目录
2.1 IaaS(Infrastructure as a Service)
2.2 PaaS(Platform as a Service)
2.3 SaaS(Software as a Service)
💟这里是CS大白话专场，让枯燥的学习变得有趣！
💟没有对象不要怕，我们new一个出来，每天对ta说不尽情话！
💟好记性不如烂键盘，自己总结不如收藏别人！
一、云计算和云原生概念
1.1 云计算
云计算（cloud computing）是分布式计算的一种，指的是通过网络“云”将巨大的数据计算处理程序分解成无数个小程序，然后，通过多部服务器组成的系统进行处理和分析这些小程序得到结果并返回给用户。云计算早期，简单地说，就是简单的分布式计算，解决任务分发，并进行计算结果的合并。因而，云计算又称为网格计算。通过这项技术，可以在很短的时间内（几秒钟）完成对数以万计的数据的处理，从而达到强大的网络服务。
从广义上说，云计算是与信息技术、软件、互联网相关的一种服务，这种计算资源共享池叫做“云”，云计算把许多计算资源集合起来，通过软件实现自动化管理，只需要很少的人参与，就能让资源被快速提供。也就是说，计算能力作为一种商品，可以在互联网上流通，就像水、电、煤气一样，可以方便地取用，且价格较为低廉。
因此云计算并不是指某一种计算方式，而是一种商业服务模式，“云”就像自来水厂一样，我们可以随时接水，并且不限量，按照自己家的用水量，付费给自来水厂就可以。
1.2 云原生
云原生是基于分布部署和统一运管的分布式云，以容器、微服务、DevOps等技术为基础建立的一套云技术产品体系。云原生是一种新型技术体系，是云计算未来的发展方向。
二、云计算四个层次
2.1 IaaS(Infrastructure as a Service)
基础设施即服务，提供给用户的服务是对所有设施的利用，包括处理、存储、网络和其他基本的计算资源。用户能够部署和运行任意软件，包括操作系统和应用程序。用户不管理或控制任何云计算基础设施，但能控制操作系统的选择、储存空间、部署的应用，也有可能获得有限制的网络组件（例如防火墙、负载均衡器等）的控制。
也就是说作为云计算的最底层服务，IaaS提供的是一些基础资源，用户可以在这些基础资源的基础上部署自己的操作系统和应用程序，类似于在毛坯房的基础上进行装修。
2.2 PaaS(Platform as a Service)
平台即服务，提供给用户的服务是把客户开发或收购的应用程序部署到供应商的云计算基础设施上。用户不需要管理或控制底层的云基础设施，包括网络、服务器、操作系统、存储等，但用户能控制部署的应用程序，也可能控制运行应用程序的托管环境配置。
也就是说这层服务提供的是一个软件部署平台，只需考虑应用程序的部署，类似于在硬装的基础上进行软装。
2.3 SaaS(Software as a Service)
软件即服务，提供给用户的服务是运营商运行在云计算基础设施上的应用程序，用户可以在各种设备上通过客户端界面访问。客户不需要管理或控制任何云计算基础设施。
也就是说这层服务已经部署好了应用程序，用户可以直接进行使用，类似于拎包入住。
2.4 DaaS(Data as a Service)
数据即服务，是大数据时代的象征，通过收集用户需要的数据进行数据分析，为用户提供访问接口，传递有用的信息来指导用户的日常活动。
三、云原生关键技术
3.1 Docker
一个开源的应用容器引擎，开发者可以打包他们的应用及依赖到一个可移植的容器中，可运行在Debian、CentOs、Ubuntu等多操作系统上，也可实现虚拟化。
3.2 Kubernetes
又称K8S，是一个开源、轻量级的容器编排工具，可以实现容器集群的自动化部署、弹性伸缩、维护、负载均衡等功能，支持许多容器化工具，如Docker。二者区别是Docker在单个节点上运行，而Kubernetes在集群上运行。K8S所包含的组件如下：
Master Node：
api-server：所有服务访问的统一入口。
controller manager：维持副本期望数目，创建/删除pod，高可用集群副本数最好≥3 (奇数个)。
scheduler：监听PodSpec.NodeName为空的字段，选择合适的节点分配任务，将节点和pod绑定（binding），分为预选和优选两个阶段：
ETCD：键（优先级函数名称）值（权重）存储库，存储K8S集群所有配置信息（持久化），可用于恢复数据。版本v2：使用内存（v1.11版本之前），v3：使用数据库。
Work Node：
kubelet：跟容器引擎交互创建对应容器，维持pod生命周期。
kube-proxy：写入规则至iptables（中小规模）、IPVS（大规模）实现服务映射访问。
container：主流引擎Docker。
3.3 微服务
低耦合+高内聚，从本质上来讲，微服务就是把单体应用拆分成数个更微小的服务，协作完成原来单体应用所提供的等效业务服务。因此，服务与服务之间会有依赖关系，服务也需要去部署到一个或多个资源上。但这就出现一个问题，不同微服务间存在异构，需要不同的编程语言甚至不同的运行环境去运行这些微服务，为了解决这个问题，引入容器技术，通过一层标准的封装以及标准的运行时，来标准化微服务部署，再由容器平台把已经标准化的微服务最便捷地运行到底层资源上面。
一个 pod 是一组容器的集合，在一个 pod 中可以运行一个或多个容器。一般来讲，当我们采用微服务架构时，会把微服务的主体运行在主容器中，主容器的生命周期跟 pod 自身的生命周期是一个耦合的状态。
3.4 DevOps
DevOps（Development和Operations的组合词）是一组过程、方法与系统的统称，用于促进开发（应用程序/软件工程）、技术运营和质量保障（QA）部门之间的沟通、协作与整合。
它是一种重视“软件开发人员（Dev）”和“IT运维技术人员（Ops）”之间沟通合作的文化、运动或惯例。透过自动化“软件交付”和“架构变更”的流程，来使得构建、测试、发布软件能够更加地快捷、频繁和可靠。
它的出现是由于软件行业日益清晰地认识到：为了按时交付软件产品和服务，开发和运维工作必须紧密合作。
四、边缘计算和边缘设备
4.1 边缘计算
随着移动互联网的蓬勃发展，物联网设备的种类和数量都在飞速增长，为满足计算任务“低时延、高带宽、低能耗”等需求，边缘计算应运而生，即将运算资源从云下放到网络边缘，设备端的部分计算任务可以选择卸载到更靠近设备的边缘端来执行，这其实是对云计算的补充和扩展，常使用“端-边-云”三层架构。和仅有云计算相比，云边协同具有如下几方面优势：1)缓解骨干网络：分布式边缘计算节点无需与云端交换相应的数据即可处理大量的计算任务，从而减轻网络流量负荷；2)服务响应敏捷：可以避免由于将任务卸载到远程云端上而导致的高延迟，提高响应速度；3)云备份强大：云端可以在边缘计算能力无法承受的时候提供强大的处理能力和海量存储空间。
4.2 边缘智能
目前，边缘计算正在逐渐与人工智能相结合，进而衍生出“边缘智能”和“智能边缘”两个概念。边缘智能即将深度学习的计算任务从云下放至边缘，以支持低延迟、高可靠、分布式的智能服务；智能边缘即是将深度学习融入边缘以支持动态、自适应的资源分配与管理，不仅有效整合了终端设备、网络边缘与云数据中心的多种资源，也能支持更为复杂的业务优化与任务协作。两者并不是相互独立的，边缘智能是其目标，智能边缘中的深度学习服务也是边缘智能的一部分，智能边缘可以为边缘智能提供更高的服务吞吐量和资源利用率。两者间存在以下五种典型的使能技术：
(1)边缘上的深度学习应用(DL on Edge)；
(2)边缘上的深度学习推理(DL in Edge)；
(3)边缘上的深度学习训练(DL at Edge)；
(4)适用于深度学习的边缘计算(Edge for DL)；
(5)深度学习用于边缘计算优化(DL for Edge)。
4.3 边缘设备
对于边缘设备的概念网上介绍的都很模糊，个人是这么理解的：在网络边缘为云计算分担计算任务的设备都可以叫做边缘设备。边缘设备可以分为两种类型：一种是嵌入了AI芯片或可以进行部分深度学习计算的设备，如手机、智能摄像头等，这类边缘设备也可以叫做终端设备；另一种是部署在终端设备附近，对终端设备传来的视频或图像进行深度学习处理的设备，即此时的边缘设备没有自主计算的能力，如VR眼镜、监控摄像头等，这类边缘设备可以是含有GPU的边缘服务器或端侧的私有云。大致框架如下：
英伟达公司针对边缘计算推出了Jetson家族， 包括Nano、TX2、Xavier等嵌入式边缘计算设备，它们之间的性能比较如下表：
| AI Performance | CPU | GPU | Memory | |
| Nano | 472 GFLOPs | Quad(4)-Core ARM Cortex-A57 MPCore | 128-core Maxwell GPU | 4 GB 64-bit LPDDR4 @25.6GB/s |
| TX2 | 1.33 TFLOPs | Hexa(6)-core processor with 2x NVIDIA Denver2 64-Bit CPU and 4x ARM Cortex-A57 cores | 256-core Pascal GPU | 8 GB 128-bit LPDDR4 @59.7GB/s |
| Xavier NX | 21 TOPs | 6-core NVIDIA Carmel ARMv8.2 64-bit CPU 6 MB L2+4 MB L3 | Volta GPU with 384 NVIDIA CUDA cores and 48 Tensor cores | 8 GB 128-bit LPDDR4 @51.2GB/s |
702
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
