- 데이터 전송·저장에 필요한 대역폭 절감, 개인정보 및 보안 문제도 보완 가능
[컴퓨터월드] 클라우드 컴퓨팅은 이제 민간 및 공공 부문을 가리지 않고 널리 도입되고 있다. 이 같은 분위기는 세계시장을 넘어 국내에서도 마찬가지다. 특히 기존 레거시 시스템 인프라 전체를 클라우드 기반 모델로 전환하는 기업들의 수가 크게 늘고 있다.
단일 또는 다수의 데이터센터 내에 컴퓨팅 자원이 중앙 집중화되는 클라우드 컴퓨팅은 발생하는 모든 데이터를 데이터센터로 전송, 처리 및 저장한다. 그러나 한편으로 사물인터넷(IoT)이 확산되고 연결된 장치의 수가 급격히 늘어나면서, 수집되는 데이터의 양 또한 기하급수적으로 증가하고 있다. 그리고 데이터의 증가는 자연스럽게 네트워크와 중앙 데이터센터에 부담을 주게 된다. 바로 클라우드 컴퓨팅의 단점이자 한계다.
에지(edge) 컴퓨팅은 클라우드 컴퓨팅의 이러한 단점을 극복할 수 있는 개념으로, 중앙 데이터센터로 전송되는 데이터의 양과 데이터 처리에 소요되는 시간을 줄일 수 있다. 데이터센터-네트워크-말단기기를 포함하는 구조에서 지금까지의 컴퓨팅 환경이 클라우드 데이터센터, 즉 코어(core) 시스템의 역량에 무게를 뒀었다면, 이제는 다시 말단(edge) 근처에 위치한 기기의 컴퓨팅 역량에도 주목할 때가 된 것이다.
|
1부 – 속도와 안정성 높이는 에지 컴퓨팅 |
| 1부 - 속도와 안정성 높이는 에지 컴퓨팅 정종길 기자 gil0717@itdaily.kr |
에지 컴퓨팅이란, 말단(edge) 기기 혹은 그와 가까운 곳에 기존보다 강화된 컴퓨팅 자원을 배치함으로써 중앙(core) 데이터센터의 부담을 덜어주는 개념이다. 예를 들어, 공장의 감지 센서에서 발생한 단순 데이터를 굳이 원거리에 위치한 클라우드 데이터센터까지 전송해 처리하지 않고, 센서와 가까운 곳에 위치한 IoT 게이트웨이 같은 곳에서 처리하자는 것이다. 이로써 데이터 분석 결과를 받아보는 것이 더욱 실시간에 가까워지는 동시에, 코어 데이터센터의 부담을 줄일 수 있게 된다.
에지 컴퓨팅은 데이터 소스 근처의 네트워크 ‘에지’에서 더 많은 데이터 처리를 수행, 클라우드 데이터센터로 전송되는 데이터를 줄일 수 있어 클라우드 컴퓨팅과 함께 점차 도입이 확대되고 있다. 영상 보안 시장에서 에지 컴퓨팅이 도입되면 카메라 자체에서 데이터 처리가 가능하므로 데이터 전송 및 저장에 따른 대역폭 요구량을 획기적으로 절감할 수 있다. 또한 수집한 데이터에 대해 익명화 및 암호화가 가능하므로 개인정보 및 보안 문제도 해결할 수 있다. 클라우드 및 에지 컴퓨팅은 각 산업 분야에서 이점을 극대화할 수 있도록 서로 상호보완적인 형태로 발전을 거듭할 것으로 전망된다.
 |
||
| ▲ <그림1> 중앙 집중형 클라우드와 분산형 엣지 컴퓨팅 (출처: collaberaTACT.com) | ||
이동통신 업계에서는 같은 의미로 ‘모바일 에지 컴퓨팅(MEC)’이 주목받는다. 통신사의 모바일 기지국이나 와이파이(Wi-Fi) AP(Access Point)를 단순히 신호 중계기로만 이용하는 것이 아니라, 이용자 서비스를 위한 컴퓨팅 자원과 서비스 애플리케이션을 AP 및 기지국 서버에 배치함으로써 좀 더 유연하고 빠른 서비스를 제공할 수 있다는 것이다. 특히 이는 저지연, 고속 처리가 필요한 5G 영역에서 특히 주목받고 있다.
예를 들어 모바일 기기에서 동작하는 인공지능(AI)이나 가상현실(VR)/증강현실(AR) 애플리케이션 및 콘텐츠의 경우, 고용량의 많은 데이터를 처리해야 한다. 그러나 무거운 데이터를 무조건적으로 통신사의 서비스 애플리케이션 서버로 보내 처리하게 되면, 5G의 고속 데이터 전송 속도는 물론 데이터의 안정성을 담보할 수 없다.
그러나 에지 컴퓨팅 개념을 적극적으로 받아들인다면, 일차적으로 사용자가 보유한 모바일 기기에서의 데이터 처리 역량을 향상시키고, 다음으로는 각 지역에 위치한 기지국에 컴퓨팅 자원과 애플리케이션을 배치해 관련 데이터들을 처리하면서(MEC), 동시에 중앙의 클라우드 데이터센터와 연동해 통합 제어한다면 데이터 전송 비용이나 지연시간 측면에서의 효율성을 증대시킬 수 있다.
뿐만 아니라 MEC의 경우 사용자의 단말이 특정 지역에 위치하고 있다는 점을 간단하게 파악해 맞춤형 서비스를 더욱 손쉽게 제공할 수 있으며, 개인정보와 같은 민감한 데이터를 중앙의 클라우드 데이터센터까지 보내지 않아도 되므로 보안상의 장점까지 갖는다.
에지를 위한 마이크로 모듈식 데이터센터
버티브의 ‘데이터센터 2025: 에지에 더 가까워지다’ 보고서에 따르면, 현재 에지 사이트를 운영 중이거나 2025년까지 에지 사이트를 운영할 것으로 예상하는 응답자의 절반 이상(53%)은 그들이 지원하는 에지 사이트의 수가 최소 100%는 늘어날 것으로 내다봤다. 또한 응답자의 20%는 400% 이상 증가할 것이라고 답했다. 전체적으로 응답자들은 자신들의 전체 에지 컴퓨팅 사이트 수가 2025년까지는 지금보다 226% 증가할 것으로 예상했다.
버티브와 같은 데이터센터 인프라 업체들은 필요한 곳에서 데이터를 실시간으로 처리할 수 있는 새로운 개념의 데이터센터가 필요하다고 주장하고 있다. 특히 오늘날 대부분의 클라우드 데이터센터가 중앙집권화된 ‘하이퍼 스케일’ 시설인 반면, 에지 컴퓨팅은 마이크로 모듈식 데이터센터에 의해 구동되고 있다.
 |
||
| ▲ <그림2> 슈나이더일렉트릭과 HPE의 마이크로 데이터센터 | ||
마이크로 모듈식 데이터센터는 데이터 처리 능력과 저장 능력을 갖추고 이미 존재하는 인프라에 함께 융합돼 건설될 수 있는 독립된 소규모 블록의 형태를 띤다. 기지국은 마이크로 모듈식 데이터센터가 지어질 수 있는 인프라의 가장 좋은 예다. 기지국 내에 마이크로 모듈식 데이터센터를 설치하기도 용이할뿐더러, 이는 통신 네트워크와 이용자를 잇는 말 그대로 가장 최종 단계의 ‘인프라 에지’기 때문이다.
마이크로 모듈식 데이터센터는 유지 및 보수에 손이 많이 가지 않고, 예상치 못한 데이터 흐름에 대처할 수 있는 유동적인 권한 설정이 가능하며, 데이터 처리에 필요한 컴퓨팅 성능 및 스토리지 하드웨어를 포함하는 설계를 필요로 한다. 물론 강력한 보안도 빼놓을 수 없는 요소다.
|
2부 - 에지 클라우드 통해 확장성 및 연결성, 보안성 보장 |
글로벌 CDN 역량 바탕으로 ‘에지 클라우드’ 서비스 제공
사물인터넷(IoT) 및 에지 컴퓨팅이 확산됨에 따라 인터넷에 연결되는 디바이스 수가 기하급수적으로 증가할 것으로 전망된다. IoT 애널리틱스 리서치(IoT Analytics Research)는 오는 2025년까지 약 220억 대의 디바이스가 인터넷에 연결돼, 데이터를 전송할 것으로 예측했다. 특히 5G가 상용화됨에 따라 자율주행차 등이 본격 활성화될 것으로 예상되면서, 에지 컴퓨팅은 더더욱 주목받고 있다.
아카마이, 라임라이트네트웍스 등 CDN 기업들은 CDN 역량을 기반으로 ‘에지 클라우드(Edge Cloud)’를 제공하고 있다. 이 서비스를 통해 에지 컴퓨팅을 위한 디바이스와 클라우드 간 데이터 전송을 보호한다는 것이다. 더불어 수백만 개의 엔드포인트와의 통신에서 지연시간을 줄이고 실시간으로 데이터를 처리할 수 있도록 돕는다.
에지 컴퓨팅으로 지연시간 대폭 감소
클라우드가 글로벌 트렌드로 자리잡은 상황에서, 클라우드의 중앙 집중식 관리 한계를 극복하기 위해 대두된 것이 에지 컴퓨팅(Edge Computing)이다. 1초 미만의 응답 시간, IoT 디바이스 및 데이터의 폭증, 고품질로 일관된 온라인 환경에 대한 사용자의 기대 등을 충족시키기 위한 기술로 에지 컴퓨팅이 주목받기 시작했다.
특히 에지 컴퓨팅은 데이터가 인터넷을 우회할 필요가 없으며, 대부분의 경우 사용자 또는 디바이스와 먼 중앙 위치로 데이터가 이동할 필요가 없기 때문에 지연시간을 줄일 수 있는 방안으로 떠올랐다. 특히 실시간 데이터 분석이나 실시간 응답이 필요한 기업에게는 매우 효과적인 솔루션으로 주목받았다.
그러나 에지 컴퓨팅의 확산은 또다른 보안 관련 우려사항을 만들고 있다. 특히 IoT 디바이스의 폭증은 디도스 공격에 활용될 수 있다는 우려가 존재한다. 2016년 말에 발견된 ‘미라이 봇넷(Mirai Botnet)’이 IoT 디바이스를 감염시켜 분산 서비스 거부(DDoS: Distributed Denial of Service) 공격에 활용하는 사례는 이미 유명하기 때문이다.
이 외에도 에지 컴퓨팅에 보안이 적용되지 않는다면 기업의 정보 또는 자산 피해가 발생할 수 있으며, 에지 컴퓨팅이 본격 활용될 것으로 기대되는 자율주행차의 경우 사람의 목숨과도 연결될 수 있다. 이에 따라 에지 컴퓨팅에서도 보안은 여전히 중요한 영역으로 강조될 것으로 전망된다.
‘에지 클라우드’로 가속성 및 보안성 보장
이에 보안 업계에서는 에지 컴퓨팅을 위한 보안 솔루션을 선보이고 있다. 에지 컴퓨팅에 대한 보안 방안은 크게 2가지로 나뉜다. 먼저 에지 디바이스에 안티바이러스(백신) 등 보안 솔루션을 설치하는 방식이다. 이미 모바일 버전의 안티바이러스 솔루션은 많은 사람들이 사용하고 있으며, IoT 디바이스를 위한 보안 솔루션도 속속 등장하고 있다.
다른 측면에서는 디바이스가 연결되는 네트워크에 보안을 강화하는 방식이다. 가장 먼저 네트워크 접근 제어(NAC: Network Access Control) 솔루션은 IoT 디바이스도 제어할 수 있도록 기능을 강화하고 있다.
또 다른 한편으론 아카마이, 라임라이트 등 CDN 기업들이 CDN 역량을 기반으로 ‘에지 클라우드’ 서비스를 제공하고 있다. 데이터 소스와 네트워크 에지간 거리를 줄이기 위한 사설망을 제공하는 것이다.
아카마이는 ‘아카마이 에지 플랫폼’을 기반으로 커넥티드 디바이스로 데이터 전송과 대규모 인앱 메시징을 간소화 및 보호하는 ‘에지 클라우드’ 제품군을 서비스하고 있다. 아카마이의 ‘에지 클라우드’ 제품군은 IoT와 메시징을 위한 글로벌 확장성을 제공한다. 특히 ‘IoT 에지 커넥트(IoT Edge Connect)’는 보안 프레임워크를 적용해 확장성, 관리 용이성, 성능 등을 향상시켰다.
한준형 아카마이코리아 기술솔루션그룹 이사는 “IoT와 관련해 플랫폼의 안정성, 확장성, 보안, 편의성 등이 중요시된다. IoT 디바이스에 부담이 적어야 하며, 지연시간 또한 최소화해야 한다”고 말하며, 아카마이의 ‘IoT 에지 커넥트’와 인앱 메시징 지원 서비스 ‘MQTT(Message Queuing Telemetry Transport)’를 소개했다.
한준형 이사는 “아카마이 입장에서 에지 컴퓨팅은 매우 친숙한 단어다. 아카마이는 웹 트래픽 혼잡성을 줄이기 위해 사용자 근처에서 로직(Logic)을 처리하는 비즈니스 모델을 만들었다. 이 모델이 현재의 네트워크의 에지라고 할 수 있다. 네트워크 에지단에서 로직을 처리해 원본 서버까지 요청이 가지않는, 장거리 통신을 줄여 원본 서버의 부하를 줄이기 위한 노력을 꾸준히 이어왔다”고 설명했다.
이어 “MQTT는 인터넷 스탠다드를 충족하는 프로토콜로, 양방향 소통이 가능하다. 이로 인해 게임 메시지 전달, 챗, IoT 메시징 등 다양한 분야에 적용이 가능하다. 또한 메시지 전송 중 데이터에 변화가 생기면 안되기 때문에 이를 예방하기 위한 기능도 적용돼 있다”고 말했다.
CDN 역량 기반 디도스 완화 등 다양한 보안 서비스 제공
아카마이의 ‘에지 클라우드’ 서비스 기반에는 기존 CDN 역량이 모두 적용돼 있다. 이를 통해 에지 컴퓨팅 환경 또한 보호할 수 있도록 돕는다. 최근 아카마이는 글로벌 CDN에서 최대 트래픽 106Tbps를 기록했다고 밝혔다. 이를 전세계 137개국에 분산된 253,000대의 에지 서버로 구성된 ‘인텔리전트 에지 플랫폼’을 통해 안전하고 빠르게 처리했다는 것이다.
 |
||
| ▲ <그림3> 아카마이 글로벌 플랫폼 | ||
특히 ‘인텔리전트 에지 플랫폼’은 ▲HTTPS 트래픽 지원 ▲비즈니스 영속성 보장을 위한 규정 준수 관리 ▲웹 애플리케이션 자동 보호 ▲디도스 및 봇관리 솔루션 통합 등 보안을 위한 다양한 기능을 지원하고 있다.
라임라이트네트웍스의 에지클라우드는 기존 클라우드 컴퓨팅 환경을 활용하면서 발생하는 비용과 복잡성을 줄인다. 특히 에지 컴퓨팅 인스턴스는 라임라이트의 분산 네트워크 거점(PoP)의 글로벌 백본에 내장해 즉각적인 액세스를 제공한다. 라임라이트의 에지 컴퓨팅 서비스는 80개 이상의 PoP 및 900개 이상의 ISP와 피어링 관계를 맺은 안전한 QoS-지원 글로벌 사설 IP 백본을 포함해 에지 클라우드 모든 서비스에 직접 액세스할 수 있도록 지원한다.
또한 클라우드 보안 서비스를 통해 ▲디도스 공격 인셉터(Limelight DDoS Attack Interceptor) ▲라임라이트 웹 애플리케이션 방화벽(Limelight Web Application Firewall) ▲HTTPS 트래픽 지원 등 보안 기능을 제공한다.
한준형 아카마이코리아 이사는 “에지 컴퓨팅과 관련해 보안 기능과 안정성은 매우 중요하다. 자율주행차를 예로 들면, 빠르게 데이터를 처리하고 플랫폼과 연결돼야 한다. 플랫폼이 응답을 하지 않을 경우 사고로 이어질 수 있기 때문이다. 더불어 보안성이 갖춰지지 않는다면, 자동차를 해킹해 인명사고를 낼 위험도 있다”고 설명했다.
이어 “5G, 자율주행차, IoT 등으로 인해 에지 컴퓨팅과 관련된 시장은 지속적으로 성장할 것으로 예상된다. 특히 네트워크에 연결되는 디바이스의 수가 기하급수적으로 증가할 것으로 예상되고, 연결되는 디바이스와 관련해 크리티컬한 영역이 늘어날 것으로 예상됨에 따라 서비스 연속성 및 보안성의 중요도는 계속 높아질 것이다. 데이터를 처리하는 과정에서 CDN 기업들이 제공하는 보안 및 성능은 에지 컴퓨팅 구축에 많은 도움을 줄 것이라고 생각한다”고 강조했다.
 |
||
| ▲ <그림4> 라임라이트네트웍스 에지 서비스 개념도 | ||
|
3부 - 폭증하는 에지단 데이터, ‘에지 컴퓨팅 솔루션 갖춘 클라우드’로 해결 |
최근 클라우드 컴퓨팅의 한계를 보완해주는 기술로 에지 컴퓨팅이 여러 분야에서 각광받고 있다. 가령 자율주행차, 스마트팩토리 등과 같은 산업군에서는 이미 필수적인 요소로 자리를 잡았다. 더불어 수집되는 데이터의 양도 점차 방대해지기 시작하고 있다. 이를 해결할 수 있는 방법이 바로 에지 컴퓨팅 솔루션을 갖춘 클라우드 서비스를 활용하는 것이다.
에지 컴퓨팅 솔루션을 갖춘 클라우드 서비스는 클라우드 데이터센터에서 데이터 부하를 분산할 수 있으며, 에지단에서는 노드(IoT G/W, 게이트웨이)와의 학습된 데이터를 빠르게 주고받을 수 있어 실시간성을 높여준다. 이와 같은 기술은 점차 클라우드 제공사들에게는 시장 경쟁력 확보를 위해서 필수적이다.
클라우드 컴퓨팅의 효율 높이기 위한 기술
가트너는 2018년, 2019년, 2020년 10대 IT 기술 트렌드를 발표했는데 에지 컴퓨팅이 3년 연속 선정됐다. 중앙 집중형태와 분산형태의 반복되는 패러다임 속에서 중앙 집중형태인 클라우드를 보완할 수 있는 사항으로 분산형태인 에지 컴퓨팅이 인기를 끌고 있다.
클라우드 컴퓨팅은 노드들로부터 데이터를 중앙 서버로 모아 처리하는 방식을 의미하는데, 이 같은 구조를 갖는 이유는 데이터센터서 동작하는 다수의 서버를 하나의 플랫폼처럼 구동하고자 하는 방식에서 비롯됐다. 이러한 구조는 사용자 증가에 따라 네트워크를 통한 데이터 송·수신 지연이 발생하게 되는 원인이 됐다.
에지 끝단에 있는 센서(Sensor)가 발전함에 따라 수집하는 데이터는 점차 폭증하고 있다. 특히, 분석 결과를 빠르게 응답해야 하는 경우 중앙 집중형태의 데이터 처리 방법은 비효율적일 수밖에 없다. 에지 컴퓨팅은 위와 같은 중앙 집중형태의 클라우드가 가진 문제들을 해결하고자 등장한 기술이다.
일반적으로 클라우드와 에지 컴퓨팅은 서로 개별적인 기술로 알고 있는 경우가 많다. 하지만, 에지 컴퓨팅과 클라우드 컴퓨팅은 서로 상보적 관계에 있다. 단적인 예로, 자율주행차가 사고를 피할 수 없다면 사고를 최소화하는 방향으로 가야한다. 그렇다면 사람들이 있는 인도로 돌진할 것인가, 혹은 단순히 건물 벽에 부딪힐 것인가를 결정을 해야 한다. 높은 실시간성 체계를 갖춘 자율주행차는 벽에 부딪히는 것을 선택할 것이다.
하지만 보통 에지단에서 수집한 데이터를 처리, 학습하는 것만으로는 위 예시처럼 자율주행차가 피해를 최소화하는 것은 불가능하다. 그래서 클라우드 데이터센터에 축적된 데이터들을 에지 노드와 꾸준히 주고받는 형태를 유지해야 한다. 그렇게 되면 데이터 송수신의 네트워킹 비용의 절감과 실·시간성 및 정확성도가 높아진다.
‘에지컴퓨팅 솔루션을 갖춘 클라우드’의 대표적인 솔루션으로 마이크로소프트(MS)의 ‘애저 IoT 에지(Azure IoT Edge)’가 있다. 이 서비스는 MS의 클라우드 플랫폼인 애저(Azure)에 에지 컴퓨팅 솔루션인 ‘IoT 에지’가 플랫폼에 올라가 제공되고 있다.
‘애저 IoT 에지’는 IoT 허브를 기반으로 에지 컴퓨팅을 가능하게 해주며, 허브의 연산 데이터가 클라우드에 안전하게 송·수신될 수 있도록 한다. 또한, 클라우드의 각종 서비스와 기능을 IoT 디바이스에 전달할 수 있도록 지원한다.
 |
||
| ▲ <그림5> MS의 애저 IoT 에지 구성도 (출처: 마이크로소프트) | ||
MS의 에지 컴퓨팅 솔루션인 ‘애저 IoT 에지’는 ‘애저 스트리밍 애널리틱스(Azure Streaming Analytics, 이하 ASA)’ 기능을 탑재했으며, 이 기능은 스마트팩토리에 최적화된 서비스다. 특히, 공장 내 센서에서 모인 데이터를 ‘ASA 온 IoT 에지’에 저장, 이를 학습해 다시금 센서로 보내준다. 또한, 다른 IoT 에지 모듈과의 연동도 자유롭게 가능한 점도 특징이다. 이처럼 실시간으로 공장 내 다양한 센서의 데이터를 분석하고 이상을 감지해 기계를 중지하거나 경고를 알려주는 서비스를 제공한다.
다양한 산업군에도 적용이 가능하다. 가령, 원격 광산장비나 해양 시추기계 등과 같은 업무 코어시스템이 지속적으로 클라우드와 연결되지 않더라도 데이터를 분석하고 대응할 수 있도록 지원한다. 비행기 엔진이나 스마트 카에서 생성되는 데이터는 방대하기 때문에 이를 클라우드로 보내기 전에 적당히 여과하는 등 사전처리를 할 필요가 있는데 이러한 기능도 지원한다.
에지단 불필요한 클라우드 컴퓨팅 파워 활용 없애
클라우드의 데이터센터에 저장된 대용량 데이터와 이 데이터를 활용해 얻은 최적의 데이터는 에지 노드와 네트워킹을 통해 지능적인 서비스를 에지 끝단 센서에 제공할 수 있다. 이 때 에지 노드는 클라우드와 센서 사이에서 데이터가 지나는 1차적인 관문 역할을 수행하면서 클라우드의 파워를 활용하지 않아도 에지 끝단의 디바이스가 필요한 서비스를 바로 제공해 줄 수 있다.
또한, 각각의 에지 컴퓨팅은 중앙 클라우드와 통신이 단절돼도 독립적인 동작이 가능하도록 설계해 끊어짐 없는 서비스를 필요한 분야에 활용할 수 있다. 에지들을 모아 하나의 거대한 클라우드망을 형성하는 것도 가능하다. 조직적으로 더 많은 서비스 요청을 관리하기가 용이하고, 좀 더 다양하고 신속한 서비스의 제공도 가능해진다. 여기에 최적화된 솔루션이 AWS의 ‘스노우볼’, ‘스노우볼 에지’다.
 |
||
| ▲ <그림6> AWS의 ‘스노우볼’ 어플라이언스 장비 | ||
AWS의 ‘스노우볼’은 대용량 데이터 이동장치 서비스다. 이 서비스는 HW를 사용해 데이터 마이그레이션, 에지 컴퓨팅, 기계 학습 및 분석을 위해 아마존 S3로 PB(페타바이트) 단위의 데이터를 이동할 수 있다. AWS의 자체 어플라이언스를 사용해 인터넷보다 빠르게 클라우드에 데이터를 전송하거나, AWS 클라우드의 기능을 활용할 수 있게 해준다.
또 ‘스노우볼 에지’는 원격 위치, 인터넷 연결이 끊어진 환경 등에서 에지 컴퓨팅을 위해 특정 아마존 EC2 인스턴스를 실행할 수 있게 해준다. AWS의 클라우드에서 애플리케이션 개발 및 테스트를 진행한 다음, ‘스노우볼 에지’ 장치에 배포해 이미지 분석 또는 기계 학습을 위한 데이터 수집, 사전 처리가 가능하다. 데이터 저장 및 추가 처리를 위해 저장 장치를 AWS로 다시 보낼 수 있다.
 |
||
| ▲ <그림7> AWS의 ‘스노우볼’ 작업 순서 | ||
AWS의 ‘스노우볼’의 수행은 AWS 커맨드라인 인터페이스에서 가능하다. ‘스노우볼’의 작업 순서는 작업 계획을 설정해야 한다. 작업 계획에는 아마존 S3로 가져오기, 아마존 S3에서 내보내기, 로컬 컴퓨팅 및 스토리지 전용 등 세 개의 항목 가운데 각 환경에 맞는 항목을 선택하면 된다. 이후, 어플라이언스를 배송 받을 주소를 작성 한 후 어플라이언스를 받는다. 이 때 ‘스노우볼’은 80TB, ‘스노우볼 에지’는 100TB까지 한 번에 이동이 가능하다. 어플라이언스를 받은 후 로컬 네트워크에 연결한다. 자격 증명을 사용해 ‘스노우볼’ 클라이언트를 다운로드하고 실행해 연결해야 한다. 이후 데이터를 복사하고 완료되면 어플라이언스의 연결을 해제하고 배송을 보내면 된다. 이후 작업은 AWS 측에서 데이터를 이동시켜준다.
클라우드-에지-디바이스 구조…“공존 형태로 발전할 것”
현재 에지 컴퓨팅은 기존의 클라우드 컴퓨팅을 대체할 수 없다. 에지 컴퓨팅은 클라우드 컴퓨팅의 단점을 보완하기 위해 나온 기술이기 때문이다. 상보관계에 있는 클라우드 컴퓨팅과 에지 컴퓨팅은 공존하는 형태로 발전할 것이며, 현재는 에지 컴퓨팅이 초기 단계에 있기에 관련 벤더들은 각자의 방식과 전략을 활용하며 솔루션을 출시하고 있다. ‘클라우드-에지-디바이스’의 구조는 클라우드 컴퓨팅을 보다 효율적으로 동작하게 하며, 다양한 산업군으로 확산될 것이 확실시 된다.
|
4부 - 에지 컴퓨팅으로 진화하는 지능형 CCTV |
네트워크 부하 및 비용 획기적 절감 기대
지능형 CCTV는 일반적인 CCTV에 딥러닝 기반의 컴퓨터 비전(Vision) 기술을 더해 고도화된 방범·감시 기능을 더한 제품이다. 기존의 CCTV들은 현장 상황을 그대로 관제실로 전송하기면 관제실에 위치한 보안 직원이 직접 모니터를 보고 이상 여부를 판별해야 했다. 관리해야 할 CCTV가 적을 경우에는 큰 문제가 되지 않지만, 한 명이 모니터링하기 힘들 정도로 CCTV가 늘어나면 관리에 어려움을 겪게 된다. 실제로 많은 지자체들이 시 단위의 방범·감시를 위해 5~6,000여 대의 카메라를 도입하고 있다.
지능형 CCTV는 한 걸음 더 나아가, 딥러닝 기술을 통해 이상여부 탐지 기능을 학습한 SW가 관제실로 전송된 영상 데이터를 자동으로 분석한다. 분석 결과 문제가 발생했다고 판단될 경우 즉각 관제요원에게 신호를 보내 확인하도록 한다. 이렇게 되면 관제요원은 불필요하게 모든 CCTV를 주시하고 있어야 할 필요가 줄어들며, 지능형 CCTV가 신호를 보낸 영상을 우선적으로 검토해 보다 효율적인 업무 수행이 가능하다.
최근 지능형 CCTV 업계에서는 에지 단에서 영상데이터를 분석하고 이상여부를 판별하는 기술에 대한 관심이 높아지고 있다. 국내 영상분석 및 영상보안 솔루션 개발 전문 기업인 인텔리빅스는 지난해부터 퀄컴과 함께 지능형 CCTV의 영상분석을 위한 10나노미터(nm) 시스템 온 칩(System on Chip, SoC) 보드를 개발하고 있다. 퀄컴의 IoT용 스마트 디바이스 개발을 위한 비전 인텔리전스 제품군 중 QCS605 칩셋을 활용한다.
기존에는 CCTV의 한정적인 공간 안에 필요한 만큼의 HW를 탑재할 수 없었으므로, 모든 영상은 실시간으로 관제실에 위치한 서버로 전송돼야 했다. 이 경우 365일 24시간 영상데이터 전송에 많은 네트워크 부하와 비용이 발생한다.
특히 CCTV는 운영시간의 대부분을 대기 상태로 보내기 때문에 필요하지 않은 데이터가 필요한 데이터보다 훨씬 많다. 이를 위해 CCTV 기업들은 움직임 감지(Motion Detection), 필터링, 추적(Tracking) 기능 등을 활용해 필요한 데이터만을 추려내고자 하고 있지만, 영상 내에서 움직임이 발견됐다고 늘 이상이 발생한 것은 아니라는 점에서 완전하지는 않다. 여전히 서버로 전송되는 대부분의 영상 데이터에는 의미가 없고, 필요없는 네트워크 전송 비용을 발생시키고 있다.
인텔리빅스와 퀄컴이 개발하고 있는 제품이 완성되면 별도의 연산을 위한 서버를 두지 않고도 CCTV에서 영상분석을 수행할 수 있게 된다. CCTV가 촬영하는 모든 영상을 서버로 보내는 게 아니라, 에지 단에서 자체적으로 영상 분석을 수행하고 이상 상황이 발생한 경우에만 관제실로 신호와 관련 영상을 보낼 수 있다. 이전에 비해 네트워크 부하와 비용을 획기적으로 절감할 수 있다.
영상분석 기술 수준 고려한 우려의 목소리도
한편 업계 관계자는 현재 중국 등지에서 CCTV 자체에 GPU를 탑재해 에지 단에서의 영상 분석을 실현하고자 하는 시도가 있다고 설명했다. 하지만 커스터마이징이 불가능해 용도가 한정적이기 때문에 결국 전체 상황을 관제할 수 있는 서버의 존재가 필수불가결하다. 한 대의 CCTV 안에서 객체 추적이나 얼굴인식 등 한정적인 기능만을 구현하는 것은 가능하지만, 현재 지능형 CCTV들이 갖추고 있는 전방위적인 보안·감시 성능을 구현하는 것은 불가능하다는 것이다.
다만 일각에서는 인텔리빅스와 퀄컴의 제품처럼 추가적인 기술 개발이 이뤄지더라도, 실제로 시장에서 고객들이 기대하는 수준의 성능을 갖출 때까지는 좀 더 시간이 필요하다고 주장한다. 이는 지능형 CCTV에 적용되고 있는 영상 분석 성능이 완전하지 않다는 점에서 기인한다. 지능형 CCTV가 활용하는 객체 검출(object detection) 기술은 화면 내에서 객체를 찾고 위치와 의미를 특정하는 것으로, 이미지 분류(object classification)와 같은 여타 이미지·영상 분석 기술에 비해 다소 정확도가 낮다. 박운상 서강대학교 교수는 “객체 검출은 지난 몇 년간 빠르게 정확도를 높여왔지만, 2017년 73%를 기록한 이후 성장 곡선이 완만해졌다. 이전에 비해 뚜렷한 변화나 획기적인 기술의 제시가 보이지 않는다”고 설명했다.
이에 따라 대다수의 지능형 CCTV들은 SW에 대부분의 관제 역할을 맡는 완전 자율형 시스템보다 사람과의 협업을 통한 관제를 구현한다. 관제의 중요한 판단은 사람이 내리되 SW가 이를 보조하는 것이다. 영상에서 어떤 상황이 발생하고 있는지 100% 정확히 판단해낼 수는 없더라도, 이상한 행위가 일어나고 있다는 것을 앞서 파악하고 사람에게 신호를 보내 주목하도록 하는 것만으로도 충분한 의미가 있기 때문이다.
하지만 에지 단으로 넘어가면 얘기가 다르다. 만약 CCTV에서 작은 움직임이 감지될 때마다 이를 관제실로 보내게 된다면, 실제 네트워크 부하는 기존의 움직임 감지나 추적 기능을 활용한 CCTV와 크게 다르지 않을 것이다. 따라서 자체적으로 영상 분석이 가능한 CCTV가 의미를 가지기 위해서는 기존보다 더욱 정확하게 상황을 분석하고 필요한 데이터만을 관제센터로 보낼 수 있는 기술이 요구된다. 따라서 무엇보다 먼저 영상 분석 기술 자체의 정확도가 향상돼야 하며, 새로운 기술이 요구하는 HW 성능을 제한된 CCTV 용적 안에 담아낼 수 있어야 할 것이다.
한편 한 업계 관계자는 현 시점에서 영상 분석 기술 실용화가 가진 한계를 인정하고, CCTV의 기능을 제한적으로 운용할 필요가 있다고 주장했다. 탑재할 수 있는 HW의 용량에 한계가 있는 만큼, CCTV 자체에서 영상 분석을 수행하는 것은 별도의 서버를 갖추는 방법에 비해 성능의 한계가 뚜렷하다. 이러한 상황에서 기존의 지능형 CCTV가 갖추고 있는 모든 기능들을 에지 단에서 모두 구현하는 것은 불가능하다는 의견이다. 해당 관계자는 이에 대해 “지능형 CCTV 시장은 여전히 성장하고 있는 개화기이므로, 아직 완성되지 않은 기술을 무리하게 운용하기보다 확실하게 구현 가능한 기능들을 통해 시장의 신뢰도를 높여나가야 할 때”라고 말했다.
정종길, 김성수, 권정수, 박재현 기자 @
