为什么选择大禹系统
大禹系统是一个面向云边协同流式分析的平台，用于在异构节点上部署、调度并运行基于 DAG 的 AI 流水线。它为应用工作流编排、 数据源管理、云边协同执行和运行状态观测提供统一环境。
大禹系统的目标，是让云边视频和流数据分析更容易构建、比较和运行。它不会把一个模型、一条流水线和一套部署脚本强行绑定在一起，而是将应用逻辑、运行时调度、系统监控和部署编排拆分成可复用的平台层次。
为什么云边流分析需要大禹系统
实际的流式分析很少只是单机上的一个模型。一个工作流可能从检测分叉到跟踪和分类，再合并下游结果，并持续调整数据配置与执行位置。 这会反复遇到几类问题：
- 多个数据源需要连续且相互独立地处理；
- 云端和边缘节点在算力、内存、网络与模型服务能力上存在差异；
- 工作负载、带宽和队列压力会随运行过程变化；
- 多阶段流水线需要协调部署位置、路由与任务所有权；
- 实验需要可复现的策略、遥测、可视化和可导出的结果。
大禹系统将这些能力沉淀为可复用基础设施，避免每个应用都重新绑定一套部署和调度系统。
大禹系统的方法
大禹系统划分为五层。Kubernetes 与 KubeEdge 提供集群基础设施，大禹系统定制的 Sedna 与 EdgeMesh 提供运行时部署和跨节点 服务通信，上层则提供控制面、调度运行时、应用服务与可视化反馈闭环。
大禹系统将用户定义的 DAG 与调度策略转化为可管理的云边运行时，统一协调服务部署与任务路由，并在执行位置变化时保持在途任务的 一致性。运行结果和系统状态会反馈到可视化与策略评估中，形成完整的运行闭环。
这种结构同时支持稳定应用和研究型调度。策略与应用逻辑通过目录、模板和 hook 选择，开发者可以扩展系统的一部分，而不必复制完整运行时生命周期。
适用对象
大禹系统面向需要构建云边 AI 流水线、比较调度和卸载策略、运行多流实验，或扩展应用与运行时行为的研究人员和开发者。