자율주행 시스템의 엣지 컴퓨팅 기술

엣지 컴퓨팅은 네트워크 가장자리에서 계산을 수행하는 새로운 컴퓨팅 모델입니다. 데이터 처리는 주로 두 부분으로 구성됩니다. 하나는 다운링크 클라우드 서비스이고 다른 하나는 업링크 만물 인터넷 서비스입니다. "엣지"는 실제로 데이터에서 클라우드 컴퓨팅 센터까지의 경로에 있는 모든 컴퓨팅, 스토리지 및 네트워크 관련 리소스를 가리키는 상대적인 개념입니다. 데이터의 한쪽 끝에서 클라우드 서비스 센터의 다른 쪽 끝까지, 엣지는 애플리케이션의 특정 요구 사항과 실제 애플리케이션 시나리오를 기반으로 이 경로에서 하나 이상의 리소스 노드로 표시될 수 있습니다. 엣지 컴퓨팅의 비즈니스 본질은 클라우드 컴퓨팅의 집합 노드를 데이터 센터 외부로 확장하고 진화시키는 것입니다. 이는 주로 엣지 클라우드, 엣지 네트워크, 엣지 게이트웨이의 세 가지 구현 형태로 구성됩니다.

위 그림과 같이 현재 자율주행에 사용되고 있는 산업용 컴퓨터를 나타냅니다. 실제로 이것은 견고하고 향상된 개인용 컴퓨터입니다. 산업용 컨트롤러로서 산업 환경에서 안정적으로 작동할 수 있습니다. EIA 표준을 준수하는 전체 강철 산업용 섀시를 사용하여 전자기 간섭 방지 기능을 강화하고 버스 구조 및 모듈형 설계 기술을 사용하여 단일 장애 지점을 방지합니다. 위의 자율주행 산업용 컴퓨터 네트워크 설계 계획은 ISO26262의 요구사항을 충분히 고려한 것입니다. 그 중 CPU, GPU, FPGA 및 버스는 모두 이중화를 위해 설계되었습니다. 전체 IPC 시스템에 장애가 발생하면 중복 MCU 제어를 통해 컴퓨팅 보안을 보장하고 차량 CAN 버스에 직접 명령을 보내 차량 주차를 제어할 수 있습니다. 현재 이 중앙 집중식 아키텍처는 차세대 중앙 집중식 자율 주행 시스템 솔루션에 적합합니다. 산업용 컴퓨터는 모든 컴퓨팅 작업이 하나로 통합되며 알고리즘 반복에 대한 과도한 고려가 필요하지 않습니다. 하드웨어 전체 업그레이드 및 차량 규정 요구 사항.

Edge Computing and Edge Cloud

현재 자율주행에서는 대규모 인공지능 알고리즘 모델과 대규모 데이터 중앙 집중식 분석이 클라우드에서 수행됩니다. 클라우드는 컴퓨팅 리소스가 많고 매우 짧은 시간에 데이터 처리를 완료할 수 있지만 클라우드에만 의존하여 자율주행차에 대한 서비스를 제공하는 것은 실현 불가능한 경우가 많습니다. 자율주행차는 주행 중에 실시간으로 처리해야 하는 대량의 데이터를 생성하기 때문에 이러한 데이터를 핵심 네트워크를 통해 처리하기 위해 원격 클라우드로 전송하면 데이터 전송만으로는 큰 지연이 발생하고 충족할 수 없습니다. 데이터 처리 요구 사항. 코어 네트워크의 대역폭도 클라우드로 대량의 데이터를 동시에 전송하는 다수의 자율주행차를 지원하기 어렵다. 게다가 코어 네트워크가 혼잡해 데이터 전송이 불안정해지면 주행이 어려워진다. 자율주행차의 안전은 보장할 수 없다.

엣지 컴퓨팅은 지역 비즈니스에 초점을 맞추고 실시간 요구 사항이 높으며 네트워크 부담도 높으며 컴퓨팅 방식은 지역화를 지향합니다. 엣지 컴퓨팅은 통합 알고리즘 모델을 기반으로 한 지역 소규모 지능형 분석 및 전처리에 더 적합합니다. 자율주행 분야에 엣지 컴퓨팅을 적용하면 자율주행차가 환경 데이터를 수집하고 처리할 때 직면하는 문제를 해결하는 데 도움이 될 것입니다.

산업의 디지털 전환을 위한 두 가지 중요한 컴퓨팅 방식인 엣지 컴퓨팅과 클라우드 컴퓨팅은 기본적으로 동시에 공존하고, 서로 보완하며, 서로 촉진하여 빅데이터 시대의 컴퓨팅 문제를 공동으로 해결합니다.

엣지 컴퓨팅은 네트워크의 가장자리에서 계산을 수행하는 컴퓨팅 모델을 의미합니다. 그 작업 개체는 클라우드 서비스의 다운링크 데이터와 만물 인터넷 서비스의 업링크 데이터에서 나옵니다. 클라우드 컴퓨팅에 대한 데이터 소스. 임의 컴퓨팅과 네트워크 리소스 사이의 중앙 경로입니다. 간단히 말해서, 엣지 컴퓨팅은 사용자 근처의 엣지 노드에 서버를 배포하여 네트워크 엣지(예: 무선 액세스 포인트)에 있는 사용자에게 서비스를 제공함으로써 장거리 데이터 전송을 피하고 사용자에게 더 빠른 응답을 제공합니다. 작업 오프로딩 기술은 자율주행차의 컴퓨팅 작업을 실행을 위해 다른 엣지 노드로 오프로드하여 자율주행차의 컴퓨팅 리소스가 부족한 문제를 해결합니다.

엣지 컴퓨팅은 근접성, 낮은 대기 시간, 지역성 및 위치 인식이라는 특성을 가지고 있습니다. 그 중 근접성은 엣지 컴퓨팅이 정보 소스에 가깝다는 것을 의미하며, 데이터 최적화를 통해 빅데이터의 주요 정보를 캡처하고 분석하는 데 적합하며, 엣지 인텔리전스를 보다 효율적으로 제공하고 특정 애플리케이션 시나리오를 쉽게 도출할 수 있습니다. . 대기 시간이 짧다는 것은 엣지 컴퓨팅 서비스가 데이터를 생성하는 단말 장치에 가깝다는 것을 의미하며, 특히 스마트 드라이빙 애플리케이션 시나리오에서는 대기 시간이 크게 줄어들어 피드백 프로세스가 더 빨라집니다. 지역성은 엣지 컴퓨팅이 네트워크의 나머지 부분과 분리되어 실행되어 지역적이고 상대적으로 독립적인 컴퓨팅을 달성할 수 있다는 것을 의미하며, 한편으로는 로컬 데이터 보안을 보장하고 다른 한편으로는 네트워크 품질에 대한 컴퓨팅의 의존도를 줄입니다. 위치 인식은 에지 네트워크가 무선 네트워크의 일부인 경우 에지 컴퓨팅 스타일의 로컬 서비스가 연결된 모든 장치의 위치를 ​​확인하는 데 상대적으로 적은 정보를 사용할 수 있음을 의미합니다. 이러한 서비스는 위치 기반 서비스 애플리케이션 시나리오에 적용될 수 있습니다.

동시에 엣지 컴퓨팅의 개발 추세는 이기종 컴퓨팅, 엣지 인텔리전스, 엣지-클라우드 협업 및 5G+ 엣지 컴퓨팅으로 점차 진화할 것입니다. 이기종 컴퓨팅은 다양한 컴퓨팅을 위한 에지 서비스 요구 사항을 충족하기 위해 컴퓨팅 시스템을 형성하기 위해 다양한 유형의 명령 세트 및 아키텍처의 컴퓨팅 장치를 사용해야 합니다. "인프라 구축을 통해 분산된 산업과 차별화된 애플리케이션의 요구 사항을 충족하고 컴퓨팅 리소스 활용도를 향상하며 컴퓨팅 성능의 유연한 배포 및 예약을 지원할 수도 있습니다.

Edge Computing Reference Architecture

Edge Computing Reference Architecture의 각 계층은 모델링된 개방형 인터페이스를 제공하여 아키텍처의 완전한 개방성을 구현하고 수직 관리 서비스, 데이터 전체 수명주기 서비스 및 보안 서비스를 통해 전체 비즈니스 프로세스를 실현합니다. , 전체 수명주기 지능형 서비스.

위 그림에 표시된 것처럼 엣지 컴퓨팅 참조 아키텍처에는 주로 다음 내용이 포함됩니다.

전체 시스템은 지능형 서비스, 비즈니스 오케스트레이션, 엣지 클라우드 및 엣지 컴퓨팅 노드의 네 가지 계층으로 나뉩니다. 클라우드와 현장 장치 사이에 위치하여 아래쪽으로는 다양한 현장 장치의 접근을 지원하고, 위쪽으로는 클라우드와 연결할 수 있습니다. 에지 레이어에는 에지 노드와 에지 관리자라는 두 가지 주요 부분이 포함됩니다. 엣지노드는 하드웨어 엔터티로서 엣지컴퓨팅 서비스를 수행하는 핵심이다. 엣지매니저의 핵심은 소프트웨어이며, 주요 기능은 엣지노드를 통일적으로 관리하는 것이다. 엣지 컴퓨팅 노드에는 일반적으로 컴퓨팅 리소스, 네트워크 리소스 및 스토리지 리소스가 있습니다. 엣지 컴퓨팅 시스템은 두 가지 방식으로 리소스를 사용합니다. 첫째, 컴퓨팅 리소스, 네트워크 리소스 및 스토리지 리소스를 직접 캡슐화하고 엣지 관리자가 엣지 노드를 사용합니다. 리소스는 코드 다운로드, 네트워크 정책 구성 및 데이터베이스 운영에 사용됩니다. 둘째, 에지 노드 리소스는 기능 영역에 따라 기능 모듈로 캡슐화되며, 에지 관리자는 모델 중심 비즈니스 조정을 통해 기능 모듈을 결합하고 호출하여 통합 개발을 달성합니다. 엣지 컴퓨팅 서비스의 민첩한 배포.

에지 컴퓨팅을 위한 하드웨어 인프라

1. 엣지 서버

에지 서버는 엣지 컴퓨팅 및 엣지 데이터 센터의 주요 컴퓨팅 캐리어이며 운영자의 컴퓨터실에 배포할 수 있습니다. 엣지 컴퓨팅 환경은 매우 다양하고 엣지 서비스에는 지연 시간, 대역폭, GPU, AI 측면에서 개인화된 요구 사항이 있으므로 엔지니어는 현장 작업을 최소화하고 상태 수집, 작업 제어 및 관리 인터페이스를 포함한 강력한 관리 및 운영 기능을 보유해야 합니다. 원격 및 자동화된 관리를 실현합니다.

자율 주행 시스템에서 지능형 엣지 올인원 머신은 일반적으로 컴퓨팅, 스토리지, 네트워크, 가상화, 환경 전력 및 기타 제품을 산업용 컴퓨터에 유기적으로 통합하여 정상적인 작동을 촉진하는 데 사용됩니다. 자율주행 시스템.

2. 엣지 액세스 네트워크

엣지 컴퓨팅 액세스 네트워크는 캠퍼스 네트워크, 액세스 네트워크, 엣지 게이트웨이를 포함하되 이에 국한되지 않고 사용자 시스템에서 엣지 컴퓨팅 시스템까지 전달되는 일련의 네트워크 인프라를 의미합니다. 또한 수렴, 낮은 대기 시간, 넓은 대역폭, 대규모 연결 및 높은 보안과 같은 기능도 갖추고 있습니다.

3. 엣지 내부 네트워크

엣지 컴퓨팅 내부 네트워크는 서버와 연결되는 네트워크 장비, 외부 네트워크와 상호 연결된 네트워크 장비, 이에 의해 구축되는 네트워크 등 엣지 컴퓨팅 시스템의 내부 네트워크 인프라를 의미하며, 등. 엣지 컴퓨팅의 내부 네트워크는 단순화된 아키텍처, 완전한 기능, 대폭 감소된 성능 손실의 특징을 동시에 가지며 엣지-클라우드 협업과 중앙 집중식 관리 및 제어를 달성할 수 있습니다.

크기는 작지만 숫자가 많은 엣지 컴퓨팅 시스템은 자연적으로 분산되는 특성으로 인해 단일 지점 관리 모델을 채택하면 운영 요구 사항을 충족하기 어려울 수 있으며 산업용 컴퓨터 리소스와 리소스도 점유하게 됩니다. 반면에 엣지 컴퓨팅 비즈니스는 엔드 투 엔드 대기 시간, 대역폭 및 보안에 더 중점을 두므로 엣지 클라우드와 엣지 간의 협업도 매우 중요합니다. 일반적으로 클라우드 컴퓨팅 시스템에 지능형 교차 도메인 관리 및 오케스트레이션 시스템을 도입하여 특정 범위 내의 모든 엣지 컴퓨팅 시스템 네트워크 인프라를 균일하게 관리 및 제어하고 중앙 집중식 지원을 통해 네트워크 및 컴퓨팅 자원의 자동화를 보장해야 합니다. 효율적인 구성을 기반으로 한 관리 모델입니다.

4. 엣지 컴퓨팅 상호 연결 네트워크

엣지 컴퓨팅 상호 연결 네트워크에는 엣지 컴퓨팅 시스템부터 클라우드 컴퓨팅 시스템(예: 퍼블릭 클라우드, 프라이빗 클라우드, 통신 클라우드, 사용자 구축 클라우드 등), 기타 엣지 컴퓨팅 시스템 및 다양한 시스템이 포함됩니다. 데이터 센터 네트워크 인프라가 통과되었습니다. 엣지 컴퓨팅 상호 연결 네트워크는 연결이 다양하고 도메인 간 대기 시간이 낮다는 특징을 가지고 있습니다.

에지 컴퓨팅과 자율 주행 시스템을 결합하는 방법

다음 단계에서는 더 높은 수준의 자율 주행 시스템 작업을 달성하기 위해 단일 차량 지능에만 의존하는 것만으로는 완전히 부족합니다.

협업 센싱과 작업 오프로딩은 자율 주행 분야에서 엣지 컴퓨팅의 주요 응용 분야입니다. 이 두 가지 기술을 사용하면 높은 수준의 자율 주행이 가능합니다. 협업 감지 기술을 통해 자동차는 다른 엣지 노드로부터 센서 정보를 얻을 수 있어 자율주행차의 감지 범위를 확장하고 환경 데이터의 무결성을 높일 수 있습니다. 자율주행을 예로 들면, 자동차는 라이더, 카메라 등의 센서를 통합함과 동시에 차량 네트워크 V2X 등을 통해 차량, 도로, 교통 데이터에 대한 포괄적인 인식을 달성해야 내부보다 더 많은 정보를 얻을 수 있습니다. 고화질 3D 다이내믹 맵을 통해 시야 범위 내 주변 환경을 인지하고 자율주행 위치를 실시간으로 공유합니다. 수집된 데이터는 도로 가장자리 노드 및 주변 차량과 상호 작용하여 인식 기능을 확장하고 차량 대 차량 및 차량 대 도로 협업을 달성합니다. 클라우드 컴퓨팅 센터는 널리 분산된 엣지 노드로부터 데이터를 수집하고, 교통 시스템의 운영 상태를 감지하며, 빅데이터와 인공지능 알고리즘을 통해 엣지 노드, 교통 신호 시스템 및 차량에 합리적인 배차 명령을 내려 시스템 운영을 개선하는 역할을 담당합니다. . 효율성. 예를 들어 비, 눈, 짙은 안개 등 악천후나 교차로, 회전 등의 장면에서는 레이더와 카메라가 전방의 장애물을 명확하게 식별할 수 없습니다. V2x를 사용하면 도로, 운전 등에 대한 실시간 데이터를 얻을 수 있습니다. 도로 상황을 예측하여 사고를 예방할 수 있습니다.

자율주행 수준이 향상되고 스마트 센서 탑재 수가 증가함에 따라 자율주행차는 매일 대량의 원시 데이터를 생성합니다. 이러한 원시 데이터에는 딥러닝 기반의 표적 탐지 및 추적을 포함하여 로컬 실시간 처리, 융합 및 특징 추출이 필요합니다. 동시에 V2X를 사용하여 환경, 도로 및 기타 차량에 대한 인식을 개선하고 실시간 모델링 및 위치 확인, 경로 계획 및 선택, 운전 전략 조정을 위해 3D 고화질 지도를 사용하여 안전하게 제어해야 합니다. 그 차량. 이러한 작업에는 차량 내에서 항상 실시간 처리와 응답이 필요하므로 이를 수행하려면 강력하고 안정적인 엣지 컴퓨팅 플랫폼이 필요합니다. 컴퓨팅 작업의 다양성을 고려할 때, 실행 효율성을 높이고 전력 소비와 비용을 줄이기 위해서는 일반적으로 이기종 컴퓨팅 플랫폼을 지원하는 것이 필요합니다.

자율 주행의 엣지 컴퓨팅 아키텍처는 LTE/5G에서 제공하는 엣지-클라우드 협업과 통신 인프라 및 서비스에 의존합니다. 엣지 측은 주로 차량 탑재 장치, 도로변 장치(RSU) 또는 모바일 엣지 컴퓨팅(MEC) 서버를 가리킨다. 그 중 차량 탑재 장치는 환경 인식, 의사 결정 계획 및 차량 제어의 주체이지만 RSU 또는 MEC 서버의 협력에 의존합니다. 예를 들어 RSU는 차량 탑재 장치에 대한 자세한 정보를 제공합니다. 도로와 보행자 모두에 적합하지만 일부 기능은 클라우드에서 더 적합하고 더 잘 작동합니다. 예를 들어 차량 원격 제어, 차량 시뮬레이션 및 검증, 노드 관리, 데이터 지속성 및 관리 등이 있습니다.

자율주행 시스템의 엣지 컴퓨팅에서는 부하 통합, 이기종 컴퓨팅, 실시간 처리, 연결 및 상호 운용성, 안전 최적화 등의 이점을 얻을 수 있습니다.

1. "로드 통합"

가상화된 컴퓨팅을 통해 동일한 하드웨어 플랫폼에서 ADAS, IVI, 디지털 계기판, 헤드업 디스플레이 및 후방 엔터테인먼트 시스템과 같은 다양한 속성을 가진 로드를 실행합니다. 동시에 가상화 및 하드웨어 추상화 계층을 기반으로 한 로드 통합을 통해 전체 차량 운전 시스템에 대한 클라우드 비즈니스 조정, 딥 러닝 모델 업데이트, 소프트웨어 및 펌웨어 업그레이드를 보다 쉽게 ​​구현할 수 있습니다.

2. "이기종 컴퓨팅"

은 자율 주행 시스템의 엣지 플랫폼에 상속된 다양한 속성을 가진 컴퓨팅 작업을 말하며, 다양한 하드웨어 플랫폼에서 실행될 때 성능 및 에너지 소비 비율의 차이를 기반으로 다양한 컴퓨팅 방식을 채택합니다. 예를 들어 지리 위치 및 경로 계획, 딥 러닝 기반 타겟 인식 및 탐지, 이미지 전처리 및 특징 추출, 센서 융합 및 타겟 추적 등이 있습니다. GPU는 대상 인식 및 추적을 위한 컨벌루션 계산을 처리하는 데 능숙합니다. CPU는 논리적 컴퓨팅 기능을 위해 더 나은 성능을 제공하고 더 낮은 에너지 소비를 제공합니다. 디지털 신호 처리 DSP는 위치 지정과 같은 특징 추출 알고리즘에서 더 많은 이점을 제공합니다. 이러한 이기종 컴퓨팅 방식은 컴퓨팅 플랫폼의 성능과 에너지 소비 비율을 크게 향상시키고 컴퓨팅 대기 시간을 줄입니다. 이기종 컴퓨팅은 다양한 컴퓨팅 작업에 적합한 하드웨어 구현을 선택하고, 다양한 하드웨어 플랫폼의 장점을 최대한 활용하며, 상위 계층 소프트웨어 인터페이스를 통합하여 하드웨어 다양성을 보호합니다.

3. "실시간 처리"

우리 모두 알고 있듯이 자동 운전 시스템은 실시간 성능에 대한 요구 사항이 매우 높습니다. 위험한 상황에서는 자동 운전 시스템이 제동하는 데 몇 초밖에 걸리지 않을 수 있기 때문입니다. 그리고 충돌을 피하세요. 또한 제동 반응 시간에는 클라우드 컴퓨팅 처리, 작업장 협상 처리 시간, 차량 자체 시스템 계산 및 제동 처리 시간을 포함하는 전체 운전 시스템의 응답 시간이 포함됩니다. 자율주행 반응이 엣지컴퓨팅 플랫폼의 다양한 기능적 모듈 요구사항으로 실시간으로 나누어진다면. 인지 탐지 시간, 융합 분석 시간, 행동 경로 계획 시간으로 세분화되어야 합니다. 동시에 전체 네트워크 대기 시간도 고려해야 합니다. 5G가 가져온 낮은 대기 시간과 높은 신뢰성의 애플리케이션 시나리오도 매우 중요하기 때문입니다. 이를 통해 자율주행차는 1ms 미만의 엔드투엔드 지연 시간과 100%에 가까운 신뢰성을 달성할 수 있습니다. 동시에 5G는 우선순위에 따라 네트워크 처리 기능을 유연하게 할당함으로써 차량 제어 신호 전송에 대한 더 빠른 응답 속도를 보장할 수 있습니다.

4. "연결성 및 상호 운용성"

자율주행차를 위한 엣지 컴퓨팅은 자율주행차와 지능형 교통의 다른 요소 간의 연결을 제공하는 차량 무선 통신 기술(V2X, Vehicle-to-Everything) 지원과 불가분의 관계입니다. 시스템 통신 수단은 자율주행차와 엣지 노드 간의 협력을 위한 기반입니다.

현재 V2X는 주로 전용 단거리 통신(DSRC, 전용 단거리 통신)과 셀룰러 네트워크[5]를 기반으로 합니다. DSRC는 차량(V2V, 차량 대 차량)과 차량 및 도로 인프라(V2I, 차량 대 인프라) 사이에 특별히 사용되는 통신 표준으로, 높은 데이터 전송 속도와 낮은 지연 시간을 지원합니다. 또는 지점 간 통신 및 기타 이점. 5G로 대표되는 셀룰러 네트워크는 네트워크 용량이 크고, 커버리지가 넓다는 장점이 있어 V2I 통신과 엣지 서버 간 통신에 적합하다.

5. "보안 최적화"

엣지 컴퓨팅 보안은 클라우드 컴퓨팅과 엣지 컴퓨팅의 심층적인 보안 보호 시스템을 결합하여 엣지 인프라, 네트워크, 애플리케이션, 데이터 식별 및 저항을 강화하는 중요한 보장입니다. 다양한 보안 위협에 대처하고, 엣지 컴퓨팅 개발을 위한 안전하고 신뢰할 수 있는 환경을 구축할 수 있는 능력을 갖췄습니다. 차세대 자율주행 시스템의 5G 코어 네트워크의 컨트롤 플레인과 데이터 플레인이 분리되어 NFV는 네트워크 구축을 더욱 유연하게 만들어 엣지 분산 컴퓨팅 구축의 성공을 보장합니다. 엣지 컴퓨팅은 더 많은 데이터 계산 및 저장을 중앙 장치에서 엣지로 분산시킵니다. 컴퓨팅 성능은 데이터 소스 가까이에 배치됩니다. 일부 데이터는 처리를 위해 더 이상 네트워크를 거쳐 클라우드에 도달할 필요가 없으므로 대기 시간과 네트워크 부하가 줄어듭니다. 데이터 효율성 및 개인 정보 보호를 향상합니다. 기지국, 노변 장치 등과 같이 차량에 가까운 미래의 이동 통신 장치의 경우 로컬 데이터 처리, 암호화 및 의사 결정을 완벽하게 완료하고 실시간 제공할 수 있는 차량 인터넷의 엣지 컴퓨팅이 배포될 수 있습니다. , 신뢰성이 높은 통신 기능.

요약

엣지 컴퓨팅은 자율 주행의 환경 인식 및 데이터 처리에 매우 중요한 응용 프로그램을 가지고 있습니다. 자율주행차는 엣지 노드로부터 환경 정보를 획득해 인지 범위를 확장할 수 있고, 컴퓨팅 작업을 엣지 노드에 오프로드해 컴퓨팅 자원 부족 문제를 해결할 수도 있다. 클라우드 컴퓨팅과 비교하여 엣지 컴퓨팅은 장거리 데이터 전송으로 인한 높은 지연을 피하고 자율주행차에 더 빠른 응답을 제공할 수 있으며 백본 네트워크의 부하를 줄일 수 있습니다. 따라서 단계적 자율주행 연구 및 개발 프로세스에서 엣지 컴퓨팅을 사용하는 것은 지속적인 최적화 및 개발을 위한 중요한 옵션이 될 것입니다.

위 내용은 자율주행 시스템의 엣지 컴퓨팅 기술의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!