访问边缘服务 当边缘服务和边缘节点的状态都处于“运行中”状态，表示边缘服务已在边缘节点成功部署。 您可以通过以下两种方式，在能够访问到边缘节点的网络环境中，对部署在边缘节点上的边缘服务发起预测请求。 方式一：使用图形界面的软件进行预测（以Postman为例） 方式二：使用curl命令发送预测请求 通过方式一和方式二，边缘服务无需安全认证即可访问。如果用户需要设置安全认证，请选择使用自定义镜像创建的AI应用，具体操作请参考官方指导。在制作自定义镜像时，可参考Flask文档使用Flask设计RESTful的认证。

方式一：使用图形界面的软件进行预测（以Postman为例） 下载Postman软件并安装，您可以直接在Chrome浏览器添加Postman扩展程序（也可使用其它支持发送post请求的软件）。 打开Postman，如图1所示。 图1 Postman软件界面 在Postman界面填写参数，以图像分类举例说明。 选择POST任务，将某个边缘节点的调用地址（通过边缘服务详情界面-节点信息页签查看）复制到POST后面的方框。 图2 POST参数填写 在Body页签，根据AI应用的输入参数不同，可分为“文件输入”或“文本输入”。 文件输入 选择“form-data”。在“KEY”值填写AI应用的入参，比如本例中预测图片的参数为“images”。然后在“VALUE”值，选择文件，上传一张待预测图片（当前仅支持单张图片预测）。 图3 填写Body配置 文本输入 选择“raw”，选择JSON(application/json)类型，在下方文本框中填写请求体，请求体样例如下。 { "meta": { "uuid": "10eb0091-887f-4839-9929-cbc884f1e20e" }, "data": { "req_data": [ { "sepal_length": 3, "sepal_width": 1, "petal_length": 2.2, "petal_width": 4 } ] } } 其中，“meta”中可携带“uuid”，返回预测结果时回传此“uuid”用于跟踪请求，如无此需要可不填写meta。“data”包含了一个“req_data”的数组，可传入单条或多条请求数据，其中每个数据的参数由AI应用决定，比如本例中的“sepal_length”、“sepal_width”等。 参数填写完成，单击“Send”发送请求，结果会在Response下的对话框里显示。 文件输入形式的预测结果样例如图4所示，返回结果的字段值根据不同AI应用可能有所不同。 图4 边缘服务文件输入预测结果 文本输入形式的预测结果样例如图5所示，请求体包含“meta”及“data”。如输入请求中包含“uuid”，则输出结果中回传此“uuid”。如未输入，则为空。“data”包含了一个“req_data”的数组，可传入单条或多条请求数据，其中每个数据的参数由AI应用决定，比如本例中的“sepal_length”、“sepal_width”等。 图5 边缘服务文本输入预测结果

响应参数 状态码： 200 表15 响应Body参数 参数 参数类型 描述 tasks Array of TaskResponse objects VIAS平台创建作业的作业id列表 表16 TaskResponse 参数 参数类型 描述 id String VIAS平台创建的作业id。 状态码： 400 表17 响应Body参数 参数 参数类型 描述 error_code String 错误码。 error_msg String 错误信息描述。 detail String 错误详情。 params Array of strings 错误参数列举。 数组长度：0 - 1 reason String 错误原因。 advice String 建议。 状态码： 500 表18 响应Body参数 参数 参数类型 描述 error_code String 错误码。 error_msg String 错误信息描述。 detail String 错误详情。 params Array of strings 错误参数列举。 数组长度：0 - 1 reason String 错误原因。 advice String 建议。

请求示例 边缘视频车辆作业创建，使用输入源为video_source，输出为webhook。 POST /v2/{project_id}/services/c-vehicle-detection-edge/tasks { "name" : "vehicle-task", "description" : "vehicle detection task test", "input" : { "type" : "video_source", "data" : [ { "video_source_id" : "xxxxxxx-xxxxxxx-xxxxxxx-xxxxx-xxxxxx" } ] }, "output" : { "webhook" : { "url" : "https://127.0.0.1:8080/webhook", "headers" : { "x-auth-token" : "tokentest" } } }, "service_version" : "3.0", "resource_order_id" : "840a5cf90d4a4bbaa71f251dfe8fe64e", "config" : { "common" : { "target_roi" : "{\"lines\":[{\"data\":[[50,756],[100,616]],\"properties\":{\"type\":0}},{\"data\":[[50,256],[100,116]],\"properties\":{\"type\":1}}],\"polygons\":[{\"data\":[[487,465],[1850,450],[1905,1013],[515,1050]]}]}", "license_plate" : { "local_city" : "B", "local_province" : "津" }, "output_image_sw" : 1, "image_compression_ratio" : 100 } } } 边缘视频车辆作业创建，使用输入源为VCN，输出为dis。 POST /v2/{project_id}/services/c-vehicle-detection-edge/tasks { "name" : "vehicle-task", "description" : "vehicle detection task test", "input" : { "type" : "vcn", "data" : [ { "device_id" : "aec5857c-222f-4aa9-be39-23654e118886", "stream_type" : 2 } ], "vcn" : { "ip" : "127.0.0.1", "port" : 8080, "username" : "vcntest", "password" : "123456abcd" } }, "output" : { "dis" : { "stream_name" : "dis-test" } }, "service_version" : "3.0", "resource_order_id" : "840a5cf90d4a4bbaa71f251dfe8fe64e", "config" : { "common" : { "target_roi" : "{\"lines\":[{\"data\":[[50,756],[100,616]],\"properties\":{\"type\":0}},{\"data\":[[50,256],[100,116]],\"properties\":{\"type\":1}}],\"polygons\":[{\"data\":[[487,465],[1850,450],[1905,1013],[515,1050]]}]}", "license_plate" : { "local_city" : "B", "local_province" : "津" }, "output_image_sw" : 1, "image_compression_ratio" : 100 } } } 边缘视频车辆作业创建，使用输入源为边缘摄像头，输出为dis。 POST /v2/{project_id}/services/c-vehicle-detection-edge/tasks { "name" : "vehicle-task", "description" : "vehicle detection task test", "input" : { "type" : "edgecamera", "data" : [ { "id" : "aec5857c-222f-4aa9-be39-23654e118886", "index" : 0 } ] }, "output" : { "dis" : { "stream_name" : "dis-test" } }, "service_version" : "3.0", "resource_order_id" : "840a5cf90d4a4bbaa71f251dfe8fe64e", "config" : { "common" : { "target_roi" : "{\"lines\":[{\"data\":[[50,756],[100,616]],\"properties\":{\"type\":0}},{\"data\":[[50,256],[100,116]],\"properties\":{\"type\":1}}],\"polygons\":[{\"data\":[[487,465],[1850,450],[1905,1013],[515,1050]]}]}", "license_plate" : { "local_city" : "B", "local_province" : "津" }, "output_image_sw" : 1, "image_compression_ratio" : 100 } } } 边缘视频车辆作业创建，使用输入源为restful，输出为webhook。 POST /v2/{project_id}/services/c-vehicle-detection-edge/tasks { "name" : "vehicle-task", "description" : "vehicle detection task test", "input" : { "type" : "restful", "data" : [ { "url" : "https://restfultest", "certificate_check" : false, "node_id" : "aec5857c-222f-4aa9-be39-23654e118886", "rtsp_path_in_response" : "http://testpath" } ] }, "output" : { "webhook" : { "url" : "https://127.0.0.1:8080/webhook", "headers" : { "x-auth-token" : "tokentest" } } }, "service_version" : "3.0", "resource_order_id" : "840a5cf90d4a4bbaa71f251dfe8fe64e", "config" : { "common" : { "target_roi" : "{\"lines\":[{\"data\":[[50,756],[100,616]],\"properties\":{\"type\":0}},{\"data\":[[50,256],[100,116]],\"properties\":{\"type\":1}}],\"polygons\":[{\"data\":[[487,465],[1850,450],[1905,1013],[515,1050]]}]}", "license_plate" : { "local_city" : "B", "local_province" : "津" }, "output_image_sw" : 1, "image_compression_ratio" : 100 } } }

边缘服务器安装Docker docker 查看docker版本，版本建议20以上 sudo docker --version 安装教程 sudo apt updatesudo apt install docker-ce docker-ce-cli containerd.io nvidia-docker 查看nvidia-docker版本 sudo nvidia-docker --version 安装教程参考：https://docs.nvidia.com/datacenter/cloud-native/container-toolkit/install-guide.html#install-guide distribution=$(. /etc/os-release;echo $ID$VERSION_ID) \&& curl -fsSL https://nvidia.github.io/libnvidia-container/gpgkey | sudo gpg --dearmor -o /usr/share/keyrings/nvidia-container-toolkit-keyring.gpg \&& curl -s -L https://nvidia.github.io/libnvidia-container/experimental/$distribution/libnvidia-container.list | \sed 's#deb https://#deb [signed-by=/usr/share/keyrings/nvidia-container-toolkit-keyring.gpg] https://#g' | \sudo tee /etc/apt/sources.list.d/nvidia-container-toolkit.listsudo apt-get updatesudo apt-get install -y nvidia-docker2sudo systemctl restart docker 父主题： 边缘服务部署

环境要求 安装边缘节点的服务器需要与设备在同一网域，因此您可以 局域网：使用两台电脑（一台Windows，一台Linux），或者在一台Windows电脑上使用虚拟化软件安装Linux（网卡需要设置为桥接模式）。 公网：分别使用两台拥有公网的Window和Linux电脑，推荐购买两台ECS服务器。 其他要求： 安装边缘节点的电脑需为Linux，推荐使用CentOS 7（不推荐CentOS 8，因CentOS 8缺少边缘软件依赖组件）。 安装边缘节点的电脑需要安装docker且内存不小于1G，docker要求版本大于17.06.0，推荐18.06.3，不推荐18.09.0（该版本有多处bug）。 开放7883端口。

更新模型版本时，预测功能不可用？ 针对某一部署的边缘服务，如果在更新模型版本时，即编辑边缘服务，修改其使用的模型版本，导致此边缘服务的预测功能暂不可用。 针对此场景，由于更新了模型版本，边缘服务将重新部署，处于部署中的边缘服务，则无法使用预测功能。即更新模型版本，会导致预测功能中断。等待边缘服务重新处于运行中时，预测功能恢复正常。 补充说明一点，针对在线服务和批量服务，当更新模型版本时，不会中断预测功能。 父主题： 边缘服务