如何实现云边协同技术及其带来的效率、稳定性问题，包括涉及制造应用的容器化部署问题？

边缘计算平台其实就是为了解决边缘侧业务的稳定性的，比如在边缘侧的某个节点挂了后，可以将其上的应用通过云侧控制，再次调度到与该节点相邻或同区域的另外的节点上的，甚至可以将一些核心的业务同时部署多份到本地的不同节点上，实现服务的高可用。

目前边缘计算社区，比如 kubeedge 等，都在积极的使用 edgemesh 来实现边缘侧同数据中心节点的服务高可用问题，即和云端的 kube-proxy 和 kube-dns 一样，来实现边缘侧的服务发现与负载均衡。

云边协同技术，除了华为开源的 kubeedge 还有腾讯的 superedge，阿里的 openyurt 由于都有对 nodegroup 的概念，所以本身就实现边缘侧的服务发现与负载均衡，这样可以解决稳定性问题。

由于边缘计算是云端功能下沉的体现，云端目前都基本是基于K8S+docker方式实现业务容器化并部署的，所以边缘计算一般也是基于容器，因为这样才更方式的实现云端调度，边端执行。

另外，如果我们抓住边缘计算的本质，就是通过分布式、高可用、业务易部署与维护，那么容器化就是一个很重要的过程，还有一种就是不好容器化的场景，可以基于kubevirt来实现用容器来管理虚拟机，将业务部署在虚拟机中。

云边协同是一个蛮大的话题，特别是在目前算力向边缘迁移是个不可阻挡的趋势，如何做好“大”数据中心与“小”边缘数据中心及“瘦”边缘设备之间的协同，包括业务的协同，数据的协同，同时在比较安全可控的前提下实现双向的沟通。在数据协同中，一个比较关注的点是“数据的粒度”，目前来看，容器虽不是一个最佳的数据Size的选择，但是综合业务逻辑实现和运维效率，确实是一个折中的目前最佳选择，从互联网和金融等一些容器化实现走的比较早的行业来看，包括K8s等编排技术不断迭代，包括VMware的跟进，技术上已经比较稳定，英伟达一直都是AI容器化的践行者，包括我们的NGC（ngc.nvidia.com）包括从训练到推理，从脚本到应用部署，都是基于容器化实施，云边协同软件Fleet Command也是基于容器的技术实现。