원제: Edge Computing: Vision and Challenges

원작자: Shi Weisong 교수

현재 글로벌 디지털화의 물결이 호황을 누리고 있습니다.에지 컴퓨팅은 근처에 컴퓨팅, 네트워크 및 지능과 같은 핵심 기능을 제공하고 권한 부여 경제의 변환 및 업그레이드를 가속화하며 점차 컴퓨팅 시스템의 새로운 방향, 새로운 형식이 되었습니다. 정보 분야, 산업 변혁을 위한 새로운 플랫폼으로 빠르게 발전하는 단계에 있습니다. 에지 컴퓨팅 개념의 대중화는 실용화를 향해 가속화되고 있으며 학계와 산업계의 많은 관심을 받고 있습니다.

에지 컴퓨팅은 네트워크 에지에서 데이터를 처리하여 시스템 응답 시간을 줄이고 데이터 개인 정보 보호 및 보안을 보호하며 배터리 수명을 연장하고 네트워크 대역폭을 절약하는 것을 옹호합니다.

보조 제목

01 엣지 컴퓨팅이란

네트워크 에지에서 생성되는 데이터의 양이 계속 증가함에 따라 네트워크 에지에서 직접 데이터를 처리하는 것이 더 효율적일 것입니다. 마이크로 데이터센터, 마이크로클라우드, 포그컴퓨팅은 이전에 제안된 바 있는데, 본 절에서는 엣지컴퓨팅이 무엇인지, 특정 컴퓨팅 서비스에 대해 클라우드 컴퓨팅보다 엣지컴퓨팅이 더 효과적인 이유에 대해 설명한다.

클라우드의 컴퓨팅 성능이 에지 장치의 컴퓨팅 성능보다 훨씬 강력하기 때문에 모든 컴퓨팅 작업을 클라우드에 두는 것이 효과적인 방법입니다. 데이터 처리 속도는 빠르지만 네트워크 대역폭은 매우 제한적입니다. 데이터가 계속 증가함에 따라 데이터 전송 속도는 클라우드 컴퓨팅 기능을 개선하는 데 병목 현상이 되었습니다. 예를 들어 보잉 787 여객기는 매초 5G 데이터를 생성하지만 항공기와 위성 또는 기지국 사이의 대역폭은 그렇게 많은 양의 데이터 전송을 수용할 수 없습니다. 자율주행차는 초당 1G의 데이터를 생성할 수 있으며 실시간으로 데이터를 처리하고 올바른 조치를 취해야 합니다. 처리를 위해 모든 데이터를 클라우드로 전송하면 응답 시간이 매우 길어질 뿐만 아니라 특정 영역에서 많은 자동차가 동시에 작업하도록 지원하는 것도 현재 네트워크 대역폭과 안정성에 큰 도전입니다. 따라서 이를 위해서는 네트워크 에지 장치에서 직접 데이터 처리가 필요합니다.

거의 모든 전자 장치는 사물 인터넷의 일부가 될 것이며 공기 품질 센서, 가로등, 전자 레인지 등과 같은 데이터 생산자 및 소비자 역할을 할 것입니다. 이러한 장치가 너무 많아 막대한 양의 데이터를 생성하므로 기존의 클라우드 컴퓨팅 방법으로는 이러한 막대한 양의 데이터를 지원할 수 없습니다. 따라서 IoT 기기에서 생성되는 대량의 데이터를 모두 클라우드로 전송할 수 없고, 네트워크 에지에서 직접 처리해야 합니다.

위의 다이어그램은 전통적인 클라우드 컴퓨팅의 구조를 보여줍니다. 데이터 생산자는 원시 데이터를 생성하여 클라우드로 보내고 데이터 소비자는 클라우드에 요청을 보내 데이터를 사용합니다. 그러나 이러한 구조는 사물 인터넷 시대의 요구를 충족시킬 수 없습니다. 첫째, 기기에서 생성되는 데이터의 양이 너무 많아 불필요한 대역폭과 자원 소모가 많다. 둘째, 프라이버시를 보호해야 할 필요성도 클라우드 컴퓨팅의 적용을 방해합니다. 셋째, 대부분의 IoT 종단 노드는 배터리로 구동될 수 있는 제한된 에너지를 가진 장치이며 무선 통신 모듈은 일반적으로 상대적으로 에너지를 소비하므로 일부 컴퓨팅 작업을 에지 노드에서 직접 수행하는 것이 매우 효과적입니다.

클라우드 컴퓨팅 패러다임에서 에지의 최종 장치는 일반적으로 스마트폰에서 YouTube 동영상을 보는 것과 같이 데이터 소비자 역할을 합니다. 하지만 이제는 사람들이 스마트폰으로 사진을 찍고 동영상을 찍어 유튜브, 페이스북, 트위터 등에 공유하는 등 데이터 생산자 역할도 하고 ​​있다. 그러나 이러한 사진과 비디오의 데이터 용량이 너무 커서 인터넷에 직접 업로드하면 많은 대역폭을 차지하게 됩니다. 따라서 사진과 비디오는 단말기에서 직접 조정한 다음 클라우드에 업로드할 수 있습니다. 또 다른 예로는 웨어러블 건강 장치가 있습니다. 이러한 장치에서 수집한 데이터는 상대적으로 비공개일 수 있으므로 클라우드에 업로드하는 대신 장치에서 직접 데이터를 처리하면 데이터 개인 정보를 더 잘 보호할 수 있습니다.

에지 컴퓨팅은 네트워크 에지에서 IoT 서비스용 업링크 데이터와 클라우드 서비스용 다운링크 데이터를 계산할 수 있는 구현 기술입니다. 여기서 "에지"는 데이터 원본과 클라우드 데이터 센터 사이의 모든 컴퓨팅 및 네트워크 리소스를 나타냅니다. 예를 들어 스마트폰은 개인과 클라우드 사이의 "에지"이고 스마트 홈의 게이트웨이는 홈 장치와 클라우드 사이의 "에지"입니다. 에지 컴퓨팅의 기본 원칙은 데이터 소스에 가까운 계산을 수행하는 것입니다. 이러한 관점에서 보면 에지 컴퓨팅은 포그 컴퓨팅과 유사하지만 에지 컴퓨팅은 "사물" 측면에 더 중점을 두고 포그 컴퓨팅은 인프라에 더 중점을 둡니다. 우리는 엣지 컴퓨팅이 클라우드 컴퓨팅만큼 우리 사회에 큰 영향을 미칠 것이라고 생각합니다.

그림 2는 에지 컴퓨팅의 양방향 컴퓨팅 흐름을 보여줍니다. 에지 컴퓨팅 패러다임에서 사물은 데이터 소비자일 뿐만 아니라 데이터 생산자이기도 합니다. 네트워크 에지에서는 사물이 클라우드의 서비스와 콘텐츠를 요청할 수 있을 뿐만 아니라 컴퓨팅 작업도 수행할 수 있습니다. 에지는 데이터를 저장, 캐시 및 처리하는 동시에 클라우드 서비스 및 요청을 사용자에게 보낼 수 있습니다. 따라서 보안, 신뢰성 및 개인 정보 보호 요구 사항을 충족하도록 네트워크 에지를 적절하게 설계해야 합니다.

보조 제목

02관련사례

대부분의 컴퓨팅이 클라우드에서 발생하는 클라우드 컴퓨팅 패러다임에서 이 컴퓨팅 패러다임은 사용자 경험을 저하시키는 긴 시스템 지연으로 이어질 수 있습니다. 에지 컴퓨팅에서 에지는 클라우드가 컴퓨팅 작업의 일부를 공유하는 데 도움이 되는 특정 컴퓨팅 리소스를 가지고 있습니다.

기존 CDN(Content Delivery Network)에서는 데이터만 에지 서버에 캐시됩니다. 지난 수십 년 동안 콘텐츠 제공업체가 인터넷에서 직접 데이터를 제공했기 때문입니다. 하지만 IoT 시대에는 엣지에서 데이터가 생산되고 소비됩니다. 따라서 에지 컴퓨팅에서는 데이터와 데이터에 대한 작업을 에지에 캐시해야 합니다.

에지 컴퓨팅의 장점 중 하나는 온라인 쇼핑 서비스에서 볼 수 있습니다. 소비자는 장바구니를 자주 조작할 수 있으며 기본적으로 장바구니에 대한 작업은 클라우드에서 완료되고 클라이언트 측의 장바구니 인터페이스가 업데이트됩니다. 인터넷 속도와 서버 로드에 따라 이 프로세스는 시간이 오래 걸릴 수 있으며 모바일 장치의 경우 더 오래 걸릴 수 있습니다. 점점 더 많은 쇼핑이 모바일 클라이언트에서 이루어짐에 따라 사용자 경험을 개선하기 위해 장바구니 업데이트 작업을 에지 노드로 이동할 수 있습니다. 앞에서 언급했듯이 사용자 장바구니 데이터 및 장바구니 작업은 에지 노드에서 캐시될 수 있습니다. 물론 사용자의 장바구니 데이터는 결국 클라우드에 동기화되지만 백그라운드에서 실행될 수 있습니다.

사용자가 한 에지 노드에서 다른 에지 노드로 이동할 때 여기에는 다중 노드 협업이 포함됩니다. 사용자가 도착한 각 에지 노드에 데이터를 간단히 캐시할 수 있지만 각 노드의 동기화는 추가 연구가 필요합니다. 예를 들어 좁은 지역의 내비게이션 애플리케이션은 내비게이션 또는 검색 서비스를 에지로 이동할 수 있고 콘텐츠 필터링 및 통합은 에지 노드에서 수행하여 데이터 전송량을 줄일 수 있으며 AR과 같은 실시간 애플리케이션은 에지 노드를 사용하여 데이터 전송량을 줄일 수 있습니다. 응답 시간. 따라서 에지 컴퓨팅을 사용하면 시스템 대기 시간을 줄이고 사용자 경험을 크게 향상시킬 수 있습니다.

휴대폰과 웹캠의 보편화로 인해 비디오 분석이 새로운 기술이 되었습니다. 클라우드 컴퓨팅은 데이터 전송 지연 시간이 길고 개인 정보 보호 문제 때문에 영상 분석에 적합하지 않습니다. 여기서 우리는 실종 아동을 찾는 예를 언급합니다. 이제 도시에는 많은 카메라가 있으며, 아이가 길을 잃으면 카메라에 잡힐 가능성이 높습니다. 그러나 개인 정보 보호 문제와 전송 비용으로 인해 이러한 카메라 데이터는 일반적으로 클라우드로 모두 전송되지 않기 때문에 이러한 다양한 카메라를 활용하기가 어렵습니다.

클라우드에서 이 데이터에 액세스하더라도 이렇게 많은 양의 데이터를 전송하고 검색하는 데 시간이 많이 걸리므로 실종 아동에게는 견딜 수 없습니다. 에지 컴퓨팅 패러다임을 활용하여 클라우드에서 대상 영역의 장치로 실종 아동 검색 요청을 보낼 수 있습니다. 스마트폰과 같은 특정 영역에 있는 각 장치는 로컬 카메라 데이터에서 검색한 다음 검색 결과만 반환하므로 검색 시간이 크게 단축됩니다.

사물 인터넷은 가정 환경을 크게 개선했습니다. 스마트 조명, 스마트 TV, 스위핑 로봇 등과 같은 일부 관련 제품이 시장에 등장했습니다. 그러나 Wi-Fi와 같은 무선 통신 모듈을 통해 장치를 클라우드에 연결하는 것만으로는 스마트 홈이 아닙니다. 스마트 홈에서는 연결된 장치 외에도 방, 파이프, 바닥, 벽 등에 수많은 센서와 컨트롤러를 배치해야 합니다. 그들은 많은 양의 데이터를 생성하지만 개인 정보 보호 문제와 전송 압력을 고려할 때 이러한 데이터의 대부분은 로컬에서 직접 사용해야 합니다. 이로 인해 클라우드 컴퓨팅은 더 이상 스마트 홈에 적합하지 않으며 에지 컴퓨팅으로 대체됩니다. 홈 게이트웨이에서 에지 운영 체제(EdgeOS)를 실행하면 홈 장치가 게이트웨이에 연결한 다음 통합 관리를 위해 관련 서비스를 배포할 수 있습니다.

그림 3은 스마트 홈의 EdgeOS 구조를 보여줍니다. EdgeOS는 Wi-FI, Bluetooth, ZigBee, 셀룰러 네트워크 등을 통해 집안의 다양한 데이터를 수집할 수 있습니다. 서로 다른 데이터 소스가 데이터 추상화 계층에서 융합됩니다. 데이터 추상화 계층 위에는 서비스 관리 계층이 있습니다. 이 계층은 차별화, 확장성, 격리성 및 안정성을 지원해야 합니다.

에지 컴퓨팅 패러다임은 스마트 홈, 커뮤니티 및 도시에서도 적용될 수 있습니다. 주된 이유는 다음과 같습니다.

1. 대량의 데이터: 관련 데이터에 따르면 상시 인구 100만 명의 도시는 매일 180PB의 데이터를 생성하며 이러한 데이터는 공공 안전, 의료, 교통 등에서 나옵니다. 이러한 데이터를 처리하기 위해 중앙 집중식 클라우드 데이터 센터를 구축하는 것은 비현실적입니다. 엣지 컴퓨팅은 효과적인 솔루션입니다.

2. 낮은 대기 시간: 의료 장비 또는 공공 안전 장비와 같이 결정론적이고 낮은 대기 시간이 필요한 애플리케이션의 경우 에지 컴퓨팅은 전송 시간을 절약하고 네트워크 구조를 단순화할 수 있는 적합한 패러다임이기도 합니다. 클라우드 처리와 비교할 때 에지에서의 데이터 처리는 의사 결정을 보다 효율적으로 만듭니다.

3. 위치 인식: 교통 시설 관리와 같은 지리적 위치 기반 애플리케이션의 경우 에지 컴퓨팅을 통해 보다 정확한 위치 정보를 얻을 수 있습니다. 데이터를 클라우드로 전송하지 않고 위치 기반으로 수집 및 처리할 수 있습니다.

산업계와 학계에서 클라우드는 빅데이터 처리를 위한 표준 컴퓨팅 플랫폼이라고 할 수 있습니다. 클라우드 컴퓨팅은 처리를 위해 데이터를 클라우드로 전송해야 하지만 많은 경우 개인 정보 보호 문제 및 데이터 전송 비용으로 인해 데이터를 소유한 이해 관계자가 공유할 의사가 거의 없기 때문에 여러 이해 관계자가 협업할 수 있는 기회가 제한됩니다. 작은 데이터 센터인 에지는 클라우드와 최종 사용자를 연결합니다. 협업 에지는 여러 다른 에지를 연결합니다. 이 집과 같은 연결을 통해 다양한 이해 관계자가 협업하고 데이터를 공유할 수 있습니다.

가까운 미래에 매우 가치 있는 애플리케이션은 그림 4에 표시된 것처럼 연결된 의료 애플리케이션입니다. 예를 들어 독감이 유행하면 환자들이 병원으로 몰리면서 환자의 전자의무기록도 동시에 업데이트된다. 병원은 평균 치료 비용, 증상, 아픈 사람 수 등과 같은 독감 발생에 대한 정보를 집계하고 공유합니다. 이론적으로 환자는 처방에 따라 약을 받으러 약국에 가겠지만, 환자가 치료를 위해 의사의 조언을 따르지 않고 병원이 환자가 약을 복용하지 않은 사실을 모를 수도 있고, 그래서 병원은 재수술에 대한 책임을 져야 합니다. 이제 Collaborative Edge를 통해 약국은 병원에 환자 구매 기록을 제공하여 의료 책임을 명확하게 할 수 있습니다.

동시에 약국은 협업 에지를 사용하여 병원에서 환자 수를 확보하여 약국이 미리 비축하여 더 많은 이익을 얻을 수 있습니다. 또한 약국은 제약 회사로부터 약의 가격, 위치 및 재고 정보를 얻을 수도 있습니다. 약국은 또한 물류 회사의 배송 가격을 얻을 수 있으므로 보다 적절한 투약 계획을 수립할 수 있습니다. 제약 회사는 약국에서 보낸 의약품 데이터를 기반으로 합리적인 생산 계획을 세울 수 있습니다. 이와 동시에 질병관리본부는 감염자 수를 파악해 특정 지역에 있는 사람들에게 주의보를 발령하고 그에 상응하는 조치를 취해 인플루엔자 확산을 억제할 수 있다.

보조 제목

03 기회와 도전

이전 섹션에서는 에지 컴퓨팅의 여러 응용 사례를 소개했습니다. 이 섹션에서는 에지 컴퓨팅의 과제를 요약하고 추가 연구 가치가 있는 몇 가지 솔루션을 제안합니다. 주로 프로그래밍 가능성, 이름 지정, 데이터 추상화, 서비스 관리, 개인 정보 보호 및 보안, 최적화 메트릭과 관련됩니다.

1. 프로그래밍 가능성

클라우드 컴퓨팅에서 사용자는 프로그램을 작성하고 클라우드에 배포합니다. 클라우드 공급자는 컴퓨팅 작업을 수행할 위치를 결정할 책임이 있습니다. 사용자는 응용 프로그램이 어떻게 실행되는지 알지 못하는 것도 클라우드 컴퓨팅의 장점이며 클라우드 컴퓨팅의 인프라 구조는 사용자에게 투명합니다. 일반적으로 프로그램은 클라우드에서만 실행되기 때문에 프로그래밍 언어로 완성되고 특정 대상 플랫폼으로 컴파일되어 실행됩니다. 그러나 에지 컴퓨팅에서는 컴퓨팅 작업이 다양한 플랫폼의 에지 노드에 분산됩니다. 다른 노드의 실행 시간은 다르며 프로그램 개발자는 큰 어려움에 직면합니다.

에지 컴퓨팅의 프로그래밍 가능성 문제를 해결하기 위해 컴퓨팅 흐름의 개념을 제안합니다. 데이터 전송 경로에서 데이터에 대한 일련의 작업을 말합니다. 이러한 작업에는 앱 기능의 전부 또는 일부가 포함될 수 있습니다. 컴퓨팅 플로우는 데이터 생성 장치, 에지 노드 및 클라우드 환경에서 분산되고 효율적인 방식으로 데이터를 처리할 수 있는 소프트웨어 정의 컴퓨팅 프로세스입니다.

에지 컴퓨팅이 정의된 것처럼 컴퓨팅은 클라우드가 아닌 에지에서 이루어져야 합니다. 이 경우 계산 흐름은 사용자가 수행해야 할 작업과 데이터 전파 방법을 결정하는 데 도움이 될 수 있습니다. 작업을 수행할 위치에 대한 메트릭은 대기 시간, 에너지 소비, 하드웨어 및 소프트웨어 제약 조건 등이 될 수 있습니다. 컴퓨팅 스트림을 배포함으로써 우리는 데이터 컴퓨팅이 가능한 한 데이터 소스에 가까워야 하므로 데이터 전송 비용을 절감할 수 있다고 믿습니다. 컴퓨팅 흐름에서 작업은 재배포될 수 있으며 해당 데이터 및 상태는 재배포되어야 합니다. 또한 데이터 동기화와 같은 협업 문제를 해결해야 합니다.

2. 네이밍

에지 컴퓨팅에서 중요한 가정은 사물의 양이 매우 크다는 것입니다. 에지 노드에서 실행되는 많은 애플리케이션이 있으며 각 애플리케이션에는 자체 서비스 조직 구조가 있습니다. 모든 컴퓨터 시스템과 마찬가지로 에지 컴퓨팅에서 명명법은 프로그래밍, 주소 지정, 개체 인식 및 데이터 통신에 중요합니다. 그러나 이 단계에서는 에지 컴퓨팅 패러다임에 대한 효율적이고 표준화된 명명 메커니즘이 결정되지 않았습니다. 다양한 이기종 시스템과 통신하기 위해 에지 개발자는 다양한 네트워크 통신 프로토콜을 배워야 합니다. 에지 컴퓨팅의 명명 원칙은 개체의 이동성, 네트워크 토폴로지의 높은 가변성, 개인 정보 보호 및 보안 보호, 다수의 불확실한 개체에 대한 확장성을 처리해야 합니다.

DNS 및 URI와 같은 전통적인 이름 지정 메커니즘은 대부분의 최신 네트워크 요구 사항을 충족할 수 있습니다. 그러나 동적 에지 네트워크에 서비스를 제공할 만큼 유연하지는 않습니다. 에지의 장치는 이동성이 높고 리소스가 제한되어 있기 때문입니다. 리소스가 제한된 장치의 경우 IP 기반 이름 지정 원칙을 지원할 수 없습니다.

NDN(Named Data Network) 및 MobilityFirst와 같은 새로운 명명 메커니즘을 에지 컴퓨팅에 적용할 수 있습니다. NDN은 확장성과 가독성이 뛰어나고 서비스 관리를 용이하게 하는 계층적 명명 구조를 제공합니다. 하지만 블루투스, 지그비 등 다른 통신 프로토콜에 적합하기 위해서는 별도의 에이전트를 추가해야 한다. NDN의 또 다른 문제는 서비스 공급자로부터 장치 하드웨어 정보를 분리하기 어렵기 때문에 보안입니다. 더 나은 모바일 지원을 제공하기 위해 MobilityFirst는 네트워크 주소에서 이름을 분리할 수 있지만 GUID(Globally Unique Identifier)를 사용해야 합니다. MobilityFirst의 또 다른 단점은 GUID가 읽기 쉽지 않기 때문에 서비스 관리에 편리하지 않다는 것입니다.

가정 환경과 같이 상대적으로 작은 고정 에지의 경우 EdgeOS는 각 장치에 네트워크 주소를 할당할 수 있습니다. 시스템에서 각 장치에는 위치, 역할, 데이터 설명과 같은 정보를 설명하는 사람이 읽을 수 있는 고유한 이름이 있습니다. 예: "주방.전자레인지.온도".

그림 5와 같이 EdgeOS는 해당 식별자와 주소를 할당합니다. 각 개체에는 사람이 읽을 수 있는 고유한 이름이 있어 서비스 관리, 개체 식별 및 부품 교체가 용이합니다. 이 이름 지정 메커니즘은 사용자와 서비스 공급자 모두에게 매우 편리합니다. 예를 들어 사용자는 EdgeOS로부터 "침실 천장의 조명이 고장났습니다"와 같은 정보를 수신하여 사용자가 오류 코드를 찾거나 전구의 네트워크 주소를 재구성할 필요 없이 직접 전구를 교체할 수 있습니다. 이 이름 지정 메커니즘은 서비스 공급자에게 더 나은 프로그래밍 기능을 제공하고 하드웨어 정보를 보호하며 데이터 개인 정보 및 보안을 더 잘 보호합니다. 고유 식별자와 네트워크 주소는 사람이 읽을 수 있는 이름과 일대일로 매핑될 수 있습니다. EdgeOS는 개체 관리를 위해 식별자를 사용합니다. IP 주소 또는 MAC 주소와 같은 네트워크 주소를 사용하여 Bluetooth, WIFI, Zigbee 등과 같은 다양한 통신 프로토콜을 지원할 수 있습니다.

3. 데이터 추상화

다양한 애플리케이션이 EdgeOS에서 실행되며 각 애플리케이션은 서비스 관리 계층 API를 통해 특정 서비스를 제공합니다. 데이터 추상화 문제는 무선 센서 네트워크와 클라우드 컴퓨팅 패러다임에서 집중적으로 연구되어 왔다. 그러나 에지 컴퓨팅에서는 이 문제가 더욱 어려워집니다. 사물 인터넷 시대에는 네트워크에 수많은 데이터 생성 장치가 있습니다. 여기서는 스마트 홈을 예로 들어, 스마트 홈 환경에서는 거의 모든 장치가 EdgeOS로 데이터를 보냅니다. 그러나 네트워크 가장자리에 있는 대부분의 장치는 주기적으로 데이터를 게이트웨이로 보냅니다. 예를 들어 온도계는 1분마다 데이터를 전송하지만 이 데이터는 실제 사용자가 하루에 몇 번만 사용합니다. 또 다른 예는 가정용 보안 카메라입니다. 데이터를 기록하고 언제든지 게이트웨이로 보내지만, 이 데이터는 한동안 데이터베이스에 남아 아무도 사용하지 않고 결국 새로운 데이터로 대체됩니다.

위의 내용을 바탕으로 우리는 엣지 컴퓨팅에서 인간의 개입을 최대한 줄여야 하고, 엣지 노드는 모든 데이터를 소비/처리하고 능동적으로 사용자와 상호 작용해야 한다고 생각합니다. 이 경우 게이트웨이는 노이즈 제거, 이벤트 감지 및 개인 정보 보호와 같은 데이터 전처리가 필요합니다. 처리된 데이터는 적절한 서비스를 제공하기 위해 상위 계층으로 전송됩니다. 이 프로세스는 몇 가지 문제에 직면해 있습니다.

첫째, 그림 6과 같이 서로 다른 장치에서 전송되는 데이터 형식이 다릅니다. 개인 정보 보호 및 보안 문제를 고려할 때 게이트웨이의 애플리케이션은 원시 데이터를 가져오지 않아야 하며 전체 데이터 테이블에서 관심 있는 콘텐츠만 가져오면 됩니다. 데이터 테이블의 형식은 ID, 시간, 이름, 데이터(예: 0000,12:34:56pm 01/01/2022, kitchen.oven2.temperature3, 78)일 수 있습니다. 그러나 센서 데이터는 숨겨져 있으므로 데이터 가용성에 영향을 줄 수 있습니다. 둘째, 데이터 추상화 수준을 결정하기 어려운 경우가 있습니다. 일부 앱 또는 서비스는 너무 많은 원시 데이터가 필터링되면 충분한 정보를 얻지 못할 수 있습니다. 그러나 원시 데이터를 너무 많이 보관하면 데이터 저장이 번거로울 수도 있습니다. 때로는 낮은 센서 정확도, 불안정한 환경 또는 비정상적인 통신으로 인해 에지 장치의 데이터 정보를 신뢰할 수 없기 때문에 신뢰할 수 없는 데이터에서 유용한 정보를 추출하는 방법도 과제입니다.

데이터 수집은 애플리케이션을 위한 것이며 특정 서비스를 완성하기 위해 애플리케이션은 데이터 읽기 및 쓰기와 같은 개체를 제어해야 합니다. 데이터 추상화 계층은 데이터 표시 방법과 해당 작업을 결합하고 공통 인터페이스를 제공합니다. 또한 디바이스의 다양성으로 인해 데이터 표현 방법과 그에 따른 동작이 다르기 때문에 일반적인 데이터 추상화 방법을 찾기가 쉽지 않다.

4. 서비스 관리

네트워크 에지에서의 서비스 관리를 위해서는 시스템 안정성을 보장하기 위해 구별성, 확장성, 격리성 및 신뢰성과 같은 특성이 필요하다고 생각합니다.

차별성: IoT의 급속한 발전으로 네트워크 에지에 여러 서비스가 배포될 것입니다. 서비스마다 우선순위가 달라야 하고, 객체 판단, 장애 경보 등의 핵심 서비스가 다른 공통 서비스보다 먼저 실행되어야 한다. 건강 관련 서비스의 경우 하트비트 감지가 가장 높은 우선 순위를 가져야 합니다.

확장성: 확장성은 네트워크 에지의 큰 과제입니다. IoT의 장치는 모바일 시스템보다 더 역동적입니다. 사용자가 새로 구입한 장비를 원래 시스템에 연결할 수 있는지 여부가 먼저 해결해야 할 문제입니다. 이러한 문제는 유연하고 확장 가능한 서비스 관리 계층을 설계하여 해결할 수 있습니다.

격리: 격리는 네트워크 에지에서 해결해야 하는 또 다른 문제입니다. 모바일 시스템에서 애플리케이션이 충돌하면 전체 시스템이 다시 시작됩니다. 분산 시스템에서 공유 리소스는 잠금 또는 토큰 링과 같은 다양한 동기화 메커니즘을 통해 관리할 수 있습니다. 그러나 EdgeOS에서는 문제가 더 복잡합니다.

여러 응용 프로그램은 조명 제어와 같은 동일한 리소스를 공유합니다. 앱이 충돌하거나 응답하지 않는 경우 사용자는 전체 EdgeOS를 중단하지 않고 계속 조명을 제어할 수 있어야 합니다. 사용자가 시스템에서 조명을 제어하는 ​​앱을 제거한 후에도 조명은 ​​여전히 ​​EdgeOS에 연결되어 있어야 합니다. 프레임워크를 배포/배포 취소하여 이 문제를 해결할 수 있습니다. 앱이 설치되기 전에 충돌이 감지되면 잠재적인 액세스 문제를 방지하기 위해 사용자에게 경고가 전송됩니다. 또 다른 문제는 타사 애플리케이션에서 사용자 개인 데이터를 격리하는 방법입니다. 예를 들어 활동 추적 앱은 배터리 사용량 데이터에 액세스할 수 없습니다. 이 문제를 해결하기 위해 EdgeOS의 서비스 관리 계층에 액세스 제어 메커니즘을 추가할 수 있습니다.

신뢰성: 신뢰성도 중요한 문제입니다. 서비스 관점에서 서비스가 실패한 이유를 정확히 파악하기 어려운 경우가 있습니다. 예를 들어 에어컨이 고장난 경우 가능한 원인에는 정전, 압축기 고장 또는 온도 조절기 배터리 방전 등이 있습니다. 센서 노드는 배터리 소모, 연결 상태 불량 또는 부품 마모로 인해 시스템과의 연결이 끊어질 수 있습니다. EdgeOS가 응답하지 않는 부분을 사용자에게 알리거나 시스템의 어느 부분이 손상될 위험이 있는지 미리 사용자에게 경고할 수 있다면 좋을 것입니다. 시스템 관점에서는 전체 시스템의 네트워크 토폴로지 유형을 유지하는 것이 매우 중요하며 시스템의 각 구성 요소는 EdgeOS에 상태/진단 정보를 보낼 수 있습니다. 이를 통해 오류 감지, 장치 교체 및 데이터 품질 검사와 같은 서비스를 쉽게 배포할 수 있습니다.

데이터 관점에서 신뢰성에 대한 문제는 주로 센서 데이터 및 통신 부분에서 비롯됩니다. 이전에 조사하고 논의한 바와 같이 네트워크 에지는 여러 가지 이유로 실패하여 신뢰할 수 없는 데이터를 전송할 수 있습니다. 또한 많은 수의 센서 노드와 동적 네트워크 조건을 지원할 수 있는 IoT 데이터 수집을 위한 많은 새로운 통신 프로토콜에 대해 언급했습니다. 그러나 연결 안정성은 Bluetooth 또는 WIFI만큼 좋지 않습니다. 데이터와 통신이 신뢰할 수 없다면 안정적인 서비스를 제공하는 것이 어려울 것입니다.

5. 개인 정보 보호 및 보안

네트워크 에지에서 데이터 프라이버시 및 보안 보호는 중요한 서비스입니다. IoT 애플리케이션이 가정에 배치되면 대량의 사용자 개인 데이터가 수집됩니다. 예를 들어, 전기 및 수도 사용량 데이터를 읽어 집에 사람이 있는지 판단할 수 있습니다. 그래서 사생활 침해 없이 서비스를 제공하는 방법도 문제다. 비디오에서 얼굴을 마스킹하는 것과 같은 일부 개인 정보는 데이터를 처리하기 전에 제거할 수 있습니다. 우리는 엣지 데이터 소스, 즉 집에서 컴퓨팅하는 것이 개인 정보와 데이터 보안을 보호하는 좋은 방법이라고 생각합니다.

데이터 프라이버시 및 보안에 대한 인식을 높이고자 합니다. WIFI 네트워크를 예로 들면, 4억 3,900만 개의 홈 네트워크 연결 중 49%의 WIFI 네트워크가 안전하지 않고 홈 라우터의 80%가 기본 암호를 사용합니다. 공용 Wi-Fi 핫스팟의 89%는 안전하지 않습니다. 서비스 공급자, 시스템 및 애플리케이션 개발자, 최종 사용자를 포함한 모든 이해 관계자는 사용자 개인 정보가 침해될 수 있음을 인식해야 합니다. 카메라, 건강 모니터, 심지어 WIFI 장난감도 보호되지 않은 상태로 두면 다른 사람이 연결할 수 있습니다.

언급할 두 번째 문제는 데이터 소유권입니다. 모바일 애플리케이션에서 최종 사용자 데이터는 서비스 공급자가 저장하고 분석합니다. 그러나 데이터를 생성된 위치에 유지하고 사용자가 데이터를 소유하도록 하면 개인 정보를 더 잘 보호할 수 있습니다. 건강 데이터와 마찬가지로 Edge에서 수집된 사용자 데이터는 Edge에서 보관해야 하며 서비스 제공자에게 제공할지 여부는 사용자가 결정합니다.

세 번째 문제는 네트워크 에지에서 프라이버시와 데이터 보안을 보호할 수 있는 효과적인 도구가 너무 적다는 것입니다. 일부 장치에는 리소스가 제한되어 있으며 현재 일부 보안 보호 방법을 배포할 수 없습니다. 또한 네트워크 엣지의 환경은 변덕스럽기 때문에 공격에 취약하고 보호하기 어렵습니다. 프라이버시를 보호하기 위해 mHealth와 같은 일부 플랫폼은 통합 건강 데이터 저장 표준을 제안했습니다. 그러나 에지 컴퓨팅의 경우 모든 종류의 데이터를 처리할 수 있는 도구가 부족합니다.

6. 지표 최적화

에지 컴퓨팅에는 컴퓨팅 성능을 갖춘 여러 계층이 있습니다. 그렇다면 워크로드는 어떻게 분배해야 할까요? 각 계층에 부하를 고르게 분산시키거나 각 계층에서 최대한 많은 작업을 완료하는 등 다음과 같은 분산 전략을 고려할 수 있습니다. 극단적인 경우는 완전히 엔드포인트에서 작동하거나 완전히 클라우드에서 작동합니다. 최상의 할당 전략을 선택하기 위해 이 섹션에서는 대기 시간, 대역폭, 에너지 소비 및 비용을 비롯한 몇 가지 최적화 메트릭에 대해 설명합니다.

대기 시간: 대기 시간은 특히 대화형 애플리케이션 또는 서비스에서 성능을 측정하는 가장 중요한 메트릭 중 하나입니다. 클라우드 컴퓨팅의 서버는 강력한 컴퓨팅 기능을 제공할 수 있습니다. 이미지 처리, 음성 인식 등과 같은 매우 복잡한 작업을 짧은 시간에 처리할 수 있습니다. 그러나 대기 시간은 계산 시간에 의해 결정되지 않습니다. 긴 네트워크 대기 시간은 실시간/대화형 애플리케이션의 동작에 큰 영향을 미칠 수 있습니다. 대기 시간을 줄이려면 가장 가까운 물리적 계층에서 작업을 수행하는 것이 가장 좋습니다.

예를 들어 스마트 시티의 경우 휴대폰을 사용하여 먼저 로컬 사진을 처리한 다음 모든 사진을 업로드하는 대신 실종 아동에 대한 정보만 클라우드에 보내면 되므로 이 방법이 더 빠릅니다. 그러나 가장 가까운 물리적 계층에서 작업하는 것이 항상 최선의 방법은 아닙니다. 리소스 사용량을 고려하고 불필요한 대기 시간을 피해야 최적의 논리 계층 구조를 구축할 수 있습니다. 예를 들어, 사용자가 게임을 할 때 휴대폰의 컴퓨팅 리소스가 점유되었기 때문에 가장 가까운 게이트웨이 또는 마이크로 센터로 사진을 전송하여 처리하는 것이 가장 좋습니다.

대역폭: 대기 시간 관점에서 높은 대역폭은 전송 시간을 줄입니다. 단거리 전송을 위해 높은 대역폭을 구축하여 데이터를 에지로 보낼 수 있습니다. 한편으로 데이터를 에지에서 처리할 수 있으면 시스템 대기 시간이 크게 줄어들고 에지와 클라우드의 대역폭도 절약할 수 있습니다. 예를 들어 스마트 홈의 경우 WIFI 또는 기타 고속 전송 방법을 통해 거의 모든 데이터를 게이트웨이에서 처리할 수 있습니다. 또한 전송 거리가 비교적 짧기 때문에 전송의 신뢰성도 향상됩니다. 반면에 Edge가 모든 작업을 수행하고 전송 거리를 줄일 수는 없지만 데이터를 전처리하여 업로드되는 데이터의 양을 최소한 크게 줄일 수 있습니다.

전력 소비: 배터리는 네트워크 에지에 있는 장치의 가장 소중한 리소스입니다. 끝점 계층의 경우 가장자리에서 일부 작업을 수행하면 에너지가 절약됩니다. 그러나 핵심은 컴퓨팅 에너지 소비와 전송 에너지 소비 간의 균형을 맞추는 것입니다. 일반적으로 워크로드의 에너지 소비 특성을 먼저 고려합니다. 계산량이 많은가요? 얼마나 많은 자원이 사용될 것인가? 네트워크 신호 강도 외에도 데이터 크기 및 사용 가능한 대역폭은 전송 에너지 소비에 영향을 미칩니다. 전송 오버헤드가 로컬 컴퓨팅 오버헤드보다 적으면 엣지 컴퓨팅을 사용하는 것이 좋습니다.

그러나 엔드포인트만이 아니라 전체 에지 컴퓨팅 프로세스에 초점을 맞추면 총 에너지 소비는 각 계층의 에너지 소비의 합계가 되어야 합니다. 엔드포인트 계층과 유사하게 각 계층의 에너지 소비에는 로컬 컴퓨팅 에너지 소비와 전송 에너지 소비가 포함됩니다. 따라서 최적의 작업 할당 전략이 변경될 수 있습니다. 예를 들어, 로컬 데이터 센터가 바쁘다면 작업을 상위 계층에 업로드하여 완료해야 합니다. 엔드포인트에서의 컴퓨팅과 비교할 때 다중 홉 전송은 시스템 오버헤드를 크게 증가시켜 에너지 소비를 증가시킵니다.

비용: YouTube, Amazon 등과 같은 서비스 공급자의 관점에서 엣지 컴퓨팅은 대기 시간과 에너지 소비를 줄여 데이터 처리량을 높이고 사용자 경험을 향상시킵니다. 따라서 동일한 워크로드를 처리하면서 더 많은 수익을 올릴 수 있습니다. 예를 들어, 대다수 거주자의 관심사에 따라 건물 레이어의 가장자리에 특정 인기 비디오를 배치하여 도시 레이어의 가장자리가 더 복잡한 작업을 처리하고 전체 데이터 처리량을 향상시킬 수 있습니다. 서비스 공급자의 입력은 각 계층을 생성하고 유지하는 비용입니다. 각 계층에서 로컬 데이터를 최대한 활용하기 위해 공급자는 데이터 위치에 따라 사용자에게 요금을 부과할 수 있으며 서비스 공급자의 이익과 사용자 수용성을 보장하기 위해 새로운 비용 모델을 개발해야 합니다.

보조 제목

04 요약

누군가가 처음 인터넷에서 창업에 대해 이야기했을 때 사람들은 그것이 농담이라고 생각했습니다. 에지 컴퓨팅의 경우 처음에는 많은 의심이 있었습니다. 공장 현장은 IT 발전의 가장 중요한 영역으로 볼 수 있으며 25년 전 통신에서 그랬던 것처럼 산업에서도 동일한 변화가 일어날 것입니다. 가상 모드의 범용 컴퓨터, 가상 컴퓨터는 모든 것을 바꿀 것입니다. 거부할 수 없을 만큼 경제적 가치가 매력적이었기 때문이다.

이제 Edge에서 데이터를 처리하면 더 짧은 응답 시간과 더 나은 안정성을 보장할 수 있기 때문에 점점 더 많은 서비스가 클라우드에서 네트워크의 Edge로 이동합니다. 데이터를 클라우드로 전송하여 대역폭을 절약합니다. 사물 인터넷과 모바일 기기의 인기는 컴퓨팅 패러다임에서 엣지의 역할을 변화시켰고, 엣지는 순수한 데이터 소비자에서 데이터 생산자 및 소비자로 변화하고 있습니다. 네트워크의 가장자리에서 데이터를 처리하는 것이 더 효율적입니다.

에지 컴퓨팅의 가치 다시 요약: 클라우드 컴퓨팅의 확장으로서 에지 컴퓨팅은 클라우드 컴퓨팅의 서비스 기능을 사용자에게 더 가까운 에지로 확장하여 애플리케이션이 지연 시간이 짧은 비즈니스 경험을 제공하도록 돕습니다. 우리는 엣지 컴퓨팅이 미래의 데이터 처리를 보다 효율적으로 만들고 삶을 더 좋게 만들기를 바랍니다.

이 기사는 저자의 관점을 나타낼 뿐 투자 조언을 구성하지 않습니다.