开篇

大家好呀！我是超级热爱边缘计算的云原生实践者，前几次分别从整体搭建、应用分发、网络治理、集群生命周期与监控策略等角度分享了Kurator体验，这次我换一个特别实用的角度——边缘计算场景下的云边协同实战。Kurator深度集成了KubeEdge，能够轻松实现云端统一管理边缘节点、边缘应用下发、设备映射、边缘自治等能力，这正是很多物联网、智能制造、智慧零售场景的刚需！

这次我将完整记录从零开始搭建Kurator + KubeEdge云边环境、注册边缘节点、下发边缘应用、实现边缘自治的全过程，包含详细步骤、代码示例、验证方式，以及对边缘场景运维价值的分析。希望能给正在探索云边协同的朋友带来启发，一起加油拥抱边缘云原生时代吧！

一、Kurator在边缘计算场景中的核心价值

随着5G和物联网爆发，边缘计算需求爆发式增长，但传统方案存在明显痛点：

• 云端难以统一管理海量边缘节点
• 应用下发复杂、网络不稳定时边缘易失控
• 设备数据上云链路冗长、安全性差

Kurator作为分布式云原生开源平台，完美集成KubeEdge（CNCF毕业项目），在Fleet机制基础上提供：

• 统一边缘节点管理：云端注册边缘节点，支持大规模边缘集群加入舰队
• 统一边缘应用分发：通过FluxCD将云原生应用可靠下发到边缘
• 边缘自治与可靠同步：网络中断时边缘可自治运行，恢复后自动同步
• 设备映射与数据上报：原生支持Device CRD，实现边缘设备统一管理

官方文档 和 GitHub仓库 强调，Kurator将KubeEdge无缝融入分布式舰队管理，让云边协同像管理普通成员集群一样简单。这对于企业实现数智化转型、降低边缘运维成本、提升系统韧性具有巨大价值。对于开发者来说，本地就能模拟真实云边场景，快速验证想法👍。和GitHub仓库（https://github.com/kurator-dev/kurator）强调，Kurator将KubeEdge无缝融入分布式舰队管理，让云边协同像管理普通成员集群一样简单。这对于企业实现数智化转型、降低边缘运维成本、提升系统韧性具有巨大价值。对于开发者来说，本地就能模拟真实云边场景，快速验证想法👍。

二、实战环境准备与Kurator基础部署

本次实战模拟真实云边环境：一台主机集群代表“云端”，两台虚拟机/容器代表“边缘节点”。

首先我们先到Kurator开源主页去，先把项目给克隆下来。

具体我们需要现在本地安装Git，才能项目代码克隆：

具体操作如下所示：

然后本地打开git，输入克隆命令：

git clone https://gitcode.com/kurator-dev/kurator.git 

如上，项目源码便拉取到本地啦。

如上，我们可以到本地，已经把Kurator给克隆下来了，接下来，我们可以放手把玩了。

2.1 环境准备

• 云端（主机集群）：kind创建
• 边缘节点：两台Ubuntu虚拟机（edge1、edge2），安装kubelet、containerd
• 网络：模拟边缘网络不稳定（可断开网线测试自治）

创建云端主机集群：

kind create cluster --name kurator-cloud --image kindest/node:v1.28.0
kubectl config use-context kind-kurator-cloud

如下是相关部署文档：

2.2 安装Kurator核心组件

参考官方Setup指南：

1. 添加Helm仓库并安装Cluster Operator与Fleet Manager：

helm repo add kurator https://kurator-dev.github.io/charts
helm repo update

helm install cluster-operator kurator/cluster-operator \
  --namespace kurator-system --create-namespace --wait

helm install fleet-manager kurator/fleet-manager \
  --namespace kurator-fleet-system --create-namespace --wait

2. 安装KubeEdge相关组件（官方集成方式）：
   Kurator支持通过Fleet插件或Application方式部署KubeEdge cloud核心。

# 安装KubeEdge cloud部分到主机集群
apiVersion: apps.kurator.dev/v1alpha1
kind: Application
metadata:
  name: kubeedge-cloud
  namespace: kurator-fleet-system
spec:
  source:
    helmRepository:
      url: https://kubeedge.io/charts
  syncPolicies:
  - destination:
      cluster: kurator-cloud  # 仅云端部署
    helm:
      releaseName: kubeedge-cloud
      chart:
        spec:
          chart: kubeedge
          version: v1.15.0

kubectl apply -f kubeedge-cloud.yaml

验证cloudcore运行：

kubectl get pods -n kubeedge

小问题解决：

• KubeEdge版本兼容：严格使用官方支持版本。
• CRD冲突：先卸载旧版KubeEdge再安装。

如下是Kurator官方文档：

三、注册边缘节点到Kurator舰队

KubeEdge边缘节点注册是云边协同的基础。

3.1 在边缘节点安装edgecore

在edge1、edge2上执行（参考KubeEdge官方安装脚本）：

# 下载并安装edgecore（以v1.15.0为例）
wget https://github.com/kubeedge/kubeedge/releases/download/v1.15.0/kubeedge-v1.15.0-linux-amd64.tar.gz
tar -xzf kubeedge-v1.15.0-linux-amd64.tar.gz
sudo cp kubeedge-v1.15.0-linux-amd64/edge/edgecore /usr/local/bin/

配置edgecore.conf（关键部分）：

modules:
  edged:
    enable: true
  eventBus:
    mqttMode: 0  # 内部MQTT
  twin:
    enable: true

启动：

sudo edgecore

3.2 云端创建EdgeNode并加入Fleet

Kurator通过AttachedCluster或专用EdgeCluster方式管理边缘节点。

示例：创建边缘节点资源

apiVersion: cluster.kurator.dev/v1alpha1
kind: AttachedCluster
metadata:
  name: edge1
  namespace: kurator-fleet-system
spec:
  kubeconfigSecretRef: edge1-kubeconfig  # 提前创建secret
  type: Edge

---
apiVersion: fleet.kurator.dev/v1alpha1
kind: Fleet
metadata:
  name: edge-fleet
  namespace: kurator-fleet-system
spec:
  clusters:
  - name: edge1
    type: Attached
  - name: edge2
    type: Attached

使用cloudcore生成token后，在边缘节点运行加入命令（标准KubeEdge流程），节点上线后自动加入舰队。

验证：

kubectl get nodes  # 看到edge1、edge2节点
kubectl get attachedcluster -n kurator-fleet-system

边缘自治验证：断开边缘节点网络，edgecore仍可管理本地Pod；恢复网络后自动同步状态。

附上相关架构图：

四、统一边缘应用分发实战

边缘应用下发是Kurator + KubeEdge的强项，支持可靠投递。

4.1 使用Application下发边缘专用应用

示例：下发一个边缘数据采集应用（nginx + device mapper模拟）

apiVersion: apps.kurator.dev/v1alpha1
kind: Application
metadata:
  name: edge-nginx-app
  namespace: default
spec:
  source:
    gitRepository:
      url: https://github.com/kurator-dev/kurator
      ref:
        branch: main
      interval: 3m
  syncPolicies:
  - destination:
      fleet: edge-fleet
    kustomization:
      path: ./examples/edge/simple-nginx  # 假设官方有类似示例
      prune: true
      interval: 5m

应用后，Deployment自动通过KubeEdge可靠下发到边缘节点，即使网络中断也会排队等待。

验证：

# 在边缘节点本地查看
ssh edge1 "crictl ps | grep nginx"

4.2 边缘自治场景测试

1. 正常网络：应用秒级下发。
2. 断网：云端修改Deployment副本数为3，边缘保持原状自治运行。
3. 恢复网络：边缘自动同步到3副本。

作用分析：统一边缘应用分发彻底解决了传统方案“下发不可靠”的痛点，支持离线升级、可靠同步。在边缘场景中，这极大提升了应用可用性，降低了对稳定网络的依赖，特别适合偏远地区或移动边缘。

五、边缘设备映射与数据上报实战

KubeEdge原生支持Device CRD，Kurator继承并统一管理。

5.1 定义设备模型与实例

apiVersion: devices.kubeedge.io/v1alpha2
kind: DeviceModel
metadata:
  name: temperature-sensor
spec:
  properties:
  - name: temperature
    type:
      int:
        accessMode: ReadOnly
        maximum: 100
        minimum: -50

---
apiVersion: devices.kubeedge.io/v1alpha2
kind: Device
metadata:
  name: sensor-01
spec:
  deviceModelRef:
    name: temperature-sensor
  protocol:
    name: mqtt
  nodeSelector:
    nodeSelectorTerms:
    - matchExpressions:
      - key: kubernetes.io/hostname
        operator: In
        values:
        - edge1

5.2 边缘侧模拟上报数据

在边缘节点部署mapper应用（官方示例）上报模拟温度数据到云端Twin。

验证云端查看：

kubectl get device sensor-01 -o yaml | grep temperature

作用分析：统一设备管理让云端能像管理Pod一样管理物理设备，支持双向控制和数据采集。为工业IoT、智能设备管理提供了标准云原生接口，极大简化了传统网关开发。

六、综合案例：构建一个云边协同的智慧园区平台

我将以上功能组合落地：

• 云端：Kurator主机集群 + KubeEdge cloudcore
• 边缘：两个边缘节点加入edge-fleet
• 应用：下发视频分析应用 + 温度传感器设备映射
• 场景：模拟园区安防摄像头（边缘推理） + 环境监测
• 技术选型：全Kurator + KubeEdge，避免手动配置cloudcore/edgecore
• 攻坚过程：解决边缘证书信任、MQTT端口映射
• 落地效果：设备数据实时上云，应用可靠下发，断网后边缘自治运行
• 价值：系统韧性高、运维统一、扩展性强，可直接用于真实项目

所以说，如果你感兴趣，赶紧去下载吧：

七、总结与心得

这次专注边缘计算场景的Kurator实战，让我彻底感受到云边协同的魅力！KubeEdge的强大能力在Kurator舰队管理下变得更加易用，一栈统一让边缘不再是“孤岛”。官方文档对KubeEdge集成描述详尽，examples也很实用，新手也能快速上手😊。

未来，期待Kurator在更多边缘AI调度、OTA升级、5G MEC场景深化支持。感谢Kurator社区的开源精神，祝大家玩转云边协同，成为边缘云原生实战派！

Kurator分布式云原生开源社区地址：https://gitcode.com/kurator-dev
Kurator分布式云原生项目部署指南：https://kurator.dev/docs/setup/