边缘计算那些事儿-kubeedge edged解读

0 背景

        从上一次解读kubeedge的MetaManager到现在已经过去了几个月，最近这几个月笔者忙于一件大事就停更了一段时间，现在得空，再继续这个主题。本文是kubeedge中最为核心的一个模块edged，这个模块可以说是整个kubeedge的灵魂，它提供了云端应用卸载到边缘侧的一套架构和平台，能够真正体现kubeedge的云边协同能力，这也是边缘计算平台一个非常重要的能力。云边协同的能力可以承载多种业务，比如说智能边缘场景，智能算法大模型可以在云端进行训练，然后通过剪枝，知识蒸馏等算法压缩成小模型卸载到edged上，智能终端就可以就近在edged上进行推理，对于实时性要求高的应用都可以在edged上处理，edged模块为这种云边协同提供了实时更新，同步数据处理模型的能力。edged是如何实现这种云边协同能力的，这里边核心的是将k8s的特性部分卸载到了edged，使得edged具备了管理和编排pod的能力。接下来本文将详述edged的架构、上下文、主流程和数据在模型的处理过程，以及模型的更新过程。

1 edged架构

        与前面的论述思路一样，我们首先来看edged的架构。从edged的代码文件和文件夹可以看到其架构比较简单，只包含config，kubeclientbridge和edged三个部分，分别是配置文件，kube客户端和edged的主程序入口。映射到右边的框图，从上到下依次是主入口，kube客户端和k8s服务器。主入口主要实现了edged模块与MetaManager等模块的交互，接收来自云端的消息，然后对其进行解析调用kube客户端的接口实现云边同步和协同。kube客户端主要实现计算和存储资源在边缘的创建，更新和删除等，这些计算资源和存储资源分别以pod和卷的形式存在，能够灵活地在云边之间，边边之间进行资源的调度和分配。kube客户端是从边缘侧的k8s服务器上创建的，该服务器原本被部署在云端，通过裁剪和压缩被卸载到边缘侧，让边缘侧具备了和云端一样的管理、编排应用程序的能力，在卸载的实现方式上来看属于将云端模型下放到边缘侧，好处是可以让应用在云端还是边缘端都可以灵活部署，运行，并实时更新部署环境。

        上图的最右边是kube客户端包含的文件，从其文件的命名上也能看出kube客户端实现的三个核心功能。第一个核心功能是协作，即实现云边之间的协同。第二个核心功能主要是对node/pod和卷等资源进行管理，包括增删改查等功能，实现云边之间计算模型的卸载。第三个核心功能主要针对卷挂载等存储类的资源，实现云边之间存储资源的卸载。有了计算和存储这两类资源搭建了应用程序就近处理的基础，作为使用者不必关心这些资源的部署和管理，只要确定数据是选择在边缘处理还是云端处理即可。

2 edged上下文

        了解了上述edged的内部实现架构，接下来我们看一下这个模块是如何进行上下文交互的。如下图所示是edged在kubeedge中的位置，从图中可以看出与edged模块关系紧密的是MetaManager模块，来自云端的消息都是经过MetaManager进行转换，然后再交给edged模块处理，edged模块负责对边缘侧的卷和pod进行管理和控制。假设我们在一个边缘网关设备上引入了kubeedge，那该边缘网关就相当于k8s中的一个node节点，在node节点里可以包含多个pod，每个pod就可以承载一个应用程序或者微服务，pod的实现在kubeedge中可以用docker，容器或者CRI-O技术，pod之间的通信可以直接使用部署在kubeedge中的kubelet，作为应用开发者不需要关心pod的管理和维护过程，也不需要关心如何通信，这些都由edged完成了，只需要专注于业务开发即可。

3 edged主流程

        在了解了上述edged的整体架构和交互的上下文模块以后，接下来我们看一下这个模块内部是如何实现的。首先edged是基于K8S实现的，可以理解为k8s的一个node节点，edged注册到edgecore上，而edgecore通过kubelet实现与k8s的通信，edged负责管理pod、卷和容器。

        如下图所示，当云端的pod节点发生变化的时候，通过MetaManager将更新的pod信息通知到edged模块，edged模块就会更新pod。当边缘侧设备离线时，相应的pod节点依然可以正常工作，只不过不是以当前云端最新的pod执行，这保障了终端应用在边缘侧的业务连续性，直到边缘设备重新上线，pod被更新，就可以用当前最新的模型计算。除了计算资源，存储资源在边缘设备上也十分重要。存储资源除了物理的存储设备外，在逻辑上通过卷的方式表示。edged模块同样提供了卷的控制、删除和发布方式，与pod的管理类似，卷可以在云端和边缘端设备之间迁移，当边缘设备离线时，卷可以仍然存在，为应用提供存储服务，当设备在线后再跟随pod新的需求，进行更新。

        云端和边缘设备的pod是如何同步的呢？如下图所示，云端的pod被卸载到边缘设备上，通过edged进行管理，当边缘设备上的pod应用程序发生了变化，edged会将更改的部分同步到云端，这是利用了k8s对pod的管理和维护功能。当云端的pod应用程序发生变化的时候，就可以通过edged模块对边缘侧pod进行更新。如果是另外的一个边缘设备也可以用这套平台实现pod的跨边缘设备的迁移，更新。

4 edged边缘计算应用

        截止到这里，我们简单地将kubeedge中两个比较核心的模块edged和devicetwin结合起来，看一下边缘计算是如何实现的。边缘计算的核心要点之一就是在靠近用户的一侧处理数据，处理数据的模型可以来自于云端的卸载，而我们的kubeedge可以很好地满足这两个需求。

        如上图所示，数据的来源是设备，devicetwin模块，负责对数据进行采集，对设备进行管理，采集的设备数据可以被继续上送到云端，或者是放到边缘设备的datastore中。接下来就可以被edged管理的pod进行处理，我们的edged模块打通了云端和边缘端的docker的迁移和管理，同时提供卷的管理。在数据的缓存方面则可以存到边缘侧的datastore，选用的存储设备的大小则可以由用户根据具体的应用场景定制。

        kubeedge提供了云边端协同处理数据的平台，让应用开发者不必关心通道和资源的维护和管理，可以专注于应用的开发。但是边缘计算的实现除了需要这样一种云边协同的平台，还需要解决如何卸载，卸载什么，什么时候卸载，卸载到哪里的问题；资源如何跨平台分配和调度的问题，这一部分主要是边缘操作系统的范畴；数据处理的模型是来自云端的裁剪还是在本地边缘设备生成的问题；还有相关的边缘智能芯片，边缘存储，边缘架构，边缘算法，边缘开发库等。后续笔者将会深入讨论。

5 小结

        kubeedge这个平台比较核心的模块基本已经梳理完成，下一步我们将转向北向与云端交互的edgehub进行解读，看一下这条云边的通道是如何打通的，敬请期待。