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