多接入边缘智能网络（EINetwork 2.0）

1 Client（设备接入）

• 接入摄像头设备，基于opencv实现图像捕捉与视频流预处理
• 定时捕捉视频流数据，基于PIL处理图片帧并上传至flask服务器并返回URL
• 整理业务数据，通过gRPC协议发送至TO（双业务）

2 TO（计算卸载）

• 基于goroutine的并发业务处理，支持$10^5$个任务的并发计算卸载
• 基于算力网络图的时延预测模型，实现多类别任务的时延智能预测$$\tau_{proc}^{n}=G\left(\mathbf{P},\mathbf{S},K\right)\\ \left(0\le U_{[\cdot]}\le1,K\ge1,K\in\mathbb{Z}\right)$$
• 基于图论的计算卸载算法，实现多对多的任务卸载
• 整理业务数据，通过gRPC协议发送至AI（多server）

3 AI（业务推理）

• 基于MTCNN与FaceNet算法，实现检测并提取照片中的人脸特征，并与人脸数据库进行比对
• 基于YOLOv5物体识别算法，实现检测并统计照片中人物的人流量
• 封装gRPC接口并整理业务数据，将业务数据发送至展示平台（多client）

4 ComNet（算力网络图）

• 基于Prometheus API接口，获取各节点的资源负载与各容器的状态信息
• 基于自实现network-exporter，获取节点间链路的质量信息
• 基于网络性能信息实现网络状态评估，生成网络状态简报
• 封装网络性能信息为算力网络图结构，基于ZeroMQ PUB-SUB模式，发布算力网络图与网络状态简报

5 ControlPlatform（管控平台）

• 基于kubernetes dashboard二次开发，具备节点管理、服务发现、服务部署、容器管理、资源分配等功能
• 基于ZeroMQ实现算力网络图订阅，基于goroutine实现算力网络图-后台-前端的数据透传
• 基于AngularJS+Echarts完成前端设计，基于WebSocket实现前端后台通信，实现算力网络图可视化与主要监控指标的实时刷新

6 Dashboard（展示平台）

• 基于Springboot框架搭建后台，通过gRPC与ZeroMQ协议接收业务流与网络状态简报数据，实现时序数据存储（任务流数据、网络监控数据）与统计（流量统计、服务数据生成）
• 基于Vue+BMap+Echarts实现前端设计，完成网络拓扑、业务数据、流量数据、服务数据、网络数据的可视化，使用Websocket实现前端后台通信