2.2.6　云边协同

边缘服务是云服务的延伸，可调度资源相比数据中心是有限的，因此将边缘站点对环境的即时感知、实时本地化计算与云上的数据中心的海量计算能力结合，实现云边服务的价值最大化，也是边缘计算框架必须支持的能力。

一般来说，架构应支持运行在边缘计算环境中的应用程序能够方便地使用云计算中心的资源，或者在本地资源不足时，优先把一些不重要的或者时延要求不高的计算迁移到云上。常见方案有：在边缘节点实现对数据的采集、初始处理或推理，并回传到公有云中，利用公有云海量计算资源进行大数据挖掘、算法模型的训练与升级等复杂计算，最终训练得到的模板或升级后的算法再推送回边缘节点，如此不断往复，最终实现自主学习或训练闭环。其他方案还包括在边缘节点仅保存有限时间段内的即时或高频数据，其他的大量数据与计算保存在云端，并根据用户需求进行即时轮换。这样不仅可以满足用户即时性访问的需求，当边缘节点出现意外时，还可借助存储在云端的数据快速恢复边缘节点数据。

因此云边协同对架构的要求有：支持应用在边缘节点或云上互相迁移的能力，以及对不同云服务的集成与抽象能力（避免绑定特定云服务供应商）。对于智能化应用，架构需要考虑边缘侧AI与云上AI的模型一致性。