『即刻雾联』段靖远:即刻雾联在边缘云的探索和实践

2022-09-08 16:42:21来源: 热度:
在数字化转型速度不断提升的今天,大带宽、低时延、高并发的场景不断涌现,终端用户对于网络内容反应速率要求提升,对于CDN的应用需求也在不断攀升。而今正值中国CDN发展十年转型期,提升CDN核心竞争力,以CDN为切入点带动边缘计算、分布式云计算、音视频直播、云游戏等服务,为用户打造更高质量的CDN服务将成为新时代产业竞争的关键所在。
 
8月25日,以“新征程,耀一起”为主题的2022亚太内容分发大会暨CDN峰会在北京隆重开幕,本届大会由亚太CDN产业联盟、众视Tech联合主办。亚太CDN产业联盟携手阿里云、腾讯云、网宿科技、火山引擎、天翼云、中兴通讯、金山云等内容分发领域头部企业,为行业破旧立新、闪耀新征程发出最强音!
 
 
在8月25日下午举办的【边缘计算论坛】上,即刻雾联 联合创始人 段靖远发表了题为《即刻雾联在边缘云的探索和实践》的精彩演讲,详细内容如下。
 
据Data Bridge Market Research预计,在未来数年中,全球边缘计算市场规模将以33.75%的年复合增长率发展。
 
在边缘计算迅速发展的同时,今年中国信通院发布的边缘计算市场相关调查报告,指出了边缘计算当前发展所面临的挑战,主要有三个层面,一是现有的IT基础架构,在协同集成方面和边缘存在差异,部署存在困难;二是边缘节点管理复杂、困难;三是确保边缘节点的可靠性和稳定性。
 
 
边缘云网络架构分为两个平面,网络平面和计算平面。网络平面主要是基层运营商设备、端设备等组成的网络结构,网络最上层由骨干网和省域、城域设备组成,靠近客户侧是BRAS、OLT和分光器,以及汇聚网、接入网。
 
计算平面来看,按照RTT时延进行区分,中心云全局性强但时延较高,RTT时延为60-80ms;边缘云距离用户更近,RTT时延为2-5ms,二者差异巨大。因此,边缘云能够满足对低时延有较高要求的新型应用场景。
 
边缘云与中心云
 

 
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。
 
即刻雾联边缘云探索和实践
 

即刻雾联Insta-Edge Cloud网络架构图
 
Insta-Edge的最底层是IaaS资源,整合汇聚了海量异构资源,由多重硬件和带宽分组成。硬件包括服务器、虚拟机、盒子、容器等,带宽包括专线,楼宇、政企宽带,部分拨号。
 
上一层是即刻雾联自研操作系统Insta-Edge OS,可以让资源实现无缝融合;再向上是容器层和任务调度层,任务调度层是目前即刻雾联工作的重心,利用拨测对底层海量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资源方面,即刻雾联通过对IDC服务器、边缘智能设备进行虚拟化,技术解决了边缘异构问题;在所有节点之间,通过SD-WAN技术和部分自研VPN协议组成网状结构,解决了任务调度的时延问题。    
 
Insta-Edge OS
 

 
即刻雾联自研操作系统Insta-Edge OS,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:底层存储异构大,边缘机房存储可能机械盘,也可能是SSD、AVME等等不同的存储介质,IOPS差异比较大。
 
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,解决边缘节点在多网络出口负载问题。
 
LAYER 7行为管理,边缘侧相较于中心云,管理更为复杂,难度更高,而CDN行业领域,安全性管控普遍比较严格,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。
 
管理和运维平台
 

 
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。
 
平台主要解决三个方面的问题,一是资源管理,二是资源之间的协调,三整体对外的数据展示。
 
任务调度:软件定义广域网路径优化技术
 

 
即刻雾联利用机器深度增强学习,解决了SD-WAN路由以及路由精准、精细化管理这方面的问题。以OSPF路由为例,采用这一传统路由策略,一旦在点和点之间发生了DDos攻击,会严重影响到整个路由。
 
即刻雾联利用DQSP深度增强学习以及安全路由协议,对路由进行优化,从原来的OSPF路由调度到DQSP优化路由上去,解决路由节点不稳定、不可靠的问题。
 
 
DQSP算法示意图1
 

 
DQSP算法示意图2
 
图1是传统的路由协议工作流,只有两个层面,数据平面和控制平面,控制平面能够提供的支持非常少,只有一个简单的转发策略。
 
图2是利用DQSP算法,工作流包括三个层面,智能平面可以提供累计奖励,通过QOS感知安全,路由可以在累计奖励下选最合适的策略。
 
 
通过三个层面的详细算法,确定策略所获得奖励,调整相应参数,以获得更高的奖励值,奖励值倾向于可靠的、稳定的路由,实际完成路由后进行奖励配比,选出最优路由。
 
最后,段靖远说,即刻雾联目前主要在云原生和AI方面进行深度探索,利用上述两项技术的积累,为边缘云决策赋能,包括路由决策的优化和分发决策的优化。在技术赋能的基础上,支撑边缘云为IOT、大数据、VR、AR、元宇宙以及更广阔的应用服务。

责任编辑:徐晓俊