이번 포스팅은 클라우드 AI와 엣지 AI 개요에 대한 첫번째 글로 클라우드 컴퓨팅, 엣지컴퓨팅 및 포그컴퓨팅에 대한 정의와 차이점을 알아보고 클라우드 컴퓨팅에서 엣지 컴퓨팅의로의 전환에 대해 정리해보았습니다.
참고로 이번 포스팅은 클라우드AI와 엣지AI 개요에 대해 아래 2가지 글로 구분해보았습니다.
클라우드AI와 엣지AI (1) 엣지 컴퓨팅 전환과 클라우드, 포그 컴퓨팅 (이번 포스팅)
클라우드AI와 엣지AI (2) 엣지 AI 부상과 테슬라의 클라우드 기반 분산형 컴퓨팅
이전에는 전통적으로 인공지능 알고리즘이 대량의 데이터를 다루고 많은 컴퓨팅 리소스를 소비함에 따라 클라우드 기반 인공지능이 발전하였으나,
최근에는 디바이스에서의 인공지능인 엣지 인공지능(Edge AI)가 발전하고 있습니다. 사실 이를 견인한 것은 COVID-19 팬데믹과 사물인터넷, 5G 의 주요 발전 때문 입니다.
이번 포스팅에서는 클라우드AI와 엣지AI에 대한 정의와 엣지AI로의 전환에 대한 설명 이전에 우선 클라우드 컴퓨팅와 엣지 컴퓨팅 그리고 포그 컴퓨팅을 각각 정의해보고 주변에게 가장 헷갈리는 엣지 컴퓨팅과 포그 컴퓨팅을 구분해보고자 합니다.
엣지 컴퓨팅(Edge Computing), 클라우드 컴퓨팅(Cloud Computing) 및 포그 컴퓨팅(Fog Computing)
컴퓨팅 기술은 기본적으로 클라우드 컴퓨팅과 엣지 컴퓨팅 그리고 포그 컴퓨팅으로 구분할 수 있습니다. 우선 엣지컴퓨팅과 클라우드 컴퓨팅, 포그 컴퓨팅의 기본적인 개념에 대해 정리해보았습니다.
참고로 엣지컴퓨팅이란 기본적으로 데이터가 발생되는 현장과 가까운 곳에서 작업을 처리하는 것을 뜻합니다. 사실 엣지컴퓨팅이 주목 받기 시작한 지를 시간이 상당히 흘렀는데요 18년도 즈음에 IoT 기술과 함께 급부상하기 시작했습니다. (해당 내용은 여기 링크 – 영문, 2018년 가트너 트랜드 보고서에서 확인할 수 있습니다.)
즉, 인터넷 상 서버에서 작업을 처리하는 클라우드 컴퓨팅(Cloud Computing)과는 정반대되는 개념입니다.
클라우드 컴퓨팅(Cloud Computing)
[정의] 네트워크로 연결된 다수의 컴퓨팅 자원을 활용하여 데이터를 저장하거나 처리하는 기술입니다.
[장점] 대량의 데이터를 관리할 수 있지만,
[한계점] 개인정보이슈 및 정보보안, 대량 정보 전송의 비용과 함께 대기시간, 네트워크 병목현상이 발생됨
포그 컴퓨팅(Fog Computing)
[정의] 데이터를 클라우드까지 멀리 보내지 않고 가까운 포그에서 처리하는 것으로 중앙화된 클라우드 방식을 보완하는 기술입니다.
[장점] 안전하고 빠르게 데이터를 줄이면서 정보를 클라우드로 전송 가능,
[한계점] 여전히 클라우드 기술을 사용하여 비용이나 대기시간 문제 등이 발생됨
엣지 컴퓨팅(Edge computing)
사용자와 데이터 소스의 물리적 위치 또는 매우 가까운 곳에서 컴퓨팅을 처리하는 것,
[장점] 빠른 데이터 처리와 보안이나 정보 유출 위험이 낮음,
[한계점] 컴퓨팅 파워에 한계가 존재하며 디바이스별로 성능 차이가 존재
포그 컴퓨팅과 엣지 컴퓨팅의 차이
포그 컴퓨팅과 엣지 컴퓨팅의 차이는 포그가 클라우드와 디바이스 사이의 중간 계층을 구성하는 정의를 따르는 반면, 엣지는 임베디드 처리 기능이 있는 IoT 기반의 디바이스라고 볼 수 있는 점 입니다.
실은 포그 컴퓨팅은 엣지 컴퓨팅 이전부터 사용되온 개념인데 어느 순간부터 엣지 컴퓨팅이란 용어가 더 많이 사용된 느낌입니다.
엣지컴퓨팅은 단지 데이터가 생성된 지점 가까이에서 처리되는 것을 가르키기 때문에, 포그 컴퓨팅을 구현한 기술로도 해석이 가능한데요, 엣지컴퓨팅은 포그 컴퓨팅의 구성요소라고 보는 관점도 있습니다.
엣지컴퓨팅(Edge comuting)으로의 전환 배경
실은 오랫동안 네트워크 트렌드로 자리잡았던 클라우드 컴퓨팅은 효율성과 데이터의 중앙집중화라는 측면에서 사용자가 필요없이 많은 컴퓨팅 자원을 보유하지 않아도 된다는 측면에서 주목 받았던 기술입니다.
처음에는 인터넷 데이터센터(IDC, Internet Data Center)에서 전송한 데이터를 사용자가 소비하게 되는 현재의 인터넷 구조와 별반 차이가 없었으므로 예전에는 클라우드 시스템 또한 한 방향으로 데이터가 흐르는 속도만 빠르다면 문제가 되지 않았습니다.
그러나 IoT(Internet of Things, 사물인터넷) 기술이 접목되면서 이러한 IoT환경은 데이터가 한 방향으로 흐르는 속도 뿐만 아니라 다시 되돌아오는 시간도 빠를 필요가 생겼습니다. 데이터를 중앙에서 모아서 처리했다가 다시 분배하게 되는 프로세스를 갖춘 클라우드컴퓨팅 구조만으로는 지연시간을 최소화하는 데 문제가 생기기 때문입니다.
결국에는 그 때문에 데이터를 클라우드로 보낼 필요 없이 기기에서 직접 (Edge에서 직접) 데이터를 직접 처리하는 방안이 부상하기 시작했고 다시 이를 실현할 기술로 엣지컴퓨팅에 주목하게 된 것입니다.
이런 엣지 컴퓨팅 방식은 구태여 클라우드에 보낼 필요가 없는 데이터는 즉시 처리함과 동시에, 센서로부터 수집된 막대한 데이터 중 쓸만한 데이터만 골라내서 클라우드에 보낼 수 있어서 전체 네트워크의 효율성을 높일 수 있는 특징 또한 존재하였습니다.
이러한 엣지 컴퓨팅의 가장 큰 장점은 지연시간 최소화라고 할 수 있는데요, 지연시간이란 동작 명령이 내려진 순간부터 해당 동작이 수행되기까지 걸린 시간을 의미하며 지연시간이 거의 제로(0)에 가까운 실시간성을 지향합니다.
이러한 엣지컴퓨팅이 대표적으로 이용되는 곳이 바로 자율주행 기술입니다. 가령 자율주행에서 반응속도는 바로 사람의 생명과도 연결이 되는데요, 예를 들어 시속 100km 가까이 달리는 자율주행 자동차가 브레이크를 밟는 반응속도가 0.5초만 늦어도 차는 엄청난 거리를 이동하기 때문에 매우 위험해집니다.
다음 포스팅에서는 이러한 클라우드, 엣지 컴퓨팅에 대한 기초 지식을 기반으로 클라우드 AI와 엣지 AI에 대한 내용을 정리해보겠습니다.
참고로 이번 포스팅은 클라우드AI와 엣지AI 개요에 대해 아래 2가지 글로 구분해보았습니다.
클라우드AI와 엣지AI (1) 엣지 컴퓨팅 전환과 클라우드, 포그 컴퓨팅 (이번 포스팅)