谈海生
中国科学技术大学教授，博导。国家青年拔尖人才。主要从事网络算法设计与系统实现、边缘计算、工业互联网相关研究。
张欣
博士，华为云原生团队高级工程师。曾参与容器平台的设计与开发，研究方向聚焦于Kubernetes、Edge Computing、Service Mesh等领域。
郑子木
博士，华为云边缘云创新实验室主任工程师，KubeEdge SIG AI联合创始人，深圳海外高层次人才。研究方向为边缘AI、多任务学习及AIoT。获华为公司技术贡献奖项10余项。
李向阳
中国科学技术大学教授，博导。ACM IEEE Fellow，国家杰出青年科学基金获得者。主要从事智能物联网、边缘计算、数据安全隐私研究。
边缘计算理论与系统实践：基于CNCF KubeEdge的实现
- 书籍语言：简体中文
- 下载次数：7383
- 书籍类型：Epub+Txt+pdf+mobi
- 创建日期：2023-04-15 10:10:04
- 发布日期：2025-09-06
- 连载状态：全集
- 书籍作者：谈海生
- ISBN：9787115601322
- 运行环境：pc/安卓/iPhone/iPad/Kindle/平板
- 下载地址
内容简介
本书以 CNCF KubeEdge 为例，分理论知识和系统实现两部分，介绍了边缘计算的理论与系统实践。理论知识部分首先介绍边缘计算的概念、挑战与机遇；接着阐述边缘计算的系统架构，包括云计算和虚拟化技术；进一步引出云边端协同机制，重点讲解计算卸载、缓存管理、移动性管理和竞争定价等关键技术；最后介绍边缘计算中的 AI 部署。系统实现部分从定位、功能和整体架构3个方面介绍了主流的边缘计算平台，详细介绍了 CNCF KubeEdge 平台中功能模块间通信原理、云边组件等基础知识，最后介绍了搭建 CNCF KubeEdge 的具体步骤和使用 CNCF KubeEdge 控制树莓派LED 灯、使用 NPU 实现边缘端人脸识别、实现云边协同的联邦训练等实验的操作步骤。
本书将理论与实践相结合，不仅介绍了边缘计算的理论知识，还基于 CNCF KubeEdge 平台实战操作进行了讲解。本书汇集了作者在云边端协同领域多年的科研成果，并结合华为边缘计算团队一线的工程实践经验，可为研究人员、高校学生、企业技术人员学习和部署边缘计算提供参考。
作者简介
编辑推荐
适读人群 ：适合高校本科生、研究生作为学科知识扩展的参考书，也可作为边缘计算开发工程师的参考书。
1.内容专业丰富：作者来自高校和产业界，拥有国际学术圈高度认可的学术水平，学术影响力广泛。
2.紧跟前沿发展：边缘计算契合当前物联网、大数据、人工智能等领域对海量数据和设备的计算和管理需求，得到企业和学术界广泛关注。边缘计算技术是推动产业升级的关键技术。
3.兼顾原理和实践：结合华为的边缘计算平台开发和应用实践的丰富经验，阐述容器化资源管理、轻量级多协议支持、边缘离线自制、智能调度等边缘计算平台开发技术和成功实际应用案例。
下载地址
目录
目 录 第 一部分 理论知识
第 1 章 边缘计算概述 3
1．1 边缘计算的起源与概念 3
1．2 边缘计算的优势与发展 5
1．2．1 边缘计算的优势 5
1．2．2 边缘计算的发展 6
1．3 边缘计算的挑战与机遇 7
1．3．1 边缘计算的挑战 8
1．3．2 边缘计算的机遇 12
1．3．3 边缘计算的典型应用 14
第 2 章 边缘计算的系统架构 19
2．1 云计算与云原生 19
2．1．1 云计算与边缘计算 19
2．1．2 云原生技术 20
2．1．3 Kubernetes 概述 26
2．1．4 主流边缘计算平台 27
2．2 云边协同架构 31
2．3 跨平台边缘设备 32
2．3．1 树莓派 32
2．3．2 Jetson Nano 33
2．3．3 华为 Atlas 34
第 3 章 云边端协同 36
3．1 云边端协同概述 36
3．2 预备知识 40
3．2．1 在线算法 40
3．2．2 分布式算法 43
3．2．3 强化学习 47
3．2．4 定价策略 52
3．3 计算卸载 58
3．3．1 在线任务分配与调度模型 58
3．3．2 在线任务分配与调度算法 60
3．3．3 其他在线任务分配与调度模型 63
3．4 缓存管理 64
3．4．1 缓存模型 65
3．4．2 LANDLORD 及旁路模型 66
3．4．3 边缘计算场景中的缓存问题 68
3．5 移动性管理 75
3．5．1 模型 76
3．5．2 算法 78
3．6 竞争定价 82
3．6．1 竞争定价的背景 82
3．6．2 模型和纳什均衡分析 83
3．6．3 完全信息 85
3．6．4 部分用户信息 87
第 4 章 边缘计算中的 AI 部署 91
4．1 概述 91
4．2 技术挑战 95
4．3 云边协同推理 98
4．4 云边协同训练 104
4．4．1 云边协同的联邦学习 105
4．4．2 云边协同的迁移学习 108
4．4．3 云边协同的增量学习 117
第二部分 系统实现
第 5 章 边缘计算平台介绍 125
5．1 Baetyl 125
5．1．1 定位和功能 125
5．1．2 整体架构 125
5．2 EdgeX Foundry 127
5．2．1 定位和功能 127
5．2．2 整体架构 127
5．3 Rancher K3s 129
5．3．1 定位和功能 129
5．3．2 整体架构 129
5．4 CNCF KubeEdge 130
5．4．1 概述 130
5．4．2 定位和功能 131
5．4．3 整体架构 131
5．4．4 AI SIG、MEC SIG、Device-IoT SIG 133
第 6 章 CNCF KubeEdge 系统架构 136
6．1 功能模块间的通信原理 137
6．2 云端组件 138
6．2．1 云端组件与 K8s Master 的关系 139
6．2．2 边缘控制器 140
6．2．3 设备控制器 142
6．2．4 边缘存储的集成设计 149
6．2．5 云端集线器与边缘集线器的通信机制 151
6．3 边缘端组件 156
6．3．1 边缘端架构设计 157
6．3．2 边缘集线器 158
6．3．3 EdgeD 159
6．3．4 边缘自治原理 159
6．4 设备管理设计原理 160
6．4．1 CNCF KubeEdge 设备管理整体设计 160
6．4．2 DeviceTwin 设计原理 160
6．4．3 EventBus 设计原理 160
6．5 EdgeMesh 设计原理 161
6．5．1 ServiceMesh 简介 161
6．5．2 EdgeMesh 整体设计 161
6．5．3 EdgeMesh 转发流程 162
6．5．4 Sedna 架构设计 162
6．6 CNCF KubeEdge 的未来发展 163
第 7 章 CNCF KubeEdge 实战 167
7．1 CNCF KubeEdge 的搭建 167
7．1．1 依赖环境 167
7．1．2 使用 keadm 部署 CNCF KubeEdge 170
7．1．3 CNCF KubeEdge 集群升级 171
7．2 CNCF KubeEdge 的实验 172
7．2．1 使用 CNCF KubeEdge 控制树莓派 LED 灯 172
7．2．2 使用 NPU 实现边缘端人脸识别 175
7．2．3 使用 CNCF KubeEdge 实现云边协同的联邦训练 176
7．2．4 CNCF KubeEdge 实战小结 181
参考文献 183
第 1 章 边缘计算概述 3
1．1 边缘计算的起源与概念 3
1．2 边缘计算的优势与发展 5
1．2．1 边缘计算的优势 5
1．2．2 边缘计算的发展 6
1．3 边缘计算的挑战与机遇 7
1．3．1 边缘计算的挑战 8
1．3．2 边缘计算的机遇 12
1．3．3 边缘计算的典型应用 14
第 2 章 边缘计算的系统架构 19
2．1 云计算与云原生 19
2．1．1 云计算与边缘计算 19
2．1．2 云原生技术 20
2．1．3 Kubernetes 概述 26
2．1．4 主流边缘计算平台 27
2．2 云边协同架构 31
2．3 跨平台边缘设备 32
2．3．1 树莓派 32
2．3．2 Jetson Nano 33
2．3．3 华为 Atlas 34
第 3 章 云边端协同 36
3．1 云边端协同概述 36
3．2 预备知识 40
3．2．1 在线算法 40
3．2．2 分布式算法 43
3．2．3 强化学习 47
3．2．4 定价策略 52
3．3 计算卸载 58
3．3．1 在线任务分配与调度模型 58
3．3．2 在线任务分配与调度算法 60
3．3．3 其他在线任务分配与调度模型 63
3．4 缓存管理 64
3．4．1 缓存模型 65
3．4．2 LANDLORD 及旁路模型 66
3．4．3 边缘计算场景中的缓存问题 68
3．5 移动性管理 75
3．5．1 模型 76
3．5．2 算法 78
3．6 竞争定价 82
3．6．1 竞争定价的背景 82
3．6．2 模型和纳什均衡分析 83
3．6．3 完全信息 85
3．6．4 部分用户信息 87
第 4 章 边缘计算中的 AI 部署 91
4．1 概述 91
4．2 技术挑战 95
4．3 云边协同推理 98
4．4 云边协同训练 104
4．4．1 云边协同的联邦学习 105
4．4．2 云边协同的迁移学习 108
4．4．3 云边协同的增量学习 117
第二部分 系统实现
第 5 章 边缘计算平台介绍 125
5．1 Baetyl 125
5．1．1 定位和功能 125
5．1．2 整体架构 125
5．2 EdgeX Foundry 127
5．2．1 定位和功能 127
5．2．2 整体架构 127
5．3 Rancher K3s 129
5．3．1 定位和功能 129
5．3．2 整体架构 129
5．4 CNCF KubeEdge 130
5．4．1 概述 130
5．4．2 定位和功能 131
5．4．3 整体架构 131
5．4．4 AI SIG、MEC SIG、Device-IoT SIG 133
第 6 章 CNCF KubeEdge 系统架构 136
6．1 功能模块间的通信原理 137
6．2 云端组件 138
6．2．1 云端组件与 K8s Master 的关系 139
6．2．2 边缘控制器 140
6．2．3 设备控制器 142
6．2．4 边缘存储的集成设计 149
6．2．5 云端集线器与边缘集线器的通信机制 151
6．3 边缘端组件 156
6．3．1 边缘端架构设计 157
6．3．2 边缘集线器 158
6．3．3 EdgeD 159
6．3．4 边缘自治原理 159
6．4 设备管理设计原理 160
6．4．1 CNCF KubeEdge 设备管理整体设计 160
6．4．2 DeviceTwin 设计原理 160
6．4．3 EventBus 设计原理 160
6．5 EdgeMesh 设计原理 161
6．5．1 ServiceMesh 简介 161
6．5．2 EdgeMesh 整体设计 161
6．5．3 EdgeMesh 转发流程 162
6．5．4 Sedna 架构设计 162
6．6 CNCF KubeEdge 的未来发展 163
第 7 章 CNCF KubeEdge 实战 167
7．1 CNCF KubeEdge 的搭建 167
7．1．1 依赖环境 167
7．1．2 使用 keadm 部署 CNCF KubeEdge 170
7．1．3 CNCF KubeEdge 集群升级 171
7．2 CNCF KubeEdge 的实验 172
7．2．1 使用 CNCF KubeEdge 控制树莓派 LED 灯 172
7．2．2 使用 NPU 实现边缘端人脸识别 175
7．2．3 使用 CNCF KubeEdge 实现云边协同的联邦训练 176
7．2．4 CNCF KubeEdge 实战小结 181
参考文献 183
短评
-
tpg1 2023-04-15 10:12:29
边缘计算是一种新兴的计算模式，可以将计算任务和数据处理分布到物理位置更接近终端设备的边缘节点上，从而降低网络延迟和带宽压力，提高数据处理效率和实时性。CNCF KubeEdge是一种支持边缘计算实现的开源系统，基于Kubernetes平台，可以将容器应用程序、服务和设备接口统一管理，实现边缘计算系统的构建和管理。 从理论上说，CNCF KubeEdge的实现可以有效地支持边缘计算理论的实践。它提供了一个灵活的容器化环境，可以支持多种不同的应用程序和服务。它还提供了一个面向设备的管理接口，可以统一管理不同类型和品牌的设备。此外，它提供了一个可扩展的边缘计算框架，可以根据实际需求进行扩展和定制。 在系统实践方面，CNCF KubeEdge已经在多个实际项目中得到了验证，并展示出了良好的性能和可扩展性。例如，它可以在IoT环境中实现智能家居、工业自动化、交通运输等应用场景。此外，CNCF KubeEdge还可以与其他云计算平台和服务集成，以实现更加全面和完整的边缘计算解决方案。 综上所述，基于CNCF KubeEdge的实现可以有效地支持边缘计算理论的实践，并已经在实际项目中得到了广泛应用和验证。对于需要构建和管理边缘计算系统的组织和个人，它是一个值得考虑的开源系统。
-
tpg2 2023-04-15 10:12:29
边缘计算是一种新兴的计算模型，它将数据、计算和存储资源放置在离终端设备更近的位置，以实现更低的延迟和更高的带宽利用率。KubeEdge是由CNCF孵化的边缘计算平台，它基于Kubernetes，提供了扩展能力和可靠性。它不仅可以管理容器化的应用程序和设备，还可以协同应用程序和设备之间的通信和数据流。以下是KubeEdge的一些优势： 1. 强大的扩展性 KubeEdge是前沿计算的重要组成部分，具有良好的扩展能力和可靠性，可以在多种计算场景下使用。它可以用于构建跨云、边缘边缘、边缘云和混合云等各种应用场景。 2. 简单易用 KubeEdge是一种基于Kubernetes的开源项目，可以轻松部署、操作和维护。它提供了友好的Web界面和命令行接口，使得用户可以很容易地控制和管理边缘计算资源。 3. 安全性 KubeEdge内置了一些安全性机制，可以保护设备、应用程序和数据的机密性和完整性。它可以使用加密技术来保护数据传输和存储，并通过访问控制和认证来保证访问授权的准确性。 总的来说，基于CNCF KubeEdge的实现是一种可行的解决方案，可以有效地支持边缘计算的应用。它提供了强大的扩展性、简单易用和安全性等优势，可以满足不同的场景需求。
产品特色
tpg0 2023-04-15 10:12:29
边缘计算理论是自20世纪90年代以来关于计算资源分布和效率问题的研究领域，其中重要的一个方向是边缘计算系统的设计和实现。随着物联网和5G技术的发展，边缘计算成为一个越来越热门的研究方向，相应的技术和系统也兴起了。其中，CNCF KubeEdge架构是一个被广泛认可的边缘计算框架，它基于Kubernetes，提供了一个可扩展的、安全的、轻量级的解决方案，可以支持边缘计算环境中的大规模部署和管理。KubeEdge充分考虑了边缘设备的资源限制和网络延迟等特点，提供了远程命令执行、数据同步和事件触发等功能，可以帮助开发者更加便捷地构建和管理边缘计算系统。 根据目前的实践情况，KubeEdge已经可以支持多种边缘设备，包括Raspberry Pi、Jetson Nano、NVIDIA Xavier和智能路由器等。它可以管理边缘设备上的容器、Pod和服务，并通过集群管理中心进行统一的协调和管理。此外，KubeEdge还提供了一些额外的功能，如设备监控、远程升级和安全管理等，使得边缘计算系统的部署和维护变得更加方便和可靠。 总体来说，基于CNCF KubeEdge的实现是一个非常有价值的选择，特别是对于那些希望构建可靠、易扩展和安全的边缘计算系统的开发者。KubeEdge提供了丰富的功能和组件，可以帮助开发者更加便捷地构建和管理边缘计算环境，同时也在业界得到了广泛的认可和使用。如果你对边缘计算有兴趣，CNCF KubeEdge是一个值得深入了解和探索的平台。