엣지 컴퓨팅

Edge computing

에지 컴퓨팅은 컴퓨팅과 데이터 스토리지를 데이터 소스에 가깝게 만드는 분산 컴퓨팅 패러다임입니다.이를 통해 응답 시간이 향상되고 대역폭이 [1]절약될 것으로 예상됩니다.특정 기술이 [2]아닌 아키텍처입니다.토폴로지 및 로케이션 의존형 분산 컴퓨팅입니다.

엣지 컴퓨팅의 기원은 1990년대 후반에 사용자와 [3]가까운 곳에 배치된 엣지 서버에서 웹 및 비디오 콘텐츠를 제공하기 위해 만들어진 콘텐츠 분산 네트워크에 있습니다.2000년대 초반에는 이러한 네트워크가 엣지 [4]서버에서 애플리케이션과 애플리케이션 컴포넌트를 호스트하도록 진화하여 딜러 로케이터, 쇼핑 카트, 실시간 데이터 어그리게이터, 광고 삽입 [4]엔진 등의 애플리케이션을 호스트하는 최초의 상용 엣지 컴퓨팅[5] 서비스가 탄생했습니다.

사물인터넷(IoT)은 엣지 컴퓨팅의 한 예입니다.일반적인 오해는 엣지와 IoT가 [6]동의어라는 것입니다.

엣지 컴퓨팅 인프라스트럭처

정의.

엣지 컴퓨팅의 정의 중 하나는 요구에 가까운 낮은 레이텐시를 제공하는 모든 유형의 컴퓨터 프로그램입니다.Karim Arabi는 IEEE DAC 2014 기조연설에서 [8]이어 2015년 MIT MTL 세미나 초청 강연에서 에지 컴퓨팅을 일반적으로 네트워크 엣지에서 발생하는 클라우드 외부의 모든 컴퓨팅, 특히 데이터의 실시간 처리가 필요한 애플리케이션에서 발생하는 컴퓨팅이라고 정의했습니다.그의 정의에 따르면 클라우드 컴퓨팅은 빅데이터에서 작동하며 에지 컴퓨팅은 센서 또는 사용자가 생성한 실시간 데이터인 "인스턴트 데이터"에서 작동합니다.

이 용어는 종종 안개 [9]컴퓨팅과 동의어로 사용된다.

The State of the Edge 보고서에 따르면 엣지 컴퓨팅은 '라스트 마일 네트워크에 [citation needed]근접한' 서버에 집중되어 있습니다.ETSI MEC ISG 표준위원회 위원장 Alex Reznik은 "기존 데이터센터가 아닌 것은 누군가에게 [10]'엣지'가 될 수 있다"는 용어를 대략적으로 정의하고 있습니다.

게임 스트리밍에 사용되는 엣지 노드는 게임릿이라고 [11]불리며,[12] 보통 클라이언트에서 1~2홉 떨어져 있습니다.Per Anand와 Edwin은 "엣지 노드는 클라우드 게임 환경에서 [12]실시간 게임의 응답 시간 제약을 충족하기 위해 모바일 클라이언트로부터 대부분 1~2홉 떨어져 있다"고 말합니다.

엣지 컴퓨팅에서는 가상화 테크놀로지를 사용하여 [citation needed]엣지 서버에서 다양한 애플리케이션을 쉽게 도입 및 실행할 수 있습니다.

개념.

전 [13]세계 데이터는 2025년까지 61% 증가한 175제타바이트를 기록할 것으로 예상됩니다.조사기관 Gartner에 따르면 엔터프라이즈에서 생성되는 데이터의 약 10%가 기존의 중앙 집중식 데이터 센터 또는 클라우드 외부에서 생성 및 처리됩니다.2025년에는 이 수치가 75%[14]에 달할 것으로 예측하고 있습니다.네트워크 엣지에 있는 IoT 디바이스의 증가로 인해 대량의 데이터가 생성되고 있습니다.클라우드 데이터 센터에 있는 모든 데이터를 저장하고 사용하는 것은 네트워크 대역폭 요건을 [15]제한합니다.네트워크 테크놀로지의 향상에도 불구하고 데이터 센터는 허용 가능한 전송 속도와 응답 시간을 보장할 수 없습니다.다만, 대부분의 경우,[16] 이것은 많은 애플리케이션에 있어서 중요한 요건입니다.또한 엣지 디바이스는 클라우드에서 전송되는 데이터를 지속적으로 소비하기 때문에 기업은 최종 사용자와의 물리적 근접성을 활용하여 데이터 스토리지 및 서비스 프로비저닝을 분산해야 합니다.

마찬가지로 엣지 컴퓨팅의 목적은 컴퓨팅을 데이터 센터에서 네트워크의 엣지로 이동하여 스마트 객체, 휴대전화 또는 네트워크 게이트웨이를 이용하여 클라우드 [17]대신 작업을 수행하고 서비스를 제공하는 것입니다.서비스를 엣지로 이동함으로써 콘텐츠 캐싱, 서비스 제공, 지속적 데이터 스토리지, IoT 관리 등을 제공할 수 있어 응답 시간과 전송 속도가 향상됩니다.동시에 로직을 다른 네트워크 노드에 배포하면 새로운 문제와 [18]과제가 발생합니다.

프라이버시와 보안

이 패러다임의 분산 특성으로 인해 클라우드 컴퓨팅에서 사용되는 보안 체계에 변화가 생깁니다.에지 컴퓨팅에서 데이터는 인터넷을 통해 연결된 서로 다른 분산 노드 간에 이동할 수 있으므로 클라우드와 독립적인 특수 암호화 메커니즘이 필요합니다.또한 에지 노드는 리소스가 제한된 장치일 수 있으므로 보안 방법 측면에서 선택의 폭이 제한됩니다.또한 중앙 집중식 하향식 인프라에서 분산형 신뢰 모델로의 전환이 필요합니다.[19]한편, 데이터를 엣지에 보관 및 처리함으로써 기밀 정보의 클라우드 전송을 최소화함으로써 프라이버시를 높일 수 있다.게다가 수집된 데이터의 소유권은 서비스 프로바이더에서 최종 [20]사용자로 이행합니다.

확장성

분산 네트워크에서의 scalability는 다른 문제에 직면해야 합니다.첫째, 클라우드 데이터 센터의 보다 견고한 인프라스트럭처에 비해 성능 및 에너지 제약이 다른 디바이스의 이질성, 매우 동적인 조건 및 연결의 신뢰성을 고려해야 합니다.게다가 시큐러티 요건에 의해서, 노드간의 통신에 한층 더 레이텐시가 발생하는 일이 있어, 스케일링 프로세스의 [16]속도가 저하하는 일이 있습니다.

최첨단 스케줄링 기술을 통해 엣지 리소스 사용 효율을 높이고 엣지 리소스를 최소화하여 엣지 서버를 오프로드된 [21]각 태스크로 확장할 수 있습니다.

신뢰성.

서비스를 존속시키기 위해서는 페일오버 관리가 중요합니다.단일 노드가 다운되어 도달할 수 없는 경우에도 사용자는 중단 없이 서비스에 액세스할 수 있습니다.또, 엣지 컴퓨팅 시스템은, 장해로부터 회복하기 위한 액션을 제공하고, 인시던트에 대해 유저에게 경고할 필요가 있습니다.이를 위해 각 디바이스는 오류 검출과 복구를 쉽게 적용할 수 있도록 분산 시스템 전체의 네트워크 토폴로지를 유지해야 합니다.이 측면에 영향을 미칠 수 있는 다른 요인으로는 사용 중인 연결 기술(신뢰성 수준이 다를 수 있음)과 특정 환경 [16]조건으로 인해 신뢰할 수 없는 가장자리에서 생성되는 데이터의 정확도가 있습니다.예를 들어 음성 어시스턴트 등의 엣지 컴퓨팅 디바이스는 클라우드 서비스나 인터넷 [20]장애 중에도 로컬 사용자에게 서비스를 계속 제공할 수 있습니다.

속도

엣지 컴퓨팅은 분석 계산 리소스를 최종 사용자에게 가깝게 제공하므로 애플리케이션의 응답성과 throughput을 향상시킬 수 있습니다.잘 설계된 엣지 플랫폼은 기존 클라우드 기반 시스템을 크게 능가합니다.일부 애플리케이션은 짧은 응답 시간에 의존하기 때문에 에지 컴퓨팅이 클라우드 컴퓨팅보다 훨씬 더 실현 가능한 옵션입니다.예를 들어 IoT부터 자율 주행,[22] 건강 또는 인간/공공 [23]안전과 관련된 모든 것 또는 얼굴 인식과 같은 인간의 지각과 관련된 것까지 다양하며,[24] 이는 일반적으로 사람이 수행하는 데 370-620ms가 소요된다.엣지 컴퓨팅은 인간과 같은 지각 속도를 흉내 낼 수 있을 가능성이 높기 때문에 헤드셋이 착용자와 동시에 사람이 누구인지 인식해야 하는 증강현실과 같은 애플리케이션에서 유용합니다.

효율성.

분석 리소스가 최종 사용자에게 가까이 있기 때문에 정교한 분석 도구와 인공지능 도구를 시스템 가장자리에서 실행할 수 있습니다.가장자리에 배치하면 운영 효율성을 높일 수 있으며 시스템에 많은 이점을 가져다 줍니다.

또, 클라이언트 디바이스와 넓은 인터넷 사이의 중간 스테이지로서 엣지 컴퓨팅을 사용하면, 효율의 삭감이 실현됩니다.클라이언트 디바이스에서는, 외부 서버상에서 실행하기 위해서 대량의 비디오 파일을 처리할 필요가 있습니다.로컬 엣지 네트워크상에 있는 서버를 사용하여 이러한 계산을 수행함으로써 비디오파일은 로컬네트워크로 전송만 하면 됩니다.인터넷을 통한 전송을 피하면 대역폭이 대폭 절감되므로 [24]효율이 향상됩니다.또 다른 예는 음성 인식입니다.로컬에서 인식하면 오디오 녹음 대신 클라우드에 인식된 텍스트를 전송할 수 있으므로 필요한 [20]대역폭이 대폭 줄어듭니다.

적용들

에지 애플리케이션 서비스는 이동해야 하는 데이터 볼륨, 그에 따른 트래픽 및 데이터가 이동해야 하는 거리를 줄입니다.이것에 의해, 레이텐시가 단축되어 전송 코스트가 삭감됩니다.얼굴 인식 알고리즘과 같은 실시간 애플리케이션에 대한 계산 오프로드는 초기 [25]연구에서 입증되었듯이 응답 시간이 상당히 개선되었다.추가 조사에 따르면 클라우드에서 일반적으로 볼 수 있는 서비스를 제공하는 클라우드렛 또는 모바일 사용자 근처에 있는 마이크로 데이터 센터라고 불리는 리소스가 풍부한 머신을 사용하면 일부 작업이 에지 [26]노드에 오프로드될 때 실행 시간을 단축할 수 있었습니다.한편, 모든 작업을 오프로드하면 디바이스와 노드 간의 전송 시간으로 인해 속도가 느려질 수 있으므로 워크로드에 따라 최적의 구성을 정의할 수 있습니다.

이 아키텍처의 또 다른 용도는 클라우드 게임입니다. 클라우드 게임에서는 게임의 일부 측면이 클라우드에서 실행될 수 있으며 렌더링된 비디오는 휴대폰, VR 안경 등의 장치에서 실행되는 경량 클라이언트로 전송됩니다.이런 유형의 스트리밍은 픽셀 [11]스트리밍이라고도 합니다.

다른 주목할 만한 애플리케이션으로는 커넥티드 카, 오토노마스 카,[27] 스마트 시티,[28] Industry 4.0(스마트 산업), 홈 [29]오토메이션 시스템이 있다.

「 」를 참조해 주세요.

레퍼런스

  1. ^ Hamilton, Eric (27 December 2018). "What is Edge Computing: The Network Edge Explained". cloudwards.net. Retrieved 2019-05-14.
  2. ^ Gartner. "Gartner Trend Insights report 2018" (PDF). Gartner. Archived (PDF) from the original on 2020-12-18. Retrieved 2021-05-26.
  3. ^ "Globally Distributed Content Delivery, by J. Dilley, B. Maggs, J. Parikh, H. Prokop, R. Sitaraman and B. Weihl, IEEE Internet Computing, Volume 6, Issue 5, November 2002" (PDF). Archived (PDF) from the original on 2017-08-09. Retrieved 2019-10-25.
  4. ^ a b Nygren., E.; Sitaraman R. K.; Sun, J. (2010). "The Akamai Network: A Platform for High-Performance Internet Applications" (PDF). ACM SIGOPS Operating Systems Review. 44 (3): 2–19. doi:10.1145/1842733.1842736. S2CID 207181702. Archived (PDF) from the original on September 13, 2012. Retrieved November 19, 2012. See Section 6.2: Distributing Applications to the Edge
  5. ^ Davis, A.; Parikh, J.; Weihl, W. (2004). "EdgeComputing: Extending Enterprise Applications to the Edge of the Internet". 13th International World Wide Web Conference. doi:10.1145/1013367.1013397. S2CID 578337.
  6. ^ Gartner. "2021 Strategic Roadmap for Edge Computing". www.gartner.com. Archived from the original on 2021-03-30. Retrieved 2021-07-11.
  7. ^ "IEEE DAC 2014 Keynote: Mobile Computing Opportunities, Challenges and Technology Drivers". Archived from the original on 2020-07-30. Retrieved 2019-03-25.
  8. ^ MIT MTL 세미나:차세대 모바일 컴퓨팅 및 IoT 디바이스의 아키텍처와 설계를 추진하는 동향, 기회 및 과제
  9. ^ "What is fog and edge computing?". Capgemini Worldwide. 2017-03-02. Retrieved 2021-07-06.
  10. ^ "ETSI - ETSI Blog - What is Edge?". etsi.org. Retrieved 2019-02-19.
  11. ^ a b "CloudHide: Towards Latency Hiding Techniques for Thin-client Cloud Gaming". ResearchGate. Retrieved 2019-04-12.
  12. ^ a b Anand, B.; Edwin, A. J. Hao (January 2014). "Gamelets — Multiplayer mobile games with distributed micro-clouds". 2014 Seventh International Conference on Mobile Computing and Ubiquitous Networking (ICMU): 14–20. doi:10.1109/ICMU.2014.6799051. ISBN 978-1-4799-2231-4. S2CID 10374389.
  13. ^ Patrizio, Andy (2018-12-03). "IDC: Expect 175 zettabytes of data worldwide by 2025". Network World. Retrieved 2021-07-09.
  14. ^ "What We Do and How We Got Here". Gartner. Retrieved 2021-12-21.
  15. ^ Ivkovic, Jovan (2016-07-11). The Methods and Procedures for Accelerating Operations and Queries in Large Database Systems and Data Warehouse (Big Data Systems) (PDF). National Repository of Dissertations in Serbia (Doctoral thesis) (in Serbian and American English).
  16. ^ a b c Shi, Weisong; Cao, Jie; Zhang, Quan; Li, Youhuizi; Xu, Lanyu (October 2016). "Edge Computing: Vision and Challenges". IEEE Internet of Things Journal. 3 (5): 637–646. doi:10.1109/JIOT.2016.2579198. S2CID 4237186.
  17. ^ Merenda, Massimo; Porcaro, Carlo; Iero, Demetrio (29 April 2020). "Edge Machine Learning for AI-Enabled IoT Devices: A Review". Sensors. 20 (9): 2533. doi:10.3390/s20092533. PMC 7273223. PMID 32365645.
  18. ^ "IoT management". Retrieved 2020-04-08.
  19. ^ Garcia Lopez, Pedro; Montresor, Alberto; Epema, Dick; Datta, Anwitaman; Higashino, Teruo; Iamnitchi, Adriana; Barcellos, Marinho; Felber, Pascal; Riviere, Etienne (30 September 2015). "Edge-centric Computing". ACM SIGCOMM Computer Communication Review. 45 (5): 37–42. doi:10.1145/2831347.2831354.
  20. ^ a b c 엣지 컴퓨팅의 3가지 장점아론 브랜드Medium.com 를 참조해 주세요.2019년 9월 20일
  21. ^ Babar, Mohammad; Sohail Khan, Muhammad (July 2021). "ScalEdge: A framework for scalable edge computing in Internet of things–based smart systems". International Journal of Distributed Sensor Networks. 17 (7): 155014772110353. doi:10.1177/15501477211035332. ISSN 1550-1477.
  22. ^ Liu, S.; Liu, L.; Tang, B. Wu; Wang, J.; Shi, W. "Edge Computing for Autonomous Driving: Opportunities and Challenges". Proceedings of the IEEE, vol. 107, no. 8, pp. 1697-1716. Archived from the original on 2021-05-26. Retrieved 2021-05-26.
  23. ^ Yu, W.; et al. (2018). "A Survey on the Edge Computing for the Internet of Things". IEEE Access, vol. 6, pp. 6900-6919. Archived from the original on 2021-05-26. Retrieved 2021-05-26.
  24. ^ a b Satyanarayanan, Mahadev (January 2017). "The Emergence of Edge Computing". Computer. 50 (1): 30–39. doi:10.1109/MC.2017.9. ISSN 1558-0814.
  25. ^ Yi, S.; Hao, Z.; Qin, Z.; Li, Q. (November 2015). "Fog Computing: Platform and Applications". 2015 Third IEEE Workshop on Hot Topics in Web Systems and Technologies (HotWeb): 73–78. doi:10.1109/HotWeb.2015.22. ISBN 978-1-4673-9688-2. S2CID 6753944.
  26. ^ Verbelen, Tim; Simoens, Pieter; De Turck, Filip; Dhoedt, Bart (2012). "Cloudlets: Bringing the Cloud to the Mobile User". Proceedings of the Third ACM Workshop on Mobile Cloud Computing and Services. ACM: 29–36. doi:10.1145/2307849.2307858. hdl:1854/LU-2984272. S2CID 3249347. Retrieved 4 July 2019.
  27. ^ 2019년 4월 10일, wired.com가 발표한 클라우드 컴퓨팅을 넘어 생각할 때입니다.
  28. ^ Taleb, Tarik; Dutta, Sunny; Ksentini, Adlen; Iqbal, Muddesar; Flinck, Hannu (March 2017). "Mobile Edge Computing Potential in Making Cities Smarter". IEEE Communications Magazine. 55 (3): 38–43. doi:10.1109/MCOM.2017.1600249CM. S2CID 11163718. Retrieved 5 July 2019.
  29. ^ Chakraborty, T.; Datta, S. K. (November 2017). "Home automation using edge computing and Internet of Things". 2017 IEEE International Symposium on Consumer Electronics (ISCE): 47–49. doi:10.1109/ISCE.2017.8355544. ISBN 978-1-5386-2189-9. S2CID 19156163.