에지 컴퓨팅
1. 개요
엣지 컴퓨팅은 데이터 처리를 네트워크 가장자리(edge)에서 수행하여 응답 속도를 높이는 기술이다. 이는 사물 인터넷(IoT) 장치에서 발생하는 대용량 데이터를 처리하고, 클라우드 데이터 센터의 부하를 줄이는 데 기여한다. 엣지 컴퓨팅은 낮은 지연 시간, 보안 강화, 확장성, 안정성, 속도 및 효율성을 제공하며, 자율 주행, 스마트 시티, 인공 지능(AI) 등 다양한 분야에 적용된다.
-
생활환경지능 -
웨어러블 테크놀로지
웨어러블 테크놀로지는 신체에 착용하는 전자 장치 및 기술로, 시계에서 시작하여 스마트워치 등으로 발전해왔으며 다양한 분야에서 활용되지만 개인 정보 보호와 같은 과제도 안고 있다. -
분산 컴퓨팅 구조 -
슈퍼컴퓨터
슈퍼컴퓨터는 일반 컴퓨터보다 훨씬 높은 성능을 가진 컴퓨터로, 복잡한 계산과 시뮬레이션을 수행하며, 프로세서, 메모리, 스토리지, 네트워크 등으로 구성되어 병렬 처리를 통해 높은 성능을 구현하고, 군사, 기상 예측, 과학 기술 분야, 인공지능 등 다양한 분야에서 활용되고 있다. -
분산 컴퓨팅 구조 -
맵리듀스
맵리듀스는 대용량 데이터 처리를 위해 구글에서 개발한 프로그래밍 모델이자 프레임워크로, Map과 Reduce 함수를 사용하여 데이터를 병렬 처리하며 하둡 등의 오픈 소스 구현을 통해 널리 쓰인다. -
네트워크 성능 -
대역폭 (컴퓨팅)
대역폭은 통신 채널을 통해 단위 시간당 전송 가능한 데이터 양을 나타내는 용어로, 최대 비트 전송률, 정보 전송률, 유효 비트 전송률, 채널 용량 등 여러 의미로 사용되며, 데이터 전송 속도와의 차이를 이해하는 것이 중요하다. -
네트워크 성능 -
대기행렬이론
대기행렬 이론은 1909년 에를랑에 의해 연구된 수학 이론으로, 서버, 대기실, 고객으로 구성된 시스템을 분석하며, 켄달의 표기법을 사용하여 대기열 모델의 특징을 나타내고, 컴퓨터 과학 등 다양한 분야에 응용되어 시스템 성능 분석 및 최적화에 활용된다.
2. 정의
엣지 컴퓨팅은 요청이 이루어지는 곳과 가까운 곳에서 빠른 응답을 제공하는 컴퓨터 프로그램을 실행하는 것을 포함한다. 카림 아라비(Karim Arabi)는 2014년 IEEE DAC 기조 강연과 2015년 MIT MTL 세미나에서 엣지 컴퓨팅을 클라우드 외부, 즉 네트워크의 가장자리에서 발생하는 컴퓨팅, 특히 즉각적인 데이터 처리가 필요한 애플리케이션에 필요한 컴퓨팅으로 묘사했다.
엣지 컴퓨팅은 특히 소규모 환경에서 포그 컴퓨팅과 동일시되는 경우가 많다. 그러나 스마트 시티와 같은 대규모 구축 환경에서는 포그 컴퓨팅이 엣지 컴퓨팅과 클라우드 컴퓨팅 사이의 별개의 계층 역할을 하며 각 계층은 고유한 책임을 갖는다.
"엣지의 현황" 보고서에 따르면 엣지 컴퓨팅은 최종 사용자 가까이에 위치한 서버에 중점을 둔다. ETSI MEC ISG 표준 위원회 의장인 알렉스 레즈닉(Alex Reznik)은 '엣지'를 전통적인 데이터 센터가 아닌 모든 것으로 느슨하게 정의한다.
클라우드 게이밍에서 "게임렛"으로 알려진 엣지 노드는 일반적으로 클라이언트에서 네트워크 홉 1~2개 이내에 위치하여 실시간 게임에 대한 빠른 응답 시간을 보장한다.
엣지 컴퓨팅은 다양한 애플리케이션을 엣지 서버에 배포하고 관리하는 것을 단순화하기 위해 가상화 기술을 사용할 수 있다.
3. 개념
네트워크 에지상의 IoT 장치의 증가는 연산에 필요한 상당한 양의 데이터를 만들어 데이터 센터로 전달하고, 이는 네트워크 대역폭 요구량을 한계치에 이르게 한다. 네트워크 기술이 발전해도 데이터 센터는 수많은 애플리케이션에 중요한 요건인 수용 가능한 전송 속도와 응답 시간을 보장하지 못한다. 엣지 컴퓨팅은 연산을 데이터 센터에서 네트워크 에지로 이동시켜, 스마트 오브젝트, 휴대전화, 네트워크 게이트웨이를 이용하여 작업을 수행하고 클라우드를 통해 서비스를 제공한다. 서비스를 에지로 이동시켜 콘텐츠 캐시, 서비스 딜리버리, 스토리지 및 IoT 관리를 제공하며, 더 나은 응답 시간과 전송 속도를 가능하게 한다.
엣지 컴퓨팅은 요청이 이루어지는 곳과 가까운 곳에서 빠른 응답을 제공하는 컴퓨터 프로그램을 실행하는 것을 포함한다. 2014년 IEEE DAC 기조 강연과 2015년 MIT MTL 세미나에서 Karim Arabi는 엣지 컴퓨팅을 클라우드 외부, 즉 네트워크의 가장자리에서 발생하는 컴퓨팅, 특히 즉각적인 데이터 처리가 필요한 애플리케이션에 필요한 컴퓨팅으로 묘사했다.
엣지 컴퓨팅은 특히 소규모 환경에서 포그 컴퓨팅과 동일시되는 경우가 많다. "엣지의 현황" 보고서에 따르면 엣지 컴퓨팅은 최종 사용자 가까이에 위치한 서버에 중점을 둔다. ETSI MEC ISG 표준 위원회 의장인 Alex Reznik은 '엣지'를 전통적인 데이터 센터가 아닌 모든 것으로 느슨하게 정의한다. 클라우드 게이밍에서 "게임렛"으로 알려진 엣지 노드는 일반적으로 클라이언트에서 네트워크 홉 1~2개 이내에 위치하여 실시간 게임에 대한 빠른 응답 시간을 보장한다.
2025년까지 전 세계 데이터는 61% 증가하여 175 제타바이트에 이를 것으로 예상된다. 가트너에 따르면, 기업에서 생성되는 데이터의 약 10%가 기존의 중앙 집중식 데이터 센터 또는 클라우드 외부에서 생성되고 처리되며, 2025년까지 이 수치가 75%에 이를 것으로 예측한다.
엣지 컴퓨팅은 클라우드 컴퓨팅을 대체 하는 것이 아니라, 데이터 수집 및 집계, 로컬 데이터 처리, AI 지원 모니터링, M2M 통신 등의 기능을 제공하는 또 다른 종류의 솔루션이다.
3.1. 데이터 수집 및 집계
기존의 클라우드 아키텍처는 모든 데이터를 클라우드로 전송하여 처리하지만, 에지 컴퓨팅은 데이터 생성원 근처에서 데이터를 수집하고 처리한다. 에지에서 처리할 수 없거나, 상세한 분석이 필요하거나, 장기 보존이 필요한 경우 데이터를 클라우드로 업로드한다.
3.3. AI 지원 모니터링
센서 및 카메라로부터의 데이터와 검출 결과를 클라우드 측에서 수집, 평가, 분석함으로써 대상 데이터에 대한 지속적이고 효율적인 모니터링이 가능해진다. 분석 및 알림에 기계 학습 알고리즘 등을 활용하여, AI를 이용한 실시간 상태 감시 및 예측도 실현할 수 있다.
3.4. M2M (Machine-to-Machine) 통신
M2M은 장치 및 시스템 간의 자율적인 통신 및 상호 처리를 의미한다. 여러 에지 장치에서 데이터를 중앙 제어 센터에서 집약하며, 이 정보를 바탕으로 원격지에서 현장 감시를 수행할 수 있다. 또한 여러 장치에서 데이터를 기반으로 여러 기계 및 장치를 일원적으로 제어하는 것도 가능하다. 이를 통해 사람의 개입을 줄이면서 감시 및 제어를 효율적으로 수행할 수 있게 될 것으로 여겨진다.
4. 특징
에지 컴퓨팅은 최종 사용자와 가까운 위치에서 데이터를 처리하여 응답 속도를 높이고, 대역폭 사용량을 줄여 효율성을 높이는 특징을 가진다.
* 속도: 에지 컴퓨팅은 분석 컴퓨팅 리소스를 최종 사용자에게 가깝게 제공하여 애플리케이션의 응답 속도와 처리량을 향상시킨다. 사물 인터넷(IoT)에서 자율주행, 건강, 공공 안전, 얼굴 인식과 같이 빠른 응답 시간이 필요한 분야에 유용하다. 특히, 증강 현실과 같이 인간 수준의 인식 속도가 필요한 애플리케이션에 적합하다.
* 효율성: 분석 자원이 최종 사용자와 가까워 인공 지능 도구를 시스템 에지에서 실행할 수 있어 운영 효율성을 높인다. 예를 들어, 비디오 파일을 로컬 에지 네트워크 서버에서 처리하여 인터넷 대역폭을 절약하거나, 음성 인식을 로컬에서 수행하여 클라우드로 전송하는 데이터 양을 줄일 수 있다.
4.1. 개인 정보 보호 및 보안
에지 컴퓨팅의 분산된 특성은 클라우드 컴퓨팅에서 사용되는 보안 체계에 변화를 가져온다. 에지 컴퓨팅에서는 데이터가 인터넷을 통해 연결된 여러 분산 노드 간에 이동할 수 있으며, 따라서 클라우드와는 별도로 특별한 암호화 메커니즘이 필요하다. 에지 노드는 리소스가 제한된 장치일 수 있으며, 보안 방법의 선택을 제한한다. 더욱이, 중앙 집중식 상향식 인프라에서 분산된 신뢰 모델로의 전환이 필요하다.
반면에, 데이터를 에지에서 유지하고 처리함으로써 민감한 정보를 클라우드로 전송하는 것을 최소화하여 개인 정보 보호를 강화할 수 있다. 또한, 수집된 데이터의 소유권이 서비스 제공업체에서 최종 사용자로 이동한다.
4.2. 확장성
분산 네트워크에서 확장성은 여러 문제에 직면해야 한다. 첫째, 성능과 에너지 제약이 다른 장치의 이기종성, 고도로 동적인 조건, 그리고 클라우드 데이터 센터의 더 강력한 인프라와 비교했을 때 연결의 신뢰성을 고려해야 한다. 또한, 보안 요구 사항은 노드 간 통신에 추가적인 지연 시간을 발생시켜 확장 과정을 늦출 수 있다.
최첨단 스케줄링 기술은 각 오프로드된 작업에 최소한의 에지 리소스를 할당하여 에지 리소스의 효과적인 활용을 증가시키고 에지 서버를 확장할 수 있다.
4.3. 안정성
페일오버 관리는 서비스의 가동 상태를 유지하는 데 매우 중요하다. 단일 노드가 다운되어 접근할 수 없게 되더라도 사용자는 중단 없이 서비스에 계속 접근할 수 있어야 한다. 또한, 에지 컴퓨팅 시스템은 장애로부터 복구하고 사용자에게 해당 사고를 알리는 조치를 제공해야 한다. 이를 위해 각 장치는 전체 분산 시스템의 네트워크 토폴로지를 유지 관리해야 하므로 오류 감지 및 복구가 쉽게 적용될 수 있다. 이 측면에 영향을 미칠 수 있는 다른 요인으로는 다양한 수준의 안정성을 제공할 수 있는 사용 중인 연결 기술과 특정 환경 조건으로 인해 신뢰할 수 없는 에지에서 생성된 데이터의 정확성이 있다. 예를 들어, 음성 비서와 같은 에지 컴퓨팅 장치는 클라우드 서비스 또는 인터넷 중단 중에도 로컬 사용자에게 서비스를 계속 제공할 수 있다.
4.4. 속도
에지 컴퓨팅은 최종 사용자에게 분석 컴퓨팅 리소스를 가깝게 제공하므로 애플리케이션의 응답 속도와 처리량을 높일 수 있다. 잘 설계된 에지 플랫폼은 기존의 클라우드 기반 시스템보다 훨씬 뛰어난 성능을 발휘한다. 일부 애플리케이션은 짧은 응답 시간에 의존하므로 에지 컴퓨팅은 클라우드 컴퓨팅보다 훨씬 더 실현 가능한 옵션이다. 예시는 사물 인터넷(IoT)에서 자율주행, 건강 또는 사람/공공 안전과 관련된 모든 것, 또는 얼굴 인식과 같이 인간의 인식을 포함하는 것까지 다양하며, 이는 일반적으로 사람이 수행하는 데 370~620ms가 걸린다. 에지 컴퓨팅은 인간과 동일한 속도의 인식을 모방할 수 있으며, 이는 증강 현실과 같은 애플리케이션에서 유용하다.
4.5. 효율성
분석 자원이 최종 사용자에게 근접해 있기 때문에, 정교한 분석 도구와 인공 지능 도구를 시스템의 에지에서 실행할 수 있다. 에지에 위치하면 운영 효율성을 높이는 데 도움이 되며, 시스템에 많은 이점을 제공한다.
또한, 클라이언트 장치와 광범위한 인터넷 사이의 중간 단계로 에지 컴퓨팅을 사용하면 다음과 같은 예에서 볼 수 있듯이 효율성을 절감할 수 있다. 클라이언트 장치는 비디오 파일에 대한 계산 집약적인 처리를 외부 서버에서 수행해야 한다. 로컬 에지 네트워크에 위치한 서버를 사용하여 해당 계산을 수행함으로써, 비디오 파일은 로컬 네트워크 내에서만 전송하면 된다. 인터넷을 통한 전송을 피하면 상당한 대역폭을 절약할 수 있으며, 따라서 효율성이 증가한다. 또 다른 예는 음성 인식이다. 인식을 로컬에서 수행하면 오디오 녹음 대신 인식된 텍스트를 클라우드로 전송하여 필요한 대역폭의 양을 크게 줄일 수 있다.
5. 응용 분야
에지 애플리케이션 서비스는 이동해야 하는 데이터 양, 결과적인 트래픽, 그리고 데이터가 이동해야 하는 거리를 줄여준다. 이는 더 낮은 지연 시간을 제공하고 전송 비용을 절감한다. 얼굴 인식 알고리즘과 같은 실시간 애플리케이션을 위한 컴퓨팅 오프로딩은 응답 시간을 개선한다. 모바일 사용자 근처에 있는 클라우드렛 또는 마이크로 데이터 센터를 사용하여 클라우드에서 일반적으로 발견되는 서비스를 제공하면 일부 작업을 에지 노드로 오프로드할 때 실행 시간이 개선된다.
IoT 기반의 전력망 시스템은 전력 및 데이터 통신을 가능하게 하여 전력망을 모니터링하고 제어하며, 이는 에너지 관리를 보다 효율적으로 만든다.
다른 주목할 만한 애플리케이션으로는 커넥티드 카, 자율 주행 자동차, 스마트 시티, Industry 4.0, 홈 오토메이션 및 위성 시스템이 있다. 에지 인공 지능(Edge AI)은 인공 지능을 에지 컴퓨팅 환경, 장치 또는 데이터가 수집되는 위치 근처에 구현한다.