详解边缘计算系统逻辑架构：云、边、端协同

最新推荐文章于 2025-04-02 19:58:57 发布
最新推荐文章于 2025-04-02 19:58:57 发布
阅读量9.4k 收藏 38
点赞数 4
文章标签： 大数据 python 人工智能 java 数据库
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/zw0Pi8G5C1x/article/details/124657517
版权
本文详细介绍了边缘计算系统的逻辑架构，重点阐述了云、边、端之间的协同工作原理。通过Kubernetes、KubeEdge和EdgeX Foundry，实现了云、边、端的高效协同，探讨了当前的局限性和未来发展方向。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

导读：本文将对整个边缘计算系统的逻辑架构及云、边、端之间的逻辑关系进行系统梳理。

作者：崔广章

来源：大数据DT（ID：hzdashuju）

606ac2de2ddb40403c04306fa71a1e59.png

01 边缘计算系统逻辑架构简介

由图3-1可知，逻辑架构侧重边缘计算系统云、边、端各部分之间的交互和协同，包括云、边协同，边、端协同和云、边、端协同3个部分。

52c256c4140eb06f2748f804ebf5c0b0.png

▲图3-1 边缘计算系统逻辑架构

  1. 云、边协同：通过云部分Kubernetes的控制节点和边部分KubeEdge所运行的节点共同实现。

  2. 边、端协同：通过边部分KubeEdge和端部分EdgeX Foundry共同实现。

  3. 云、边、端协同：通过云解决方案Kubernetes的控制节点、边缘解决方案KubeEdge和端解决方案EdgeX Foundry共同实现。

02 云、边协同

云、边协同的具体实现如图3-2所示。

109fc6fdc3cd2e13b31d057eeec75afa.png

▲图3-2 边缘计算系统中云、边协同逻辑架构

Kubernetes控制节点沿用云部分原有的数据模型，保持原有的控制、数据流程不变，即KubeEdge所

最低0.47元/天 解锁文章
大数据v
关注
大模型软件的云边协同架构设计
AI天才研究院
12-17 1119
大模型软件的云边协同架构设计 关键词：大模型、云计算、边缘计算、协同架构、设计原则、优化策略 摘要：本文深入探讨了AI大模型软件的云边协同架构设计。首先介绍了大模型的基本概念和工作原理，随后详细分析了云边协同架构的设计原则和优化策略，并通过实际案例展示了该架构的设计和应用。 第一
边缘计算与端侧推理原理与代码实战案例讲解【系列文章】
AI天才研究院
07-04 2140
在当今数字化时代，随着物联网（IoT）设备的普及和人工智能技术的快速发展，传统的云计算模式面临着诸多挑战。数据传输延迟、网络带宽压力、隐私安全concerns等问题日益突出。为了解决这些问题，边缘计算和端侧推理技术应运而生，成为了现代计算架构中不可或缺的组成部分。边缘计算将计算能力下沉到靠近数据源的网络边缘，而端侧推理则直接在终端设备上进行AI模型的推理。这两种技术的结合不仅能够大幅降低数据传输延迟，提高实时性能，还能有效保护用户隐私，优化网络资源使用。
边缘计算系统逻辑架构：云、边、端协同，定义及关系
热门推荐
Java开发，人工智能，边缘计算，致力于掌握前沿技术
08-29 3万+
５Ｇ和物联网时代的到来，海量数据的产生与任务计算对现有网络产生极大的冲击，基于Internet的云计算虽然提供了对虚拟共享的可配置计算和存储资源的广泛访问和按需访问，是处理海量数据与计算任务的绝佳平台，但是对于５Ｇ时代的诸如在线游戏、虚拟现实和超高清视频流等高速访问超低延时的应用和海量终端互联来说，云计算是无法满足其要求的。与此同时，下一代互联网的关键特征之一是信息越来越多地在本地生成并在本地消费，且大量的边缘设备存在可用计算和存储资源。.........
Java语言的边缘计算
最新发布
2501_91409238的博客
04-02 332
边缘计算是一种将计算、存储和网络服务从数据中心搬到离用户更近的地方的分散计算模式。通过将计算任务下放到边缘设备，边缘计算可以降低延迟、节省带宽并提高数据处理的实时性。
《深入理解边缘计算：云、边、端工作原理与源码分析》
学无止境，Fighting！
03-13 6614
深入理解边缘计算（云、边、端工作原理与源码分析） 边缘计算是指在用户或数据源的物理位置或其附近进行的计算。将云计算中心的计算能力下沉到边缘，甚至终端设备，并通过云数据中心进行统一交付、运维、管理。通过将计算服务靠近这些位置，用户能够得到更快速、可靠的服务，公司能够享受混合云计算带来的灵活性。通过边缘计算，公司能够在多位置使用和分布公共资源池。边缘计算的意义在于云、边、端协同，而不应该被看成与云计算相独立的计算平台，甚至是云计算的对立面。 1. 边缘计算系统 1.1. 组成 边缘计算系统由云、边、端三部分组成
5G时代“云-边”协同的网络架构
2301_78768327的博客
09-05 4197
目前，边缘计算在5G网络中的成功案例主要集中在有限区域内的ToB场景，这类场景中终端主要活动在固定的TAC区内，基本不涉及与其他边缘节点的切换问题，但这并不是边缘计算的终极目标。随着业务需求的不断丰富，跨平台类的应用在开发的过程中遇到了不同平台接口规范不统一的问题。云计算和边缘计算既不是单一的部件也不是单一的层次，而是涉及到IaaS（基础设施即服务）, PaaS（平台即服务）, SaaS（软件即服务）的端到端的开放平台，每种服务模式下都有不同的服务形式，并进行着不同的协同计算。（2）平台能力PaaS。
构建云边端一体的分布式云架构，软硬结合驱动边缘计算创新场景
lihui49的博客
03-31 5095
本文整理自 2022 年 12 月的智算峰会 · 智算技术分论坛上的同名主题分享。
TSINGSEE青犀视频云边端架构国标视频智能分析平台EasyGBS语音对讲配置要点说明
EasyGBS的博客
11-17 316
TSINGSEE青犀视频云边端架构内国标视频智能分析平台EasyGBS更新到目前的新版本后，已经兼容了海康摄像头的对讲功能，客户可以通过摄像头与PC端进行语音的对讲沟通。（语音对讲功能在GB28181协议国标视频云服务EasyGBS中的项目应用） 但是在配置该功能的时候，需要客户对EasyGBS服务器以及摄像头的配置页面进行修改，下面介绍一下EasyGBS的对讲功能使用的注意事项。 1、首先要先配置HTTPS，目前我们EasyGBS的对讲功能必须兼容在HTTPS协议的基础上进行使用的。所以需要客户在
边云协同架构设计
Elaine的博客
11-22 2496
边云协同架构是一种新兴的计算模式，旨在充分利用云计算和边缘计算的优势，以满足现代应用的需求。
车路协同的云管边端架构及服务研究
10-15
对智能交通业务的发展趋势、车路协同技术及系统要求以及国内外发展现状进行了介绍；同时重点阐述了智能网联交通体系之车路协同云管边端架构方案，介绍了中心云、交通专网/电信网络、边缘云、车载/路侧终端协同的“云-管-边-端”统一架构，同时提出了基于云管边端架构的车路协同多源数据融合信息服务能力开放框架，并对其具体功能要求、API调用方式进行了详细论述。
什么是云+边+端？
软件行业技术文化交流。
12-24 2788
云、边、端三级是现代计算架构中的一种分层模型，它将计算资源和数据处理分布在不同的层级上，以提高效率、降低延迟，并优化资源利用。云端（Cloud）云端指的是集中式的数据中心，通常由大型服务器集群组成，这些服务器托管在专业的数据中心内。云服务提供商（如Amazon Web Services、Microsoft Azure、Google Cloud Platform等）通过互联网提供各种服务，包括计算、存储、数据库、网络和分析服务。云端的优势在于其强大的计算能力、可扩展性、灵活性和按需付费模式。
云、边、端
时光钟摆
11-26 3万+
云指云计算 边指边缘计算 端指设备 在物联网场景下，云计算模型越来越具有局限性，不能满足很多设备场景下的应用。 在今年3月份的云栖大会上，阿里云总裁胡晓明也提到，互联网的前20年，主要是人联网，而接下来的20年，主要是物联网。 但是在设备（物）--- 云计算模型下，设备处理的时效性（延时），带宽局限性，让我们不得不引入边缘计算。 阿里云将互联网上的云、边缘的计算、设备端的计算三体...
阿里云熊鹰：基于融合、协同系统的边缘云原生架构演进和实践
阿里云云栖号
01-18 2037
简介： 云原生和边缘计算是近两年都非常火的技术话题了，在第十届云计算标准和应用大会上，阿里云高级技术专家熊鹰分享了《基于融合、协同系统的边缘云原生架构演进和实践》，希望通过介绍现在阿里云在边缘计算和边缘云原生这些技术领域的系统架构演进，让大家了解到业务在云原生和边缘计算结合场景下落地的一些思考。 云原生和边缘计算是近两年都非常火的技术话题了，在第十届云计算标准和应用大会上，阿里云高级技术专家熊鹰分享了《基于融合、协同系统的边缘云原生架构演进和实践》，希望通过介绍现在阿里云在边缘计算和边缘云原生这些.
详解TSINGSEE青犀视频云边端架构产品rtmp和http方式在播放flv时的特点
TSINGSEE青犀视频官方技术博客
11-03 295
TSINGSEE青犀视频云-边-端架构产品包括RTSP协议平台EasyNVR、RTMP协议平台EasyDSS、GB28181协议国标平台EasyGBS以及能够接入SDK、Ehome协议的平台EasyCVR等，大多平台都是支持RTMP、RTSP、FLV、HLS四种协议的视频流输出。 那么很多用户都会在意这几种视频流应该如何选择，尤其是我们在实际情况中遇到比较多的HTTP-HLS和RTMP协议视频流，在播放FLV方面有什么区别，其优缺点各在哪里。本文就是一篇比较全的介绍文，跟大家分享下rtmp和http方
《深入理解边缘计算》第二章：云、边、端的部署与配置
2301_81786633的博客
01-11 3070
是一个全新的基于容器技术的分布式架构的云部署方案，是Google开源的容器集群管理系，为部署容器化的应用提供资源调度、服务发现和动态伸缩等一系列完整功能，提高了大规模容器集群管理的便捷性。拥有的编排容器化应用的能力扩展到边缘的节点和设备，并为云和边缘之间的网络、应用部署和元数据同步提供基础架构支持。学习环境的相关工具进行梳理，并对不同工具从安装方法、使用方法、相应原理的维度进行横向和纵向对比，如表2-2所示。学习环境的工具，所以两者的安装步骤和使用方法相对比较简单。2）边：CPU支持X86和ARM架构；
阿里云边缘容器服务、申通 IoT 云边端架构入选 2021 云边协同发展阶段性领先成果
阿里巴巴云原生的博客
06-08 397
2021 年 6 月 4 日，由中国信息通信研究院（以下简称“中国信通院”）主办的 “ 2021 云边协同大会 ” 在北京举行。本次会议以 “ 开启分布式云新时代 ” 为主题，旨在搭建数字经济与 5G 时代下云服务与边缘计算融合发展的桥梁，并面向行业发布多项云边协同发展阶段性成果。其中，阿里云边缘容器服务 ACK @ Edge 获得 “ 2021 云边协同能力 ”标准认证，在边缘容器技术能力要求的 33 项测评中全部通过；基于 ACK@Edge 实现的申通快递 IoT 云边端架构，入选“ 2021 分.
数字孪生如何与云-边-端协同的深度融合
03-15
<think>嗯，用户想了解数字孪生技术如何与云、边、端协同融合的技术实现和应用场景。首先，我需要明确数字孪生的基本概念，然后结合云计算、边缘计算和端设备的架构来分析。 根据引用[1]，C#在数字孪生中用于集成控制系统，比如PLC和SCADA，实现实时反馈。这可能涉及到数据采集和控制指令的下发。而引用[2]提到了云、边、端的计算技术，需要将这些层次结合起来。 首先，架构设计方面，应该分为云、边、端三层。云端负责大数据分析和模型训练，边缘层处理实时数据，端设备进行数据采集和执行控制。需要说明每层的具体功能和技术选型，比如云计算可能用AWS或Azure，边缘节点使用Kubernetes，端设备用IoT传感器。 然后，技术实现方案要考虑数据传输和协议，比如MQTT或CoAP。数据处理方面，边缘计算可能用TensorFlow Lite做实时推理，云端用PySpark处理批量数据。同步机制方面，可能需要时间戳或版本控制来保证数据一致性。 应用场景方面，制造业中的设备预测性维护是一个典型例子，端设备收集数据，边缘实时分析，云端优化模型。智慧城市中的交通管理也是一个场景，边缘处理实时交通流，云端进行全局优化。 挑战部分，需要考虑网络延迟、数据安全和异构设备兼容性。最佳实践建议模块化设计、分层安全和协同优化。 需要确保回答结构清晰，分点说明，并引用提供的资料。同时，生成相关问题时要围绕技术实现、架构、应用和挑战展开。</think>### 数字孪生与云-边-端协同融合的技术实现及应用场景 #### 一、技术架构设计 1. **分层架构模型** - **云端**：负责海量数据存储、全局模型训练、长期趋势分析和资源调度。 - 使用分布式计算框架（如Apache Spark）和高性能仿真工具（如ANSYS Twin Builder）构建高精度数字孪生模型[^1]。 - 示例架构：$$ \text{云端} \xrightarrow{\text{模型更新}} \text{边缘节点} \xrightarrow{\text{控制指令}} \text{端设备} $$ - **边缘层**：部署在靠近物理设备的边缘节点（如工业网关），实现低延迟数据处理和局部决策。 - 支持实时数据过滤、轻量化模型推理（如TensorFlow Lite）和异常检测[^2]。 - **端设备**：传感器、PLC等物联网终端，执行数据采集和物理控制指令。 2. **协同机制** - **动态任务分配**：云端训练全局模型，边缘节点优化局部参数，端设备反馈实时状态。 - **数据同步**：通过时序数据库（如InfluxDB）和消息队列（如MQTT）实现三端数据一致性。 #### 二、技术实现方案 1. **数据流管道设计** - 端设备通过OPC UA/Modbus协议上传原始数据至边缘节点，边缘节点进行预处理后，关键数据上传云端。 - 示例数据流： $$ \text{端设备} \xrightarrow{\text{10ms延迟}} \text{边缘节点} \xrightarrow{\text{5G网络}} \text{云端} $$ 2. **模型部署与更新** - 云端训练的数字孪生模型通过容器化技术（如Docker）推送至边缘节点，实现热更新。 - 边缘节点采用联邦学习框架，聚合多端数据优化本地模型。 3. **实时控制闭环** - 边缘层通过规则引擎（如Apache Kafka Streams）实现毫秒级响应，例如： ```python # 边缘节点控制逻辑示例 if sensor_data > threshold: send_command_to_plc("reduce_speed") ``` #### 三、典型应用场景 1. **智能制造** - 机床数字孪生：端设备采集振动数据，边缘节点预测刀具磨损，云端优化生产排程。 - 能效管理：云端分析全厂能耗模型，边缘节点动态调节生产线功率。 2. **智慧城市** - 交通管控：端设备（摄像头）识别车流，边缘节点调整信号灯，云端优化区域路网[^2]。 - 楼宇运维：边缘层实时计算空调能耗，云端模拟不同策略的节能效果。 #### 四、挑战与最佳实践 1. **关键挑战** - 网络波动可能导致云-边模型不一致 - 端设备资源受限难以运行复杂算法 - 多协议设备的数据融合问题 2. **实践建议** - 采用**边缘缓存机制**：在断网时使用本地模型维持基本功能 - **分层安全策略**：端设备硬件加密、边缘节点零信任架构、云端区块链审计 - **标准化接口**：定义统一的数字孪生描述语言（如DTDL） ---
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值