边缘自治管控等,是边缘云边边协同以及跨节点协同的

经典案例。

相关文章
|
6天前
|
存储 缓存 负载均衡
从零到一:分布式缓存技术初探
分布式缓存通过将数据存储在多个节点上,利用负载均衡算法提高访问速度、降低数据库负载并增强系统可用性。常见产品有Redis、Memcached等。其优势包括性能扩展、高可用性、负载均衡和容错性,适用于页面缓存、应用对象缓存、状态缓存、并行处理、事件处理及极限事务处理等多种场景。
20 1
|
9天前
|
分布式计算 大数据 数据处理
技术评测:MaxCompute MaxFrame——阿里云自研分布式计算框架的Python编程接口
随着大数据和人工智能技术的发展,数据处理的需求日益增长。阿里云推出的MaxCompute MaxFrame(简称“MaxFrame”)是一个专为Python开发者设计的分布式计算框架,它不仅支持Python编程接口,还能直接利用MaxCompute的云原生大数据计算资源和服务。本文将通过一系列最佳实践测评,探讨MaxFrame在分布式Pandas处理以及大语言模型数据处理场景中的表现,并分析其在实际工作中的应用潜力。
41 2
|
1月前
|
边缘计算
第十一届传感云和边缘计算系统国际会议 2025 11th International Conference on Sensor-Cloud and Edge Computing System (SCECS2025)
第十一届传感云和边缘计算系统国际会议 2025 11th International Conference on Sensor-Cloud and Edge Computing System (SCECS2025)
59 1
|
1月前
|
监控 算法 网络协议
|
1月前
|
供应链 算法 安全
深度解析区块链技术的分布式共识机制
深度解析区块链技术的分布式共识机制
53 0
|
2月前
|
人工智能 文字识别 Java
SpringCloud+Python 混合微服务,如何打造AI分布式业务应用的技术底层?
尼恩,一位拥有20年架构经验的老架构师,通过其深厚的架构功力,成功指导了一位9年经验的网易工程师转型为大模型架构师,薪资逆涨50%,年薪近80W。尼恩的指导不仅帮助这位工程师在一年内成为大模型架构师,还让他管理起了10人团队,产品成功应用于多家大中型企业。尼恩因此决定编写《LLM大模型学习圣经》系列,帮助更多人掌握大模型架构,实现职业跃迁。该系列包括《从0到1吃透Transformer技术底座》、《从0到1精通RAG架构》等,旨在系统化、体系化地讲解大模型技术,助力读者实现“offer直提”。此外,尼恩还分享了多个技术圣经,如《NIO圣经》、《Docker圣经》等,帮助读者深入理解核心技术。
SpringCloud+Python 混合微服务,如何打造AI分布式业务应用的技术底层?
|
2月前
|
传感器 边缘计算 自动驾驶
|
3月前
|
人工智能 Kubernetes Cloud Native
深度对话 解锁阿里云分布式云原生技术落地新姿势
深度对话 解锁阿里云分布式云原生技术落地新姿势
深度对话 解锁阿里云分布式云原生技术落地新姿势
|
3月前
|
边缘计算 物联网 5G
边缘计算与5G技术:提升未来通信性能的双剑合璧
边缘计算与5G技术:提升未来通信性能的双剑合璧
57 0
|
4月前
|
存储 缓存 负载均衡
【PolarDB-X 技术揭秘】Lizard B+tree:揭秘分布式数据库索引优化的终极奥秘!
【8月更文挑战第25天】PolarDB-X是阿里云的一款分布式数据库产品,其核心组件Lizard B+tree针对分布式环境优化,解决了传统B+tree面临的数据分片与跨节点查询等问题。Lizard B+tree通过一致性哈希实现数据分片,确保分布式一致性;智能分区实现了负载均衡;高效的搜索算法与缓存机制降低了查询延迟;副本机制确保了系统的高可用性。此外,PolarDB-X通过自适应分支因子、缓存优化、异步写入、数据压缩和智能分片等策略进一步提升了Lizard B+tree的性能,使其能够在分布式环境下提供高性能的索引服务。这些优化不仅提高了查询速度,还确保了系统的稳定性和可靠性。
103 5