Dayu（大禹）：基于 KubeEdge 为云边协同 AI 流数据分析提供基础设施

Dayu（大禹）是一个开源平台，用于构建和运行跨云边资源的多阶段 AI 流应用。它把工作流编排、可复用 AI 服务、云边部署、自适应调度、运行观测和结果分析整合到同一个环境中。

KubeEdge 为 Dayu 提供 Kubernetes 原生的云边资源管理基础；Dayu 则在此基础上增加理解数据源、处理流程和调度目标的应用层。二者结合，将分散的模型和设备组织成可编程的云边流分析系统。

挑战：从单个模型走向持续运行的应用工作流​

一个真正可用的流分析应用，通常远不只是把单个模型装进容器。以交通感知为例，应用可能需要接入多路摄像头，连续完成目标检测、跟踪、事件识别和中间结果汇总，并持续输出分析洞察。不同处理阶段可能需要不同类型的处理器，而可用算力、网络状态、任务积压和场景复杂度也会持续变化。

云边基础设施能够管理节点和工作负载，但应用团队仍需回答另一组问题：多个 AI 服务如何连接？各阶段应部署到哪些节点？到达的任务应在哪里执行？调度策略如何应对环境变化？整个过程又该如何观察和比较？

如果缺少共享的应用运行时，团队往往要为每一条流水线或每一次调度实验重复搭建上述能力。Dayu 正是为补齐这一层而设计。

Dayu 是什么​

Dayu 将流应用表示为由可复用服务组成的有向工作流。它既能描述常见的顺序流水线，也能表达并行分支与结果汇合，同时让应用定义与负责执行它的调度策略保持独立。

借助 Web 界面和声明式模板，用户可以选择数据源、编排应用、指定云边资源、应用调度策略并查看运行结果。同一个平台可以服务于三类相互协作的用户：

• 应用开发者可以用可复用服务组装云边 AI 工作流，不必从头实现分布式运行时。
• 调度研究者可以在统一的执行和观测链路上实现、比较不同策略。
• 平台运维人员可以从一个界面管理实验、查看运行状态并保存结果。

Dayu 可以做什么​

Dayu 提供从数据流接入到云边应用观测的完整路径：

• 编排多阶段 AI 工作流。 用户可以按照真实处理依赖组织服务，而不是把整条流水线视为不可拆分的单一负载。
• 连接录制数据与实时数据源。 可重复播放的测试数据和实时摄像头流都能进入同一个应用工作流。
• 运行于异构资源之上。 云服务器和不同类型的边缘设备可以加入同一个协同执行环境。
• 协调服务部署与任务执行。 Dayu 既能决定服务应在哪些节点上可用，也能决定新任务实际在哪里运行，使策略能够在适合应用的粒度上发挥作用。
• 通过调度策略适应变化。 策略可以结合应用上下文和运行观测，对负载与资源变化作出响应。
• 观测和分析完整生命周期。 用户可以查看应用拓扑、部署与执行决策、资源使用、排队、时延和处理结果，并导出数据作进一步分析。
• 扩展平台能力。 新的 AI 服务、调度方法、监控逻辑和可视化方式可以复用既有模板与运行接口。

这组能力让 Dayu 不只用于展示某个 AI 模型，还能帮助用户理解一套完整的流应用如何跨云端和边缘运行。

为什么基于 KubeEdge 构建​

Dayu 不会重复实现 KubeEdge 已经解决的云边基础设施能力。两个项目的职责清晰且互补：

Dayu 把 KubeEdge 管理的节点和工作负载作为调度决策的真实执行基础。Dayu 维护了与 Sedna、EdgeMesh 等生态项目的集成，以支持云边节点之间的协同服务部署与通信。这样，Dayu 可以专注于应用结构和运行协同，同时与 Kubernetes 原生的边缘管理方式保持一致。

整体架构与使用流程​

Dayu 将系统职责组织为五层：

从用户视角看，完整生命周期保持简洁：

1. 定义或选择数据源、应用工作流、候选资源和调度策略。
2. Dayu 在 KubeEdge 管理的云边节点上准备应用所需服务。
3. 流任务沿应用工作流流转，Dayu 同时协调其在可用资源上的执行。
4. 运行观测与应用反馈帮助所选策略持续调整决策。
5. 处理结果、应用拓扑、性能与资源信息回到 Dayu 界面，供用户查看和分析。

系统内部仍由模块化服务组成，但用户面对的是一条连贯的应用生命周期，而不是一组彼此割裂的基础设施组件。

Dayu 的核心特色​

• 面向应用的协同编排。 Dayu 知道流应用包含哪些阶段以及它们之间的依赖，因此可以在服务和任务层面协同，而不只停留在容器层面。
• 两类相互补充的决策周期。 它同时协调服务在哪些节点可用、到达的任务在哪里执行，而不会把二者强行塞进同一种固定机制。
• 可复用的平台，而非单一算法。 应用服务和调度策略均可插拔，不同方法能够共享同一套部署、执行、监控和评估环境。
• 面向异构云边系统设计。 设备能力、工作负载和连接条件的差异，都可以成为调度上下文的一部分。
• 形成从部署到实证分析的闭环。 内置可视化与遥测数据把决策和结果关联起来，支持调试、比较和可复现评估。

对用户与 KubeEdge 社区的价值​

对开发者而言，Dayu 缩短了从一组 AI 服务到可运行云边应用的路径；对研究者而言，它提供了无需反复重建外围运行时的统一策略验证环境；对 KubeEdge 社区而言，Dayu 展示了 KubeEdge 资源平面如何进一步承载面向持续 AI 负载、理解应用结构的上层平台。

Dayu 也已支撑同行评审的调度研究。在一项基于 KubeEdge 原型系统的评估中，Hier-EI 相对该研究所比较的基线，报告了最高 3.6 倍的时延合规率提升和 67.4% 的 P95 时延下降。这些结果仅对应特定策略、工作负载和测试环境；Dayu 更广泛的贡献，是提供一套让不同策略得以实现、观测和比较的统一平台。

未来方向​

项目将继续扩展可复用服务目录和代表性工作流，改善云边应用的编排与观测体验，并增强对多样化边缘环境的支持。Dayu 也会持续跟进 KubeEdge 生态，让应用与调度创新建立在可维护、Kubernetes 原生的边缘基础之上。

更多信息请参阅 Dayu 文档与源代码仓库。