共计 9765 个字符，预计需要花费 25 分钟才能阅读完成。
导语 | 5G 网络下，多接入边缘计算（MEC）应运而生。联合 TKEStack 弱小的集群治理能力和异构计算资源管理能力，腾讯打造了一个性能齐备的边缘计算 PaaS 平台 TMEC，提供了高精确度定位、视频解决、无线网络 QoS 管制和 5G 切片等多种特色业务能力，很好地撑持了车路协同、5G 云游戏、视频直播等利用。本文是腾讯云技术专家杨勇 & 何猛老师在「云加社区沙龙 online」的分享整顿，心愿与大家一起交换。
一、5G 典型利用场景及其挑战
1. 从主动驾驶说起
主动驾驶在国内是十分热的话题，业界的规范分成了不同的等级，有的分成了 5 级、有的分成了 6 级。
如上图所示，国家工信部相干标准将主动驾驶等级规范定义为 6 级。目前国内的厂家和国内的一些厂家，绝大部分处于处于 L2 或者 L3 的程度。腾讯也有主动驾驶相干的产品，目前有数百人的团队从事主动驾驶等相干产品和技术的研发工作。
从实际落地的角度看，主动驾驶汽车商用的成熟性目前来看并不高，这两头存在很多问题，其中技术、老本和平安是妨碍主动驾驶产品规模商用的次要因素。
2. 主动驾驶技术和挑战
典型的主动驾驶车辆波及到硬件和相干软件的系统性挑战。次要包含以下四个方面：
第一是高精地图，其中包含厘米级精度、丰盛的路标数据和三维重建能力。
第二是多传感器，其中包含摄像头、激光雷达、毫米波雷达、超声传感器、惯导和卫星天线等。
第三是环境建模及智能决策，其中包含多传感器交融感知、路线和区域辨认、环境模型构建、智能预测和决策等。
第四是车身管制，其中包含车辆自动控制、驾驶策略执行及布局。
总体来看，在目前的程度之下，整个主动驾驶车辆因为要装置多种传感器、工控机及零碎控制软件，老本比拟昂扬，而且激光雷达等传感器的使用寿命也比拟无限。业内人士已经估算过，主动驾驶车辆的老本不会低于 20 万美元，这极大妨碍了主动驾驶汽车产品大规模商用落地。
3. 三大重点因素
即便主动驾驶车辆装备了这么多的业余传感器和其它业余设施，在一些异常情况下还是不能很好的解决理论路况上呈现的一些平安问题，包含特斯拉在内的主动驾驶汽车曾呈现屡次交通事故，导致财产损失和人员伤亡。
比方，在超视距的状况下，车载传感器包含雷达或者摄像头检测不到转弯后方的车辆，或者从街角对面驶过来一个车辆，就很容易产生交通事故。
方才也提到了从老本的角度来讲，主动驾驶车辆的老本是十分昂扬的。
另外从出行效率角度来讲，作为交通管理部门或城市市政管理部门，晋升交通出行效率是他们次要工作指标之一。但主动驾驶车辆在路线上行驶的时候，思考平安因素，会相应采取一些比拟激进的策略。
比如说它的行车速度可能会比拟低，同时在产生异样事变的时候，它会加速或者停车避让，这就使得整个交通的效率并不能失去无效的晋升。
4. 车联网的技术实现 C -V2X
综合以上因素业界提出了 C-V2X 这个概念，这外面的 C 是蜂窝网络的意思，V2X 的全称是 vehicle to everything，就是说，基于蜂窝通信的 V2X 技术，使得车辆和路线所有参与方都能进行实时的数据交换，通过这种信息替换，来进一步晋升包含车辆和其它参与方的安全性，同时晋升出行效率。
咱们看到 V2X 次要包含四种场景：
第一个是 V2V（车辆对车辆），它次要解决一些车辆之间的可能产生的一些异样情况，比如说车辆碰撞事件；
第二个是 V2I，就是车辆和路边基础设施，比方红绿灯等，通过车辆和红绿灯的数据交换来及时揭示车辆加速或者放弃肯定车速，疏导车辆通过绿波带，既能晋升行车平安，也能够晋升车辆出行效率。
第三个 V2N，通过和通信网络的交互来为驾乘人员提供一些个性化信息服务。
第四个 V2P，通过和行人之间的数据交换，来为行人或非机动车收回一些平安揭示。
C-V2X 的指标总体上涵盖信息服务、交通安全、交通效率和辅助主动驾驶，它的指标之一就是把单车解决不了的问题移到路端去解决，通过路侧设施和车辆之间的 C-V2X 音讯交互来进一步辅助主动驾驶，晋升交通安全能力，晋升路线出行效率，造成“聪慧的车”和“聪慧的路”。
5. 单车智能到云端智能
那么依照“聪慧的车”到“聪慧的路”的想法，咱们是不是能够将齐全依附主动驾驶车辆自身所具备的智能决策能力给它迁徙到云端下来实现？这样还能够大幅升高车辆的购买老本，而且因为云端有高性能、可扩大的计算能力，能够做很多车端胜任不了的计算工作。
另外咱们晓得，当初主动驾驶汽车在车端要做大量的基于计算机视觉或者雷达数据的路况实时剖析，这种高性能计算在车辆计算单元上的解决，其准确性等方面还有待晋升，如果能移到云端去做，准确性可能会进步很多，而且云端还能够做很多简单的算术和逻辑运算。
然而这里有一个问题，即云端计算存在的时延问题。主动驾驶智能决策的时延要求十分高，如果移到云端去计算，整个数据链路拉长势必造成时延的减少，这就可能给主动驾驶业务带来重大的影响。例如车辆在高速公路上以 120 公里 / 小时的速度行驶，每秒钟就能行驶 30 多米，时延增大就可能会引发重大的交通事故。
所以移到云端是个不错的想法，但它又带来了时延方面的负面因素，这种状况就为边缘计算的部署提供了一个契机。也就是，把云端那些计算工作移到路侧的边缘计算平台上来进行，通过在路侧的基础设施上部署边缘计算平台和车联网的利用，从而对车辆进行实时的智能揭示和决策。
在凑近网络接入的路侧基础设施上进行边缘计算，它的益处是非常明显的。第一，计算能力大幅晋升，有利于准确度的晋升；第二，不须要占用过多的核心网或者骨干网络带宽；第三，能够无效升高时延，在网络的边缘侧只有通过基站就能够间接将音讯分发给路上的终端，数据传输门路比互联网到无线核心网再到无线接入网的门路短了很多，这就是边缘计算在车联网中利用的背景。
二、多接入边缘计算平台及其关键技术
1. MEC 在 5G 网络中的地位
边缘计算在车联网外面会施展着重要作用，目前咱们看到各地对于 C-V2X 的新基建建设项目，重点的内容就是 C-V2X 利用 和 MEC 服务的建设和部署。
上图展现了无线网络的架构图及 MEC 在网络中的地位，右边是一些终端，通过 5G 基站接入 5G 外围网络，最终到达互联网上部署的各种业务。其中核心网分为下面的管制面设施 CCF 和上面的用户面设施 UPF。
管制面有很多的性能实体，这些性能都是 5G 网络专用的外围网网元。MEC 须要部署在边缘 UPF 左近，通过本地分流能力将手机用户的业务申请疏导到 MEC 上，由 MEC 上部署的利用为其提供服务。
比如说，通常状况下手机拜访英特网上的业务，其拜访门路是经基站设备到边缘 UPF，再经本地 UPF 汇聚后进入因特网，最初达到云主机，这条门路比拟长。
而在边缘计算场景下，业务部署在边缘 UPF 左近的 MEC 上，数据传输门路显著短了许多。当用户拜访一个边缘利用的时候，咱们通过本地分流将用户的申请间接疏导到部署在基站侧的 MEC 上，这样它的流量就在凑近网络边缘被解决了，既不占用后端的外围骨干网络的带宽，同时又能升高手机拜访网络业务的时延，劣势不言而喻。
2. 腾讯边缘计算 TMEC 平台
（1）零碎架构
在这种背景下，腾讯提出了边缘计算 TMEC 解决方案。
整个解决方案分成三个档次，最下面是业务层，是 TMEC 反对的次要的边缘利用，比方云游戏、视频直播、智慧出行、智慧影视、智能制作等。咱们看到这些业务绝大部分都和视频相干，这是因为视频在网络中占的带宽十分大，边缘计算能够很好地解决视频相干利用对网络带宽的占用，同时保障手机端的用户体验。
中间层是平台层，咱们晓得腾讯云有十分丰盛的中间件服务，能够为下层利用提供丰盛且牢靠的根底业务撑持能力。
最下是根底层，它是 TMEC 平台的根底撑持，咱们采纳腾讯云自研的容器平台 TKEStack 来实现。
上面简略介绍几个 TMEC 上部署的特色业务能力。
（2）5G 业务能力
TMEC 一个重要的特色业务能力就是 5G 业务能力。
要实现 5G 业务在边缘计算设施上的部署，必须反对 5G 网络流量从 UPF 分流到边缘计算站点。因此，引流是 MEC 平台的基本功能，通过与核心网的交互，将终端发给核心网的数据流量根据 MEC 业务的要求分流到 MEC 站点并分发给 MEC 业务解决。
如上图所示，3GPP 规范定义了引流性能的实现。目前引流有多种计划，比拟成熟的是基于上行分类器 UL CL 的引流计划，目前腾讯曾经和多个设施厂家进行了对接，实现了从核心网 UPF 网元到 MEC 流量的疏导。
TMEC 还反对 5G QoS 和网络切片能力，能够为部署在 TMEC 上的利用提供一个牢靠的无线通讯 QoS 保障。网络切片是 5G 重要特色，TMEC 反对为边缘利用创立专门的网络切片，来进一步保障利用的服务质量。目前这些工作腾讯曾经在现网和设施厂家及运营商之间进行了对接。
（3）视频解决能力
视频类利用是边缘计算典型的利用场景。TMEC 提供有高质量的视频转码能力，它是基于用户感兴趣区域 ROI 的视频编码技术，通过这个技术能够在不影响用户体验品质的状况下，将码率升高 30% 以上。
3. TKEStack
（1）TKEStack 在 TMEC 架构中的地位
从上图中能够看到，TKEStack 是属于根底平台层的解决方案。根底平台层次要解决的问题是为下层业务提供计算资源撑持，解决下层业务的各个服务在服务生命周期内的对计算资源、存储资源、网络的需要问题。
随着容器技术的倒退，容器化的服务能够在集群上自在的迁徙，服务的可靠性和稳定性失去了更好的保障，同时也带来了一些问题，比方：容器如何编排？编排框架上手难度较大，如何部署和保护？如何节俭服务依赖的日志、告警、网络组件的部署保护老本？多个 k8s 集群如何治理等等问题，TKEStack 正是这样一个解决此类问题的容器云平台。
（2）TKEStack 根底平台层
部署装置 ：
在 ToB 业务场景里面临的第一个问题就是部署更新问题。针对 TKEStack 平台部署，咱们提供了一个 tke-installer 的工具，工具一键装置后提供一个部署平台的 Web 页面，用户在 Web 页面上填写各种平台配置后即可搭建一个 global 集群用于运行 TKEStack 平台。
平台部署后为用户提供了一个 Web 页面，用户通过管理员用户登录到平台后进行业务集群的创立和治理等等。同时平台反对各种扩大插件，用户能够依据须要在本人的业务集群或者 global 集群一键装置，对集群性能进行扩大。
异构资源虚拟化：
随着 AI 的衰亡，因为须要大量的矩阵乘加计算，X86 计算资源已无奈满足程序对算力的需要，异构计算硬件缓缓遍及开来，如：NVIDIA GPU、intel VPU、NPU 等等，异构计算资源往往无奈像 CPU 一样进行分时虚构，目前 TKEStack 曾经反对了 Nvidia GPU 和 Intel VPU，后续还会陆续减少对 atlas、寒光的反对。
运维报警：
通常状况下，程序呈现问题，都是反馈到性能上，而后再由程序开发者层层排查能力解决，在没有独立的日志监控零碎状况下，日志查看往往要先到运行这个服务的服务器上排查，这个过程十分麻烦，在实时性要求较高的环境里根本不可承受，否则就要装置一套日志监控零碎，开发者要花费精力调研、搭建、保护日志监控零碎，TKEStack 集成了日志和监控报警等性能，通过扩大插件模式，一键部署，解决了下层平台的日志报警需要。
（3）TKEStack 能力介绍
下面咱们简略介绍了 TKEStack 的次要性能，接下来咱们具体介绍一下 TKEStack 的各项能力。
装置部署 ：TKEStaCk 页面上通过几步按钮就能够部署一个 k8s 集群，装置各种平台插件，比方日志 采集、网络、存储等。
租户治理 ：TKEStack 提供了租户和用户两层的权限治理。租户层，使用者能够通过划分不同的租户将平台切分成多个立体，各个租户之间相互隔离，实用于不同部门的不同业务依赖的资源各自独立的场景。用户层，同一个租户立体里能够创立各种用户，不同用户能够治理各自的业务，应用本人的业务下的资源创立 k8s 负载。
原地降级 ：服务生命周期里，部署胜利后下一个问题就是降级更新了，失常 k8s 上的负载降级是先创立一个新的 pod 而后销毁旧的 pod，在资源缓和状况下，容易导致降级失败，同时无奈反对同一个负载下多版本共存，TKEStack 的 TAPP 插件通过一个自定义的 CRD，容许用户能够独立操作一个 TAPP 负载下的每一个 POD，比方给单个 Pod 降级、重启等等。
GPU 治理 ：提供一键装置 GPU 和 Nvidia 相干依赖能力，对立治理由不同型号 GPU 服务器组建的异构容器计算集群；Nvidia GPU，通过劫持 cuda 调用，实现了一卡多用，多容器共享同一张卡，还具备良好的隔离能力。针对 intel VPU 的 host-device 模式的计算资源，通过 bridge 模式将 device 和 host 置于的同一网络立体，解决 device 节点的网络问题，让 device 节点失常退出 k8s 集群进行资源调度。
运维核心 ：平台具备高可用和可扩展性的细粒度监控告警零碎，在此基础上曾经反对平台审计、平台事件、平台告警及告警记录查问、日志检索等性能，满足用户各种监控告警需要。
多种网络模式 ：TKEStack 反对 underlay 和 overlay 两种模式的 k8s 网络计划，underlay 模式下反对将容器网络和物理网络买通，比方腾讯私有云上，k8s 容器和 cvm 的 vpc 买通，容器应用起来更相似于一台 cvm，反对用户应用已有的负载平衡对容器内的服务进行负载平衡，overlay 模式下改进了原有的 flannel，通过 ip 封包，升高了封包损耗，晋升了网络效率。
（4）TKEStack 性能图谱
TKEStack 作为一个根底平台层解决方案，目前在集群治理、业务管理、利用治理、认证受权、镜像仓库、监控告警、日志、扩大组件等方面都提供了各种各样的性能。
在产品状态上，TKEStac 分为平台治理和业务管理，平台治理控制台为用户提供集群、仓库、监控告警、扩大组件方面的治理，满足用户的集群和平台运维需要，业务管理控制台为用户提供业务资源、日志、监控性能，满足业务用户的资源应用需要，同时权限上的划分加强了平台的可用性。
TKEStaCk 性能图谱
（5）TKEStack 反对 TMEC 采纳不同的部署模式
在 TMEC 计划中，TMEC 有两种部署模式，中心化部署和边缘自治部署。
中心化部署状况下，在云端核心部署 TMEC 管控平台和 TMEC 业务服务，治理边缘节点上的 TMEC 服务，这种模式下边缘的节点和云端核心处于同一个业务集群。
边缘自治部署模式下，分为云端集群和边缘集群，云端和边缘别离部署整套的管控平台和 TMEC 业务服务，TMEC 管控平台之间进行跨集群通信。
TMEC 用户通过 TKEStack 的控制台入口对立治理边缘集群和核心集群，实现 TMEC 服务的部署更新和保护。
4. 利用场景
（1）云游戏
云游戏将游戏渲染放在服务器上进行，并将渲染结束后的游戏画面压缩后以视频流的形式通过网络传送给用户。
在云游戏模式下，客户端的游戏设施并不需要低廉高端处理器和显卡，而只需具备根本 的视频解压能力和游戏操作能力。
云游戏时代的到来，将会使玩家即使没有高配置的游戏硬件零碎，也能畅玩高质量的 3A 游戏大作。云游戏能解决用户硬件配置要求过高、游戏包频繁更新、游戏外挂等问题，无需简短的游戏下载，实现即点即玩。
（2）多视角直播
多视角观赛即用户能够从多个角度来观看同一场较量，而不再限度于导播给出的单路画面，比方篮球迷除了能够观看失常的球场侧方视角外，还能够从篮架下方、场边 VIP 席等多个角度自在体验篮球魅力。
利用 TMEC 部署边缘利用，能够别离构建场馆内多视角直播平台和多视角直播散发平台。既能够为演播人员提供本地疾速编辑、渲染、和极速散发等能力，也能够为终端用户提供稳固、优质、低时延的观看体验。
三、基于 TMEC 的车路协同实际
1. 基于 TMEC 构建的 V2X 车联网平台
基于 TMEC 构建了一个车联网 V2X 平台，如下图所示。底层是路侧的基础设施，在平台层，提供多种 V2X 应用服务能力，为下层的利用开发和运行提供撑持。
2. 云端 V2X 信息处理：公路部署计划
上图展现了典型的利用部署场景。车辆间接和路侧的无线基站或者 RSU 通信，路侧摄像头和雷达等传感器数据送到路侧 MEC 计算，而后通过无线基站或者 RSU 把路线的一些异样事件下发给车辆或行人。
3. 腾讯车路协同产品的特色
（1）面向利用的集成与定制
依据利用需要，聚合第三方能力，可利用既有路线信息化设施，反对深度定制。
（2）宽泛的 C 端触达能力
内置腾讯 C 端（微信、QQ 及地图等）触达能力，充分发挥腾讯链接劣势，疾速晋升车路协同渗透率。
（3）高效的云 - 网 - 边协同
无线网络与数据中心交融，兼容 DSRC、C-V2X、4G 及 5G 等多种网络，智能调度治理边缘利用，实现边缘云和核心云的高效交互。
（4）灵便轻量化异构部署
轻量化反对物理机、虚拟机、容器等异构部署环境，缩小资源耗费，升高业务迁徙难度，晋升部署效率。
（5）弱小的微服务治理能力
服务动静加载，区域感知，智能熔断，全天候监控能力，保障业务智能运行，反对 10 万 + 服务规模。
（6）欠缺的端到端平安能力
提供包含主机平安、网络安全、利用平安、通信安全在内的全套平安解决方案。
4. 车路协同开放平台
整个产品计划波及到一个宏大的产业链，因此产业生态的建设是须要腾讯和各个厂家合作伙伴一起来实现的。目前在 4G 和 5G 网络上咱们和业界支流的厂家都有单干，也做了大量的对接工作，和中国的三大运营商在现网也做了大量的测试验证工作。
另外像车厂、车载终端、路测设施厂家和软件解决方案厂家，咱们都欢送他们参加平台生态建设中来。
四、5G 网络多接入边缘计算瞻望
通过参加 5G 和行业标准、实践钻研和实际验证，腾讯将来网络实验室在 5G 和边缘计算利用方面也积攒了一些教训，同时咱们也在思考一些遇到的问题。
首先是 5G 规范的滞后和网络大规模建设需要之间的矛盾。咱们看到 3GPP 5G 网络规范一再推延，R16、R17 网络规范没有正式公布，这就导致网络侧的互通侧不足规范接口定义。所以咱们在和 5G 网络的设施厂家去做对接的时候，须要大量的定制化开发，这对边缘计算产品在现网的落地也提出了比拟大的挑战。
其次，整个生态目前参与方还是十分多的，大家的利益有很多相互交织的中央。比如说电信运营商、电信设施商和互联网厂商在边缘计算方面都会有本人的计划，而这些计划存在很多的抵触，包含边缘计算基础设施、边缘计算平台和网络等。如何保障各自的利益，是一个很有挑战性的问题。
最初，业务方向抉择的问题。边缘计算能够撑持 To B 业务和 To C 业务，BAT 最早始终是做 To C 业务的，做 To B 次要就是华为、中兴这些设施厂商和其它一些业余厂商。当初大家都在做 To B 业务，竞争越来越强烈。然而 To B 我的项目绝对 To C 来说，从我的项目交付难易水平、利润等各方面都存在挑战。边缘计算作为一个当下的热点，催生出很多初创公司，对于这些公司，抉择 To B 还是 To C，同样具备很大挑战性。
Q&A
Q：该平台 c /c++ 开发是否有劣势？语言选型有举荐的吗？
杨勇：TMEC 外面有一个微服务开发框架，它基于腾讯开源我的项目 Tars 构建，Tars 反对各种语言的，包含 C、C++、Go、Python、Java 和 js 等等这种常见的语言它都反对，坦率来讲 C++ 做一些高性能利用是十分有劣势的，然而 C ++ 的开发效率绝对其它语言还是比拟有挑战性。
Q：这要真正的落地，这日志保护是不是都是亿级别的啊？
杨勇： 日志的存储个别会采纳两级存储，即边缘云存储和核心云存储，日志量会比拟大，然而有计划能够解决。
Q：边缘计算跟之前的 P2P 技术有什么异同？
杨勇： 我想这应该是两个不同档次的问题，边缘计算次要还是要解决在凑近用户接入的地位为利用提供服务，P2P 次要还是解决用户之间的数据共享和传输问题。
Q：边缘计算，通信协定是要多家机构约定和制订吗? 平安方面有一些什么具体措施避免信息泄露或被毁坏？
杨勇： 实际上通信协定是个大概念，我不晓得这里边指的通信协定是指的哪一块的协定，如果说是和 5G 网络对接的协定，目前个别都是依照 3GPP 的规范来的，因为规范绝对比拟滞后，所以当初很多厂家都本人定义了接口，比如说 QoS、5G 网络切片、本地分流等这些接口，都是咱们跟厂家和运营商一起单干协商来制订的。3GPP 的规范进去之后，应该逐步会向规范去聚拢的。
Q：客户端须要什么标识能力通过 UPF 路由到边缘云？
杨勇 ：依照厂家标准的性能，如果要把终端发往核心网的流量分流到本地的边缘云来，目前个别状况下都是依照 IP 五元组信息来定义本地分流策略，比如说能够依据 IP 地址、端口号和协定类型等，咱们目前和设施厂家对接也都是依照这些策略来做的，因为绝大部分的利用它的协定和端口都是明确的，当然这些策略也能够反对动静的批改。
Q：请问这个计划外面的 upf 以及 5gc 管制面是用运营商建的？还是你们自建的？
杨勇 ：是运营商建的，都是运营商现网的设施，TMEC 是作为在 3GPP 5G 规范外面定义的 AF 的角色去和 5G 的外围网网元交互，来实现本地分流的。
Q: 5G 是车联网的强依赖吗？目前 4G 的话能反对局部性能吗？
杨勇 ：应该说 5G 和车联网是密不可分的，然而局部性能 4G 网络 也是能够的，比如说咱们就和一个设施厂家对接了在 4G 网络下的本地分流性能。只有分流性能具备了，这个边缘计算平台能力在下面部署业务，能力为移动用户提供边缘服务。在 4G 网络中由外围网网元 SGW 把流量送到 TMEC 平台来。
Q：边缘计算的计算载体是什么？
杨勇 ：挪动边缘计算它实际上是边缘云和 5G 网络接入技术的一个联合，所以要说它的计算载体的话，次要是与云计算相干的一些产品和技术，而后下面再叠加一些 5G 网络相干的能力。实际上 3GPP 和 ETSI 定义的 MEC，叫多接入边缘计算，它不仅仅反对 5G 网络，包含 WiFi 和固定网络，都涵盖在 MEC 的概念里。
Q：咱们是做视频剖析，路线感知，事件检测等，目前也落地了一些车路协同案例，怎么退出你们的凋谢生态？
杨勇 ：方才也讲到了，整个产业链比拟宏大，咱们的确目前也是找了好多的单干商合作伙伴，每家都有本人的劣势。咱们也欢送相干厂家参加咱们的生态建设。如果感兴趣的话，能够分割云加社区小助手，小助手会帮助分割对接部门。
Q：Overlay 网络是不是退出历史舞台了？
何猛 ：集体不认同此观点，Overlay 和 Underlay 属于两种不同的模式，实用于不同的场景，因为 IPV4 资源无限，Overlay 能够不便的组建局域网，不耗费用户 IP 资源，网络拓扑简略问题排查不便，在 AI、大数据的等对算力要求较高，对网络性能无太大要求的场景下还是有很大劣势的。
Q：听到 TKEStack 介绍里有部署 k8s 集群。请问一下，咱们有没有在传统 k8s 做一些适配边缘计算的工作？之前看到腾讯有做边缘容器相干工作，不晓得 TKEStack 是否反对部署呢？
何猛 : 目前私有云容器服务下曾经提供边缘集群性能，针对弱网、低资源等问题引入了新的解决方案，当前会抉择适合的机会在独立部署版落地。
Q：TKEStack 相较同行竞品其劣势在哪里，除了车联网的摸索之外，TKEStack 还能够用在哪些畛域？
何猛 : TKEStack 是一个通用的容器云平台，在应用上并不局限于某一个行业或者是某一个畛域，能够利用于这种车联网，也能够利用于大数据 AI，除根底的容器云平台性能外，TKEStack 在产品状态方面，为用户提供业务权限治理、对接已有的第三方权限零碎能力，在 k8s 集群扩大方面，提供 GPU 虚拟化、TAPP 原地降级等性能，特地是 GPU 虚拟化，cuda 劫持计划是一个原理上简略，实现上很优雅的计划。
Q：容器相干的 GPU 和存储方面产品在 TKEStack 外面有具体实现吗？
何猛 : 平台部署后能够在扩大插件里装置 GPUManager 插件，部署后按 GPUManager 的阐明创立 GPU 负载即可体验。TKEStack 和 GPUManager 目前都已在 github 上开源，有好的想法欢送提 Issue 和 PR。
Q：在边缘计算中，关注很多是负载平衡和拜访提早方面的钻研，请问目前腾讯平台是如何设计的？
何猛 ：目前边缘计算的计划曾经在私有云上线，有这方面需要的能够体验一番，目前还没有开源，等计划更加成熟之后会在独立部署场景落地。
【腾讯云原生】云说新品、云研新术、云游新活、云赏资讯，扫码关注同名公众号，及时获取更多干货！！
