共计 5392 个字符，预计需要花费 14 分钟才能阅读完成。
简介：5G 时代海量视图计算场景，阿里云边缘计算节点聚焦视频上云和解决方向，阿里云高级技术专家为您解读海量视图计算背地的技术与架构能力。
\>> 发布会传送门：https://yqh.aliyun.com/live/edgecloud\_visual
作者：胡帆
数据载体、算力散布正在根本性变动
视频和图片因其弱小的信息承载力，曾经成为数据内容的次要载体和信息流传的次要形式。5G 的大带宽、低时延、广连贯的个性激活了云视频监控、云游戏、物联网等场景利用，从生产互联网到产业互联网的延长，更加促成了终端利用和视图数据的暴发。
这些终端和数据具备扩散、海量和价值密度绝对低的特点，以摄像头为例，IHS 的钻研指出，目前寰球有 10 亿个监控摄像头在看世界，也就是继续产生视频图片数据，这个数据量是 ZB 级，但其中绝大部分数据价值较低，咱们更须要留存产生关注事件的片段以及其结构化信息，这样的场景和需要对计算和存储的形式带来了严厉挑战和根本性变动。
新的 基于边缘的数据接入、计算和缓存的分布式系统架构无效地解决了这样的问题，它能确保流量和计算收敛到本地，显著升高网络传输老本、晋升计算效率，满足 5G 低延时解决的场景化需要。
基于边缘构建业务零碎的技术挑战
海量、分布式、异构的边缘节点资源个性，会给业务带来微小的挑战，在服务适配、弹性和高可用等方面都要进行相应解决，对业务零碎而言有感，解决不好甚至会有损。
基于边缘构建业务零碎，技术挑战次要来自以下几个方面：
1. 边缘的节点扩散且多级，节点多而体量小，须要进行简单的治理，交互拜访时关注具体位置并会有多个入口，如计算和存储的地位
2. 资源的异构导致业务须要对资源进行选型，每个节点的资源类型散布也可能不平衡，如 CPU、GPU、ARM 阵列等不同的计算资源。
3. 繁多节点的弹性弱，全局的弹性强，伸缩又必须思考部署地位和业务适配
4. 单节点的割接，以及边与边、云与边之间简单的网络环境，都可能导致服务抖动，甚至单点不可用，都须要业务零碎思考好服务漂移等问题，当工作有状态时，思考的状况会更加简单。
如何应答这些挑战，在应用海量分布式节点和核心云时体验简略和统一？最好只有一个交互面
视图计算 - 地位无感的计算、缓存和连贯平台
视图计算很好地解决了这个问题，它基于广覆盖的 ENS 基础设施，提供地位无感的计算、缓存平台，同时为了让视图数据能更好地上云，提供了视图（终端）上云的连贯平台。
如上图所示，在基础设施层，通过资源纳管、虚拟化和资源切片，造成对立的池化资源，并提供平安和隔离的能力；视图计算 PaaS 平台通过对立的网络、计算、存储调度，屏蔽了资源异构，以及资源的物理地位，依据业务个性、终端地位和资源状态，进行边缘资源与终端的匹配和协同调度，在保障业务低延时、高可用响应的同时，实现业务对计算、存储和连贯的地位无感；
比方在安防、教培、交通物流等摄像头上云场景，设施接入、流媒体接入和解决会综合思考可用算力、网络带宽和存储容量等节点状态，就近选取最匹配的节点，节点地位更凑近内容的生产端（摄像头）。而云游戏等场景，须要特定的渲染计算资源（如 ARM 板卡），同时要更凑近内容的生产端（手机端）侧，当须要多人观战直播时，又能够推流到 CDN 网络进行散发和异地观看。
视图计算云 - 边 - 端协同架构
构建视图计算平台外围是云边端的协同架构：
1. 终端设备负责进行视图等数据的采集和汇聚，以及视图的解码和展现（即瘦终端），同时能进行指令的输出操控，或者是依据云上下发的配置和规定进行简略计算。
2. 视图计算基于扩散的边缘节点构建了低延时的设施接入网关，实现了多种终端上云连贯协定（如 GB28181/RTMP 等），同时能接管实时流和视频图片文件的疾速上传。在节点内或邻近节点进行计算解决和周期性存储，计算结果（如结构化的 AI 剖析数据）以及须要长久化长期存储的数据，通过边与云之间的平安减速通道实现疾速回云。
3. 视图在核心云进行节点和设施治理，以及对立调度、Meta 汇聚等。终端设备在云上会映射到一个虚构设施，相似于物理世界的投影（也就是影子设施），对影子设施的治理、配置和操作，都会通过信令通道疾速下发、执行和反馈，当设物理设施断电或异样下线后，上下文能很好地保留，上线后会及时同步。
通过视图计算看到的是一朵云、一个交互面，而不再是 N 个扩散入口的分布式小云，云边端的协同架构能在老本、延时和可靠性上找到最佳平衡点，比方老本上，网络带宽、计算和存储老本须要综合考量。
地位无感的多点协同计算
视图计算服务针对视图数据提供了三种地位无感的计算：
1. 视图根底计算：包含转码、录制、截图等，通过编码优化，实现高压缩比，等同画质可节俭 20~40% 的存储空间和传输带宽
2. 视图 AI 计算：依靠达摩院在计算机视觉上的算法积攒，视图计算提供各种场景化的视图结构化分析、指标检测和跟踪等 AI 能力
3. 自定义计算：自助上传和托管算子，升高算法接入老本，不便用户和算法供应商将算法集成到视图计算服务中应用。除了算子和参数能自定义，计算模式也能依照本身业务需要进行自助定制。
这些计算的最大特色是“算随网动”：计算随着数据在网络上的流动而开展，防止全量数据回传核心云解决，实现算力的下沉和终端计算的上浮。
这张网就是阿里云的边缘协同网络，它实现了终端 - 边缘、边缘 - 边缘、边缘 - 核心的一体化协同，为下层利用屏蔽简单的网络环境，在提供优质的端到端接入和数据传输能力的同时，这张网注入了可计算和缓存的能力。
除了摄像头上云等常见的本地计算场景，互联网直播等场景也能基于视图计算进行边缘转码和实时 AI 剖析，晋升整体用户体验。比方直播流无需上行回传核心再散发到边缘，间接在就近节点进行转码压缩。对于 80% 的冷流（无人观看或极少人观看）能够间接收敛到本地，而对于热流转码后就近散发，也能升高延时和卡顿，让客户端播放更晦涩。整个过程终端只须要通过对立域名进行接入，计算的具体位置不须要感知，地位无感的多点协同计算，能够像应用 CDN 减速一样去实现数据计算。
可自定义的场景计算
在大量场景下，你可能曾经领有了自行开发的算子或利用，或是第三方算法供应商的算子，视图计算提供凋谢可自定义的场景计算框架，能够将算子或利用托管在视图计算上，真正实现帮用户做本人的计算。
整个计算平台分三层架构，从下往上，对应计算环境、计算调度和计算服务。
1.计算环境，即计算资源的生产和管控层，负责容器、VM 等资源的生产，文件存储，运行的系统软件和算子利用的公布，装置部署和配置，以及日志监控等，这一层也提供了根底的利用隔离能力。
2.计算调度，实现资源的弹性伸缩治理和多维度的全局负载平衡，这一层在容器等底层资源的平安隔离上进行全局布局和兼顾，解决资源争抢问题，同时不同颗粒度的计算工作实现混跑，晋升资源的复用率。
3.计算服务，实现算子的托管、评估和理论的分流计算，同时对计算工作进行画像剖析，迭代和晋升计算资源的耗费评估精准度，比方直播转码，除了编码格局、分辨率、帧率等输入参数，输出的内容源也会肯定水平影响理论的资源耗费，每路转码在算力耗费上是动静高低浮动的，会导致调度资源分配的精准度，须要动态分析和校准，最终实现调度调配水位和理论资源水位的统一。
整个接入过程非常简单：
1. 上传和治理算子，配置计算模板和参数；云端会进行兼容性适配和资源耗费评估。
2. 在线申请算力等资源，如不同计算规格的最高并发量，云端会进行容量评估和确认，并将算子下发、部署到各计算节点。
3. 内容接入或用户触发，云端对数据进行分流和计算，并将计算结果实时反馈给用户。
以云游戏为例，可加载游戏包并渲染视频流的串流镜像就是一种算子或利用，游戏厂商上传游戏包、配置好渲染规格后，云端进行相应适配、资源评估和动态分配。
地位无感分布式存储
在实现计算平台后，数据的上云存储是咱们接下来要解决的问题，因为数据源的分散性，以及各种不同的价值密度和应用场景，比方体育赛事等直播内容的高价值，须要录制回放长久化存储，而视频监控场景的摄像头流绝对价值偏低，只须要留存要害事件的视频片段，绝大部分数据只有缓存数天或数月即可。
如何解决数据扩散存储、分级存储的拜访延时、可用性和老本问题？
视图计算基于边缘分布式文件缓存和核心长久化的 OSS 存储提供了地位无感的分布式存储解决方案，寰球各地的数据源都能够通过视图计算就近存取拜访边缘节点，缓存地位会参考数据接入和计算的地位，确保整体亲和度。周期性数据会缓存到边缘，长期存储的高价值数据以及结构化分析数据会回到核心存储。
同时，视图计算通过边缘减速网络解决了跨地区跨运营商上传大文件提早大、速度慢、易中断等问题，实现直达减速回云。
用户看到和应用的依然是一朵云，而不必关注具体的存储地位。
分布式缓存平台
地位无感的存储接入通过分布式缓存平台实现，它提供了就近拜访、大容量、高性价比的周期性文件缓存，在缓存周期内通过多点协同的存储调度、多节点多正本冗余，实现了服务的高可用和数据的高可靠性。视图计算提供了灵便的缓存接入和调度策略（全国、区域、运营商、自定义节点范畴）。同时兼容核心 OSS 应用形式（SDK/API），下载 OSS SDK 后只需更改 endpoint 接入域名就能够简直零开发成本切换到分布式缓存，相比之前不同的是去除了 Region 概念，间接采纳了对立的中心化域名接入和治理形式，真正实现了只上一朵云、只存一朵云。
如何实现这种地位无感呢？关键点在于：
1. 物理文件缓存在边缘节点，管控数据、文件元信息等对立汇聚到核心，集中管理和检索。
2. 文件写入和读取采纳 302 调度形式，写入对立域名，通过存储调度，跳转到实在的物理地位进行读写。
3. 实时的节点状态和容量监测，单点不可写，主动迁徙到其余节点，实现服务无感漂移和切换，单点复原后疾速复制同步。
4. 提供多节点多正本冗余存储，实现单点不可用时的流量疾速转移，也能够在访问量大时进行负载平衡。
视图连贯平台和全周期 PaaS 服务
为了帮忙视图数据更好地上云，视图计算提供了终端上云的连贯平台和笼罩视图全生命周期的 PaaS 服务，包含采集、计算解决和内容生产。连贯的能力次要在于：
1. 设施的接入和管控
2. 视图内容的接入和治理
3. 视图解决和视图存储别离基于后面介绍的地位无感计算平台和缓存平台，提供了针对视图进行转码、AI 剖析、加密和串流渲染等根底能力和简单的解决能力。视图存储上提供了视图存取和检索能力，以及生命周期的清理策略，和回云存储及归档策略。
平安易用的视图（终端）一键上云
目前支流的视图终端上云计划有三种：
1. 安防畛域的国标 GB/T-28181 上云，存在接入简单，安全性低和性能缺失等问题，如信令明文传输，数据流根本无认证，只能基于 SSRC 简略甄别，无奈无效躲避冲撞或伪造；国标存在 2011、2016 多个版本的适配和过渡问题，整体上云体验较差。
2.ONVIF 自 2008 年提出以来，在世界范畴内取得了大量设施厂商反对，但其组播发现机制在公共云无奈实现，上云不敌对，同时其交互基于 HTTP 规范，采纳 SOAP 协定格局来定义信令内容，通信提早较大。
3. 大量设施厂商推出公有的协定规范上云，品种多，各自关闭、黑盒化，上云接入无奈复用，较多反复建设。
视图计算推出的一键上云计划，提供了凋谢、易用、平安、灵便的终端一键上云能力，次要个性在于：
- 兼容国标 /ONVIF 等，适配各类终端，同时解决了国标接入简单和安全性问题，以及 ONVIF 的公共云接入问题。
- 基于阿里云广覆盖的边缘节点构建的设施接入网关，能确保就近接入，复用 CDN 低延时的传输和减速网络，以及多协定接入的个性，确保低延时的设施通信、信令管制和数据流接入。
- 外围的信令通道实现了通明的双向通信，厂商和开发者也能够自定义管制信令。
阿里云凋谢设施上云协定 ODCAP
视图计算连贯平台的一键上云计划外围构建在 ODCAP（Open Device Cloud Access Protocol）凋谢设施上云协定上，咱们会齐全凋谢协定内容，反对任何厂商的多样化设施自主接入。
终端上云主体通过网络互联互通，ODCAP 协定反对多种多样的网络互连构造：
1. 设施处在外部网络，通过防火墙 NAT 拜访公网，也能够通过设施网关转接；
2. 设施间接在公网环境下，如具备 4G/5G 联网能力的设施，能够采取直连；
3.ODCAP 同时反对级联模式，子设施能够通过其余协定连贯到上一级设施，直连设施屏蔽了上级子设施的不同接入拜访，对立以 ODCAP 协定接入云平台。
ODCAP 协定反对多种类型设施，实现多样化终端上云。不同设施具备的性能各异，为了对立形容，咱们用设施模型来定义设施，包含 4 个层面：
- 资源，设施产生的各种数据，如实时视频流，视频图片文件，终端 AI 剖析后的结构化数据等
- 配置，设施的各种配置信息
- 事件，设施触发的各种事件
- 服务，设施提供的性能服务
后续阿里云视图计算会在“阿里云 Edge Plus”公众号中分享更多最新的产品能力、解决方案和技术实际，欢送大家一起探讨。
版权申明：本文内容由阿里云实名注册用户自发奉献，版权归原作者所有，阿里云开发者社区不领有其著作权，亦不承当相应法律责任。具体规定请查看《阿里云开发者社区用户服务协定》和《阿里云开发者社区知识产权爱护指引》。如果您发现本社区中有涉嫌剽窃的内容，填写侵权投诉表单进行举报，一经查实，本社区将立即删除涉嫌侵权内容。
