8月6日，深信服研发架构师赵振阳受邀出席由中国信息通信研究院等单位联合举办的“边缘原生”技术沙龙，并做《深信服边缘关键技术及落地实践》的主题分享。在分享中，赵振阳介绍了边缘计算面临的主要挑战，深信服在云边协同、边缘计算上做的探索和方案，深信服基于开源社区对于边缘计算、云边协同一些能力建设和考虑，以及如何使用边缘计算帮助用户解决实际问题。
边缘计算的发展
赵振阳介绍，在边缘计算之前，物联网和云计算已经有了长足的发展。1990 年，美国卡内基梅隆大学的程序员写完代码后经常到楼下的可乐售卖机买冰可乐，但很多时候只能看着空的可乐机败兴而回。为了解决这个问题，他们发挥程序员的专长，把楼下的贩卖机连上互联网，编写代码监视可乐的存量和冰冻情况。自此之后，物联网的概念进入大众视野。
边缘计算概念在2013 年被正式提出来，2013-2017 年期间，是云计算传统基础能力的发展阶段。2019 年之后，华为将KubeEdge捐献给CNCF KubeEdge完全兼容K8S的API，这标志着在IT领域真正实现了云边协同。
在赵振阳看来，边缘计算的发展经历了从中心端云端1.0时代到算力下沉的2.0时代。云计算技术架构起初的发展路径是集中在中心端，在中心侧提供PaaS平台和SaaS应用，来处理边上收集到的数据。
现在边缘的传感器越来越多、种类也越来越丰富，数据从端设备传输到中心的带宽越来越大，成本也越来越高;同时，随着业务的发展，车联网、安全生产等越来越多的业务需要快速给出计算结果，甚至要求在毫秒级给出处理结果，这就必须使用边缘计算的方案，让算力从中心下降到边缘、在数据本地计算，才能满足要求。
深信服边缘计算的关键设计与实现
赵振阳介绍了深信服边缘计算的方案设计架构：在中间云侧，利用信服云托管云联合合作伙伴在全国建立的 70+数据中心节点，实现边缘数据的汇聚、分析。在近场边缘，通过超融合实现数据中心算力的下沉。在现场边缘，深信服提供边缘计算一体机，把原生的能力沉淀下来，更快地获取到设备端的数据。
赵振阳认为，通过信服云托管云+超融合+边缘计算一体机的组合，深信服可以帮助企业实现算力向数据源进行下沉，同时把计算的结果向云端进行汇聚，在云端做分析，给诸多企业的高效管理提供了助力。
在深信服设计的边缘计算架构方案里，一个管理平台可以管理多cluster，既能够管理中心端k8s cluster， 也可以管理边缘。如果遇到边缘节点宕机的情况，业务可以自治，边缘侧的业务不受影响，并且数据是能够保持和中心端的最新同步。
即使遇到边缘节点与中心节点网络故障的情况，中心端跟设备端之间可以直接通过DNS 进行访问。把业务部署在边上之后，需要针对每一个边设置不同的私网或者不同的网络环境。这也是深信服希望把这种云边协同真正做到极致的原因，才能真的把原生的能力应用到边缘上。
谈及深信服在云边协同目前主要的努力，“一方面是深度参与社区。我们把深信服自己的遇到的一些场景和社区共享;另一方面是做一些额外开发，开发完之后我们会反馈给社区。这样不断沉淀问题，联合社区不断更新，从而为这个产业去不断贡献自己的力量。”赵振阳介绍。
深信服边缘计算案例分享
赵振阳还分享了深信服边缘计算的典型应用场景，包括园区监管、安全生产等场景。
在园区的监管场景，监管单位出于安全考虑需要收集园区里每个企业的数据，借助于深信服的边缘计算平台和产品，园区内的企业可以实现原始数据不出企业，监管数据上传可视可控。基于边缘AI现场的推理分析，可以有效降低带宽成本，同时也可以提高事件预警的及时性。此外，一体机部署灵活，云边协同，能够大幅减少运维成本。
在化工园区安全生产监管场景，边缘计算一体机部署在企业内网环境中就近采集数据，接入重点防范区域的摄像头实时视频流，通过AI算法进行实时视频的智能分析，并根据算法预设规则对视频分析结果进行业务后处理，将异常事件上报到园区管委会，满足安全生产的监管需求。
在煤矿安全生产场景，APP运行在边缘端，通过AI、IOT实现智能自动控制，实现井下无人本地化处理，保证实时性，减少传输时延和传输流量。云边一体化运维，实现边缘设备、边缘应用能力灵活更新，降低整理运维成本。
在新能源场站设备预测维护场景，将边缘数据采集装置部署在接口机后，采集全量设备的运行数据，包括温度、湿度、震动频率等，根据前端设备协议类型，从边缘计算管理平台推送相应的协议插件实现设备统一接入;将采集到的数据传输到数据转发服务装置，实现数据预处理及标准化，将治理后的数据上报至集控中心，结合大数据、AI技术实时对设备进行综合监控、预测分析和优化改进。
最后，赵振阳强调，云原生技术使得边缘计算发展进入快车道，云边协同与边缘自治，也是当前边缘计算要解决的核心问题。他指出，边缘计算必须解决复杂的边缘组网问题，才能为企业提供更加安全可靠的接入、传输服务，才能真正地助力各行各业实现数字化转型。
