工业互联系统分析与设计 课件 第七章 工业先进计算

工业互联网

IndustrialInternet01工业互联网架构回顾第六章工业人工智能——上节回顾1设备音频；设备辐射；……订单信息;客户需求变更；……机器触感；机器温度；……信息感知产品位置；机器人位置；人的位置；……视觉传感器（摄像头）温度传感器红外传感器压力传感器烟雾传感器……数据传输蓝牙通信蜂窝通信有线通信以太网卫星通信……数据处理机器学习数据挖掘数据融合人工智能大数据……决策应用服务安全管理……平台层2第七章工业先进计算——课时安排本次课时任务时间80分钟（2课时）主要学习内容工业先进计算背景（0.5课时）；工业先进计算方法（0.5课时）；工业云、边计算框架（1课时）；主要目标了解先进计算的背景与发展历程；了解工业中常见的计算方法与框架。3第四章工业网络通信——架构回顾工业互联网通信传输架构回顾设备音频；设备辐射；……订单信息;客户需求变更；……机器触感；机器温度；……信息感知产品位置；机器人位置；人的位置；……视觉传感器（摄像头）温度传感器红外传感器压力传感器烟雾传感器……数据传输蓝牙通信蜂窝通信有线通信以太网卫星通信……数据处理机器学习数据挖掘数据融合人工智能大数据……决策应用服务安全管理……平台层4第七章工业先进计算——背景什么是先进计算？

5第七章工业先进计算——背景为什么要先进计算？

一样的计算结果，却有完全不一样的计算量6第七章工业先进计算——背景先进计算发展

第七章工业先进计算77.1并行计算8第七章工业先进计算——1.并行计算框架并行计算产生背景

整个大的串行任务分解各个并行执行部分需做大量运算，持续时间长根据大任务内在相关性各个相对独立模块部分并行执行，节约运算时间9第七章工业先进计算——1.并行计算框架并行计算产生背景

并行计算是相对于串行计算10第七章工业先进计算——1.并行计算框架并行计算

并行计算(ParallelComputing）高端计算(High-endParallelComputing)高性能计算(HighPerformanceComputing)超级计算(SuperComputing)任何高性能计算和超级计算都离不开使用并行技术由运行在多个部件上的小任务合作来求解一个规模很大的计算问题的一种方法。11第七章工业先进计算——1.并行计算框架并行计算的应用需求

12第七章工业先进计算——1.并行计算框架并行计算应用案例——矩阵乘法并行计算

引入原因：串行计算在处理大规模矩阵乘法时效率低下，计算时间过长，无法满足工业互联网中对实时大数据处理的需求。为解决这些问题，有必要引入并行计算，通过分解任务并行执行，大幅提升计算速度和效率，满足大规模数据处理的要求。解决手段：引入多个处理器:当用n个处理器进行n*n矩阵乘法时，可以容易的获得并行的时间复杂度为O(n)。用n个处理器时时间复杂度为O(n)。虽然引用多处理器可降低时间复杂度，但隆低的时间复杂度是针对计算而言，增加处理器会导致显著的通信开销的增加。实际中一般结合块矩阵实现。划分成子矩阵:通过块矩阵乘法实现。13第七章工业先进计算——1.并行计算框架矩阵乘法的并行算法

14第七章工业先进计算——1.并行计算框架块矩阵乘法示例

15第七章工业先进计算——1.并行计算框架矩阵乘法的并行算法

第七章工业先进计算167.2错误处理和容错17第七章工业先进计算——2.错误处理和容错并行计算中的异常和错误

在并行计算中，处理异常和错误是非常重要的，因为并行计算涉

及到多个计算单元同时进行工作，一旦出现异常或错误，可能会对整个计算过程造成严重影响。以下是处理并行计算中异常和错误的一些建议：异常处理机制：在并行计算中，需要建立完善的异常处理机制，及时捕获和处理各种可能出现的异常情况，例如内存溢出、数据丢失、计算单元死锁等。可以通过编写稳健的代码来处理异常，或者使用现有的并行计算框架提供的异常处理工具。错误检测和纠正：在并行计算中，错误检测和纠正是至关重要的。可以通过引入冗余计算、校验码等技术来检测和纠正计算中的错误。例如，在分布式计算中可以使用冗余数据来检测和纠正节点间的通信错误，确保计算结果的准确性。第七章工业先进计算187.3MapReduce框架19第七章工业先进计算——3.MapReduce框架何谓MapReduce

一种云计算的核心计算模式，是一种处理海量数据的简化并行计算的分布式编程模式。用于大规模数据集（通常大于1TB）的并行运算。MapReduce实现了Map和Reduce两个功能。Map-reduce的思想就是“分而治之”。Mapper负责“分”，即把复杂的任务分解为若干个“简单的任务”执行。“简单的任务”有几个含义：1数据或计算规模相对于原任务要大大缩小；2就近计算，即会被分配到存放了所需数据的节点进行计算；3这些小任务可以并行计算，彼此间几乎没有依赖关系Reducer对map阶段的结果进行汇总Reducer的数目由mapred-site.xml配置文件里的项目mapred.reduce.tasks决定。缺省值为1，用户可以覆盖之。20第七章工业先进计算——3.MapReduce框架何谓MapReduce

MapReduce模式的主要思想是将要自动分割执行的问题（例如程序）拆解成Map（映射）和Reduce（化简）的方式。流程图如下：21第七章工业先进计算——3.MapReduce框架何谓MapReduce

MapReduce实现了Map和Reduce两个功能Map把一个函数应用于集合中的所有成员，然后返回一个基于这个处理的结果集。是把一组数据一对一地映射为另外一组数据，其映射的规则有一个函数来指定。例如：[1,2,3,4]进行乘2的映射就变成了[2,4,6,8]。Reduce对结果集进行分类和归纳，对一组数据进行规约，这个规约的规则由一个函数指定。例如：对[1,2,3,4]进行求和的规约得到结果是10。Map()和Reduce()两个函数可能会并行运行，即使不是在同一的系统的同一时刻。Map负责把任务分解成多个任务，Reduce负责把分解后多任务处理的结果汇总起来。至于在并行编程中的其他复杂问题，如分布式存储、工作调度、负载均衡、容错处理、网络通信等，由MapReduce框架负责处理。22第七章工业先进计算——3.MapReduce框架何谓MapReduce

任务需求：找出服务器上2015年5月的某个视频第七章工业先进计算237.4分布式机器学习24第七章工业先进计算——4.分布式机器学习分布式机器学习

引言：大数据、大模型和GPU集群的发展推动了人工智能的进步，同时也带来了处理和训练大规模数据和模型的挑战。分布式机器学习技术应运而生，用于应对这些挑战。核心概念：分布式机器学习：将数据和计算任务分配到多个节点，以充分利用计算资源和存储资源。25第七章工业先进计算——4.分布式机器学习分布式机器学习框架

基本流程：数据与模型划分：将大数据集和大模型划分成若干子集，分配到不同的计算节点。单机优化：各个计算节点在本地进行优化和训练。子模型局部数据处理：各节点处理子模型和局部数据。数据与模型聚合：汇总各节点的训练结果，进行整体优化。分布式机器学习系统框架第七章工业先进计算267.4数据分割和分布27第七章工业先进计算——5.数据分割和分布数据与模型划分模块

划分的必要性：单机有时无法处理大数据的情况，需要划分和分布。数据和模型划分目的是对训练样本和特征维度进行划分，提高计算效率，优化计算资源。对训练样本进行划分的常用方法：随机采样法：将训练样本作为采样的母数据，通过放回的方式进行随机采样。然后根据每个工作节点的容量将其分割为若干子集。每个节点独立训练，避免了样本间的相关性。28第七章工业先进计算——5.数据分割和分布分割异质性29第七章工业先进计算——5.数据分割和分布数据与模型划分模块

对训练样本进行划分的常用方法：垂直划分法：将训练样本的特征维度随机并均匀地划分到不同的计算节点，每个节点处理不同的特征子集。通过这种方式，能够有效降低每个节点的计算负担，提高整体计算效率。然而，垂直划分法需要高效的通信和同步机制，以确保各节点间的协调工作。适当的垂直划分能够平衡负载，减少计算开销，但同时要注意通信开销和数据一致性的问题。训练原始数据集特征1特征2特征3节点1节点2节点3训练训练均匀划分第七章工业先进计算307.6模型并行化31第七章工业先进计算——6.模型并行化模型并行化

模型并行：模型并行用于分布式机器学习中，将模型的不同部分分配到多个计算节点上并行处理，解决超大规模模型在单个计算节点上无法容纳的问题。模型并行的分类：流水线并行：把模型不同的层放到不同设备之上，比如前面几层放到一个设备之上，中间几层放到另外一个设备上，最后几层放到第三个设备之上。张量并行：层内分割，把某一个层做切分，放置到不同设备之上，也可以理解为把矩阵运算分配到不同的设备之上，比如把某个矩阵乘法切分成为多个矩阵乘法放到不同设备之上。32第七章工业先进计算——6.模型并行化模型并行化

上面是层间并行（流水线并行），纵向切一刀，前面三层给第一个GPU，后面三层给第二个GPU。下面是层内并行（tensor并行），横向切一刀，每个张量分成两块，分到不同GPU之上。第七章工业先进计算337.7通信和同步机制34第七章工业先进计算——7.通信和同步机制通信和同步机制

通信的内容：在数据并行框架下，每个工作节点学习局部数据的子模型。通信任务是传递子模型或模型更新（如梯度），实现全局模型的同步。通信的架构：参数服务器架构参数服务器架构：在分布式机器学习中用于协调各个计算节点之间的参数更新和同步。每个工作节点独立处理局部数据并更新局部模型，然后通过客户端与参数服务器通信，将更新的参数发送到参数服务器。参数服务器汇总和同步这些参数，并将最新的参数分发回各个工作节点。35第七章工业先进计算——7.通信和同步机制通信和同步机制

同步机制：同步更新：节点更新本地模型后立即同步，确保全局一致性。异步更新：节点无需等待其他节点完成更新，提高效率。同步挑战：通信开销：频繁通信增加网络负载。一致性问题：节点间数据可能不一致，需有效同步策略。容错机制：确保节点故障时系统正常运行。第七章工业先进计算367.8资源管理和调度37第七章工业先进计算——8.资源管理和调度资源管理和调度

资源管理与调度：在分布式环境中，资源管理是非常重要的环节，通过统一管控所有的机器节点，实现水平的扩容与移除，并对外提供服务。核心概念：资源管理：统一管控所有的机器节点，自动进行水平的扩容与移除。资源调度：当某个服务想要运行在集群中时，框架可以自动按照某种策略筛选节点执行任务。38第七章工业先进计算——8.资源管理和调度资源调度的类型

资源调度的类型：单体调度：集群有两种角色：master和node。master负责搜集各个节点的状态和分配任务，而node负责上报自身资源使用情况并执行任务。两层调度：第一层调度器在master上，负责整体资源分配；第二层调度器与master沟通，申请节点执行任务。共享状态调度：共享状态调度通过第三方存储平台存储集群状态，多个调度器并发读取并分配任务，支持高并发和全局视角，但容易发生资源冲突。单体调度双层调度共享状态调度第七章工业先进计算397.9联邦学习框架40第七章工业先进计算——9.联邦学习框架联邦学习介绍

联邦学习是一种带有隐私保护、安全加密技术的分布式机器学习框架，旨在让分散的各参与方在满足不向其他参与者披露隐私数据的前提下，协作进行机器学习的模型训练。经典联邦学习框架的训练过程可以简单概括为以下步骤：协调方建立基本模型，并将模型的基本结构与参数告知各参与方；各参与方利用本地数据进行模型训练，并将结果返回给协调方；协调方汇总各参与方的模型，构建更精准的全局模型，以整体提升模型性能和效果。41第七章工业先进计算——9.联邦学习框架联邦学习的架构思想

联邦学习的架构分为两种，一种是中心化联邦（客户端/服务器）架构，一种是去中心化联邦（对等计算）架构。

针对联合多方用户的联邦学习场景，一般采用的是客户端/服务器架构，企业作为服务器，起着协调全局模型的作用；而针对联合多家面临数据孤岛困境的企业进行模型训练的场景，一般可以采用对等架构，因为难以从多家企业中选出进行协调的服务器方。联邦学习系统客户端/服务器架构42第七章工业先进计算——9.联邦学习框架联邦学习的架构思想

当参与方不少于两个时，启动联邦学习过程。在正式开始训练之前，中央服务器先将初始模型分发给各参与方，然后各参与方根据本地数据集分别对所得模型进行训练。接着，各参与方将本地训练得到的模型参数加密上传至中央服务器。中央服务器对所有模型梯度进行聚合，再将聚合后的全局模型参数加密传回至各参与方。联邦学习对等系统架构第七章工业先进计算437.10云计算44第七章工业先进计算——云计算云计算的定义云计算是一种通过互联网（"云"）提供按需访问计算资源（如服务器、存储、数据库、网络、软件、分析等）的服务模式。它允许企业和个人在不购买和维护物理硬件的情况下，使用这些资源。45第七章工业先进计算——云计算云计算的定义此外，云计算还有不同的部署模型：公有云：由第三方提供商管理，服务通过互联网提供给所有客户。私有云：由企业内部或专用网络管理，仅供特定组织使用。混合云：结合了公有云和私有云的特点，允许数据和应用程序在两者之间移动。46第七章工业先进计算——IaaSIaas的定义

"基础设施即服务"（InfrastructureasaService，简称IaaS）是一种云计算服务模型，它提供虚拟化的计算资源作为服务。在IaaS模型中，云服务提供商（CSP）管理着庞大的数据中心，并通过互联网向客户提供硬件、存储空间、网络和其他基础设施资源。47第七章工业先进计算——IaaSIaaS的特点虚拟化：IaaS提供商通常使用虚拟化技术来分配物理服务器的资源，创建多个虚拟机（VMs）。按需扩展：客户可以根据需要增加或减少资源弹性：资源可以快速扩展或缩减，以适应应用程序的需求变化。成本效益：客户只需为实际使用的资源支付费用，而不需要投资昂贵的硬件。易于管理：通过云服务提供商的管理界面，客户可以轻松管理其虚拟资源。高可用性和灾难恢复：云服务提供商通常提供高可用性解决方案和灾难恢复选项，以确保业务连续性。48第七章工业先进计算——IaaSIaas在阿里云当中的应用云服务器ECS：提供安全可靠，弹性和伸缩的云计算服务，支持几乎任何工作负载。无影云桌面：无影云桌面是一种易用、安全、高效的云上桌面服务，它支持快速便捷的桌面环境创建、部署、统一管控与运维。容器服务ACK：提供高性能可伸缩的容器应用管理能力，支持企业级Kubernetes容器化应用的全生命周期管理。函数计算FC：一个事件驱动的全托管计算服务，通过函数计算，无需管理服务器等基础设施，上传编写代码。49第七章工业先进计算——PaaSPaaS的定义

PaaS（PlatformasaService，平台即服务）是一种云计算服务模式，它为用户提供一个在线平台，支持在完全托管的基础设施上开发、运行和管理应用程序。用户无需管理底层基础设施（如服务器、存储和网络）或平台的运行时环境，只需专注于编写和部署应用代码。50第七章工业先进计算——PaaSPaaS的特点加快开发速度：PaaS提供了预先配置好的开发环境，包括运行时、数据库和中间件等。降低成本：使用PaaS消除了对于昂贵硬件的前期投资，并减少了对运维人员的依赖。提高可扩展性和灵活性：PaaS平台通常设计为高度可扩展，支持应用程序随着用户需求的增长而横向扩展。促进协作：由于PaaS环境是集中托管的，团队成员可以在任何地点共享访问资源和应用程序，促进远程协作，提高团队效率。维护和更新自动化：PaaS提供商负责所有后端更新支持多种编程语言和工具：多数PaaS解决方案支持多种编程语言和框架51第七章工业先进计算——PaaSPaas在阿里云当中的应用阿里云数据库RDS：一种完全托管的关系型数据库服务，提供MySQL、SQLServer、PostgreSQL等多种数据库类型。阿里云消息服务MNS：一种高效、可靠、安全、便捷、可弹性扩展的分布式消息通知服务。容器镜像服务ACR：一个安全、高效的容器镜像托管服务，支持存储和管理Docker镜像。人工智能平台PAI：面向开发者和企业的机器学习/深度学习工程平台，提供包含数据标注、模型构建、模型训练、模型部署、推理优化在内的AI开发全链路服务52第七章工业先进计算——SaaSSaas的定义SaaS（SoftwareasaService，软件即服务）是一种将软件部署在云端服务器上，通过互联网向用户提供应用软件服务的模式。用户通常通过订阅的方式，按需支付服务费用，而无需购买、安装和运维软件及相关硬件。SaaS服务商负责软件的维护、更新和安全保障，使用户能够随时随地通过网络访问最新版本的软件。53第七章工业先进计算——SaaSSaaS的特点成本效益:SaaS消除了传统软件高昂的前期购买成本和长期的维护费用。快速部署和升级:由于SaaS应用程序不需要在用户端安装或配置，部署速度非常快。访问灵活性与远程工作：SaaS允许用户通过互联网从世界任何地点访问服务，这样的访问灵活性对适应现代工作环境至关重要。扩展性与集中化管理：SaaS模型提供了出色的可扩展性，企业可以根据实际需求简单地增加或减少用户许可。自动化与协作：许多SaaS解决方案内置了业务流程自动化工具，这些工具可以简化重复性任务，减少人为错误，提高操作效率54第七章工业先进计算——SaaSSaaS在阿里云当中的应用阿里企业邮箱：多终端支持，钉+邮随时随地轻松办公，支持企业邮箱本地部署，符合全栈国产化要求，同时售后7*24小时VIP服务支持，保障数据迁移无缝对接。专属钉钉：专属钉钉是针对企业协同场景的移动办公平台，提供了强大的APP自定义能力，满足金融级别的信息安全要求，提供钉钉核心能力的专属openAPI。Teambition：数字化协作平台，提供项目管理、任务协同等解决方案，目前已服务千万级全球用户，10000+付费企业。通义晓蜜：全渠道联络中心与AI应用深度整合的解决方案，包括基于大模型升级的智能对话平台、全渠道联络中心、智能坐席助理。55第七章工业先进计算——公有云公有云的定义公有云是部署云计算最常见的方式。公有云资源（如服务器和存储空间）由第三方云服务提供商拥有和运营，这些资源通过Internet提供。在公有云中，所有硬件、软件和其他支持性基础结构均为云提供商所拥有和管理。在公有云中，你与其他组织或云“租户”共享相同的硬件、存储和网络设备。你可以使用Web浏览器访问服务和管理帐户。56第七章工业先进计算——公有云公有云的特点成本更低：无需购买硬件或软件，仅对使用的服务付费。无需维护：维护由服务提供商提供。近乎无限制的缩放性：提供按需资源，可满足业务需求。高可靠性：具备众多服务器，确保免受故障影响。57第七章工业先进计算——公有云公有云在阿里云当中的应用云服务器ECS:阿里云提供的性能卓越、稳定可靠、弹性扩展的IaaS级别云服务器服务。云数据库:阿里云提供多种云数据库服务，包括关系型数据库、NoSQL数据库等，用户可以根据业务需求选择合适的数据库服务。存储服务:阿里云的存储服务包括对象存储OSS、文件存储等，支持海量数据的存储和访问。58第七章工业先进计算——私有云私有云的定义私有云由专供一个企业或组织使用的云计算资源构成。私有云可在物理上位于组织的现场数据中心，也可由第三方服务提供商托管。但是，在私有云中，服务和基础结构始终在私有网络上进行维护，硬件和软件专供组织使用。这样，私有云可使组织更加方便地自定义资源，从而满足特定的IT需求。59第七章工业先进计算——私有云私有云的特点灵活性更高：组织可自定义云环境以满足特定业务需求。安全性更高：资源不与其他组织共享，从而可实现更高控制性和安全性级别。缩放性更高：私有云仍然具有公有云的缩放性和效率。60第七章工业先进计算——私有云私有云在阿里云当中的应用专有云产品（ApsaraStack）：阿里云推出的专有云产品，允许企业在自己的数据中心部署与阿里云公有云同源的技术架构，实现云服务的私有化部署企业级云服务：阿里云为企业提供包括计算、存储、网络、安全等在内的全面云服务，满足企业多样化的业务需求定制化服务：针对企业特定的业务需求，阿里云可以提供定制化的私有云服务，包括组织架构、内部审批流程、定制化的计算服务等61第七章工业先进计算——混合云混合云的定义混合云通常被认为是“两全其美”，它将本地基础架构或私有云与公有云相结合，组织可利用这两者的优势。例如行云管家混合云管理平台，不仅支持业界主流公有云厂商，例如：阿里云、腾讯云、华为云、等，还能够将企业内部私有云（如：openstack）接入到云端，轻松完成混合云管理。在混合云中，数据和应用程序可在私有云和公有云之间移动，从而可提供更大灵活性和更多部署选项。62第七章工业先进计算——混合云混合云的特点控制性—组织可针对敏感资产维持私有基础结构。灵活性—需要时可利用公有云中的其他资源。成本效益—具备扩展至公有云的能力，因此可仅在需要时支付额外的计算能力。容易轻松—无需费时费力即可转换至云，因为可根据时间按工作负荷逐步迁移。63第七章工业先进计算——混合云混合云在阿里云当中的应用阿里云统一云管平台（ApsaraUni-manager）是面向阿里云专有云的企业级云管理平台，提供全方位的云资源供给、运维和运营管理能力，具备一体化管控、自动化运维、智能化分析及个性化扩展等核心竞争力；致力于为客户提供优质的用户体验，简化专有云管理，加速政企数字化转型。64第七章工业先进计算——边缘设备边缘设备的定义边缘设备是指位于网络边缘，靠近数据源的设备，它们可以收集、处理、分析并传输数据。边缘设备在边缘计算中扮演着重要角色，它们使得数据处理更加靠近数据产生的地点，从而减少延迟、提高响应速度、降低带宽使用，并增强数据安全性。65第七章工业先进计算——边缘设备边缘设备的应用场景边缘设备的种类繁多，可以是小型的传感器、智能设备，也可以是较大的机器或系统。它们在不同的应用场景中发挥作用，如工业自动化、智能家居、智慧城市、医疗健康、交通管理等领域。边缘设备的作用是推动边缘计算在不同行业中应用的硬件，它们用于完成不同的任务，具体取决于为其配置的软件应用程序或功能。66第七章工业先进计算——边缘设备阿里云的边缘设备边缘计算硬件平台：阿里云推出了震旦异构加速平台、隐私计算平台和智能边缘运维平台，这些平台旨在解决客户边缘方案问题，提供异构加速、隐私保护和智能运维等功能物联网边缘计算产品：阿里云提供了包括LE-V-B012边缘计算一体机在内的多种产品，这些产品搭载ARM架构处理器和平头哥算力加速器，为AI算法提供强大的算力支持智能边缘计算框架：阿里云的物联网边缘计算原生支持阿里云，并基于云边一体的理念设计，提供通信协议开发框架、远程运维框架和边缘应用框架，以提升开发效率67第七章工业先进计算——边缘节点边缘节点的定义边缘节点是边缘计算架构中的关键组成部分，它们通常部署在网络的边缘，靠近数据源或用户。边缘节点的作用是处理和分析数据，提供快速响应和智能决策，而不需要将数据发送到远端的中心数据中心或云服务器。68第七章工业先进计算——边缘节点边缘节点的特点减少延迟：由于边缘节点靠近数据源，它们可以提供更低的延迟，这对于实时数据处理和响应至关重要。带宽节省：通过在边缘节点处理数据，可以减少需要发送到中心数据中心的数据量，从而节省带宽。数据安全性：边缘节点可以对数据进行本地处理，减少数据在网络中的传输，增强数据安全性。自治能力：边缘节点通常具备一定程度的自治能力，即使在与中心数据中心的连接受限时，也能继续运行。69第七章工业先进计算——边缘节点阿里云的边缘节点边缘节点服务ENS：阿里云提供的边缘节点服务ENS，聚焦多态计算，提供虚机实例、边缘容器、裸金属实例等算力服务。ENS还提供一站式编排部署，帮助业务构建全球边缘基础设施环境。分布式云全网统一管理：基于分布式系统架构，ENS支持一键创建跨地域、跨运营商的边缘节点算力资源，实现智能选点和秒级分发终端云化及多开原生方案：适配云游戏、云应用、云渲染等场景化需求，支持ARM+安卓、X86+Windows的异构计算软硬件方案。70第七章工业先进计算——边缘网关边缘网关的定义边缘网关是一种网络设备，它位于网络的边缘，靠近用户或设备端，扮演着连接设备与云平台或其他网络服务的角色。边缘网关在边缘计算中起着至关重要的作用，它不仅负责数据的收集、初步处理和转发，还可以执行安全、协议转换、设备管理等多种功能。71第七章工业先进计算——边缘网关边缘网关的应用以阿里云举例，在阿里云的边缘计算服务中，边缘网关的应用主要体现在设备连接、数据预处理、本地决策、安全性、远程运维、云边协同、场景化应用、产品规格等方面。72第七章工业先进计算——边缘网关阿里云中的边缘网关阿里云边缘网关应用主要围绕其物联网边缘计算产品LinkIoTEdge展开，提供了一系列功能来帮助用户管理和处理边缘设备的数据和事件。如：边缘应用管理：LinkIoTEdge提供应用管理能力，帮助用户标准化管理边缘端应用的版本、配置等。容器镜像应用：LinkIoTEdge支持容器镜像应用，可以直接从镜像仓库中拉取镜像作为边缘应用，支持阿里云容器镜像服务提供的镜像仓库和公共镜像仓库。73第七章工业先进计算——边缘计算平台边缘计算平台的定义边缘计算平台是一种技术架构，旨在将计算能力从中心数据中心扩展到网络边缘，靠近数据源和最终用户。这种