详析 Kubernetes 在边缘计算领域的发展
现在开源边缘计算正在经历其业界最具活力的发展阶段。如此多的开源平台，如此多的整合以及如此多的标准化举措！这显示了构建更好平台的强大动力，以便将云计算带到边缘以满足不断增长的需求。
同时Kubernetes现在已经成为容器编排的事实标准，在云原生领域大放异彩，能否可以将Kubernetes应用于边缘计算领域？具有哪些优势，又有哪些挑战？
什么是边缘计算
边缘计算(Edge Computing)是一种在物理上靠近数据源头的网络边缘侧来融合网络、计算、存储、应用核心能力的开放平台。
为终端用户提供实时、动态和智能的服务计算，边缘计算会将计算推向更接近用户的实际现场，这与需要在云端进行计算的传统云计算有着本质的区别，而这些区别主要表现在带宽负载、资源浪费、安全隐私保护以及异构多源数据处理上。
这里有一个非常典型的例子， 就是章鱼，章鱼在捕猎时它们动作非常灵巧迅速，腕足之间高度配合，从来不会缠绕和打结。这是因为章鱼的神经元的分布是40%集中在他的头部，60%的神经元分布在他的触角上，是“多个小脑+一个大脑”的构造，类似于分布式计算。而边缘计算也是一种分布式计算，这种分布的好处呢，就是大部分重复的，低级的操作，都有触角来完成，是减轻了中央章鱼大脑的功耗，而让中央大脑只处理一些核心的数据。
随着5G，万物互联时代的到来，整个网络设备接入的数量，以及靠近设备端产生的数据会爆发式增长。这就遇到一个问题，如果所有数据处理都放到集中式数据中心，带宽，实时性，能耗，隐私等等都会面临很大的挑战。但采用边缘计算，就可以就近处理海量数据，大量设备可以实现高效协同工作，诸多问题迎刃而解。
因此边缘计算有着它独特的价值：
连接的广泛性， 因为他高度分散，能够覆盖到用户的实际现场各个终端。
是数据带宽的优化，可以将部分业务下沉到数据的产生源头，这样大部分的数据并没有经过骨干网，这对于整体网络的带宽是一个极大的优化，通过本地数据预处理，可以极大减少传输带宽的需求，这里面最典型的例子就是CDN，通过就近拉取视频流，这样骨干网络只有中心站点到CDN站点几份的数据传输。但是每个CDN站点的访客可能数以万计或者百万计。
是边缘的自治性，整个业务下沉到边缘，高度分散之后，边缘跟中心云的网络不能很好的保障，这就需要在骨干网络质量不能保证的情况下，需要边缘具备一定的自治性。这样才能更好的服务终端业务的请求。
从端到端的体验来说，主要体现的是业务的实时性，因为大部分的业务请求都在边缘处理， 整体的业务请求可以缩小到10ms以内。
最后一点， 因为实施边缘计算以后，可以减少大量不必要的敏感数据的跨网传输，可以在边缘做数据的预处理或者匿名化处理，把最敏感的数据处理放在边缘，这样可以大大的增强数据的安全性和隐私保护。
其实边缘计算这个概念已经出现了很长时间， 那么为什么近几年会快速发展呢，其中一方面是因为网络技术的快速发展，以及5G时代的到来，万物互联，一切连接皆有可能。从关键因素上来来，主要是4大点：
低时延，很多新兴的业务快速发展，包括自动驾驶，AI，VR等等，这些都对时延有非常苛刻的要求。
是随着接入到网络的设备数量大量增多， 导致数据爆发式增长， 这也是对边缘计算的一个很大的推动力。
是隐私安全，像现在人工智能， 以及对应的人脸，指纹识别等，但是这些最原始的指纹或者人脸的隐私信息， 我们不希望在公网传输被被人去盗取或者篡改数据，如果用边缘计算呢， 我们可以避免这种问题。
最后一点呢， 就是边缘的业务要具备自治能力，如果跟云端的网络请求断开，或者网络质量不高的情况下， 边缘业务要在出现故障时候，自我恢复。
这是推动边缘计算的四大主要因素。
基于Kubernetes构建边缘计算平台
那么需要什么框架去构建边缘计算平台呢？我们可能首先想到的就是现在大火的Kubernetes。
对Kubernetes来说，它的核心功能基本上趋于成熟。现如今Kubernetes已经日益成为公有云/企业IT系统的基础设施，不仅大多数新兴的云原生负载是构建在Kubernetes上的，我们还将看到传统应用和负载也在以更快的速度向Kubernetes迁移，人们趋向于使用Kubernetes。而且Kubernetes 在朝着大规模，复杂场景的方向延伸，与AI、大数据、IoT、以及垂直行业等领域的结合越来越紧密。近来，越来越多围绕Kubernetes生态圈的创新，正在这些领域发生着。
与其他的新技术出世的情景类似，目前的边缘计算也是一片炙热的景象，多种技术形式出现，大家都在争夺这个领域。而且边缘计算的发展空间显然是无限的，实现的方式也是无限的，多种多样。这使得灵活性成为了非常重要的关键点。如果打算让下一代服务能够继续与传统IT进行交互操作，兼容传统IT，就要去边缘计算技术尽量能够在任何类型的架构（边缘、云或集中式硬件）中部署和扩展，去兼容异构的架构，而这更Kubernetes的设计理念有点类似。
Kubernetes项目源自于Google的borg项目，天生站在巨人的肩膀上，自2014年6月开源以来，Kubernetes在众多厂商和开源爱好者的共同努力下迅速崛起。现在已经基本成为容器编排的事实标准。而且越来越多的公司和组织加入CNCF，众多的开源爱好者参与Kubernetes社区开发，现在，Kubernetes已经成为容器编排领域的事实标准。超过80家厂商都已经提供了经过认证的标准的Kubernetes服务。除此之外，还有很多公司都在使用Kubernetes的服务。而且围绕Kubernetes的云原生版图也是越来越丰富。
那么在边缘计算场景下使用Kubernetes ，具有哪些优势呢？
这里首先要从Kubernetes的架构说起。了解Kubernetes的同学对Kubernetes已经很熟悉了，这里我再简单介绍一下：
从架构层面，Kubernetes是一种比较先进的松耦合的架构。控制层面有：API server，controller-manager，Scheduler，集群的状态都存在etcd中，数据面有：kubelet和kube-proxy安装在每个计算节点，用来管理Pod生命周期和网络的处理。
它所有的组件都是用过API server来进行访问的，这样可以保证数据访问的过程是可以被鉴权和认证的。同时所有组件之间，没有耦合关系， 他们都跟API server做交互，只依赖于API server，他的API是声明式设计的。同时在具体的应用声明周期的管理过程中呢， 他是通过多个API对象，彼此互不，和组合来实现解耦。
其次由于容器有轻量级、安全性、秒级启动等优秀的特性，容器天然的轻量化和可移植性，对应用进行容器化封装，使用容器本身的特性，充分使用build once，run anywhere的优势，轻量化基础镜像，降低资源的占用，非常适合边缘计算的场景，这一点边缘计算的厂家和开发者们都心知肚明。而且鉴于Kubernetes已经成为云原生编排的事实标准，因此携手Kubernetes进入边缘将很有可能结束边缘计算当前混沌的状态，并定义云端和边缘统一的应用部署和管理的标准。
最后在边缘计算场景下，有着大量的异构设备，每种设备都有自己独特的特征属性，我们可以充分利用Kubernetes提供的扩展的API资源：CRD功能，对这些设备进行数据建模，数据抽象，从而进行统一管理。
但是，Kubernetes不是天生为边缘计算而生的， 他是从集中式数据中心的场景里诞生出来的技术，因此在边缘计算场景下，Kubernetes也遇到了很多挑战：
为了减轻API server的访问压力以及集群状态的快速同步，Kubernetes优先使用事件监听（list-watch）方式而不是轮训方式来处理。这也是一个很大的亮点。这种情况比较适合于网络质量较好的数据中心去部署。
但是呢反过来讲，这会对边缘计算场景带来挑战。Master和Node通信是通过list watch机制，它没有办法在边缘场景这种受限的网络下很好的工作，本身list watch实现也是假设的是数据中心的网络，整体网络质量相对比较好的情况下。
另外Kubernetes节点是没有自治能力的，如何在网络质量不稳定的情况下，对边缘节点实现离线自治，这也是个问题。
Kubernetes各个组件其实是比较耗资源的，当然这种组件对资源的占用，相对于集中式数据中心的资源来说是微不足道的，但是在边缘，资源有限的场景下，Kubernetes是很难很好的工作的。一个kubelet启动大概就占用上百兆的内存，整个Kubernetes如果附上HA的能力，实际上会占用相当多的资源。如果你想你的应用跑在一些IOT网关或者设备上，他们可能只有几百兆的内存，或许一个原生kubelet都跑不起来。
还有就是，在边缘计算场景下，它有很多异构的边缘设备，支持的工业协议也不一样，那么这些边缘设备怎么管理，怎么让边缘应用通过比较解耦的方式与这些设备交互，这是Kubernetes本身没有提供的。我们只能充分利用Kubernetes 的CRD资源进行二次抽象。
还有一个问题是在边缘计算场景下，应用和节点的监控和报警问题，是在边端进行数据的监控报警，还是在云端统一进行收集，这也是一个很大的挑战，另一个问题，是在Kubernetes的架构选型上，我们到底采用哪种场景和架构。
第一种是将整个Kubernetes集群跑在边缘，第二种是将Kubernetes的控制层面跑在云端，去管理边缘的计算节点。这是很多在Kubernetes构建边缘计算平台时候，所面临的问题。
实际上在Kubernetes IOT EDGE这个working group调查中显示，两者比例是30%的人更倾向于把整个Kubernetes集群跑在边缘，这种场景更多的是一些近场的边缘，就是相对来说，靠近边缘的网络位置上的这种边缘计算，要求呢就是计算能力相对要高一点，首先要能够承载Kubernetes本身组件的运行。
还有70%更多的人，更倾向于这种现场的边缘计算，这种边缘是一种更轻量，更极致的边缘计算追求。在这种情况下， 没有太多的跨节点的调度，或者应用动态迁移的诉求，很多应用都会跟某个设备做绑定。
其实现在基于Kubernetes平台的开源边缘计算项目已经有很多个了，这里列出来了三个：
K3s：https://github.com/rancher/k3s
Microk8s：
https://github.com/ubuntu/microk8s
KubeEdge：
https://github.com/kubeedge/kubeedge
当然还有其他的开源项目，有兴趣的大家可以自行查找。K3s定位是在边缘端轻量化的Kubernetes集群。
删除了Kubernetes一些alpha的feature，专门针对ARM环境进行了发布，为了处理Node节点在内网的场景，专门增加tunnel proxy的组件，来传递像exec 或者logs这些命令请求。对于Kubernetes的核心代码逻辑没有大的改动。
在资源占用上，已经比原生Kubernetes小了不少。Server在480M，Agent是120M。
由于Server和Agent主要还是通过List-watch来通信，还是很适合于纯边缘侧部署一整套Kubernetes集群，不适合云边协同的场景，只能运行在边缘侧。社区这块，有Rancher开发和管理。
Mincrok8s也是轻量级的Kubernetes发行版。
Mincrok8s和K3s在应用场景上差不多，比较适合纯边缘的环境，也是缺少云边协同的解决方案。支持ARM/Win10/macOS安装，Kubelet占用大约80M内存，Master占用大约600M内存，K3s对Kubernetes的部分核心代码做了修改，但是Mincrok8s并没有做修改。
KubeEdge呢，由华为开源，2019年3月捐给CNCF基金会。
同时也是Kubernetes IOT Edge working group的关键参考架构之一。
主要是针对边缘侧做了优化：包括边缘恻节点的离线状态自治，云边消息传输默认使用WebSocket。支持云边协同，同时支持云端集群和边缘端集群的管理。
在边缘侧节点Edgecore的内存暂用率大约是70M，同时兼容Kubernetes的核心API功能，现在大约有超过250个贡献者参与其中。
每个开源项目都有它的侧重点，各有优势，大家在技术选型时候可以根据自己的业务场景选择不同的开源项目。
在这里主要着重讲一下KubeEdge。
KubeEdge主打三个核心理念，首先是云边协同，边是云的延伸，用户的边可能位于私有网络，因此需要穿透私有网络，通过云来管理私有节点，KubeEdge默认采用WebSocket+消息封装来实现，这样只要边缘网络能访问外网情况下，就能实现双向通信，这就不需要边端需要一个公网的IP。同时呢，KubeEdge也优化了原生Kubernetes中不必要的一些请求，能够大幅减少通信压力，高时延状态下仍可以工作。
KubeEdge第二个核心理念是，做到节点级的元数据的持久化，比如Pod，ConfigMap等基础元数据，按照每个节点持久化在他的设备上，边缘的节点离线之后，它仍可以通过本地持久化的元数据来管理这些应用。熟悉Kubernetes的同学应该知道，当kubelet重启后， 它首先要向Master做一次list watch获取全量的数据，然后再进行应用管理工作，如果这时候边和云端的网络断开，是无法获得全量的基础元数据，也不能进行故障恢复。KubeEdge做了元数据的持久化后，可以直接从本地获得这些元数据，保障故障恢复的能力，保证服务的快速ready。
另外一个理念是极致的轻量化：在大多数边缘计算场景下，节点的资源是非常有限的，KubeEdge采用的方式是重组kubelet组件，移除了内置了面向于云厂商的驱动，通过CSI介入，去掉了static Pod，同时支持CRI，支持多种container runtime。
在空载时候，内存占用率很低。
这是KubeEdge整体架构，KubeEdge对原生Kubernetes的架构侵入比较小，都是旁路设计。
云上：主要是通过旁路设计开发的CloudCore组件，边缘节点的同步和维护是通过CloudCore来维护，CloudCore通过list watch来跟Kubernetes集群做信息同步。而CloudCore里面内置的CloudHub模块和边端内置的EdgeHub模块，构建了一个WebSocket消息通道，通过结构化的消息封装，来同步Kubernetes的基础元数据，比如Pod，ConfigMap等等。另外CloudCore里面还包含edgecontroler和devicecontroller模块，这两个模块分别用来管理Kubernetes的元数据以及跟Device相关的CRD资源。 边端：Edgecore，做到了持久化存储，edged相当于一个精简版的kubelet，支持CRI，底层可以对接多种container runtime，deviceTwin和DEventBus主要是做设备的元数据管理以及MQTT协议的订阅和发布。主要是跟终端设备通信用。 在终端设备这里：现实场景里， 设备终端会有多种多样的访问协议，当然比较新兴的一些设备可能会直接支持MQTT协议，但是对于一些专用的设备或者工控的领域呢，会有他们专用的协议，KubeEdge呢采用了Mapper的设计，可以将这些专有的设备的协议转换成MQTT协议，来实现边缘的应用和云上的设备数据的同步和管理，当然KubeEdge最新版本还有SyncController，用来负责可靠性消息传输的同步问题，大家有兴趣的可以自行查看KubeEdge的源码。
那么在云端的核心组件CloudCore，主要由下面几部分组成：
Edge Controller主要是来负责边缘节点元数据的同步和管理，主要是Pod，ConfigMap等应用相关的元数据。 Device Controller是引入来管理边缘设备的模块，还有一套对应的CRD的定义，扩展的Kubernetes API，用来管理边缘设备。 CloudHub模块，上文也简单讲过了，主要是管理与边缘端EdgeHub的websocket的连接， 下发云端发来的数据，和上传边缘发来数据跟云端同步。 CSI Driver是为了实现标准的CSI方案而做的适配器。 Admission webhook主要用来给扩展性API做一些合法性的校验。
KubeEdge边端的核心组件Edgecore主要由下面几个模块组成：
EdgeHub：主要是跟云端交互，它跟云端的CloudHub是对等的，首先由EdgeHub发起云端的WebSocket连接。 MetaManager：本地持久化数据管理，KubeEdge的离线自治的能力主要是由这个模块实现的，简单来说每个Node用到了哪些Pod，哪些ConfigMap，Secret，都会通过MetaManager写入边缘本地的持久化数据库中，现在当前用的SQLite。 DeviceTwin和EventBus：主要是设备管理，比如说设备状态的上报，以及设备控制指令的下发，而EventBus相当于MQTT的一个client。 Edged：是一个非常轻量化裁剪过的kubelet，使用了应用生命周期管理中最关键的几个模块，去掉了云存储的驱动。支持CRI接口，适配多个container runtime。
整体KubeEdge比较适合于云边协同，边缘侧离线自治，通知对边缘侧资源要求比较苛刻的场景。如果您的场景需求跟这个比较类似， 建议尝试一下KubeEdge，来管理边缘集群。
同时呢，社区也有一些demo案例， 比如KubeEdge控制树莓派led，或者交通灯等等，可以让同学们能快速上手，对KubeEdge和边缘计算有个初步了解，有兴趣的同学可以研究一下。https://github.com/kubeedge/examples
关于社区参与
KubeEdge在19年6月发布了1.0版本，现在最新版本是1.2.1，支持数据可靠性传输，Component API，边缘节点自动注册，适配Kubernetes 1.17版本等核心功能，计划今年的5月份，我们发布1.3版本，主要包括kubectl exec/logs的支持，CloudCore的HA，Edgemesh，云端监控数据收集等功能。也欢迎有兴趣的同学参与社区开发。
最后
边缘计算还有很广阔的发展前景，Kubernetes在边缘计算领域还有许多路要走，我相信基于Kubernetes的边缘计算开源项目也会不断完善，更好的解决边缘用户的需求。
Q&A
Q：边缘计算的边在哪里？网络的边缘到底是指什么，如何具象化？如何确定边的位置？边的位置和应用的关系？所谓的边与端的区别是什么？比如说摄像头算是边还是端？边缘网关算是边还是端？这个概念如何判断？
A：边缘计算的边具体在哪里，其实没有很明确的概念，一般主要看你的业务场景。网络边缘一般是指靠近客户现场一侧的网络边缘，在边缘计算场景下，应用是部署在边侧，就近计算，一般情况下摄像头我们可以是认为是端，但是如果摄像头自己有计算能力，有网络接入，能够部署应用，我们也可以理解是是边侧的计算节点。
Q：云边同步怎么做的？
A：KubeEdge云边同步主要通过EdgeHub和CloudHub这两个模块构建的WebSocket连接进行Kubernetes资源的同步的，连接请求首先由Edge端发起，一旦WebSocket建立后，云端就可以向边缘侧传递数据。
Q：如何保证云边状态的统一？Docker形式的边缘应用的优缺点有哪些？
A：KubeEdge最新版支持可靠性消息传输。云端的Kubernetes资源状态发生变化后，会默认通过WebSocket通道进行下发，如果这时候网络断开或者网络质量不高，会进行重传。但是这里为了防止资源状态数据的积压导致内存占用率过高，Kubeedge充分利用了Kubernetes的去重队列，对资源数据进行去重处理。
Q：Kubernetes Master，Kubernetes Node，KubeEdge Edge节点三者是什么关系？在Master上部署CloudCore去管理Edge节点，那Kubernetes Node是否参与其中？是不是说Edge节点只需要跟Master节点上的CloudCore进行通信，不关心Node；Node也只在Kubernetes集群内通信，不关心Edge？
A：Kubernetes Node和KubeEdge Edge节点没有本质区别，Kubernetes的Node是由kubelet像API server进行注册的，而KubeEdge Edge节点是KubeEdge通过云边协同机制通过CloudCore进行注册的。通过kubectl get node看到都是Node，区别在于Edge Node会有专门的标签。
Q：在Kubernetes中，云和终端节点如何通讯的，全双工还是半双工的？实时还是轮询的？IPv6和5G是否应用其中？如何连接其中节点的？对于大量节点之间如何规划网域？是否存在安全问题？如何解决安全隔离问题？
A：Kubernetes中，Master和Node是用过list-watch机制进行通信的，Node上的kubelet启动后，会首先进行list获取全量的数据，之后进行watch，只watch变化的数据。对于Kubernetes的容器网络来说，社区都有比较成熟的CNI插件，Flannel，Calico等等，可以根据自己具体的业务需求来使用不同的网络插件。如果对于安全隔离要求很高，可以让Kubernetes跑在VM上，使用VM本身的隔离性。
再问：我说的安全问题是，因为考虑节点之间的自治势必存在节点互通情况，比如这种场景：我和我家邻居冰箱都用同一个Cloud服务，会不会出现对方通过节点之间的通讯，hack访问到我的冰箱。
A：这种我觉得应该是称作为SaaS服务会比较合适，虽然你和你家邻居的冰箱感觉是在边缘侧，但是这种应该不属于边缘计算场景，而且节点自治和节点互通也没啥关系。
Q：KubeEdge和EdgeX能结合使用吗？
A：我个人没有应用实践过。KubeEdge是Kubernetes在云端向边端的延伸。如果你如果曾经将Kubernetes和EdgeX结合使用过，理论上KubeEdge也是可以的。
Q：完全是KubEedge新手的话，该从哪里入手呢?
A：https://kubeedge.io/zh/，另外有什么问题可以在KubeEdge社区里提issue或者slack里提问。另外KubeEdge社区每两周周三下午会有社区例会，相关连接可以查看：https://github.com/kubeedge/kubeedge。
Q：KubeEdge当前应用于哪些商业场景？
A：最典型的是摄像头类场景，比如汽车保养门店，园区人脸识别入园，车牌识别等等。把AI计算类应用部署在客户现场一侧（比如汽车门店或者园区），直接就进图像识别。
Q：KubeEdge现在有支持哪些终端直接跑Node？除了前面提到的树莓派、交通灯。
A: 树莓派一般是用于开发测试场景。有兴趣的可以尝试一下华为的atlas开发者套件。一般ARM架构的服务器都可以。
Q：请问KubeEdge实际部署中遇到哪些问题？如何解决的? 现今面临的主要挑战是什么？
A：主要是边缘场景下，客户对云原生，Kubernetes的理解程度不一样，需要时间。这就跟最开始Kubernetes诞生以后，对传统观念是一个冲击。
Q：KubeEdge对关键功能是否有监控？监控方案是如何做的？报警规则分别有哪些？
A：KubEedge 1.3版本计划提供Metric功能，可以使用开源Prometheus去监控报警。
同时，欢迎所有开发者扫描下方二维码填写《开发者与AI大调研》，只需2分钟，便可收获价值299元的「AI开发者万人大会」在线直播门票!
推荐阅读：
如何成功构建大规模 Web 搜索引擎架构？ “出道” 5 年采用率达 78%，Kubernetes 的成功秘诀是什么？ 一群阿里人如何用 10 年自研洛神云网络平台？技术架构演进全揭秘！ 拿下 Gartner 容器产品第一，阿里云打赢云原生关键一战！
真香，朕在看了！