CWN(CHANGE WITH NEWS) - 에지 컴퓨팅에 대해 당신이 알아야 할 4가지

에지 컴퓨팅 또는 엣지 컴퓨팅(Edge Computing)은 IT에서 가장 중요한 트렌드 중 하나이다. 에지 컴퓨팅은 중앙 집중 서버가 모든 데이터를 처리하는 클라우드 컴퓨팅과 비교되는데, 사용자 또는 데이터 소스의 물리적인 위치나 그 위치와 가까운 곳에서 분산된 소형 서버로 실시간으로 처리한다.

IDC에 따르면 2023년까지 새로운 엔터프라이즈 IT 인프라의 절반 이상이 에지에 있을 것으로 예측된다. 가트너는 2015년까지 기업에서 생성된 데이터의 75%가 전통적인 데이터 센터나 클라우드 외부에서 생성 및 처리될 것으로 예상했다.

그런데 에지 컴퓨팅의 중요성이 커지고 있음에도 불구하고 많은 IT 및 비즈니스 리더들은 에지가 전체 클라우드 전략을 어떻게 보완하는지를 정의하는 초기 과정에 있다. 휴렛 페커드 엔터프라이즈(Hewlett Packard Enterprise)의 독점 조사에 따르면 많은 조직들이 파일럿 프로젝트 및 개념증명을 통해 에지 이니셔티브의 잠재력을 인지하기 시작했다. 이에 기업 간 기술 공급업체에 데이터 기반 마케팅 서비스를 제공하는 미국 기업인 테크타겟이 에지를 시작할 때 염두 해야 할 4가지를 소개했다.

1. 에지와 클라우드는 상호보완적이다.
에지 컴퓨팅이 클라우드 컴퓨팅을 대체한다는 말이 많이 퍼져있다. 하지만 실제로는 에지, 클라우드는 협력해 작동해야 한다. 좋은 전략은 분산 에지와 중앙 집중식 클라우드 간에 동기화를 하는 것이다. 퍼블릭, 하이브리드 또는 프라이빗 클라우드를 사용하면 모든 데이터를 중앙 집중식으로 관리하고 필요한 시간과 장소에 전사적으로 활용할 수 있다.

에지를 사용하면 빠르고 정확하게 데이터의 가치를 극대화할 수 있다. 에지를 통해 클라우드 환경으로 데이터를 전송해 신속하게 검색하고, 생성된 위치에서 데이터를 활용할 수도 있다. 이를 통해 실시간 분석, 사물 인터넷(IoT) 장치 및 신속한 의사 결정을 활용하는 애플리케이션과 사용하면 가치를 증대할 수 있다. 실시간 데이터를 사용해 현장에서 시간에 민감한 결정을 내릴 수 있다. 또 원자료(raw data) 전송 비용을 최소화하고 보안, 규정 준수 또는 기타 이유로 데이터를 외부로 보낼 수 없는 애플리케이션 및 사용 사례를 지원할 수 있다.

2. 많은 혁신적인 사용 사례는 IoT 융합 및 통합에서 파생한다.
에지를 사용할 수 있는 곳은 다양하지만, 경쟁적 차별화를 위한 새롭고 혁신적인 비즈니스 모델을 주도할 수 있는 운영 효율성 및 속도 향상에 중점을 둔다. 여기에 모니터링 및 임곗값 경보, 예측 유지 관리 및 기계 대 기계 자동화, 원격 학습 및 훈련, 병원 내 및 가정 상태 모니터링이 포함된다. 그랜드 뷰 리서치에 따르면 가능성은 무한하며, 에지 컴퓨팅 기술에 대한 수요는 2021년부터 2028년까지 연평균 38.4%의 성장률을 보일 것으로 예상된다.

3. 에지 혁신은 확장하기 위한 통합 데이터 전략이 필요하다.
성공적인 에지 전략은 데이터와 인프라를 관리하기 위한 통합 계획에서 시작한다. 데이터 센터 외부에서 생성되는 막대한 양의 에너지는 에지 컴퓨팅의 필요성을 가속화하는 핵심 요소이다. 모든 데이터가 저장 및 전달되어야 하는 것은 아니며, 종합적인 데이터 전략이 없으면 데이터 캡처가 비즈니스 통찰력을 창출할 수 있는 능력을 빠르게 앞지를 위험이 있다.

한 가지 중요한 것은 생성에서 삭제까지 데이터를 전체적으로 관리할 수 있는 솔루션을 활용하는 것이다. 즉, 데이터 센터에서 에지, 클라우드에 이르기까지 데이터가 어디에 있던 데이터 라이프사이클 전반에 걸쳐 사일로를 제거하고 워크플로우를 통합하는 자동화된 데이터 중심 정책을 사용한다.

4. 네트워킹은 성공적인 에지 전략의 핵심이다.
대기 시간을 줄이고 복원력을 개선하는 것은 에지 컴퓨팅 성장을 위한 필수 요소가 되었다. IoT가 성장하고 더 많은 IT 인프라로 전환함에 따라 유무선 네트워크와 속도, 용량, 대역폭, 처리량, 복원량, 지연 시간 단축과 같은 요인에 초점을 맞추면서 네트워크의 역할이 더욱 중요해지고 있다.

에지를 지원하는 응용 프로그램과 사용 사례는 성능 문제를 해결하고 대역폭 관련 비용을 제한하기 위해 실시간으로 데이터를 처리하고 분석해야 한다. 더 많은 애플리케이션이 머신러닝과 인공지능을 활용해 에지에 가치를 전달함에 따라, 네트워크 성능과 대역폭에 대한 집중은 앞으로 더욱 뚜렷해질 것이다.

[저작권자ⓒ CWN(CHANGE WITH NEWS). 무단전재-재배포 금지]