KR102110592B1 - IoT 컴퓨팅 환경에서의 클라우드와 엣지간의 분산 처리 방법 및 시스템 - Google Patents

Abstract

사물측에 연결되어 데이터를 수집하고 사물측으로 제어신호를 보내주는 엣지와, 엣지로부터 데이터를 받아 처리하고 처리 결과를 엣지로 전달하는 클라우드를 포함하는 IoT 컴퓨팅 환경에서의 상기 클라우드 및 엣지간의 분산 처리 방법 및 시스템을 제안한다. 데이터 처리를 위한 클라우드측 트래픽과 부하를 상황에 따라 적응적으로 엣지에 분산하여, 엣지와 클라우드가 협업하여 처리하고 최적의 처리결과를 제공하도록 한다. 엣지와 클라우드의 분산 처리의 기준은, 응답시간을 빠르게 하고 프로세싱 능력을 최대한 활용하며 네트워크 독립적이고 데이터를 최대한 보호하는 것을 기반으로 한다.

Description

IoT 컴퓨팅 환경에서의 클라우드와 엣지간의 분산 처리 방법 및 시스템 {Method and system for distributed operation between cloud and edge in IoT comuting environment}

본 발명은 클라우드와 엣지간에 학습(learning), 분석(analysis), 추론(inference) 등의 처리(operation)를 분산적으로 수행하는 방법 및 시스템에 관한 것이다.

IoT 기기의 보급으로 다양한 장소에서 IoT 센서로부터 다양한 데이터 수집이 가능해졌다. 수집된 센서 데이터 결과값은 현장에서는 소정의 규칙에 따라 의미를 파악하는 정도의 간단한 분석이 적용되고, 전문적이고 고도화된 분석을 위해서는 수집된 데이터를 클라우드로 보내어 심층 분석하고 그 결과를 다시 사용자에게 전송하는 방식이 보편적으로 이용되고 있다. 이러한 클라우드 기반 분석은 구글 빅쿼리, 아마존 웹서비스와 같이, 클라우드 인프라에서 데이터를 관리하고 분석하는 것이 현시점의 보편적인 기술 트렌드이다.

이와 같이 클라우드 컴퓨팅 기술의 발전으로 클라우드를 이용한 데이터 학습 및 분석이 대중화되고 있으나, 여기에는 다음과 같은 여러 가지 문제점이 있다.

- 프라이버시 침해 문제: 개별 데이터를 클라우드로 전송해야 함에 따라 프라이버시 침해 문제가 발생할 수 있음

- 네트워크 의존성: 클라우드에 데이터를 전송한다는 것은 물리/논리적으로 거리가 있는 곳에 데이터를 보내고 그 결과를 받아야 한다는 것이므로 네트워크가 제대로 동작하지 않을 경우에는 서비스 제공이 불가능함

- 네트워크 자원 소모: 네트워크의 성능이 뒷받침된다고 하더라도, 많은 양의 데이터를 전송해야 하기 때문에 대역폭(bandwidth)의 소모가 크며, 많은 자원을 사용할 경우에는 서비스가 어려워질 수 있음

- 반응 속도: 물리적으로 거리가 있는 곳에 데이터를 주고받아야 하므로 이에 따른 분석 반응 속도가 느려져 빠른 피드백을 요하는 실시간 서비스에는 활용하기가 어려움

한편, 이러한 클라우드 분석의 단점을 극복하기 위해 엣지(edge) 또는 포그(fog) 컴퓨팅이 대안으로 도입되고 있다. 엣지는 클라우드의 물리적 거리와 제약을 극복하기 위해 개발된 것으로, 사용자가 서비스를 이용하는 곳과 가까운 위치에서 프라이빗하게 사용할 수 있는 시스템이다.

엣지는 클라우드와 사용자의 중간 위치에서 필요한 기능을 수행함으로써 클라우드의 단점을 극복할 수 있다. 그러나 이러한 기존의 엣지-클라우드간 협업 분석 프레임워크에서는, 클라우드에서 엣지로 분석 엔진이 단순 배포되어 엣지가 분석 모델을 활용할 수 있도록 단순 위임하고 있는 한계 때문에, 현재의 엣지 기반 분석은 초기 기술 개발 단계로 범용적이고 간단한 타스크 수행시에는 적합하나 다양한 개별 엣지 특성은 고려할 수 없고 특정 기업의 클라우드 시스템에 종속되는 문제가 있다. 또한, 엣지는 클라우드만큼 프로세싱 성능이 좋지 않고 많은 양의 데이터를 처리하기가 어려워 복잡한 연산 처리가 곤란하고, 각 엣지마다 성능의 차이가 커서 엣지마다 처리할 수 있는 타스크의 개수와 특성이 매우 다르므로 일괄적으로 모델을 배포하는 데 무리가 있다.

따라서 이러한 단점을 고려한 처리가 필요해진다. 예를 들어, 엣지가 클라우드로부터 빠르게 심층 학습 모델을 받아 이를 엣지에서 빠르게 처리하여 추론 결과 등의 IoT 서비스를 제공할 수 있는 기술이 필요하다.

본 발명은 사물측에 연결되어 데이터를 수집하고 사물측으로 제어신호를 보내주는 엣지와, 엣지로부터 데이터를 받아 처리하고 처리 결과를 엣지로 전달하는 클라우드를 포함하는 IoT 컴퓨팅 환경에서의 상기 클라우드 및 엣지간의 분산 처리 방법 및 시스템을 제안한다. 데이터 처리를 위한 클라우드측 트래픽과 부하를 상황에 따라 적응적으로 엣지에 분산하여, 엣지와 클라우드가 협업하여 처리하고 최적의 처리결과를 제공하도록 한다. 엣지와 클라우드의 분산 처리의 기준은, 응답시간을 빠르게 하고 프로세싱 능력을 최대한 활용하며 네트워크 독립적이고 데이터를 최대한 보호하는 것을 기반으로 한다.

본 발명의 방법적 측면에 따르면, 상기 클라우드에서 상기 수집한 데이터를 위한 모델을 생성하는 단계, 상기 클라우드와 엣지 간의 분산처리를 위해 상기 생성된 모델의 분배규칙을 준비하는 단계, 상기 클라우드에서 생성된 상기 모델이 상기 모델 분배규칙에 따라 클라우드로부터 엣지로 분배되는 단계, 상기 클라우드와 상기 엣지가 각각, 생성된 모델 및 상기 분배된 모델을 이용하여 사물측으로부터 수집한 데이터를 처리하는 단계를 포함하는, IoT 컴퓨팅 환경에서의 클라우드와 엣지간의 분산 처리 방법이 제공된다.

여기서, 상기 모델이 클라우드로부터 엣지로 분배되는 단계는, 상기 모델 분배규칙에 의거하여 상기 클라우드가 엣지를 결정하여 모델을 분배하는 단계를 포함하거나, 또는, 상기 모델 분배규칙에 의거하여 상기 엣지가 상기 클라우드에 생성된 모델을 선택하여 상기 클라우드로부터 이 선택된 모델을 분배받는 단계를 포함할 수 있다.

또한, 상기 클라우드와 상기 엣지가 각각, 생성된 모델 및 상기 분배된 모델을 이용하여 사물측으로부터 수집한 데이터를 처리하는 단계는, 상기 엣지가 사물측으로부터 수집한 데이터를 분리하는 단계와, 분리된 제1부분의 데이터를 상기 클라우드로 전송하고, 제2부분의 데이터에 대하여 일차로 처리한 결과를 상기 클라우드로 전송하는 단계와, 상기 클라우드는 엣지로부터 전달받은 제1부분 데이터와 상기 엣지에서 제2부분 데이터에 대해 일차로 처리된 결과에 대해 본처리를 진행하는 단계를 포함할 수 있다.

한편, 상기 방법에는, 상기 클라우드와 엣지 간의 타스크 분산처리를 위해 상기 사물측으로부터 수집한 데이터의 처리 타스크를 클라우드로부터 엣지로 분배하는 단계, 상기 클라우드와 상기 엣지가 각각, 생성된 모델 및 상기 분배된 모델을 이용하여 상기 사물측으로부터 수집한 데이터의 타스크를 처리하는 단계가 추가로 포함될 수 있다.

이상에서 본 발명의 방법을 여러 개의 단계로 정의하였지만, 본 발명의 방법이 이러한 단계의 시간적 흐름에 좌우되는 것이 아님은 당업자에게 자명하다.

또한, 이상의 방법적 측면에서의 본 발명과 별개로, 또는 연계하여, 본 발명은 아래와 같은 세 가지의 장치적(시스템적) 측면에서 정의할 수 있다.

1. 사물측에 연결되어 데이터를 수집하고 사물측으로 제어신호를 보내주는 엣지와, 엣지로부터 데이터를 받아 처리하고 처리 결과를 엣지로 전달하는 클라우드를 포함하는 IoT 컴퓨팅 환경에서의 상기 클라우드 및 엣지간의 분산 처리 시스템으로서, 상기 클라우드는, 상기 수집한 데이터의 처리를 위해 모델을 생성하는 모델 생성부, 상기 클라우드와 엣지 간의 분산처리를 위한 모델분배 규칙, 상기 모델 분배규칙에 따라 모델을 엣지로 분배하는 모델분배부를 포함하는, IoT 컴퓨팅 환경에서의 클라우드와 엣지간의 분산 처리 시스템.

여기서, 상기 엣지는, 상기 클라우드에 생성된 모델 중 엣지에서 이용할 모델을 선택하는 기준인 모델 분배규칙과, 상기 클라우드에 생성된 모델 중 엣지에서 이용할 모델을 선택하는 모델 선택부를 포함할 수 있다.

2. 사물측에 연결되어 데이터를 수집하고 사물측으로 제어신호를 보내주는 엣지와, 엣지로부터 데이터를 받아 처리하고 처리 결과를 엣지로 전달하는 클라우드를 포함하는 IoT 컴퓨팅 환경에서의 상기 클라우드 및 엣지간의 분산 처리 시스템으로서, 상기 클라우드는, 상기 수집한 데이터의 처리를 위해 모델을 생성하는 모델 생성부, 상기 클라우드와 엣지 간의 분산처리를 위한 모델분배 규칙, 상기 모델 분배규칙에 따라 모델을 엣지로 분배하는 모델분배부를 포함하고; 상기 엣지는, 상기 사물측으로부터 수집한 데이터를 분리하여 분리된 제1부분의 데이터를 상기 클라우드로 전송하는 데이터분리부, 분리된 제2부분의 데이터에 대하여 일차로 처리하고 그 결과를 상기 클라우드로 전송하는 수단을 포함하고; 상기 클라우드는 또한, 상기 엣지로부터 전송된 제1부분 데이터와 상기 엣지에서 제2부분 데이터에 대해 일차로 처리된 결과에 대해 본처리를 진행하는 본처리부를 추가로 포함하는, IoT 컴퓨팅 환경에서의 클라우드와 엣지간의 분산 처리 시스템.

3. 사물측에 연결되어 데이터를 수집하고 사물측으로 제어신호를 보내주는 엣지와, 엣지로부터 데이터를 받아 처리하고 처리 결과를 엣지로 전달하는 클라우드를 포함하는 IoT 컴퓨팅 환경에서의 상기 클라우드 및 엣지간의 분산 처리 시스템으로서, 상기 클라우드는, 상기 수집한 데이터의 처리를 위해 모델을 생성하는 모델 생성부, 상기 클라우드와 엣지 간의 분산처리를 위한 모델분배 규칙, 상기 모델 분배규칙에 따라 모델을 엣지로 분배하는 모델분배부, 상기 클라우드와 엣지 간의 타스크 분산처리를 위해 상기 사물측으로부터 수집한 데이터의 처리 타스크를 클라우드로부터 엣지로 분배하는 타스크 분배부를 포함하고, 상기 엣지는, 상기 분배된 모델을 이용하여 상기 사물측으로부터 수집한 데이터의 타스크를 처리하는 타스크 처리부를 포함하는, IoT 컴퓨팅 환경에서의 클라우드와 엣지간의 분산 처리 시스템.

여기서, 상기 클라우드는 상기 엣지와의 타스크 분산처리를 위해 상기 사물측으로부터 수집한 데이터의 처리 타스크를 엣지로 분배하는 기준인 타스크 분배 규칙을 추가로 포함할 수 있다.

또한, 상기 엣지는, 상기 클라우드와의 타스크 분산처리를 위해 상기 사물측으로부터 수집한 데이터의 처리 타스크를 클라우드로부터 분배받는 기준인 타스크 분배 규칙을 추가로 포함할 수 있다.

이상에서 소개한 본 발명의 구성 및 작용은 차후에 도면과 함께 설명하는 구체적인 실시예를 통하여 더욱 명확해질 것이다.

본 발명에 따르면, 다음과 같은 이득을 얻을 수 있다.

엣지 기반 분산 지능 프레임워크 제공: 클라우드와 다양한 엣지 들의 고정/유동적 특성을 고려하여 분석을 위임/공유하고 유기적으로 협업하여 최적의 분석 결과를 도출하며 산업계의 적용 및 응용을 고려한 프레임워크 형태의 제공이 가능해진다.

엣지의 자원과 특성을 고려한 분석 최적화: 폐쇄적인 네트워크 환경과 도메인 의존적이며 고정/유동적 능력이 다양한 엣지의 특성을 고려하여 분석 모델과 성능, 분석 범위를 적응적으로 결정하고 상황에 따라 이를 변경하여 최적의 분석 성능 활용이 가능하다.

엣지 분석 활용성 증대: 엣지 기반 분석 엔진을 손쉽게 활용하고 배포할 수 있도록 주요 기능을 모듈화하여 엣지 분석 활용성이 증대된다.

엣지와 클라우드간 유기적 협업: 이전에는 클라우드는 빅데이터 처리를 위한 인프라로, 엣지는 간단한 서비스를 실행하는 단말로써 각각 독립적으로 타스크를 수행하였고, 엣지-클라우드 간 분석 협업 방식이 1) 일방적으로 클라우드에서 엣지에 추론 엔진을 위임/배포 하거나, 2) 비교적 단순 형태의 사용자 데이터로 엣지 학습 모델을 로컬 최적화하는 방식으로 진행되고 있는 기술 개발 초기 단계였으나, 본 발명에 따르면, 엣지와 클라우드는 상대 디바이스를 보완 혹은 협업하는 매개체로 진화할 것이며 협업을 통해 각 디바이스의 장점을 극대화하고 단점을 보완할 수 있도록 하여 점진적으로 분석 성능을 개선할 수 있다.

엣지-엣지로의 확장: 본 발명 기술은 엣지-클라우드 뿐만 아니라 엣지-엣지간 분석의 위임, 선택, 배포 등 협업으로 확장가능하다.

도 1은 클라우드 및 엣지 기반의 IoT 컴퓨팅 환경의 개략도
도 2는 실시예 1에 따른 클라우드-엣지 분산 처리 방법의 개념도
도 3은 도 2에 나타낸 실시예 1의 개념을 구현하기 위한 클라우드(10)-엣지(20) 구성도
도 4는 실시예 2에 따른 클라우드-엣지 분산 처리 방법의 개념도
도 5는 도 4에 나타낸 실시예 2의 개념을 구현하기 위한 클라우드(10)-엣지(20)의 예시적 구성도
도 6은 실시예 3에 따른 클라우드-엣지 분산 처리 방법의 개념도
도 7은 도 6에 나타낸 실시예 3의 개념을 구현하기 위한 클라우드(10)-엣지(20)의 예시적 구성도

본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 기술되어 있는 실시예를 참조하면 명확해질 것이다. 그러나 본 발명은 이하에서 개시되는 실시예에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있는 것이며, 단지 본 실시예는 본 발명의 개시가 완전하도록 하여 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이다. 본 발명의 기술적 범위는 청구항의 기재에 의해 정의된다.

한편, 본 명세서에서 사용된 용어는 실시예를 설명하기 위한 것이며 본 발명을 제한하고자 하는 것이 아니다. 본 명세서에서, 단수형은 문구에서 특별히 언급하지 않는 한 복수형도 포함한다. 명세서에서 사용되는 "포함한다(comprises)" 또는 "포함하는(comprising)"은 언급된 구성요소, 단계, 동작 및/또는 소자 이외의 하나 이상의 다른 구성요소, 단계, 동작 및/또는 소자의 존재 또는 추가를 배제하지 않는다.

이하, 본 발명의 바람직한 실시예를 첨부 도면을 참조하여 상세히 설명한다. 각 도면의 구성요소들에 참조부호를 부가함에 있어서, 동일한 구성요소들에 대해서는 비록 다른 도면상에 표시되더라도 가급적 동일한 부호를 부여하고 또한 본 발명을 설명함에 있어, 관련된 공지 구성 또는 기능에 대한 구체적인 설명이 본 발명의 요지를 흐릴 수 있는 경우에는 그 상세한 설명을 생략한다.

도 1은 클라우드 및 엣지 기반의 IoT 컴퓨팅 환경의 개략도이다. 다수의 IoT 센서(미도시)와 다수의 액추에이터(미도시)가 포함된 포괄적 구성요소인 사물측(Things)(30)에 연결되어 이로부터 각종 데이터를 받고 이로 제어신호를 보내주는 처리를 수행하는 등의 엣지 컴퓨팅을 실행하는 다수의 엣지(Edge)(20: 20a, 20b, 20c, ...)와, 엣지로부터 데이터를 받아 클라우드 컴퓨팅을 실행하고 엣지로 실행 결과를 전달하는 클라우드(Cloud)(10)로 이루어진다.

조금 더 구체적인 예를 들면, 사물측(30)의 IoT 센서, 어플리케이션, 사용자 디바이스는 많은 데이터(예컨대, 빅데이터)를 생산한다. 엣지(20)는 기본적으로, 사물측(30)으로부터 데이터(빅데이터) 수집; 빅데이터 활용을 위한 데이터 정제; 빅데이터의 본처리를 위한 클리닝, 샘플링, 결합 등의 전처리를 수행하고, 그 결과를 클라우드(30)로 전달한다. 엣지(20)의 기능을 다양하게 설계할 수 있는데, 예를 들어, 클라우드(30)로 보내지 않고도 자체적으로 처리 가능한 것들은 자체 처리하도록 설계할 수도 있고, 상기 기본적 기능만을 수행하고 핵심 타스크는 모두 클라우드(30)로 넘기도록 설계할 수도 있다. 클라우드(30)는 주로 딥러닝 등의 심층 학습 및 그에 관련된 분석, 추론 등을 수행하며 엣지(20)에서 넘겨받은 타스크(들)를 종합적으로 수행하거나 특정 엣지(20)에 타스크를 일부 분배하는 등, 핵심 처리를 수행한다. 클라우드(30)에서 처리된 결과는(또는 엣지(20)에서 자체 처리된 결과는) 사물측(30)의 액추에이터로 인가되어, 상황과 판단에 의거한 IoT 컨트롤이 이루어지게 된다.

본 발명에서와 같이 클라우드와 엣지간의 분산 처리 방법을 구현하기 위해서는 기본적으로 엣지(20)와 클라우드(30) 간에 처리 분배(operation allot)를 하기 위한 분배방식 또는 분배규칙이 필요하다. 이 분배규칙의 설계에 따라 본 발명의 클라우드-엣지 분산 처리 방법은 다양한 방식으로 구현될 수 있을 것이다.

이하에서는 가능한 세 가지 실시예를 소개한다. 이하의 바람직한 실시예를 통하여 본 발명이 속하는 기술분야의 통상의 지식을 가진 자는 본 발명의 구성을 명확히 이해할 수 있을 것이며, 그 기술적 사상이나 필수적인 특징을 변경하지 않고서 본 명세서에 개시된 내용과 다른 구체적인 형태로 발명이 실시될 수 있다는 것을 이해할 수 있을 것이다. 이하에서 기술하는 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것이다. 본 발명의 보호범위는 이하의 상세한 설명이 아닌 후술한 특허청구범위에 의하여 정해지며, 특허청구의 범위 그리고 그 균등 개념으로부터 도출되는 모든 변경 또는 변형된 형태는 본 발명의 기술적 범위에 포함되는 것으로 해석되어야 한다.

본 발명의 설명에서 '처리(operation)'라는 용어는 엣지-클라우드 기반의 IoT 컴퓨팅 환경에서 수행되는 데이터 수집, 가공, 학습, 분석, 추론 등의 행위를 모두 포괄하는 의미로 사용되었으며, 또한, '모델' 또는 '엔진'은 이러한 IoT 처리를 위해 필요한 학습 모델(엔진), 분석 모델(엔진), 추론 모델(엔진) 등을 포괄하는 의미로 사용되었다.

실시예 1 (청구항 1~3, 6, 7에 해당)

실시예 1은 클라우드(10)에서 다수의 모델을 생성하고 이들 생성된 모델 중에서 일부를 엣지(20)에 분배하여 엣지(20)에서 '경량' 처리를 수행하도록 하여 엣지-클라우드 분산 처리를 하도록 하는 방식이다. 이러한 개념에 따라 편의상, 실시예 1은 '경량 모델 활용을 위한 선택적 모델 분배 기법' 또는 모델 경량화'라고 명명한다.

도 2는 실시예 1에 따른 클라우드-엣지 분산 처리 방법의 개념도이다. 이에 따르면, 클라우드(10)에서 모델 또는 엔진(11a, 11b, 11c, 11d, 11e, ...)을 생성한다. IoT 환경상, 엣지(20a, b, c, ...)에서 이러한 모델의 생성 및 학습/분석 처리가 곤란한 경우에, 클라우드(10)에서 본처리(main operation)를 위한 다수의 모델(엔진)을 생성하고, 엣지(20)에서는 자체 처리가능한 모델만 가져와서(또는 분배받아서) 처리하는 것이다.

클라우드(10)로부터의 모델 분배(allot)는 엣지의 상황(프로세싱 성능, 메모리용량 등)에 따라 엣지(20) 측에서 또는 클라우드(10) 측에서 주도할 수 있다. 엣지의 성능에 따라 엣지에 분배되는 모델의 종류와 수가 달라질 수 있다. 도 2에서는 첫 번째 엣지(20a)에 모델 11a가 한 개 분배되고, 두 번째 엣지(20b)에는 두 개의 모델 11b, 11e가 분배되고, 세 번째 엣지(20c)에는 한 개의 모델 11c가 분배된 예를 나타내었다.

클라우드(10)에서 생성되는 모델은 큰 것, 작은 것, 고성능, 저성능 등 다양한 것들이 있으므로, 이들 모델들 중에서 각 엣지(20)의 성능이나 용량에 맞는 것을 선택하여 그에 적정한 처리 결과를 낼 수 있도록 함으로써 전체 IoT 컴퓨팅 시스템의 효율을 극대화할 수 있도록 한다. 즉, 각 엣지가 자신이 낼 수 있는 최상의 퍼포먼스를 내도록 하기 위하여, 다수의 엣지 간에 모델을 분담하여 처리(distributed operation)하고자 한다.

도 3은 도 2에 나타낸 실시예 1의 개념을 구현하기 위한 클라우드(10)-엣지(20) 구성도를 나타낸다. 기본적으로 클라우드(10)에는 클라우드 컴퓨팅부(12)가 있어서 본연의 클라우드 연산(처리)을 수행하며 모델 생성부(14)에서 모델을 생성한다. 즉, 클라우드(10)는 높은 프로세싱 파워와 저장 능력을 바탕으로 대용량 데이터를 저장하며 여러 상황에 맞는 하나 이상의 모델을 생성한다. 또한 엣지(20)에는 엣지 컴퓨팅부(21)가 있어서 엣지(20)에 필요한 연산(처리)을 수행한다.

본 실시예 1에 따른 엣지-클라우드 분산 처리를 구현하기 위하여, 클라우드(10)와 엣지(20)에 사전에 정한 모델분배 규칙(13, 22)을 추가하여, 이 규칙에 의거하여 실시예 1의 기법을 진행할 수 있다. 엣지(20)의 모델 선택부(23)는 모델분배 규칙(22)을 사용하여 동적으로 변하는 자신의 상황에 따라, 클라우드(10)에서 생성된 어떤 모델을 어떻게 사용할지 판단하여 모델을 선택한다. 엣지(20)에서의 모델 선택은, 1) 엣지(20)의 고정된 프로세스 처리 능력, 2) 실시간으로 가용한(available) 프로세스 자원의 두 가지를 고려하여 처리가능한 모델과 그 개수를 결정할 수 있다. 엣지(20)가 모델을 선택(23)하면 엣지의 모델분배 규칙(22)에 연동되는 클라우드의 모델분배 규칙(13)에 따라 클라우드(10)의 모델 분배부(15)는 상기 선택된 모델을 해당 엣지(20)로 분배한다. 엣지(20)에는 본연의 엣지 연산(처리)을 수행하는 엣지 컴퓨팅부(21)가 동작하여 분배받은 모델을 이용한 처리를 수행한다.

이와 같이 하나 이상의 모델을 분산처리 규칙에 따라 분담하여 각 엣지(20)는 예측 가능한 경량 모델을 선별적으로 사용함으로써 전체 IoT 시스템의 예측률을 높이고 모든 상황에 플렉서블하게 대응할 수 있게 된다.

이상 및 이하의 실시예 설명에서, 클라우드(10)의 구성요소들을 클라우드 컴퓨팅부(12), 모델 생성부(14), 모델 분배부(15)로, 그리고 엣지(20)의 구성요소들을 엣지 컴퓨팅부(21), 모델 선택부(23)로, '~부'라는 이름으로 명명하였지만, 이는 명확한 설명을 위한 편의적 방편에서 그러한 것일 뿐이다. 비록 이러한 이름들이 물리적 존재 또는 하드웨어장치를 암시할 수도 있겠지만, 이들은 하드웨어장치 뿐만 아니라 비물리적 존재 또는 소프트웨어의 기능, 루틴, 처리 단위 등을 의미하기도 함은 당업자에게 자명하다. 이하, 다른 실시예 2, 3의 경우에도 동일하다.

실시예 2 (청구항 4, 8에 해당)

실시예 2는 클라우드와 엣지가 각자 처리한 중간 데이터를 주고 받는 것을 기반으로 한다. 이러한 개념에 따라, 실시예 2는 '클라우드-엣지간의 유기적 협업(cooperation)에 기반한 처리 고도화 기법'으로 명명할 수 있을 것이다.

사물측에서 크리티컬한 정보(가령 개인정보, 사진, 음성 등 프라이버시 보호가 필요한 정보)를 클라우드로 보내면 안 될 경우가 있다. 그렇다고 하여 엣지가 정보를 처리하는 것은 그 데이터 크기나 유형 등의 문제로 곤란할 경우가 많다. 엣지는 일반적으로 처리 능력이 약하기 때문이다. 이를 해결하기 위하여, 클라우드는 학습을 통해 점진적으로 분석 엔진(모델)을 최적화하고 엣지에 배포한다. 엣지는 사물측으로부터 수집한 데이터를 분리하여 일부분에 대하여 즉각적으로 일차 학습/분석 또는 전처리를 하여 선별적 데이터를 클라우드로 보낸다. 클라우드는 엣지로부터 전달받은 데이터를 기반으로 본처리를 진행하여 빠르게 의사 결정된 결과를 엣지로 전달한다. 이와 같이 엣지에서 원래 데이터가 일차 학습 혹은 전처리된 상태로 클라우드로 전송되어 역분석 불가한 형태로 전송됨으로써 개인정보(프라이버시)를 보호할 수 있으면서도, 일차 학습/분석 결과를 클라우드로 보내면서 원래 데이터 보다 더 작은 데이터를 보낼 수 있게 되므로 전송 대역폭을 절약할 수 있다.

도 4는 실시예 2에 따른 클라우드-엣지 분산 처리 방법의 개념도이다. 사물측(30)에서 엣지(20)로 크리티컬 정보

(31)를 보내면 엣지(20)는 이 정보 중에서 A와 B를 분리한다. 분리된 일부분, 예를 들어

(32)는 그대로 클라우드(10)로 보내고 엣지(20)에서는 다른 일부분(A 부분)만을 처리하고 그 처리결과인

(33)를 클라우드(10)로 보낸다. 클라우드(10)는 분리되어 받은

(32)와

(33)를 기반으로 처리한 완전한 처리 결과

(34)를 엣지(20)로 보내 준다. 엣지(20)는 이를 받아서 최종 결과 데이터로서 사물측(30)으로 전달한다. 이를 위해 클라우드(10)에서는 사전에 크리티컬 정보(31) 전체를 처리할 수 있는 모델(16), A부분만 처리할 수 있는 모델(16'), B부분만 처리할 수 있는 모델(16")을 생성하며, 엣지(20)가 A부분만을 처리할 수 있도록 모델(16')을 엣지(20)에 분배해 놓는다. 즉, 클라우드(10)는 엣지(20)에게 엣지(20)의 처리 능력에 맞는 역할을 부여하는 것이며, 이 역할 부여는 엣지(20)에 한정된 처리만 하도록 그 범위를 정하는 것이 바람직하다. 이와 같이 엣지(20)는 크리티컬 정보(31) 전체를 클라우드(10)로 보내지 않으며, 이를 분리하여 엣지(20)와 클라우드(10)가 따로따로 처리하는 협업을 함으로써 프라이버시 침해의 우려를 제거할 수 있다. 따라서 데이터의 분리는 각 분리된 A부분과 B부분만으로는 프라이버시 침해 문제가 일어나지 않는 범위로 수행되어야 할 것이다.

도 5는 도 4에 나타낸 실시예 2의 개념을 구현하기 위한 클라우드(10)-엣지(20)의 예시적 구성도를 나타낸다.

여기서도 기본적으로 클라우드(10)에는 클라우드 컴퓨팅부(12)가 있어서 본연의 클라우드 연산(처리)을 수행하며 모델 생성부(14)에서 모델을 생성한다. 즉, 클라우드(10)는 높은 프로세싱 파워와 저장 능력을 바탕으로 대용량 데이터를 저장하고 여러 상황에 맞는 하나 이상의 모델을 생성한다. 또한 엣지(20)에는 엣지 컴퓨팅부(21)가 있어서 엣지(20)에 필요한 연산(처리)을 수행한다.

본 실시예 2에 따른 협업 기법을 구현하기 위하여, 클라우드(10)는 모델을 생성하고(14) 이를 엣지(20)로 분배한다(15). 엣지(20)는 사물측으로부터 정보를 수신하면 이를 데이터 분리부(26)에서 프라이버시 문제가 발생하지 않는 범위로 분리하고, 일부에 대해서 즉각적 일차 학습/분석(25) 및/또는 전처리(24)를 수행한다. 그리고 이 즉각적 일차 학습/분석 및/또는 전처리된 일부분의 데이터를 클라우드(10)로 보낸다. 클라우드(10)에서는 생성되어 있는 모델을 이용하여 이 데이터에 대한 본처리(main operation), 예를 들어, 추론을 진행한다(17).

여기서 즉각 학습(25), 전처리(24), 본처리(17)는 각각 엣지(20)와 클라우드(10)에서 엣지 컴퓨팅부(21)와 클라우드 컴퓨팅부(12)에 의해 수행되는 처리(operation)의 예를 나타낸 것임을 밝힌다.

이 실시예의 설명에서도 앞에서 언급한 것과 같이 '~부'라는 이름으로 설명한 것은 하드웨어장치의 기능 뿐만 아니라 소프트웨어의 기능, 루틴, 처리 단위 등을 의미한다.

실시예 3 (청구항 5, 9~11에 해당)

실시예 3은 클라우드에서 처리해야 할 다수의 타스크를 여러 엣지가 일부씩 분담 처리하는 것으로, '엣지에서의 독립적/유기적 처리가 가능한 처리 모듈화'라 명명할 수 있다.

클라우드는 여러 개의 서로 다른 다양한 기능을 담당하는 모델들을 생성한다. 엣지는 클라우드에서 받은 다양한 모델을 자신의 상태에 맞게 조합적으로 사용하여 처리를 수행할 수 있다.

도 6은 실시예 3에 따른 클라우드-엣지 분산 처리 방법의 개념도이다.

클라우드(10)에서 처리해야 할 타스크가 여러 개 있다(a, b, c). 예를 들어 사물측(30)으로부터 사진 정보가 들어올 때 이 사진으로부터 사람을 식별하는 타스크(a), 성별을 파악하는 타스크(b), 나이를 추정하는 타스크(c)라고 가정하자. 각 타스크를 처리하는 모델들이 각각 존재할 수 있다. 엣지(20)의 능력상 이들 타스크를 모두 다 처리할 수 없으므로 엣지(20)별로 필요한 또는 적합한 타스크만 처리하도록 필요한 모델을 분배하고 각 모델에 의해 수행될 타스크를 분배한다. 예를 들어, 도 6에서 첫 번째 엣지(20a)는 타스크 a만, 두 번째 엣지(20b)는 타스크 a와 b만, 세 번째 엣지(20a)는 타스크 a와 c만 처리하도록, 각 엣지(20)와 클라우드(10)는 타스크 분배 규칙(도 7 참조)에 의거하여 각 엣지가 각자에게 분배된 타스크를 처리하도록 한다.

도 7은 도 6에 나타낸 실시예 3의 개념을 구현하기 위한 클라우드(10)-엣지(20)의 예시적 구성도를 나타낸다.

여기서도 기본적으로 클라우드(10)에는 클라우드 컴퓨팅부(12)가 있어서 본연의 클라우드 연산(처리)을 수행하며 모델 생성부(14)에서 모델을 생성한다. 즉, 클라우드(10)는 높은 프로세싱 파워와 저장 능력을 바탕으로 대용량 데이터를 저장하고 여러 상황에 맞는 하나 이상의 모델을 생성한다. 또한 엣지(20)에는 엣지 컴퓨팅부(21)가 있어서 엣지(20)에 필요한 연산(처리)을 수행한다.

본 실시예 3을 구현하기 위하여, 클라우드(10)와 엣지(20)에 사전에 정한 타스크 분배규칙(19, 27)을 추가하여, 이 규칙에 의거하여 실시예 3의 기법을 진행할 수 있다. 엣지(20)는 타스크 분배규칙(27)을 적용하여 자신의 상황에 따라, 클라우드(10)에서 생성된 어떤 타스크를 처리할지(결국 어떤 타스크 처리 모델을 사용할지) 선택하여 클라우드(10)로부터 타스크를 분배받는다(18). 좀더 구체적으로 엣지(20)가 타스크를 선택하면 엣지의 타스크 분배규칙(27)에 연동되는 클라우드의 타스크 분배규칙(19)에 따라 클라우드(10)의 타스크 분배부(18)는 상기 선택된 타스크(및 그에 따른 모델)를 해당 엣지(20)로 분배한다. 엣지(20)의 엣지 컴퓨팅부(21)는 분배받은 모델을 사용하여 해당 타스크 처리를 수행한다.

이 실시예 3이 실시예 1과 다른점은 같은 목적의 여러 개의 엔진(모델)을 병렬적으로 분담 사용하여 데이터 처리를 하는 것이 아니라, 다른 목적의 타스크를 수행하는 여러 모델들을 시리얼(serial)하게 사용하여 타스크 분담처리를 한다는 것이다. 물론, 타스크의 분담 처리 능력 및 범위는 엣지의 상태(가령, 의사결정 상황)에 따라 달라진다.

이 실시예 설명에서도 앞에서 언급한 것과 같이 '~부'라는 이름으로 설명한 것은 하드웨어장치의 기능 뿐만 아니라 소프트웨어의 기능, 루틴, 처리 단위를 의미함은 동일하다.

이상에서, 본 발명은 장치 양태로 또는 방법적 양태로 실시가능한데, 특히 본 발명의 실시예의 각 구성요소의 기능(function 또는 process)은 DSP(digital signal processor), 프로세서, 컨트롤러, ASIC(application-specific IC), 프로그래머블 로직소자(FPGA 등), 기타 전자소자 중의 적어도 하나 그리고 이들의 조합이 포함되는 하드웨어 요소로써 구현가능하다. 또한 하드웨어 요소와 결합되어 또는 독립적으로 소프트웨어로써도 구현가능한데, 이 소프트웨어는 컴퓨터 판독가능한 기록매체에 저장가능하다.

클라우드(10), 엣지(20: 20a, 20b, 20c, ...), 사물측(30), 크리티컬 정보

(31), 분리된 제1부분 데이터

(32), 분리된 제2부분 데이터의 처리결과

(33), 완전한 데이터의 처리 결과

(34)

Claims (11)

1. 사물측에 연결되어 데이터를 수집하고 사물측으로 제어신호를 보내주는 다수의 엣지와, 각 엣지로부터 데이터를 받아 처리하고 처리 결과를 각 엣지로 전달하는 클라우드를 포함하는, IoT 컴퓨팅 환경에서의 상기 클라우드 및 엣지간의 분산 처리 방법으로서,
   상기 클라우드에서 상기 수집한 데이터를 위한 모델을 생성하는 단계,
   상기 클라우드와 엣지 간의 분산처리를 위해 상기 생성된 모델의 분배규칙을 준비하는 단계,
   상기 클라우드에서 생성된 상기 모델이 상기 모델의 분배규칙에 따라 클라우드로부터 엣지로 분배되는 단계, 및
   상기 클라우드와 상기 엣지가 각각, 생성된 모델 및 상기 분배된 모델을 이용하여 사물측으로부터 수집한 데이터를 처리하는 단계를 포함하되,
   상기 모델의 분배규칙은 각 엣지의 프로세싱 성능 및 메모리용량 중 적어도 하나에 따라 결정되고, 이 결정된 분배규칙에 따라 상기 클라우드로부터 각 엣지에 분배되는 모델의 종류와 수가 상이한 것을 특징으로 하는, IoT 컴퓨팅 환경에서의 클라우드와 엣지간의 분산 처리 방법.
2. 제1항에서, 상기 모델이 클라우드로부터 엣지로 분배되는 단계는
   상기 모델의 분배규칙에 의거하여 상기 클라우드가 엣지를 결정하여 모델을 분배하는 단계를 포함하는, IoT 컴퓨팅 환경에서의 클라우드와 엣지간의 분산 처리 방법.
3. 제1항에서, 상기 모델이 클라우드로부터 엣지로 분배되는 단계는
   상기 모델의 분배규칙에 의거하여 상기 엣지가 상기 클라우드에 생성된 모델을 선택하여 상기 클라우드로부터 이 선택된 모델을 분배받는 단계를 포함하는, IoT 컴퓨팅 환경에서의 클라우드와 엣지간의 분산 처리 방법.
4. 제1항 내지 제3항 중 어느 한 항에서, 상기 클라우드와 상기 엣지가 각각, 생성된 모델 및 상기 분배된 모델을 이용하여 사물측으로부터 수집한 데이터를 처리하는 단계는,
   상기 엣지가 사물측으로부터 수집한 데이터를 분리하는 단계와, 분리된 제1부분의 데이터를 상기 클라우드로 전송하고 제2부분의 데이터에 대하여 일차로 처리한 결과를 상기 클라우드로 전송하는 단계와, 상기 클라우드가 엣지로부터 전달받은 제1부분 데이터와 상기 엣지에서 제2부분 데이터에 대해 일차로 처리된 결과에 대해 본처리를 진행하는 단계를 포함하되,
   상기 클라우드는 사전에, 상기 제1부분 및 제2부분이 포함된 정보 전체를 처리하는 모델, 상기 제1부분만 처리하는 모델, 및 상기 제2부분만 처리하는 모델을 생성하고, 상기 제2부분만을 처리하는 모델을 상기 엣지에 사전에 분배해 놓는 것을 특징으로 하는, IoT 컴퓨팅 환경에서의 클라우드와 엣지간의 분산 처리 방법.
5. 제1항 내지 제3항 중 어느 한 항에서, 상기 클라우드와 상기 엣지가 각각, 생성된 모델 및 상기 분배된 모델을 이용하여 사물측으로부터 수집한 데이터를 처리하는 단계는,
   상기 클라우드와 엣지 간에 다수 타스크를 분산처리 하기 위해 상기 사물측으로부터 수집한 데이터의 다수의 처리 타스크를 클라우드로부터 각 엣지로 분배하되, 각 엣지별로 필요한 타스크만 처리하는 데 필요한 모델을 분배하고, 각 모델에 의해 수행될 타스크를 분배하는 단계, 및
   상기 클라우드와 상기 엣지가 각각, 생성된 모델 및 상기 분배된 모델을 이용하여 상기 사물측으로부터 수집한 데이터의 분배된 타스크를 처리하는 단계를 추가로 포함하는, IoT 컴퓨팅 환경에서의 클라우드와 엣지간의 분산 처리 방법.
6. 사물측에 연결되어 데이터를 수집하고 사물측으로 제어신호를 보내주는 다수의 엣지와, 각 엣지로부터 데이터를 받아 처리하고 처리 결과를 엣지로 전달하는 클라우드를 포함하는, IoT 컴퓨팅 환경에서의 상기 클라우드 및 엣지간의 분산 처리 시스템으로서,
   상기 클라우드는, 상기 수집한 데이터의 처리를 위해 모델을 생성하는 모델 생성부, 상기 클라우드와 엣지 간의 분산처리를 위한 모델분배 규칙, 및 상기 모델 분배규칙에 따라 모델을 엣지로 분배하는 모델분배부를 포함하되,
   상기 모델 분배규칙은 각 엣지의 프로세싱 성능 및 메모리용량 중 적어도 하나에 따라 결정되고, 이 결정된 분배규칙에 따라 상기 클라우드로부터 각 엣지에 분배되는 모델의 종류와 수가 상이한 것을 특징으로 하는, IoT 컴퓨팅 환경에서의 클라우드와 엣지간의 분산 처리 시스템.
7. 제6항에서, 상기 엣지는
   상기 클라우드에 생성된 모델 중 엣지에서 이용할 모델을 선택하는 기준인 모델 분배규칙과, 상기 클라우드에 생성된 모델 중 엣지에서 이용할 모델을 선택하는 모델 선택부를 포함하는, IoT 컴퓨팅 환경에서의 클라우드와 엣지간의 분산 처리 시스템.
8. 사물측에 연결되어 데이터를 수집하고 사물측으로 제어신호를 보내주는 엣지와, 엣지로부터 데이터를 받아 처리하고 처리 결과를 엣지로 전달하는 클라우드를 포함하는, IoT 컴퓨팅 환경에서의 상기 클라우드 및 엣지간의 분산 처리 시스템으로서,
   상기 클라우드는, 상기 수집한 데이터의 처리를 위해 모델을 생성하는 모델 생성부, 상기 클라우드와 엣지 간의 분산처리를 위한 모델분배 규칙, 및 상기 모델 분배규칙에 따라 모델을 엣지로 분배하는 모델분배부를 포함하고,
   상기 엣지는, 상기 사물측으로부터 수집한 데이터를 분리하여 분리된 제1부분의 데이터를 상기 클라우드로 전송하는 데이터분리부, 및 분리된 제2부분의 데이터에 대하여 일차로 처리하고 그 결과를 상기 클라우드로 전송하는 수단을 포함하고,
   상기 클라우드는 또한, 상기 엣지로부터 전송된 제1부분 데이터와 상기 엣지에서 제2부분 데이터에 대해 일차로 처리된 결과에 대해 본처리를 진행하는 본처리부를 추가로 포함하되,
   상기 클라우드는 사전에, 상기 제1부분 및 제2부분이 포함된 정보 전체를 처리하는 모델, 상기 제1부분만 처리하는 모델, 및 상기 제2부분만 처리하는 모델을 생성하고, 상기 제2부분만을 처리하는 모델을 상기 엣지에 사전에 분배해 놓는 것을 특징으로 하는, IoT 컴퓨팅 환경에서의 클라우드와 엣지간의 분산 처리 시스템.
9. 사물측에 연결되어 데이터를 수집하고 사물측으로 제어신호를 보내주는 엣지와, 엣지로부터 데이터를 받아 처리하고 처리 결과를 엣지로 전달하는 클라우드를 포함하는, IoT 컴퓨팅 환경에서의 상기 클라우드 및 엣지간의 분산 처리 시스템으로서,
   상기 클라우드는,
   상기 수집한 데이터의 처리를 위해 모델을 생성하는 모델 생성부, 상기 클라우드와 엣지 간의 분산처리를 위한 모델분배 규칙, 상기 모델 분배규칙에 따라 모델을 엣지로 분배하는 모델분배부, 및 상기 클라우드와 엣지 간의 타스크 분산처리를 위해 상기 사물측으로부터 수집한 데이터의 처리 타스크를 클라우드로부터 엣지로 분배하는 타스크 분배부를 포함하여, 각 엣지별로 필요한 타스크만 처리하는 데 필요한 모델을 분배하고 각 모델에 의해 수행될 타스크를 분배하고,
   상기 엣지는, 상기 분배된 모델을 이용하여 상기 사물측으로부터 수집한 데이터의 분배된 타스크를 처리하는 타스크 처리부를 포함하되,
   상기 클라우드는 상기 엣지와의 타스크 분산처리를 위해 상기 사물측으로부터 수집한 데이터의 처리 타스크를 엣지로 분배하는 기준인 타스크 분배 규칙을 추가로 포함하고,
   상기 엣지는 상기 클라우드와의 타스크 분산처리를 위해 상기 사물측으로부터 수집한 데이터의 처리 타스크를 클라우드로부터 분배받는 기준인 타스크 분배 규칙을 추가로 포함하는, IoT 컴퓨팅 환경에서의 클라우드와 엣지간의 분산 처리 시스템.
10. 삭제
11. 삭제

Images