戴文军：如何用边缘计算+边缘存储打造新一代智能视频云

云栖大会七牛云专场论坛于 9 月 20 日在杭州云栖小镇举行，以「当 Cloud 遇上 AI 为主题，围绕「云」和「人工智能」两个关键词，邀请了多名业内大咖，为大家带来了精彩演讲。七牛云技术副总裁戴文军，在会上作了题为《如何用边缘计算+边缘存储打造新一代智能视频云》的分享。



以下内容为根据现场演讲内容速记的实录整理。





大家下午好。在开始之前，要给大家澄清一下，虽然主持人和很多朋友都说边缘计算现在比较热，但其实今天来看，边缘计算真正意义上的落地不太多，边缘计算的产业化应用带来的应用场景还没有开始。边缘计算中最核心的，我认为是 AI 的发展、大数据的发展。    

    
那么有哪些领域，边缘存储和边缘计算可以一展身手呢？今天的主题是 Cloud 遇到 AI，我们服务于众多直播、短视频到现在在线教育的客户，最近一年多的时间，我们整个的客户体系多了一个新的大客户群体，比如说智慧医疗、智能家居。这就是一个巨大的变化。
             

    
在产业互联网领域，我们要更加「复杂」地处理视频。这一领域上的「Cloud 遇到 AI」，有四个方面的全新挑战。
             



首先是更稳定的通讯质量。举个例子，我们在看视频时网络不好，卡顿了一下，大不了暂时不看了。但是我们在做手术，在要取证的时候，这种问题就会有×××烦了。所以这是我认为对于之前视频云的第一大挑战，也最应该去解决的挑战。


第二是更低的延迟。过去电视或者直播的场景，直播我们可以秒开，有三秒以内的延迟。而在新的场景，比如说新零售或者智慧园区，有一个客户经过你的店铺看了一眼商品，你需要快速识别出他的相关信息，比如是不是我们的老客户，他是什么样的购买行为和购买习惯是什么样的，这个场景下延迟超过三秒或者四秒，也许这个客户就离开了，我们就不能建立起联系。在我们智慧的处理体系里，更低的延迟会取得新的突破。    
    
第三是更大的资源需求。我们现在的生活中，各处都有摄像头，学校、园区、商场等各个场景，可以说摄像头无处不在。但是这个数据的存储，会是一个巨大的体量。同时由于日志记录的关系，它的体量比我们想象中的视频、图片要大得多的多。因为是客户访问日志不断累积起来的，所以它需要更大的资源需求。


但我认为这上面部分不是最最重要的挑战，因为有技术上可以去克服它，用资源去解决它。在互联网的上个阶段，当大家要去做图片应用的时候，我们七牛云会做很多图片处理的相关工作，当大家去做视频的时候，我们会做短视频 SDK 以及美颜、鉴黄等各种功能。不管是通过 SDK 的方式、通过 APP 的方式，甚至通过 SAAS，来解决相关的智能需求。但是谁有能力、或者有机会去解决智慧医疗、智慧家居、智慧园区这些领域的问题呢？任何一个领域都不能去通过复制来解决行业上真正的问题。这个行业深层次的问题不解决，未来整个行业包括 AI 的发展，都会是一个延迟的状态。所以我认为，第四个挑战就是深度的行业融合。


刚刚说提到资源的问题、延迟和通讯的问题，但最终，我认为还是网络。



    
我相信所有人对于 CDN 都不陌生，我们把静态或者动态的文件、视频，放到离你的手机、电脑最近的节点上去。到你的终端是五毫秒或者十毫秒的延迟。那么数据上行是不是可以用同样的手段解决掉？ 网络的问题也可以用 CDN 这样的逻辑去解决，但是并不只是说把存储资源、或者计算资源搬到那边去。对每一个APP 开发者或者行业开发者来说，会带来巨大的负担，如何使用边缘资源是个问题。
    
首先我们看边缘存储，边缘存储的产品，大家都很少听得到。整个业界大家会说边缘计算，而只要主机带了硬盘就算是存储了。但这种情况只满足了资源的需求，不是满足我们技术服务的需求，这是最大的一个问题。
    
那怎么来解决这样的一个问题呢？在我们今天云存储上，把节点遍布到 CDN 节点，我们的协议是否可以不发生任何变化呢？这是我们今天追求的。所以第一点是用边缘存储解决掉大数据存储，只有这样，不管我们进行大数据的分析或者视觉智能 AI 的分析，就有了一个基础。


存储的问题解决了，是不是要求每个人都要去做计算的基础能力呢？ 我们认为，不仅要把我们客户的应用搬到边缘去，把还需要帮客户解决应用的更新以及这些应用的调配。也需要合理地进行伸缩。
    
所以就近计算和存储绑定在一起的时候，像是摄像头或者医疗、园区这样的问题，就会较好地解决掉。但我们认为不应该只是把存储力或者计算力放在边缘，而是要把整套体系都搬到边缘去。给我们的客户提供 API，他们只需要告诉我们应该在哪一个地方、需要有多大的调度力、需要多大的存储力就可以了。
    
从另一个方面来看，我觉得 P2P 依然是未来发展比较重要的方向。点与点之间如何更快速地去连接，如何更好地优化上行网络，都不是我们今天整个业界关注的热点。但是我认为，要进一步满足 AI 和大数据的发展，上行的优化应该是技术要着重解决的部分。当然大家会说 5G 已经来了，大数据传输已经不是问题了。但是什么时间落地？4G 运营商是不是有那么大的决心把基础设施全部推掉来进入 5G？我觉得有一个过程的。它的速度不会那么快，即使有了 5G，我觉得上传量更大，我们的技术要求会更强。



                  
我们整个的边缘存储和边缘计算叫做「星辰」。究其原因，是因为我们认为所有的计算力都会分布下去，又连接在一起。这种连接不是客户或者自己去做的，而是把它当成一个大的星系来看待，将所有的资源去调配、去分布。



刚刚所说的视频，是我们看到的一些行业变化，以及客户变化带来的一些挑战。智能云的核心点不在于分发，在于我们生产侧。有端、有边缘、有云计算资源的云平台，我们现在会用一些边缘存储，用三副本或者两副本把它存储下来，在计算能力把流的切片、视频的浓缩、视频的结构化，把这些应用能力全部放到边缘去，这样大家可以调我们的 API，可以有我们视频处理的能力。
             

    
大家现在使用的手机设备是智能的，但是我们的端呢？我们的摄像头里面真的是每一个都带有智能芯片吗？其实不是这样的，因为这块成本极高。除此之外，还有一个原因是有非常多已有的设备在线上，之前已经部署一期、二期、三期，这些怎么把智能分析的能力加上去？这是目前需要去解决的问题。
    
下面以两个案例的场景，来谈谈我们的边缘存储和边缘计算。





首先说一下，这是我们客户之前的架构，升级之后的业务架构变成边缘存储来承载。当我们把存储搬到边缘之后，我们可以满足客户巨大体量的要求。因为对于存储、摄像头来说，上行是不收费的，但是每家资源在这上面都非常有限，如果不是用另一块来均衡成本的话，这个代价远远高于存储成本。我们把存储放到边缘，可以满足未来十年、二十年都是没有问题的，现在不用担心云服务商的带宽能力了。
    
我们进一步看，对于 IP Camera 的设备，把我们边缘的存储能力、流媒体的能力使用起来，完全可以支撑 7×24 小时的上传。这样来看，整体的摄像头成本以及它运营的成本，会取得一个巨大的下降。到最后变成边缘存储来承接 SD 卡的内容和 NVR 存储的功能。我们边缘存储的上线，是让摄像头在未来走向云存储、可以变现的重要通道。
    
再来讲另外一个案例，这是我们现在已经接近于交付的一个客户，他是做智能影楼的。





基于 AI 的智能影楼是一套复杂的系统，他的基础的 IT 资源怎么管？基础的存储怎么管？基础计算怎么管？因为影楼是遍布全国的，一个城市有几十家店，全国有几百家、几千家。是否可以做到只关心他的应用升级，不关心机器系统是怎么维护的，后面是怎么调度的。我们用容器，同时把容器搬到了边缘，中心下发进行边缘容器更新它的业务结构。原来上线一个影楼项目需要五天的时间，现在一到两个小时，这是极大的性能的提升。 我们服务于影楼的产品也同样可以服务于其他行业，比如说地产公司、连锁店的分布式业务。


解决了存储的问题，解决了计算的问题，但是我们核心还没有完全解决的是什么呢？应用落地的问题。我们怎么可以支撑智慧医疗、智慧汽车场景呢？在大的生态里面，任何一家只可以做扇形的一面。



                  
大家能不能将某一个应用上面、某一个场景上面的能力服务化，提供通用的平台，让大家的应用在这个体系里面生根，不管你今天为自己做还是为其他客户做，都可以更多地服务于行业。
    
边缘存储和边缘计算，可以在我们的公有云、私有云上去落地。但是它的前提是什么呢？大家都遵循一定的标准。这个标准目前对于应用没有那么限制，就是容器。大家对调用还是有问题，因为应用侧的标准和使用方式不统一，我觉得这是未来需要解决的问题，这不妨碍我们今天走出去的第一步，我们走去大圈圈里面共享。我也希望未来有更多的人走在我们基础的视频架构上面，让整个 Cloud 遇到社会的 AI。
             



AI 应用体系可以在平台与平台无缝复制，未来的产业互联网可以被真正推动起来。因为产业和产业间的理解有隔阂，所以今天我们做互联网的同学要往产业互联网的方向发展，我觉得还是任重而道远的。但当整个基础平台构建完之后，我们的数据就会成为一个市场，会服务于更多人。谢谢大家！

转载于:https://blog.51cto.com/7741292/2285059