사물 인터넷(IoT)을 위한 올바른 아키텍처

제품과 기계의 연결성이 증가하면서 기존의 IT 인프라에도 고성능이 요구되고 있다. 문제는 막대한 양의 데이터를 합리적으로 수집하고 처리하는데 있다.

슈테판 엘렌리더(Stephan Ellenrieder): PTC 중부 및 동부 유럽 시니어 부사장, 독일 PTC 대표

이 질문에 대한 답은 간단하다. 클라우드가 이를 단독으로 처리할 수 없으며, 이른바 “에지 컴퓨팅, Edge Computing“, 또는 “포그 컴퓨팅, Fog Computing“이 이를 위한 해답을 제공한다. 데이터는 인터넷을 통해 중앙 데이터 센터로 직접 전송되지 않고, 기기 자체에서 또는 데이터 발생 지점에서 처리된다. 따라서 Edge Computing은 네트워크 관련 대기 시간에 의해 제동되지 않고 일괄 처리하기 때문에 실시간으로 고성능 상호 작용을 지원한다. Edge에 있는 장치들은 클라우드와는 상관없이 서로 통신하고, 결정을 내린다. 이를 통해 외부 세계로부터 데이터 수집하고 처리하고 분석할 뿐만 아니라 그 반대 방향으로도 처리가 가능하다. 따라서 대규모 빌딩 단지의 비디오 감시 카메라에 대한 업데이트는 중앙 서버에서 네트워크의 모든 개별 장치로 전송하지 않고, 다른 장치로 분배하는 에지 컴퓨팅을 갖춘 카메라만 업데이트하면 된다.

 기술이 격차를 많이 줄였다

이러한 접근법이 완전히 새로운 것은 아니다. 소프트웨어가 많이 업데이트되어 더 이상 고성능 하드웨어에서 구동될 필요가 없기 때문에 구현이 가능하다. 또한 장치 자체도 스토리지, 컴퓨팅 성능 및 네트워크 연결(이전에는 중앙 데이터 센터에서만 볼 수 있었던 구성 요소 모두)을 통합함으로써 이러한 형태의 데이터 처리를 위한 길이 열렸다. 그러나 센서 데이터가 이전에 네트워크를 통해 데이터 센터로 전송된 후 분석과 처리를 위해 저장된다면, 미래의 자율 주행 차량이 제동 절차를 밟기에는 너무 늦는다. 후방 추돌을 유발할 수도 있다. 따라서 이러한 전체 프로세스는 데이터 생성 위치에서 즉, 네트워킹된 차량에서 직접 진행할 수 있다. 이 예시는 네트워크 상에서 대기 시간이 길어 데이터 전송 속도가 클라우드에서 곧바로 문제가 된다는 점이다.

현재는 대부분의 IT 프로세스와 통신 프로세스에서 데이터 전송이 잘 기능하고 있다. 그러나 지능형 네트워크 장치가 급격히 증가함에 따라 데이터 전송은 속도면에서 어려운 문제가 될 것이다. 기업들은 많은 분야에서 단기간에 결정을 내려야 하고, 경쟁 우위를 달성하기 위해 실시간 데이터 분석을 필요로 하고 생산 중에, 제품 사용 중에 또는 마케팅을 위해 실시간으로 데이터를 분석해야 한다. 데이터는 수집 직후에 가장 가치가 있기 때문이다. 생산 자동화 또는 자율 주행 자동차, 기차 또는 버스가 증가하면서 위협적인 기계 고장, 사고 및 위험에 조기에 대응하기 위해서는 직접적인 데이터 처리는 필수적이다. Edge Computing으로 데이터를 생성 장소에서 분석하고 보호 지침에 따라 의미가 있거나 지정된 데이터만 데이터 센터로 전송하여 저장하면 된다.

 

제품과 기계의 연결성이 증가하면서 기존의 IT 인프라에 고성능이 요구된다.

데이터 집약적이며 시간이 중요한 어플리케이션의 경우 안전 위험을 피하기 위해 현장에서 사전 처리하는 것이 권장된다. Edge Computing은 멀리 떨어져 있는 데이터 센터나 데이터 취급 시 다른 규정이 적용되는 외국에서 데이터를 처리하지 않는다. 또한 장치 자체는 안전하며 있을 수 있는 외부로부터의 공격에 이용될 수 있는 액세스 포인트 수를 줄인다. 대용량 데이터를 데이터 센터나 클라우드로 전송하는 데에 드는 많은 비용도 네트워크 에지로 이동하는 중요한 이유이다. 그러나 데이터 처리를 에지로 옮길 수는 없으므로 추가의 하드웨어나 소프트웨어 장치가 필요하다. 생산 현장이나 기계, 시스템 또는 장치의 컨트롤 또는 모니터링을 위해 필드에서 사용하는 게이트웨이를 예로 들 수 있다. 지금까지 게이트웨이는 네트워크 안으로 그리고 밖으로 정보를 운반하는 데에만 책임이 있었고, 데이터 처리는 목적으로 하지 않았으며 가능하지도 않았다. 그러나 이러한 게이트웨이는 더 이상 에지 시대에는 충분하지 않고, 전용 서버 및 게이트웨이 시스템과 같은 에지 컴퓨팅 구성 요소로 확장해야 한다.

Edge Computing은 이제 시작 단계이다

하드웨어 인프라의 확장 외에도 데이터 분석을 위해 새로운 소프트웨어 도구가 필요하다. 전통적인 비즈니스 인텔리전스 소프트웨어 또는 리포팅 툴을 고려할 수 있다. 이는 일괄 처리를 기반으로 작동하므로 오늘날의 요구 사항에 따라 기본적인 데이터 분석에는 충분하지만, 클라우드의 „에지“에서 데이터 스트림을 분석하기 위해 개발된 장비는 없다. 수집된 센서 데이터로부터 최대의 이익을 확보하려면 실시간으로 이상을 감지하고 오류를 예측하여 지속적으로 모니터링하고 머신 러닝 방법으로 전환해야 한다. Edge Computing은 클라우드를 보완하는 솔루션이며, 대기 시간과 높은 대역폭 수요가 문제가 되는 곳에서 중요한 역할을 할 것이다. 현재 Edge Computing의 응용 사례는 초기 단계에 머물러 있지만, 처리 속도와 안전에 관련된 측면은 엄청난 잠재력을 발휘할 것이다.