06 K ube E dge + K ube S phere ： 轻松实现海量边缘节点与边缘设备管理
朱晗 / KubeSphere 后端研发工程师
KubeSphere 是在 Kubernetes 之上构建的企业级分布式多租户的容器平台 (面向云原生的分布式操作系统) 。 KubeSphere 与 KubeEdge 社区紧密合作，从云端控制层面解决边缘节点纳管易用性难题，打造云原生边缘计算服务。在本次分享中，KubeSphere 后端研发工程师朱晗介绍到通过激活云端组件、可观测链路转发、edge-watcher controller、边缘容器日志获取等途径，可解决现存的集成工作与可观测性难题。
07 打造开源开放社区 ， 共建云原生边缘计算生态
云原生边缘计算技术的发展离不开各行各业的深耕实践，也离不开社区专家对其的精进和优化。来自 KubeEdge 社区的三位专家，以社区中不同项目、组件为主题，分享其架构与原理、最新进展以及不同场景的案例，深入了解其优势之处，并规划未来各组件需实现的功能，各项目的发展方向，致力携手更多社区贡献者共建云原生边缘计算生态。
KubeEdge SIG AI
郑子木 / KubeEdge SIG AI 成员
郑子木聚焦分布式协同 AI 技术，分析其面临的挑战：边缘资源碎片化、边缘数据孤岛、边缘样本少、边缘数据异构等，随后引出 KubeEdge SIG AI 的目标即专注于分布式协同 AI 领域，基于 KubeEdge 生态，构建高性能、低门槛、安全可信的分布式协同 AI 框架和客观统一的评价标准。KubeEdge SIG AI 首个开源项目 Sedna 基于 KubeEdge 提供的边云协同能力，支持现有 AI 类应用无缝下沉到边缘，降低分布式协同机器学习服务构建与部署成本、提升模型性能、保护数据隐私等，正广泛在协同推理、增量学习、联邦学习、终身学习等场景展开实践探索。
KubeEdge SIG Device / IOT
王梓龙 / KubeEdge 社区资深开发者
王梓龙首先分享了边缘计算在不同行业的运用，目前的设备管理、创建流程方式，继而引出了目前所存在的问题。重点介绍了 DMI(Device Management Interface)的架构以及 DMI 下的创建流程，展现通过 DMI 扩展多种边缘计算框架，用户无需手动创建 mapper 应用，由框架自主连接并管理设备的实现机制。最后王梓龙还提到了 KubeEdge SIG Device IOT 未来工作计划，向大家清晰地展示了其未来的发展道路。
KubeEdge EdgeMesh
王杰章 / KubeEdge Member
王杰章此次分享首先分析边缘场景中的关键挑战与网络问题，其次介绍 EdgeMesh 的架构与设计原则、工作理念，通过 EdgeMesh 的性能测试，表现其优势与可发展性。EdgeMesh 作为 KubeEdge 集群的数据面组件，为应用程序提供了简单的服务发现与流量代理功能，满足边缘场景下的新需求(如边缘资源有限、边云网络不稳定、网络结构复杂等)，即实现了高可用性、高可靠性和极致轻量化。
本次论坛从行业趋势入手，到一线的产品服务研发和具体行业企业应用实践，再到前沿的开源社区技术贡献，多方位、多角度的解读和探讨了云原生边缘计算发展现状和应用情况。让我们看到，未来，边缘计算技术将会与终端设备、云原生进行深度融合，共同在工业物联网、车联网、智慧城市和智慧医疗等人们生产生活的各个方面发挥作用，而这一未来需要更多开源力量的加入来共同创建。
