華為云-歐爭光-基于KubeEdge加速5G云網邊融合v2.pdf

《華為云-歐爭光-基于KubeEdge加速5G云網邊融合v2.pdf》由會員分享，可在線閱讀，更多相關《華為云-歐爭光-基于KubeEdge加速5G云網邊融合v2.pdf（18頁珍藏版）》請在三個皮匠報告上搜索。

1、主辦方： 基于KubeEdge加速5G云網邊融合 主辦方： 自我介紹 華為云 邊緣云創新Lab技術生態專家 10以上年云計算從業經驗，深度參與華為云智能邊緣 平臺的設計、開發和推廣 對邊緣計算與5G、AI、IoT的融合創新，以及邊緣計 算在智能制造、智慧城市等行業的應用均有深入研究 目前負責聯合學術界和工業界伙伴，共同打造邊緣計 算技術創新生態 主辦方： 中心云： 對外提供邊緣的 IAAS和PAAS服務, 如視頻AI、CDN、 VR等 邊緣云: OTT與運營商合作， 提供軟硬一體化 MEC，邊云協同。 AWS wavelength/Az ure Edge Zone/Google GMEC 全分

2、布式云: GSMA OP/5G Future Forum 提出跨運營商， 跨邊云多路徑互 聯。 5G邊緣云發展趨勢 主辦方： 5G邊緣云的挑戰 主辦方： 從三大挑戰看5G邊緣云需具備的能力 云網融合 易部署易運維 能力開放 管理維護難 QoE仍待提高應用上車難 容災 地理分散 運維難 海量規模 異構硬件 應用漫游？ 移動性管理 云邊協同難 就近接入 流量托管 應用上車難 統一API 云生態集成 網絡能力開放 第三方能力開放 VR/MR 視頻AI自動駕駛 開發者設備 主辦方： 省級邊緣 Cloud Services MECMEC 地市邊緣 Cloud Services 中心云 MEC 現場/接入

3、邊緣 V2X, AR/VR, AI推理 AI推理、ARM ACCAGGMetro 200km 20ms 50200km 510ms 50km 15ms Enterprise Home eNodeB 地理分散的邊緣節點管理和維護困難 tens Tens- Hundreds Hundreds-Thousands vCDN, AR/VR 渲染，視頻轉碼 AI訓練，大數據分析，統一管理 AI訓練/推理，視頻轉碼 邊緣節點廣泛分布于網絡中的各個位置，如何進行高效的管理? 降低運維成本？ 多樣化的應用對異構計算要求較高，異構資源如何高效管理和靈活配置？ 應用在時間和空間緯度上，對資源需求是多樣的，如何靈活擴展？ 挑戰: 典型應用 算力需求 邊緣分層 Millions 主辦方： 業務下沉邊緣后QoE仍待提高 MEC 典型業務：高清/全景直播 需求： 網絡時延10ms，帶寬需求 100Mbps 基于位置的