엣지 컴퓨팅에서 바이 앱 사용에 대한 가이드

요즘 모두가 엣지 컴퓨팅에 대해 이야기하고 있지만 그것이 무엇인지 이해하는 사람은 거의 없습니다. 간결하게, 엣지 컴퓨팅은 센서 또는 게이트웨이에 가까운 데이터 소스에 가까운 처리를 의미합니다. IT가 대안으로 엣지 컴퓨팅을 가장 잘 관리하는 방법을 알고 싶다면 동료 및 PCMag IT Watch 기고자 인 Wayne Rash의 칼럼 인 "5G 및 Edge Cloud Computing에 대한 생각을 시작해야하는 IT"를 확인하십시오. 그러나이 기사의 목적 상, 에지 컴퓨팅을 "100 평방 피트 미만의 풋 프린트"를 갖는 "마이크로 데이터 센터의 메시 네트워크"로 정의하는 시장 조사 회사 IDC의 설명으로 시작할 수 있습니다.

기술 영역에서 대부분의 새로운 용어와 마찬가지로 "에지 컴퓨팅"이 널리 사용되며 블록 체인, CDN (콘텐츠 전송 네트워크), 그리드 컴퓨팅, 메시 컴퓨팅 및 P2P를 포함한 다양한 다른 전문 용어와 연계되어 있습니다. 피어 컴퓨팅. 에지 컴퓨팅과 관련하여 어떤 기술을 사용하든 공통적 인 작업은 데이터가 처리되는 위치와 해당 결과의 최종 결과가 영향을 미치는 거리를 단축하여 데이터 분석 및 관련 작업을 가속화하는 것입니다.

어려운 비즈니스 인텔리전스 (BI) 통찰력을 실행 가능한 통찰력으로 전환 할 때 핵심 고려 사항입니다. 그러나 BI (특히 지연 시간이 짧은 분석)와 엣지 컴퓨팅이 기술 분야에서 일치하는 것처럼 보이지만 둘을 결합하기 전에 고려해야 할 사항이 많습니다.

Edge에서의 분석과 스트리밍 분석

지속적인 컴퓨팅 쓰나미 (IoT) 데이터를 클라우드로 전송할 수있는 다른 실질적인 방법이 없다는 사실을 알게되면 에지 컴퓨팅의 분석에 대한 중요성이 분명해집니다. 대기 시간 문제는 자율 주행과 같은 새로운 분석 애플리케이션에서 치명적일 수 있습니다. 데이터 오버 플로우는 "스트리밍 업, 스코티"라고 말하는 것보다 짧은 시간 내에 광대역에서 병목 상태로 이동합니다.

예, 스트리밍 분석은 불과 2 년 전 IoT 데이터에서 실시간 읽기를 가져 오는 대기 시간에 민감한 만병 통치약으로 선전되었습니다. 그러나 스트리밍 분석에는 여전히 많은 단점이 있지만 물리를 변경할 수는 없습니다. 네트워크의 수많은 라우터 홉, 가상화 패킷 지연, 연결 끊기 및 기타 물리적 제약으로 인해 엄청난 데이터 전송 속도가 느려집니다. 원격 지역의 IoT의 경우 네트워크 연결을 얻는 것은 어느 날이든 강력한 제안입니다.

이러한 모든 문제가 데이터와 컴퓨팅 프로세스 사이의 물리적 거리에 의해 확대된다는 것은 문제가되지 않습니다. 이러한 이유로 스트리밍 스트리밍 분석은 실시간이 아닌 "실시간에 가까운"경향이 있습니다. 예를 들어, 자율 주행 자동차가 브레이크를 밟고 충돌을 피하기 위해 시간 내에 출력이 필요한 경우, 그 지연은 아무리 작더라도 큰 문제입니다. 해당 고속도로의 모든 차량이 한 번에 제동되도록하려면 더 큰 문제입니다.

요컨대 Star Trek과 실제 데이터 전송자에는 한계가 있으며 IT 분야에서 Scotty가 할 수있는 일은 많지 않습니다. 오늘날의 네트워크가 처리하기에는 너무 많은 IoT 데이터가 있으며 여전히 놀라운 속도로 볼륨이 증가하고 있습니다. 가장 큰 장점: 에지 컴퓨팅은 네트워크를 통한 정보의 흐름을 막고 더 빠른 분석 결과를 제공합니다.

엣지 클라우드 및 클라우드

이러한 마이크로 데이터 센터는 협업, 의사 소통 또는 상호 의존적 인 기능에 함께 참여할 수 있으며 종종 "에지 클라우드"라는 용어를 사용하는 것을 좋아합니다.

예를 들어, 현대 자동차에는 개별 시스템을 관리하기 위해 설계된 수백 대의 임베디드 컴퓨터가 있지만 시스템이 서로 통신하고 필요에 따라 적응할 수 있도록 서로 연결되어 있습니다. 다시 말해, 이들은 개별적으로, 집단적으로, 그리고 에지 컴퓨팅을 많이 사용하여 다양한 복잡한 기능을 완성합니다.

미국 에너지 부의 태평양 북서부 국립 연구소 (PNNL)의 임베디드 및 무선 시스템 과학자 / 엔지니어 인 Johnathan Vee Cree 박사는“관찰 된 조건에 반응 할뿐만 아니라 시간이 지남에 따라 학습하고 적응할 수있다”고 말했다. 예를 들어, 현대식 연료 분사 시스템은 동력 및 연료 효율을 최적화하기 위해 자동차의 주행 패턴을 관찰 할 것입니다.이 데이터의 실시간 특성으로 인해 가장자리 이외의 다른 곳에서는 처리 할 수 ​​없습니다."

다중 시스템 온보드 상호 종속성이 있어도 "에지 클라우드"라는 용어는 정확하지 않기 때문에 이해가 더 어려워지는 경향이 있습니다.

비 크리 (Vee Cree)는“IoT 기기에 관해 이야기 할 때 고려 사항은 클라우드와 거의 반대이다. "IoT 장치는 일반적으로 저장 및 처리 능력이 제한적이며 외부와 간헐적으로 연결될 수 있으며 배터리로 전원을 공급받을 수 있습니다.이 장치의 핵심 가치는 사용 가능한 원시 센서 값을 의미있는 데이터로 변환하는 능력입니다."

위의 Edge Computing Devices 그래픽은 TECHnalysis Research의 허가를 받아 재 인쇄되었습니다.

그러나 엣지 컴퓨팅과 클라우드 컴퓨팅은 상호 배타적이지 않습니다. 실제로, 그들은 가장 성공적인 IoT 데이터 전략에 얽혀 있습니다. 그것은 곧 변하지 않을 것입니다.

"엣지와 클라우드 컴퓨팅의 조합의 예는 Tesla의 자동 조종 장치 기능에서 비롯됩니다. 자동 조종 장치 시스템은 끊임없이 변화하는 주행 조건을 감지하고 반응해야합니다. 이는 위험을 감지하고 피할 수있는 기계 학습 알고리즘을 사용하여 수행됩니다. PNNL의 소프트웨어 엔지니어 인 윌리엄 모글 레인 (William Moeglein)은이 데이터는 실시간으로 결정을 내리는 데 사용되지만 클라우드와 공유되어 모든 운전자의 자동 조종 기능을 개선하는 데 사용됩니다.

엣지 및 클라우드 콤보 플레이는 단순히 작동하기 때문에 일반적입니다. 그것은 두 세계의 최고를 활용하지만 도시에서 유일한 게임은 아닙니다. Bob O'Donnell 회장의 보고서에 따르면 실제로 에지 분석의 36 %는 기업 데이터 센터에 위치하고 있으며, 에지에 34 %, 클라우드에 29 % 있습니다. TECHnalysis Research의 수석 애널리스트. 즉, 에지 분석을 구현하는 방법에 옵션이 있습니다. 선택은 전적으로 당신이하려는 일과 그 목표를 달성하려는 조건에 달려 있습니다.

"컴퓨터에서 배터리를 사용하는 경우 컴퓨팅 전력과 에너지 사용 간의 절충이 제한 요소가 될 수 있습니다. 전력 소비가 중요한 경우 지속적인 센서 판독 값에 액세스 할 수 있음에도 불구하고 작은 데이터 샘플을 기반으로 결정을 내릴 수 있습니다." PNNL의 모글 레인.

"가장자리 컴퓨팅은 통신이 보장되지 않거나 단방향 또는 제한적인 분야의 장치에 대한 피드백을 가능하게한다"고 Moeglein은 계속 말했다. "시스템이 배터리로 수십 년 또는 수십 년 동안 작동 할 것으로 예상되는 경우, 에지 컴퓨팅은 전송되는 데이터를 줄임으로써 더 긴 장치 수명을 제공하는 데 사용될 수 있습니다."

위의 포그 컴퓨팅 그래픽은 Cisco Systems, Inc.의 허가로 재 인쇄되었습니다 .

엣지 클라우드 디포 깅

분석이 수행되는 위치와 방법을 관리하고 최적화하기위한 자동화로 IT 및 네트워킹 공급 업체 인 Cisco Systems가 만든 용어 인 "포그 컴퓨팅"이라는 개념으로 이어졌습니다. 이 전략에서 Cisco가 백서에서 설명하는 것처럼 "개발자는 네트워크 에지에서 포그 노드를위한 IoT 응용 프로그램을 포트하거나 작성합니다. 네트워크 에지에 가장 가까운 포그 노드는 IoT 장치에서 데이터를 수집합니다. fog IoT 애플리케이션은 다양한 유형의 데이터를 최적의 분석 장소로 보냅니다. " 위의 그래픽에서 볼 수 있듯이 Cisco의 관점에서 포그 컴퓨팅은 클라우드를 데이터 수집을 수행하는 실제 장치에 더 가깝게 확장합니다. Cisco는 포그 노드를 IoT 장치와 가까이 배치함으로써 분석 속도를 높이고 대기 시간을 줄입니다.

일부는 클라우드 컴퓨팅이 에지, 특히 IoT 디바이스에서 네트워크 에지에서 컴퓨팅되는 에지 컴퓨팅과 달리 에지로 푸시 된 것으로 생각하기가 더 쉽다고 말합니다. 확실히 미묘한 차이가 있습니다.

두 개념이 매우 유사하기 때문에 사람들은 종종 "에지 컴퓨팅"과 "포그 컴퓨팅"을 서로 교환하여 사용합니다. 데이터를 분류하고 분석하기 위해 다양한 위치로 데이터를 정렬하고 라우팅하는 것은 포그 컴퓨팅의 기능입니다. 포그 컴퓨팅은 IoT 디바이스와 같은 에지에서가 아니라 "가장 가까운 에지"(즉, 게이트웨이)입니다.

요컨대, 엣지 컴퓨팅이 무엇인지에 대한 합의는 없지만 문제를 흐리게하는 사람들은 도움이되지 않는다고 말합니다. 앞서 언급 한 TECHnalysis Research 보고서에 따르면, 더 많은 사람들은 엣지 컴퓨팅이 게이트웨이 (13.2 %)보다 엔드 포인트 (29.8 %)로 구성되어 있다고 생각하지만 44 %는 둘 다라고 생각합니다."

PNNL의 Vee Cree는“최종 사용 애플리케이션은 궁극적으로 시스템 요구를 주도하고 에지 또는 클라우드에서의 처리 이점 간의 균형을 찾는 것을 목표로합니다.

여기에는 단 하나의 경험 법칙 만 있습니다. 실시간 또는 실시간으로 결정이 필요한 경우 가능한 한 데이터 소스에 가깝게 처리하십시오. 에지 컴퓨팅은 대기 시간을 줄이고 에너지 소비를 줄이며 네트워크 트래픽을 줄 이도록 선택합니다.

API, 앱 및 생태계

일반적으로 에지 컴퓨팅과 함께 사용되는 앱은 속도와 효율성을 달성하는 것을 목표로합니다. 여기서는 독립형 BI (비즈니스 인텔리전스) 앱을 찾을 가능성이 적지 만 임베디드 BI 기능과 물론 애플리케이션 프로그래밍 인터페이스 (API)를 사용하여 IoT 데이터를 클라우드의 기존 BI 앱 및 프레임 워크에 결합합니다.

"에지 컴퓨팅의 개념은 대기 시간과 연결이 문제가되는 시나리오에서도 기업이 클라우드 컴퓨팅의 이점을 수용하도록 돕습니다. 일부 응용 프로그램은 클라우드 및 그와 같은 경우 Tableau 로의 왕복을 금지하는 데이터 크기 또는 속도 요구 사항을 처리합니다. Tableau Software의 제품 마케팅 부사장 인 Mark Jewett은 로컬 응용 프로그램에 내장 된 분석 기능을 통해 신속하게 통찰력을 얻을 수 있습니다.

"다른 경우, 에지 컴퓨팅은 연결성이 신뢰할 수 없거나 비용이 많이 들거나주기적인 시나리오를 처리 할 수있는 방법을 제공합니다. 선박과 같은 이동하는 것, 석유 플랫폼이나 광산과 같은 멀리 떨어진 것 또는 상황과 같은 예 연결성이 좋지만 가동 중지 시간이 매우 비싼 제조 공장 시스템과 같은 중단 위험을 감수 할 가치가없는 경우 전체 워크 스테이션에 액세스 할 수없는 분석가 및 기타 현장 사용자는 여전히 동일한 분석 기능을 원합니다 알게되었습니다."

Tableau는 에지에서 데이터를 처리하거나 처리하는 유일한 BI 공급 업체가 아닙니다. Microsoft는 고객 사례 중 하나 인 Schneider Electric을 지적했습니다. 슈나이더 일렉트릭 (Schneider Electric)은 Azure Machine Learning과 Azure IoT Edge를 사용하여 원거리 지역의 안전을 개선하고 사고를 줄이기 위해 오일로드에서 예측 유지 보수를 수행하는 엣지 앱이 있다고 밝혔다. 데이터 처리는 장치에서 수행됩니다. 이는 클라우드 인텔리전스 (클라우드에서 학습 한 ML 모델)를 엣지 기기 자체로 가져 와서 달성됩니다. 이를 통해 대규모 교육 데이터 세트를 기반으로 이상을 빠르게 탐지 할 수 있습니다.

한편 IBM Watson은 주변 및 장치 음성 및 대화 분석, 드론 이미지 및 비디오 분석, 유지 관리 및 안전 음향 분석을 포함한 수많은 사용 사례를보고하고 있습니다.

소비자 솔루션의 IBM Watson IoT 부사장 인 Bret Greenstein은 "이러한 모든 경우에 에지 분석을 통해 장치에서 로컬로 작동함으로써 성능, 비용 및 개인 정보 보호 기능을 향상시킬 수 있습니다. "가장자리의 컴퓨팅 성능이 향상되고 ML이 발전하여 더욱 전문화 된 사용 사례가 만들어 짐에 따라 성장은 흥미 롭습니다.

"장치는보고 듣는 내용을 '이해'할 수 있으며 이해를 통해 더 나은 서비스를 제공하고 더 나은 선택을 할 수 있습니다. 실시간으로 발생하고 있습니다. 실제 데이터는 에지 장치에서 통찰력으로 변환 될 수 있으므로 "데이터를 클라우드로 보내야하므로 비용이 개선되고 새로운 형태의 개인 정보 보호가 가능합니다."

새로운 계층의 개인 정보 보호를 추가하면 회사의 부채를 줄이는 데 많은 도움이되지만 데이터 회사는 번성해야합니다.

숫자 별 엣지 컴퓨팅 앱

TECHnalysis Research에 따르면 엣지 컴퓨팅이 초기 단계라는 점을 명심하면 엣지 컴퓨팅 앱이 새로운 것 (39 %)에 불과하다는 것은 놀라운 일이 아닙니다. 대다수 (61 %)는 마이그레이션 된 클라우드 앱입니다. 즉, 다음은 최첨단 컴퓨팅 앱입니다.

운영 분석 (44 %)

공정 모니터링 (35 %)

직원 모니터링 (32 %)

원격 자산 모니터링 (28 %)

직장 / 안전 준수 (24 %)

예측 유지 보수 (22 %)

현장의 물리적 자산 추적 (20 %)

동일한 TECHnalysis Research 보고서에 따르면 클라우드 앱을 엣지로 마이그레이션해야하는 5 가지 이유는 보안을 개선하고 비용을 절감하며 대기 시간을 줄이고 로컬 제어를 개선하며 네트워크 트래픽을 줄이는 것입니다.

BI 렌즈를 통해 엣지 컴퓨팅으로 효율성과 기회가 향상됩니다. 따라서 클라우드 앱을 먼저 마이그레이션하거나 기존 IoT 앱에 분석을 포함시켜 가장 빠른 위치에 배치 할 수 있습니다. 예를 들어, 공장 현장의 로봇 장치에서 모든 데이터를 스트리밍하고 분석하는 대신 센서에 의해 생성되는 반복적 인 정보의 양인 플로트 삼을 분사 할 수 있습니다.

대신 에지 컴퓨팅을 사용하여 "데이터 변경"만 기록하고 분석 할 수 있습니다. 이는 동일한 소스에서 스트리밍되는 다른 데이터와는 다른 방식으로 다른 데이터를 의미합니다. 예를 들어, 북극권보고에 풍차가 있다고 상상해보십시오. "괜찮아요. 괜찮아요. 괜찮아요. 블레이드가 2 초 동안 붙어 있습니다. 괜찮아요. 괜찮아요. 괜찮아요." 블레이드 고착에 관한 비트는 변경 데이터입니다. 따라서 "바람 이동"으로 인해 기계가 회전하여 더 많은 에너지를 모을 수 있습니다. 변경 데이터는 변경 사항을 기록하므로 가장 중요한 데이터 요소입니다.

이러한 경우 가장 중요한 앱은 관련 데이터로만 작동합니다. 일부는 "스마트 데이터"라고 부릅니다. 중요한 세부 사항을 쉽게 볼 수있을 때 왜 바다를 끓여야합니까? 스마트 데이터 앱을 사용하면 수집 지점에서 데이터를 사용할 수 있으며 기존 BI 앱에서 추가 블렌딩 및 분석을 위해 클라우드에 제공 할 데이터를 결정할 수도 있습니다. 이러한 방식으로 데이터 마이닝은 비즈니스 효과를 극대화하도록 최적화됩니다.

BI 및 Edge 컴퓨팅 전략을위한 4 가지 팁

에지 컴퓨팅 트렌드를 뛰어 넘고 클라우드에서 앱 마이그레이션을 시작하기로 결정하는 것은 상대적으로 쉽습니다. 그러나 전략없이 행동하는 것은 심각한 실수입니다. 토스트기와 같은 임의의 것들이 인터넷에 빠르게 연결되어 다음 CES에 자랑스럽게 전시 된 IoT의 초기 시절을 기억하십니까?

전략이 무의미하거나 누락 된 경우 스마트 데이터조차도 도움이되지 않습니다. 따라서 BI 및 엣지 전략을 구성 할 때 고려해야 할 4 가지 사항이 있습니다.

1. 추가 데이터 마이닝 기회를 위해 현재 IoT 플레이를 재평가하십시오. 예를 들어, 식료품 점 또는 제조업체는 냉장 및 트럭 센서와 같은 공급망의 데이터를 사용하여 원자재의 출처를 확인하거나 검증 할 수 있습니다. 지속 가능성 블록 체인에 추가 된 이러한 정보는 환경 의식이있는 소비자를 유치하기 위해 마케팅에 사용될 수 있습니다.

소매 업체는 매장에서 컴퓨터 비전과 엣지 컴퓨팅을 사용하여 소비자를 스캔하여 쇼핑객이보고있는 의류가 실제로 어떻게 어울리는 지에 대한 3D 현장 표시를 보여줄 수 있습니다. 이를 통해 판매 실을 개선하고 탈의실 및 관련 보안 및 개인 정보 보호 문제를 없앨 수 있습니다. 그러나 데이터를 클라우드로 보내 다른 소비자 데이터와 혼합하여 회사의 더 큰 전략을 알릴 수도 있습니다.

보유하고있는 IoT를 최대한 활용할 수있는 기회를 찾으십시오. 생성 한 데이터로 무엇을 할 수 있습니까? 다른 데이터를 사용하여 수집 및 처리 할 수 ​​있습니까?

2. 가장자리에 필요한 앱을 결정하십시오. 앱을 마이그레이션하거나 일부 분석을 포함 시키거나 사용자 지정 앱을 작성해야 할 수도 있습니다. 그것은 모두 당신이하려는 일에 달려 있습니다. 비즈니스 목표가 앱 선택을 안내합니다.

Edge 용 앱 개발에 대한 자세한 내용은 OpenStack Foundation에서 주최 한 OpenDev 컨퍼런스입니다. OpenStack은 오픈 소스 클라우드 컴퓨팅 프로젝트이며 엣지 컴퓨팅이 가장 인기있는 주제입니다. 또한 오픈 컴퓨팅은 거의 모든 컴퓨팅에서와 마찬가지로 엣지 컴퓨팅에서 뜨겁습니다. 또한 에지 컴퓨팅 공급 업체에서 제공하는 앱과 BI 앱 공급 업체에서 제공하는 내장 분석을 고려할 수도 있습니다.

3. 사용하려는 새로운 기술을 선택하십시오. 공급 업체에 데모를 제공하여 사용하려는 기술, 사용 가능한 앱 및 앱 개발에 대한 지침을 얻을 수 있습니다. 예를 들어, AWS (Amazon Web Service) 및 AWS Greengrass, Microsoft Azure IoT Edge 및 Cisco 및 IBM Watson IoT는 IoT 에지 컴퓨팅을위한 분석 및 앱뿐만 아니라 다양한 기술을 제공합니다.

또한 다양한 블록 체인, CDN, P2P 및 기타 순수 플레이 공급 업체를 확인할 수 있습니다. 그러나 Dell Inc., IBM Corp. 및 Hewlett Packard Enterprise (HPE)와 같은 기술 대기업을 간과하지 마십시오. 이들은 하드웨어에 추가 스토리지 및 컴퓨팅 및 분석 기능을 추가하여 에지 장치로 변환했습니다.

벤더를 진지하게 평가하기 전에 옵션에 대해 알아보십시오. 또한 공급 업체에 문의하기 전에 회사에서 현재 사용중인 IoT 기술 유형과 추가하려는 유형의 인벤토리를 확인하십시오. 그렇게하면 더 잘 추적 할 수 있습니다.

4. 진화를위한 계획. 성숙에 이르는 길에는 모든 미성숙 한 기술과 트렌드가 따르는 패턴이 있습니다. BI와 엣지에서도 동일한 진화가 일어날 것으로 예상됩니다. 그렇습니다. 벤더 통합이있을 수 있습니다. 그것을 명심하십시오.

또한 클라우드 기술을 클라우드에서 분리하여 가장자리에서도 사용할 수 있는지 확인하십시오. 클라우드 또는 엣지를 사용할 때 최대한의 유연성을 제공하는 디커플링을보고 싶을 것입니다. 단일 벤더가 아닌 다양한 에코 시스템에서보다 스마트 한 앱을 통해 비용을 절감하고 효율성을 높일 수 있습니다. 이전 투자에서 큰 손실없이 예측 가능한 변경에 적응할 수 있도록 계획을 단기 및 장기 계획으로 만드십시오.