최근 IT업계에서 엣지(Edge)라는 표현이 자주 언급되고 있다. 가장자리, 모서리라는 뜻을 지닌 엣지는 컴퓨팅 환경에서 가장 끄트머리다. 시스템에서의 가장 핵심인 코어(Core)와는 완전히 상반되는 단어다. 지금까지는 코어를 가장 중요하게 생각했지만, 이제는 엣지도 그에 못지않게 점차 부각되고 있다. 이 같은 현상은 클라우드의 확산과 통신환경의 발달로 인해 더욱 가속되고 있다. IT업계가 주목하고 있는 엣지는 무엇이며, 어떤 의미를 지니는지 알아본다. <편집자>
점차 다양한 기기들이 인터넷에 연결되면서 그로 인해 생성되는 데이터는 일일이 세기 어려울 증도로 급증하고 있다. 새로운 음식을 먹게 됐을 때 기념으로 남기는 사진, 친구에게 보낸 SNS 메시지 등 우리 생활에서는 디지털 데이터들이 끊임없이 생성되며 확산되고 있다. 한 조사에 의하면 2020년에는 하루에 인터넷 사용자가 1.5GB의 데이터를 생성하며, 자율주행차는 4000GB의 데이터를 생성할 것이라는 예상이다.
그렇다면 이처럼 생성된 데이터는 어떻게 다뤄야 할까? 과거에는 일정량 이상의 데이터들을 수집하고 저장하는 것조차 버거워 꼭 필요한 데이터가 아니면 수집하지 않았지만, 이제는 빅데이터 분석을 통해 의사결정에 유의미한 인사이트(Insight)를 도출해낼 수 있게 되면서 좀 더 많은 데이터를 모으고 분석하는 것에 치중하게 됐다.
문제는 여기서 발생한다. 데이터는 특정 구간에서만 발생하는 것은 아니기 때문에 다양한 경로를 통해 데이터를 수집하게 된다. 그러나 이렇게 수집된 데이터들이 모이는 곳은 데이터 분석을 위한 데이터센터다. 데이터센터에서 처리할 수 있는 데이터의 양은 한정돼 있는데 지속적으로 데이터가 몰리면 정체현상이 발생하게 된다. 그렇게 될 경우 빠르게 분석 결과를 받아보는 것은 불가능해진다.
엣지서 데이터 분석하고 현장 적용
여기서 엣지 컴퓨팅의 중요성이 강조된다. 데이터가 수집되는 끝단(엣지)에서 바로 데이터를 분석하고 이를 다시 현장에 적용할 수 있다면, 데이터센터(코어)에서 분석된 결과를 기다리는 것보다 훨씬 빠르게 대응할 수 있기 때문이다.
엣지 컴퓨팅의 중요성을 나타내는 사례로는 자율주행차가 대표적이다. 차량에 부착된 각 센서에서 데이터를 수집해 주변 지형, 도로 상황, 차량 흐름 현황 등을 파악하고, 주행 중 일어날 수 있는 다양한 이벤트들에 신속하게 대처할 수 있도록 하고 있다. 앞에서 달리던 차의 속도가 낮아진다면 그에 맞게 속도를 낮춰 충돌하는 것을 방지하며, 빨간 신호가 켜졌을 경우 신속하게 차량을 정지시켜 교통 법규를 치킬 수 있도록 한다. 만약 자율주행차가 엣지에서의 데이터 처리가 아닌 중앙 데이터센터에서 처리된 데이터를 기다려야 한다면, 돌발 상황 발생 시 유연하게 대처하지 못할 확률이 크다.
신속한 현장 의사결정 지원
현재 많은 데이터가 생성되고 있으며, 생성되는 데이터의 양은 갈수록 급증하고 있다. 또한 데이터를 수집·분석해 의미 있는 결과를 도출하고 이를 빠르게 의사결정에 반영하는 것이 오늘날 기업의 경쟁력이라고 해도 과언이 아닐 정도가 됐다.
빅데이터 분석 기술의 발전으로 과거처럼 대용량 데이터의 처리를 어려워하지 않게 됐지만, 데이터를 수집하고 분석하는데 오랜 시간이 걸린다면 데이터 분석의 의미가 많이 퇴색될 수밖에 없다. 대응해야 할 이벤트가 다 지나간 뒤에 대응 방안이 수립된다면 시간과 워크플로우만 낭비한 것밖에 되지 않는다.
엣지 컴퓨팅은 이처럼 데이터 분석을 위해 오랜 시간이 걸리는 것을 방지한다. 수집된 네트워크를 통해 데이터센터로 전달되기까지 필요한 시간과 트래픽을 절감하고, 간단한 데이터 처리는 현장(엣지)에서 바로 처리함으로써 효율성과 비용 절감을 동시에 충족시킨다.
그러나 데이터의 종류가 다양하고, 크기도 제각각인 만큼 엣지에서 처리할 수 있는 데이터는 한정적이다. 이에 엣지에서는 데이터센터에서의 분석이 필요 없는 간단한 내용만 처리하고 그 외 다른 데이터들은 데이터센터로 보내 분석을 진행토록 하는 방식이 가장 많이 이용되고 있다.
실제로 엣지 컴퓨팅을 활용하고 있는 스마트팩토리를 보면 고도의 데이터 분석을 필요로 하지 않는 공장 내 온습도 조절 등은 엣지에서 처리하고, 사고 위험 예측이나 기계 수명 관리 등 보다 크고 고차원적인 분석이 필요한 데이터들은 데이터센터로 전송해 분석하는 형태로 시스템을 운영하고 있는 모습을 쉽게 찾아볼 수 있다.
물론 엣지 컴퓨팅이 처음부터 지금과 같은 역할을 했던 것은 아니다. 제조 산업 분야에서는 초기에 아두이노(Aduino)나 라즈베리 파이(Raspberry Pi)와 같은 초소형 컴퓨터를 이용해 특정 데이터가 수집됐을 경우 알람으로 알려주는 등의 기초적인 기능으로 엣지 컴퓨팅을 활용했다.
그러나 점차 데이터의 종류가 많아지고 크기도 커지면서 초소형 컴퓨터만으로 데이터를 처리하기 어려워졌고, 이에 좀 더 강력한 연산을 위한 CPU가 장착된 미니 PC의 형태로 발전해왔다. 현재는 이를 넘어서 데이터센터 수준의 스펙을 갖춘 ‘마이크로 데이터센터(Micro Data Center)’까지 발전된 상태다.
엣지 컴퓨팅의 크기나 규모는 점차 변하고 있지만, 현장에서 데이터를 바로 분석해서 의사결정에 활용할 수 있도록 한다는 역할의 본질은 그대로다.
