边缘侧流程

首先集群搭建完成  K8S master (保证云上高可用，多部署几个 salve节点，

同时使用keepalived 保证master高可用

)   多个node

边缘节点加入： 是在边缘短的 edgecore.yaml 加入 token之类 然后在直接启动

systemctl start edgecore

剩下的查看 就是可以通过 k8s api/token/get 获取节点的信息  

1.先创建DeviceModel (vege-device-model)

使用模版：模版本质上也是生成YAML文件

提取关键词 来自 yaml的 spec: name   version, file_md5 class_names

2 创建设备（vege-device）：   

*设备名称

*设备模版  

*绑定边缘节点

3 创建路由通道   

云端模型下发

创建路由节点：  

名称:cloud-endpoint  ruleEndpointType类型： rest  配置信息

名称:cloud-receive-endpoint  ruleEndpointType类型： servicebus   配置信息:{"serviceport :"5000""}

创建路由下发规则：

路由规则名称：model-distribute

起点:cloud-endpoint                  sourceResource:{"path" : "/receive_model"}

终点:cloud-receive-endpoint      targetResource:{"path" : "/receive_model"}

边缘数据上传：

创建路由节点：

名称:cloud-endpoint  ruleEndpointType类型： rest  配置信息  （复用云端路由节点）

名称:edge-upload-endpoint   ruleEndpointType类型： eventbus

数据上报路由规则：

路由规则名称：edgedata-upload

起点:edge-upload-endpoint       sourceResource:{"topic" ,"upload","node_name","imooc-edge02"}

终点::cloud-endpoint      targetResource:{"resource" : "http://124.71.165.169:30080/prod-api/svc_data"}

创建边缘应用(使用yaml)：

# 指定边缘节点，

# 镜像地址，

# 绑定设备名称

# 数据上报topic

# 挂载本地python依赖包

AI-模型 上传一般先是通过本地上传到master节点 文件存储位置是在 /app/models/xx/xx(本地) 也可以进行挂载

AI-模型 上传

V1版本无法识别西红柿  模型管理页面上传V2模型

AI-模型 下发

将AI模型通过前面创建的模型下发通道，（选择边缘节点，路由规则）下发到边缘侧

AI-模型升级

更新边缘AI应用绑定设备，查看当前模型版本，更新模型版本完成升级

然后到边缘侧调用AI识别接口，查看识别结果的并通过云端查看上报的数据

下面开始模型同步到AI 应用

此时 模型已经下发到边缘侧 那么我门开始 同步到AI应用中

设备操作（状态同步（手动）自动同步（手动））

物理设备是通过MQTT协议 上传到边缘侧的  ，边缘侧必须要创建设备以及设备模型关联真实设备

同时 和CloudHub 进行交互

beehive--go-channel 架构

注意：

配置 MQTT 模式

KubeEdge 的 Edge 部分使用 MQTT 进行 deviceTwin 和设备之间的通信。

KubeEdge 支持 3 种 MQTT 模式（internalMqttMode, bothMqttMode, externalMqttMode），

将mqttModeedgecore.yaml 中的字段设置为所需的模式。+ internalMqttMode：

启用内部 mqtt 代理（mqttMode=0）。+ bothMqttMode：启用内部和外部代理（mqttMode=1）。+ externalMqttMode：仅启用外部代理（mqttMode=2）。

要在双 mqtt 或外部模式下使用 KubeEdge，

您需要确保在边缘节点上安装 mosquitto 或 emqx edge 作为 MQTT Broker。