[테크M=박상묵 씨피프티원 CSO]

사물인터넷(IoT)과 인공지능(AI) 기술에 의해 구현되는 시스템은 종종 인체에 비유되곤 한다.

수많은 센서들이 시각, 청각, 촉각 등 감각세포 역할을 하고, 이들로부터 발생한 신호가 전송되는 네트워크는 신경 역할, AI는 해당 신호들을 분석해 행동 지령을 결정하는 뇌와 같은 역할을 담당한다. 지령은 다시 네트워크를 통해 전송되고 근육의 역할을 하는 장비들은 지령을 행동으로 옮긴다.

클라우드컴퓨팅(Cloud Computing)과 요즘 클라우드를 보완할 수 있는 개념으로 주목받고 있는 엣지컴퓨팅(Edge Computing)도 인체로 설명이 가능하다.

먼저 클라우드 컴퓨팅은 뇌가 있어야 할 장소와 운영 방식에 대한 개념이다.

반면 엣지컴퓨팅은 뇌가 클라우드인지 인프라를 내부에 직접 구축해 쓰는 온프레미스(On-premises)인지에 초점을 맞추지 않는다.

빠르고 단순하게 반응해야 하는 반사 행동이나 당장은 무시해도 좋은 상황은 굳이 뇌를 거치지 않고 신경 단에서 처리함으로서 뇌에 걸리는 부하를 줄이고자 하는 개념이다.

IoT에서 엣지컴퓨팅은 트리아지(동시에 발생한 병자, 부상자에 대해 긴급도, 중증도를 판별해 치료자의 우선순위를 정하는 것) 와 같은 역할을 한다. 즉 센서와 디바이스에서 쏟아지는 데이터를 네트워크 엣지에서 먼저 선별하고 처리한 다음 중요한 데이터만을 서버로 보내는 것.

이를 통해 시스템은 빠른 대처를 필요로 하는 서비스의 지연 시간을 줄이는 동시에 서버 부하 또한 감소시킬 수 있다.

엣지컴퓨팅 응용 분야는 점점 확산되는 추세다. 커넥티드카도 그중 하나. 커넥티드카의 경우 주변 인프라와 커뮤니케이션이 빈번하게 일어난다.

클라우드만으로는 커넥티드카에서 발생하는 데이터를 효과적으로 커버하기는 무리가 있다는 지적이다. 실시간 대응이 필요한 상황은 특히 그렇다. 도요타가 클라우드의 한계를 극복하기 위한 엣지컴퓨팅 기술 개발에 속도를 내는 것도 이 때문이다.

이동통신 업계에서도 엣지컴퓨팅이 변수다. 모바일 엣지 컴퓨팅(MEC)에 대한 관심이 높아지는 추세다.

모바일 엣지 컴퓨팅은 통신사가 구축한 모바일 기지국이나 와이파이 인프라를 신호 중계기로만 이용하는 것이 아니라, 컴퓨팅 자원도 배치해 엣지컴퓨팅용으로도 활용할 수 있도록 하는 것이 골자다.

한창 기술개발 중인 5세대 이동통신(5G) 영역에서 특히 주목받고 있다. 클라우드 컴퓨팅 산업은 아마존, 마이크로소프트, 구글 등이 주도하며 2470억 달러 규모 시장으로 성장했다.

웹검색과 소셜 네트워크, 스트리밍 미디어 서비스를 지원하는 컴퓨팅 인프라로 클라우드 서비스는 이상적인 모델이었다. 그러나 자율주행차나 모바일 혼합현실 등 지연시간을 감당하기 힘든 애플리케이션에는 적합치 않다는 지적이다.

이에 엣지 컴퓨팅 네트워크가 클라우드의 레이턴시 문제를 해결할 수 있는 보완재로 업계 관계자들 사이에서 많이 회자되고 있다.

엣지 컴퓨팅은 각종 기기 근처에 소규모 서버들, 이른바 엣지 네트워크를 배치해 지연시간 문제를 해결하는데 초점이 맞춰져 있다.

최근의 관심을 반영하듯, 엣지 컴퓨팅 전문업체들도 속속 등장하고 있다. 엣지컴퓨팅이 향후 클라우드의 영역을 침범하게 될 것인지에 대해서는 다양한 의견들이 있으나, 당장 IoT 데이터로 인해 발생하는 서버 부하와 지연 시간의 개선이 필요한 상황이라면 클라우드를 효과적으로 보조할 수 있음은 확실하다.

2018년 엣지컴퓨팅에서 눈여겨 보아야 할 요소들을 간단히 소개한다.

정책과 전략 준비됐나

엣지컴퓨팅은 기술보다는 시스템 구조, 그 중에서도 특히 정책과 비용에 의해 결정되는 시스템 구조를 다룬다.

굳이 서버에 실시간 업데이트가 필요하지 않은 데이터들, 프라이버시 보호 등 규제에 대응하기 위해 일부 삭제· 요약 후 전송해야 하는 데이터들, 또는 수십밀리초 내에 반응해야 하는 처리 프로세스 등을 정책적으로 결정해 엣지에서 처리, 저장, 전송할 데이터와 프로세스를 체계적으로 분류하는 방법으로 서버 및 네트워크 부하 감소와 속도개선 효과를 누릴 수 있다.

이와 같은 정책 및 전략에 대한 준비가 되어있다면 공장이나 로컬 사업장 범위 정도에서는 엣지컴퓨팅을 구축하는데 기술적 장벽은 없다고 할 수 있다.

자사 IoT 구축에 엣지컴퓨팅 구조를 고려하고 있다면 서버와 엣지의 자원 분배를 통해 운영 비용과 반응 속도의 이득을 얻을 수 있을지부터 분석해봐야 할 것이다.

딥러닝 인공지능 활용 주목

엣지컴퓨팅으로 자사 IoT 시스템에서 서버 비용을 절감하고 지연 시간을 줄이고자 한다면, 단순히 서버 소프트웨어가 엣지에서 동일하게 구동되는 방식을 떠올리지는 않을 것이다.

엣지 게이트웨이 인프라를 위해 고가 전용 서버를 설치하고 연산에 큰 부하가 걸리는 소프트웨어를 실행해야 한다면 결과적으로 서버 수만 늘리는 것일 뿐이다.

엣지컴퓨팅이 IoT 시스템에서 효과를 발휘하도록 하는 요인 중에는 딥러닝 인공지능 기술도 있다.

딥러닝은 학습을 위해 수많은 데이터와 GPU를 이용한 연산을 필요로 하는 반면, 학습 결과로 도출된 로직의 실행에 있어서는 선형 함수가 연산의 대부분을 차지하고 있기 때문에 그 효과에 비해 연산 부하가 낮은 편이다.

즉 데이터 처리 로직의 학습은 대형 서버에서 하고, 학습된 로직의 적용은 전용 디바이스에서 하게 함으로써 저가컴퓨터를 추가하는 것으로도 서버 및 네트워크 부하를 크게 줄일 수 있다.

엣지컴퓨팅의 기대 효과를 추정하기 위해서는 센서가 생산하는 데이터 처리에 어떤 기법을 사용할지 판단할 필요가 있다. 그 중에서도 딥러닝은 최근 빠르게 발전하고 있으므로 지속적으로 그 동향을 주시할 필요가 있다.

운영 부하에 대한 고려도 필수

엣지컴퓨팅을 복잡하게 만드는 요인은 구축 단계뿐만 아니라 운영 단계에서도 존재한다. 클라우드 서비스 업체에서 제공하는 솔루션이 아닌 직접 구축을 염두에 두고 있다면 먼저 데이터 처리 로직을 모든 엣지에서 동일하게 최신 상태로 유지하는 방법과 로직 변화를 관리할 방법을 고려해야 한다.

센서 오류로 인해 발생하는 이상 데이터에 대한 대처를 어느 단계에서 수행할 것인지, 원천 데이터를 엣지에서 삭제하지 않고 저장할 것인지, 최종적으로 서버와 동기화할 것인지 등을 어떻게 결정하느냐에 따라 운영에 드는 노력과 비용은 크게 달라질 수 있다.

그런 만큼, 운영 계획과 이를 수행하기 위한 충분한 자원 배정을 고려해야 할 것이다.

엣지컴퓨팅은 보안에 장단점을 모두 갖고 있다. 장점은 모든 데이터와 연산이 서버에만 집중되지 않게 함으로써 서버가 공격에 노출되었을 때에도 피해를 줄일 수 있다는 것. 단점은 반대로 엣지들이 보안 위협을 받을 수 있다는 것이다. 보안 문제는 엣지 종류와 구조에 따라 복잡해질 수 있다는 점을 염두에 둬야 한다.

어떤 솔루션을 선택할까?

엣지 컴퓨팅은 아직 초기 단계에 있기 때문에, 현재는 관련 솔루션 업체들이 표준화된 구조보다는 각자의 방식으로 솔루션을 출시하고 있다. 하드웨어 독립적으로 엣지 디바이스를 구성하기 위한 소프트웨어 솔루션, 엣지 디바이스로서의 역할이 추가된 네트워크 장비, 클라우드 서비스 업체에서 엣지컴퓨팅용으로 제공하는 서비스 등이 공존한다.

가장 먼저 클라우드와 온프레미스의 구분처럼 엣지 디바이스를 클라우드에서 이용할 것인지 또는 로컬 네트워크상에 구축할 것인지를 정하고, 만약 로컬 네트워크상에 구축할 계획이라면 목적에 적합한 하드웨어와 소프트웨어를 결정해야 한다.

이들은 모두 자사의 엣지컴퓨팅 구축의 핵심 목적과 정책에 따라 다르게 선택할 수 있는 사항들이다. 여러 산업들에서 각기 어떤 방식으로 엣지컴퓨팅 구조를 구축해 가는지 그 필요성과 정책들을 중심으로 눈여겨볼 필요가 있다.

<본 기사는 테크M 제57호(2018년 1월) 기사입니다>