에지에서 클라우드 및 클라우드로 IoT 데이터 활용

사물 인터넷(IoT)은 혼잡을 줄이는 데 도움이 되는 스마트 신호등에 이르기까지 전자 제품의 예방 유지 관리와 같은 다양한 작업을 극적으로 개선할 수 있는 잠재력을 제공합니다.

MapR의 솔루션 엔지니어링 책임자인 Pinakin Patel 많은 사용 사례는 작업이 수행되기 전에 분석을 위해 네트워크 연결을 통해 중앙 집중식 애플리케이션으로 전송되는 에지 장치에서 센서 데이터를 수집해야 합니다. 종종 가장자리로 돌아갑니다.

이 고전적인 입력, 프로세스 및 출력 방법론은 잘 알려져 있지만 생성되는 엄청난 양의 데이터와 글로벌 배포에 내재된 지연 시간 때문에 모든 IoT 환경은 데이터 관리 문제가 될 수 있습니다.

더 큰 IoT 데이터

웨어러블 기술 및 스마트 온도 조절 장치와 같은 소비자 지향 장치에서 데이터를 집계하는 문제는 잘 알려져 있습니다. 이러한 유형의 장치의 경우 데이터의 양은 장치의 수가 많기 때문에 발생하며 각 개별 장치에서 반드시 많은 데이터를 생성하는 것은 아닙니다.

그러나 초당 메가바이트 또는 기가바이트의 데이터를 생성하는 IoT 장치에는 새로운 과제가 있습니다. 예를 들어, 비디오, 오디오 및 '광 감지 및 거리 측정'(LIDAR)의 실시간 분석은 들어오는 스트림이 기존 데이터 스토리지 아키텍처를 압도할 수 있는 모든 영역입니다.

이러한 데이터 볼륨이 데이터를 중앙 리포지토리로 집계하는 데 사용 가능한 대역폭을 압도할 가능성이 높기 때문에 인프라가 변경되어야 합니다. 차량, 의료 기기 및 석유 굴착 장치는 소비자 지향 기기에 필요한 것보다 훨씬 더 강력한 아키텍처가 필요한 데이터 소스의 완벽한 예입니다. 그리고 이러한 IoT 데이터 스트림이 처리를 위해 중앙 집중식 클라우드에 도달함에 따라 통찰력을 찾고 후속 조치를 생성하는 데 도움이 되는 것은 점점 더 인공 지능 및 기계 학습이 될 것입니다.

의료 사례

그러나 IoT와 관련하여 추상적으로 이야기하는 것은 각 사용 사례에 다른 동인과 요구 사항이 있기 때문에 어렵습니다. 대신 관련된 문제 유형에 대한 대리인으로 몇 가지 구체적인 예를 살펴보겠습니다.

심장병과 같은 만성 질환의 조기 발견 및 치료는 생명을 구하고 의료 비용을 절감할 수 있습니다. 가장 큰 두 가지 문제는 치료의 조정과 만성 질환이 있는 사람들의 입원을 방지하는 것입니다. 여러 시험에서 환자의 활력 징후를 모니터링하고 이 데이터를 클라우드의 애플리케이션에 정기적인 스트림으로 셀룰러 네트워크를 통해 판독하는 심전도(ECG)와 함께 보낼 수 있는 저렴한 센서를 사용하고 있습니다.

이러한 진단 및 모니터링 애플리케이션은 의료 기록의 과거 데이터를 고려하면서 각 환자의 활력 및 ECG 판독값을 분석합니다. 시스템으로의 데이터 흐름에는 실시간 스트림, 과거 데이터, 환자 데이터 및 다른 환자의 방대한 양의 이전 스캔을 집계하여 생성된 벤치마크 데이터가 포함됩니다.

<노스크립트>

이 예에서 IoT 환경의 다른 많은 것과 마찬가지로 임상의는 이벤트와 상황을 이해하기 위해 전체 장치 인구에 걸쳐 데이터를 수집하고 집계하고 학습하는 워크플로가 필요합니다. 이 시나리오에서 약물 과다 복용 또는 임박한 심장 사건의 경고 신호와 같은 이상을 감지하려면 해당 사건에 매우 신속하게 대응할 수 있도록 에지에서 더 많은 지능이 필요할 수 있습니다.

연구원들은 모든 데이터를 동일한 방식으로 처리하고, 데이터에 대한 액세스를 제어하고, 고성능 및 확장 가능한 방식으로 인텔리전스를 적용하는 데 도움이 될 수 있는 공통 데이터 패브릭 내에서 스트림 및 배치 데이터를 모두 처리하기 위해 공통 요소를 사용하는 플랫폼을 구축했습니다. .

자동차 예

이 데이터 패브릭 접근 방식은 다른 IoT 애플리케이션에서도 내보내고 있습니다. 예를 들어 Mojio — IoT Connected Car는 자동차, 보험 및 통신 산업이 함께 번영할 수 있는 생태계를 만드는 것을 목표로 합니다. Mojio는 첫 번째 단계에서 필요에 따라 다양한 유형의 행동, 진단, 상황 데이터에 대한 액세스를 제공하는 클라우드 플랫폼에 500,000대의 차량을 연결할 계획입니다.

예를 들어, Mojio의 텔레매틱스 장치가 속도, 스티어링 및 제동 입력에 대한 정보를 수집하여 운전자의 피로 수준을 결정하고 경고를 보내는 행동 데이터입니다. 장기 운전 행동 데이터는 사용자가 보다 연료 효율적인 운전 스타일을 채택하고 보험 회사에서 위험을 계산하는 데 도움이 될 수도 있습니다.

융합 및 직물

두 시나리오 모두에서; 의료 연구원과 커넥티드 카 엔지니어는 차세대 앱을 구축하기 위한 새로운 방법을 검토하고 있습니다. 이러한 프로젝트의 핵심에는 클라우드 규모의 데이터를 강력한 데이터베이스에 저장하고 통합 지속 스트리밍을 포함하여 지금까지 불가능했던 애플리케이션을 설계, 개발 및 배포하려는 기업 개발자에게 새로운 가능성을 제공하는 통합 기술이 있습니다.

이러한 요소의 조합을 종종 수렴형 데이터 플랫폼이라고 하며 더 넓은 범위의 IoT 사용 사례에서 채택되기 시작했습니다. 이러한 플랫폼은 고성능 컴퓨팅 앱을 위한 높은 IOPS, 짧은 지연 시간 파일 패브릭 생성을 비롯한 이점을 제공합니다. 또 다른 이점은 데이터 패브릭이 복사본을 만들지 않고 동시에 수집, 저장, 분석, 처리 및 결정할 수 있는 실시간 분석 시나리오에 있다는 것입니다.

IoT 데이터가 에지에서 클라우드로 그리고 다시 클라우드로 이동함에 따라 조직은 과거의 모놀리식 아키텍처를 잊고 혁신적이고 새로운 사용 사례에 필요한 규모를 제공하기 위한 출발점으로 컨버전스를 고려해야 합니다.

이 블로그의 저자는 MapR의 솔루션 엔지니어링 책임자인 Pinakin Patel입니다.

저자 소개

Pinakin Patel은 MapR의 솔루션 엔지니어링 책임자입니다. 그는 데이터 세계와 조직이 이 중요한 비즈니스 리소스에서 가치를 추출하는 방법에 대해 25년 이상의 경험을 가지고 있습니다.