Cloud Edge Computing의 의미

Cloud vs Edge

---

 

Cloud Computing vs Edge Computing

 

 

Cloud와 Edge의 차이는 크게 5가지로 나눌 수 있다.

 

• 첫째, 자원 위치 (Location of Resource)

클라우드 컴퓨팅은 중앙 집중형의 Large Scale Data Center에 의존한다.

반면, Edge Computing은 자원을 Data Source(Local 장치, Gateway) 근처로 분산시켜서 배치한다.

 

• 둘째, 확장성 (Scalability)

클라우드 플랫폼은 사실상의 무제한의 확장성을 제공하지만,

Edge System은 분산된 인프라와 지역 기반의 provisioning을 통해 점진적으로 확장해야 한다.

 

• 셋째, 지연시간 (Latency)

클라우드는 데이터 원본과의 물리적 거리로 인해 네트워크 지연을 유발하는 반면,

엣지는 데이터가 발생하는 근처에서 거의 실시간으로 처리함으로써 Latency를 최소화할 수 있다.

 

• 넷째, 보안 (Security)

클라우드 환경은 중앙 집중식이고 성숙한 보안 프레임워크를 기반으로 하는 반면,

엣지 컴퓨팅은 지역화된 데이터 제어로 보안을 강화하지만 물리적 접근 가능성과 분산된 Attack Surface로 인해 위험할 수 있다.

 

• 마지막, 자율성 (Autonomy)

엣지 장치는 클라우드와 독립적으로 동작할 수 있어 네트워크 장애가 발생하더라도 지속적인 기능을 유지할 수 있다.

반면 클라우드 기반 서비스는 일반적으로 지속적인 연결에 의존한다.

 

 

Edge Computing이 떠오르는 이유

---

 

그럼 Edge Computing이 오늘날 중요한 이유는 무엇일까?

우선, real-time demand의 수요가 높아지는 데 있다.

자율주행차, AR/VR과 같은 현대적 Application들은 이제 ms 단위의 Response Time을 요구한다.

하지만 중앙 집중형의 Cloud Model은 Latency로 인해 이런 요구를 충족시키기 어렵다는 점이 있다.

 

또한, 의료 정보와 같은 민감한 데이터들의 수는 급증하고 있는 상황에서 로컬에서 데이터를 처리하는Edge Computing을 활용하면 노출을 최소화할 수 있다.

 

마지막으로 Edge Computing의 적용 도메인이 점차 넓어지고 있다.

지난 20년간은 Cloud Computing이 도메인을 지배했다고 하면,

최근에는 로봇, 수술, 농업 등 모든 Domain에서 Edge Cloud Computing이 적용되고 있다.

 

특히 인공지능 산업의 발전은 엣지에서의 인공지능으로 확장되고 있는 추세이다.

머신러닝 모델을 Edge Device에 직접 배치하면 클라우드 의존 없이 빠르고 Localized된 추론이 가능하다.

이에 힘입어 Edge Computing Market은 급속도로 성장하고 있다.

 

 

Edge Computing과 Cloud Computing의 통합

---

 

그럼 어떻게 서로 다른 도메인인 Edge Computing과 Cloud Computing을 통합할 수 있을까?

가장 대표적인 것은 Edge Computing이 Cloud Computing을 대체하는 것이 아니라 보완하는 방식의 Cooperative Deployment Model을 생각할 수 있다.

엣지 컴퓨팅은 지연(latency) 이 민감하고 실시간(real-time) 처리가 필요한 작업을 엣지 노드로 offloading하여
클라우드를 장기적인 분석 및 보관에 활용함으로써 클라우드를 보완할 수 있다.

 

이처럼 Worload가 지연 시간, 대역폭, 컴퓨팅 수요 등의 요인에 따라 Edge와 Cloud로 동적으로 distributed되는 시스템을

Hybrid Edge-Cloud System이라고 할 수 있다.

 

 

 

Edge Device에서 Cloud까지

---

 

 

 

그러면 Localized된 장치에서 중앙 집중형 Cloud까지 이어지는 연속체를 생각해볼 수 있다.

가장 Low단의 계층으로는 Endpoint에서 직접 처리를 수행하는, 리소스 제약이 매우 큰 Device Edge가 위치하며,

온습도 센서 등이 여기에 해당한다.

 

다음으로 중간 수준의 연산 능력을 가진 Local Edge Gateway나 Router, 데이터를 수집하고 전처리하는 Light Egde가 위치한다.

이보다 조금 더 높은 연산과 저장 능력을 가진 마이크로 데이터센터를 Heavy Edge라고 생각할 수 있고,

최종적으로 AWS, Azure, Google Clou중앙 집중형 대규모 데이터 센터에 해당하는 Cloud가 위치하게 된다.

 

https://www.cloudflight.io/

 

 

 

위 그림은 상단의 중앙 집중형 구조에서부터 사람이나 기계에 가까운 위치에 있는 분산형 장치들의 분포를 나타낸다.

위 그래프에서 CPU의 performance는 왼쪽에서 오른쪽으로 가면서 점점 커진다.

 

 

Cloud Edge Comptuing의 또 다른 이름 - Fog Computing과 Mist Computing

---

 

 

Cloud Edge Computing의 또 다른 표현으로 Fog Computing과 Mist Computing이 있다.

High Level이 Fog, Low level이 Mist라고 한다.

Fog Computing과 Mist Computing은 모두 Data source 가까이에서 데이터를 처리하여 Latency를 줄이고 효율성을 향상시키는 Edge Computing의 접근 방식이다.

 

Fog Computing은 클라우드 기능을 데이터 소스 근처로 확장하는 분산형 인프라로,

컴퓨팅·스토리지·네트워킹 기능을 담당하는 중간 계층(intermediate layer) 을 도입한다.

 

Mist Computing은 센서나 디바이스 수준에서 직접 처리가 이루어지는 형태로,

Edge Computing 중에서도 가장 세분화되고(localized), 근접한(lowest-level) 계층이다.

 

Fog Computing과 Mist Computing은 엣지–클라우드 연속체(Edge-Cloud Continuum) 내에서 상호 보완적인 역할을 수행한다.이들은 중앙 집중식 시스템 의존도를 줄이고, 계층적(tiered)·상황 인식(context-aware) 데이터 처리를 가능하게 한다.

 

결론적으로 Fog computing은 Micro data center, Mist는 edge computing을 생각하면 된다.

 

 

 

Mist, Edge, Fog Computing을 나누는 가장 큰 기준은 latency이다.

Mist Computing의 latency는 1ms 이하이다. 거의 latency가 없는 것.

Edge Computing은 1~10ms 정도이고, Fog Computing은 10~50ms이다.

이들 모두 Edge Computing의 컨셉을 띠기 때문에 Centralized Data Center에 비하면 굉장히 작은 Latency를 가진다.

 

 

 

ETSI의 Multi-access Edge Computing Concept

---

 

ETSI의 MEC는 유럽통신표준협회(ETSI)가 제안한 통신사 중심의 엣지 컴퓨팅 표준 아키텍처로,
클라우드 컴퓨팅 기능(연산·저장·네트워킹)을 이동통신망의 엣지, 즉 4G/5G 기지국 근처로 가져오는 개념이다.

 

이것의 목적은 초저지연(5~20ms), 고대역폭 서비스를 제공하고 코어망의 부하를 완화하기 위한 것이다.

5G 기지국, 지역 Edge Data Center 또는 사용자 근처(Heavy Edge)에 위치한다.

 

ETSI의 MEC Concept은 크게 3가지 구성 요소로 나뉜다.

이들은 표준화된 Open API를 제공하여, 외부 앱이 상태 정보를 읽고 MEC 플랫폼과 상호작용 가능하도록 설계되었다.

 

• MEC Host: 실제 애플리케이션이 실행되는 서버
• MEC Platform Manager: 서비스 탐색 및 오케스트레이션 담당
• MEC Applications: AI 추론, 비디오 최적화, 로컬 브레이크아웃 등 실행