엣지 컴퓨팅에 AI를 적용하는 것은 보편적인 시나리오입니다. 🙂
다만 엣지 환경의 특성을 고려해 데이터 파이프라인을 설계하고 훈련과 추론을 위한 모델 배포 방안을 마련해야 합니다. Google Cloud는 관리형 AI 플랫폼 상에서 간편하게 분산 및 관리형 학습 서비스에 TensorFlow를 적용할 수 있습니다. 이에 따라 시각, 언어, 구조화된 데이터 등 다양한 목적에 맞는 서비스를 신속하게 구현할 수 있습니다. 예를 하나 들어 보겠습니다. 머신 러닝을 적용해 창고에 있는 부품 재고 현황을 파악하는 서비스를 엣지 컴퓨팅 기술로 구현할 경우 Cloud Functions, Cloud Build를 결합하는 아키텍처를 생각해 볼 수 있습니다.
엣지 환경에서 올라오는 데이터는 대개 다차원적이며 기본적으로 노이즈가 많습니다. 이러한 속성 때문에 기존 분석 기법을 사용하면 통찰력을 얻기 어려울 수 있습니다. 바로 엣지 컴퓨팅에 맞는 분석 도구와 방법론이 필요한 이유입니다.
Google Cloud에서는 BigQuery, Datalab, Cloud Bigtable을 이용해 엣지 컴퓨팅 관련 다양한 분석과 리포팅을 수행할 수 있습니다.
완전 관리형 엔터프라이즈 데이터웨어하우스 서비스인 BigQuery를 활용하면 전문 인력 도움 없이 엣지 컴퓨팅 환경에서 생성되는 데이터에서 통찰력을 손쉽게 확보할 수 있습니다. 예를 하나 들어 보겠습니다. 환경 센서 보드에서 데이터를 수집해 분석하고 그 결과를 스프레드시트에 기록하는 업무를 Google Cloud에서 구현하면 다음과 같습니다.
리포팅 역시 Google Cloud는 엣지 컴퓨팅 시나리오가 요구하는 다양성을 수용합니다.
대규모 데이터 탐색, 분석, 시각화를 위한 서비스인 Datalab을 사용하면 Jupyter 노트북 환경에서 손쉽게 엣지 컴퓨팅 관련 데이터 탐색, 변환, 분석, 시각화 작업을 할 수 있습니다. 대시보드 구성을 원한다면 Cloud Bigtable을 적용하면 됩니다. 이 서비스는 사전 정의한 측정 기준에 따라 신속하게 엣지에서 수집한 실시간 데이터를 처리할 수 있어 시계열 대시보드 구성에 적합합니다. 참고로 이 서비스는 행 기반 형식을 사용하여 데이터를 저장하므로 행 또는 연속된 행의 그룹에 대해 작동하는 쿼리에 유리한 특성이 있습니다.
이상으로 총 4편으로 연재한 구글 클라우드의 엣지 컴퓨팅 관련 포스팅 시리즈를 마무리 하겠습니다. 😀
👆 2. Google Cloud로 엣지 컴퓨팅을 위한 데이터 파이프라인 구축
👆 3. Google Cloud의 엔드투엔드 엣지 컴퓨팅 환경
더 자세한 내용은 메가존으로 문의 바랍니다. 👉 메가존 문의 바로가기
