问题一：在优化边缘计算中的镜像分发方面，有哪些技术和方案正在被探索？
在优化边缘计算中的镜像分发方面，有哪些技术和方案正在被探索？
参考回答：
在优化边缘计算中的镜像分发方面，当前正在探索各种技术来优化镜像快速分发的瓶颈，特别是对于基础镜像及业务镜像，特别是边缘的 AI 应用，由于其模型库体积大且需要频繁更新，因此需要更多技术及方案来应对高效的模型库更新。
关于本问题的更多问答可点击原文查看：
https://developer.aliyun.com/ask/666949
问题二：OpenYurt 如何应对 Kubelet 运行占用资源多的问题？
OpenYurt 如何应对 Kubelet 运行占用资源多的问题？
参考回答：
OpenYurt 并未直接解决 Kubelet 运行占用资源多的问题，但可以通过优化 Kubernetes 集群的资源分配和调度策略，以及合理配置节点的资源预留和驱逐阈值，来间接缓解 Kubelet 对节点资源的占用压力。此外，随着 Kubernetes 和相关组件的不断优化，Kubelet 的性能也将得到提升。 
关于本问题的更多问答可点击原文查看：
https://developer.aliyun.com/ask/666950
问题三：Amazon Kubernetes 如何计算 Kubelet 的 Reserved memory？
Amazon Kubernetes 如何计算 Kubelet 的 Reserved memory？
参考回答：
Amazon Kubernetes 计算 Kubelet 的 Reserved memory 公式为：Reserved memory = 255MiB + 11MiB * MAX_POD_PER_INSTANCE。假设运行32 Pods，则 Reserved memory 会相应增加，但整体而言，高达 90% 的内存都可以分配给业务使用，说明 Kubelet 的资源占用并不高。
关于本问题的更多问答可点击原文查看：
https://developer.aliyun.com/ask/666951
问题四：在边缘计算场景中，如何根据集群情况权衡配置各层的资源分配？
在边缘计算场景中，如何根据集群情况权衡配置各层的资源分配？
参考回答：
在边缘计算场景中，各层的资源分配没有固定标准，需要根据集群的实际情况来权衡配置。通常需要考虑节点的总资源、Kubelet 所需资源、Pod 可用资源以及保留到驱逐阈值的资源，以确保系统稳定运行和业务高效运行。
关于本问题的更多问答可点击原文查看：
https://developer.aliyun.com/ask/666952
问题五：云边分布式协同业务应用架构与中心云分布式业务应用架构的主要区别是什么？
云边分布式协同业务应用架构与中心云分布式业务应用架构的主要区别是什么？
参考回答：
云边分布式协同业务应用架构与中心云分布式业务应用架构的主要区别在于管控和运作的方式。中心云更侧重于基于DDD业务领域构建松耦合的分布式应用，而云边分布式架构则强调集中式管控运营和分散式运作支撑，即将管理运营系统集中在云中心，将支撑业务实时运作的应用分散至边缘。
关于本问题的更多问答可点击原文查看：
