5月10日下午，分布式云网在线研讨会边缘计算专场——边缘计算的“术”与“业”在多家平台与网友见面。边缘计算领域大咖们就边缘计算这一热门技术话题，结合自身的技术和商业实践，分享了大量宝贵的技术创新和实践案例，同时也以自身的术业专攻为广大网友答疑解惑。
即刻雾联联合创始人段靖远在活动中，分享了《边缘云网络架构的现状和未来——即刻雾联IaaS技术实践》。
Data Bridge Market Research预计，全球边缘云市场将维持33.75%的年复合增长率，到2027年市场规模将达386.5亿元，前景非常广阔。
段靖远结合CMNET IP承载网对边缘云网络架构进行了讲解，CMNET分为两个平面，一是计算平面；一是网络平面，包含IP承载网和光网络两层，骨干网下包含省域城域的核心路由器（CR）、BRAS、OLT和分光器，再延伸就是汇聚节点和边缘计算服务。
在计算平面分为中心云和边缘云，中心云和边缘云在性能和应用场景上各有不同，中心云距离客户端更远，全局性强但时延较高，而边缘云距离用户客户端更近，是局部性低时延的（2-5毫秒）。
在分光器下有多个MDU/ONU，通过汇聚交换机汇聚到边缘计算的服务器上，为客户提供边缘计算相关服务。
中心云vs边缘云
相较于中心云省域级、地市级的IDC机房，边缘云一般是市县级运营商机房或楼宇机房；在用电和服务器方面，边缘云想比中心云有着一定的成本缩减；散热方面，中心云需要依赖热气流管理系统，边缘云主需要依靠中央空调实现散热；带宽和现场运维方面，边缘云不如中心云齐全；网络接入方面，中心云使用交换机，而边缘云使用MDU/ONU为主。
因为，边缘云网络架构的价值，就是在不稳定的基础设施上构建稳定可靠的服务，这种不稳定体现在基础设施的不稳定、网络波动较大、接入异构性强等。
即刻雾联 Insta-Edge Cloud 边缘云架构
Insta-Edge的最底层是IaaS资源，可以对海量的异构资源进行整合汇聚；上一层是即刻雾联自研操作系统Insta-Edge OS；再上一层是容器层；容器层之上是任务调度层，包括KubeEdge、CMDB和拨测，CMDB提供管理数据库，拨测主要对底层海量IaaS资源进行时延、可用性等方面的探测，KubeEdge在CMDB和拨测的基础上进行任务的调度和分发；最上层为Insta-Edge Cloud，提供具体的应用，包括弹性存储EStorage、P2P CDN、分布式计算和共享带宽。
在IaaS资源侧，即刻雾联通过虚拟化技术解决了异构性强的问题；在所有节点之间，通过SD-WAN技术，组成了网状结构，解决了任务调度的时延问题。
即刻雾联自研操作系统Insta-Edge OS的核心主要分为三个部分——instaFS文件系统、负载均衡和策略路由、LAYER 7行为管理。
instaFS文件系统是即刻雾联在一些开源项目基础上开发的虚拟文件存储系统，使用存储池模型，解决了存储异构性问题和不同业务对存储设备不同性能需求的问题。
负载均衡和策略路由，解决了边缘节点多网络出口的负载问题。
边缘侧相较于中心云，管理更为复杂，难度更高，利用LAYER 7行为管理，有效解决了边缘应用的安全性问题，多重保障业务安全。
上图是即刻雾联开发的一套完整的CMDB海量边缘节点管理系统示意，主要功能是海量资源管理、海量资源关系管理和数据展示，包括自动化管理平台、监控平台、流程控制平台和数据展示平台，支持定制报表、流程展示和数据图形。
采用传统路由（OSPF），存在QoS质量问题或DDoS攻击的风险；使用即刻雾联研发的深度学习QoS感知路由DQSP，可以有效避开上述潜在问题和风险。
传统路由协议工作流采用数据平面和控制平面，转发相对简单，没有进行相关策略；采用DQSP路由协议，会自动增加智能平面，做QoS智能感知安全理由，通过奖励函数，在实际完成路由后进行奖励配比，选出最优路由。
DQSP通过控制平面的全局视角感知、接收底层网络环境，生成相应的路由策略。执行路由后进行评估，确定策略所获得的奖励，根据深度确定性策略梯度算法DDPG调整相应参数以获得更高的奖励值。DDPG采用Actor-Critic模型进行学习。
未来，IoT万物互联、VR高清视频、云游戏以及海量数据都将为边缘计算的发展带来机挑战，资源异构、统一交付、管理运维、智能化任务调度策略等，都将是边缘计算要解决的难题。即刻雾联致力于云原生和AI技术的相关研发，利用云原生统一交付管理运维的特性，提升业务调度的弹性，通过AI技术决策赋能，实现路由决策、分发决策的优化，为边缘云赋能，让边缘云在更多应用场景落地，为数字化转型和改善社会生活做出更大的贡献。
*文章为作者独立观点，不代表云投网立场
