데이터가 생성되는 곳에서 데이터를 처리하세요. 모든 데이터가 클라우드를 왕복할 필요는 없으며, 많은 IoT 워크로드의 경우 그럴 수도 없습니다.

현장(공장 바닥의 센서, 창고의 카메라, 농업 장비의 모니터, 환자의 웨어러블 기기)에 데이터가 생성되는 장치들이 있으며, 이 데이터는 처리되고, 조치되며, 선별적으로 클라우드로 전송되어야 합니다. 클라우드 리전까지의 지연 시간이 실시간 의사 결정에는 너무 높습니다. 대역폭이 너무 비싸거나 모든 것을 스트리밍하기에 신뢰할 수 없습니다. 네트워크가 다운되었을 때 장치가 작동해야 합니다. 각 결정이 이루어져야 하는 위치에 따라 엣지, 포그, 클라우드 계층에 인텔리전스를 분산하는 아키텍처가 필요합니다.
Explore more design patterns and system architectures
MicrocosmWorks는 지연 시간 민감도, 대역폭 비용, 데이터 프라이버시 요구 사항을 기반으로 엣지와 클라우드 간 워크로드를 분할하는 의사결정 프레임워크를 사용합니다. 센서 데이터의 이상 감지, 로컬 제어 루프, 안전 차단과 같은 시간 제약적인 작업은 엣지에서 실행되며, 모델 훈련, 과거 분석, 교차 사이트 집계는 클라우드에 유지됩니다. 저희는 아키텍처 탐색 단계에서 고객이 각 IoT 사용 사례를 올바른 컴퓨팅 계층에 매핑하도록 지원합니다.
MicrocosmWorks는 SQLite 또는 TimescaleDB와 같은 경량 데이터베이스를 사용하여 로컬 영속성을 갖춘 엣지 노드를 설계합니다. 이는 연결 끊김 기간 동안 데이터를 버퍼링하고 연결이 복원될 때 자동으로 동기화하는 store-and-forward 큐잉과 결합됩니다. 당사의 엣지 펌웨어에는 오프라인에서 내려진 로컬 결정이 클라우드 측 상태와 달라지는 시나리오를 위한 충돌 해결 로직이 포함되어 있습니다. 이를 통해 원격 산업 현장이나 이동형 차량과 같이 간헐적인 연결이 발생하는 환경에서도 데이터 손실 없이 지속적인 운영이 보장됩니다.
MicrocosmWorks는 다운타임 위험 없이 모든 엣지 디바이스가 검증된 펌웨어를 수신하도록 보장하기 위해 암호화 서명, 단계별 배포, 자동 롤백 기능을 갖춘 OTA (over-the-air) 업데이트 파이프라인을 구현합니다. 우리는 엣지 디바이스와 업데이트 서버 간에 상호 TLS 인증을 사용하며, 변조된 펌웨어가 실행되는 것을 방지하기 위해 하드웨어 기반의 보안 부팅을 적용합니다. 당사의 단계적 배포 전략은 각 단계 사이에 상태 확인을 거쳐 디바이스를 소규모 배치로 업데이트하여, 잘못된 업데이트가 전체 시스템에 도달하는 일이 없도록 합니다.
MicrocosmWorks는 작업 부하 프로필에 따라 엣지 하드웨어를 선정합니다. 컴퓨터 비전 및 ML 추론에는 NVIDIA Jetson을, 범용 엣지 컴퓨팅에는 AWS IoT Greengrass 호환 게이트웨이를, 혹독한 제조 환경에는 Advantech와 같은 공급업체의 견고한 산업용 PC를 사용합니다. 저희는 사전 구성된 네트워킹, 보안 및 텔레메트리 스택을 포함하는 각 플랫폼에 대한 참조 아키텍처를 유지하며, 이는 배포를 40-60% 가속화합니다. 저희 팀은 귀하의 특정 현장 조건에 맞춰 전력 소비량, 작동 온도 범위 및 연결 옵션을 평가합니다.
MicrocosmWorks는 여러 SCADA 현대화 프로젝트를 완료했습니다. 이 프로젝트에서 저희는 기존 제어 시스템을 방해하지 않으면서 Modbus 및 OPC-UA와 같은 레거시 프로토콜을 최신 MQTT 또는 gRPC 스트림으로 변환하는 edge computing 게이트웨이를 오버레이합니다. 마이그레이션 중에는 병렬 아키텍처를 운영하여, 새로운 edge-cloud pipeline이 생산 데이터를 기반으로 검증되는 동안 레거시 SCADA가 계속 작동하도록 합니다. 산업용 IoT 현대화를 위한 저희 컨설팅 요금은 관련된 프로토콜 복잡성과 규제 요구 사항에 따라 시간당 $20-$50부터 시작합니다.
엣지-포그-클라우드 아키텍처는 세 가지 계층에 걸쳐 컴퓨팅을 분산합니다. 엣지 장치는 센서 데이터를 수집하고 경량 추론(이상 감지, 임계값 알림)을 실행합니다. 포그 노드(온프레미스 게이트웨이 또는 로컬 서버)는 여러 엣지 장치에서 데이터를 집계하고, 더 복잡한 모델을 실행하며, 장치 플릿을 관리합니다. 클라우드 서비스는 장기 저장, 모델 훈련, 플릿 전체 분석 및 관리 대시보드를 처리합니다. 이 아키텍처는 간헐적인 연결성, 장치 이기종성, 무선(OTA) 업데이트 및 모든 계층의 보안을 고려합니다.
데이터는 각 계층의 인텔리전스와 함께 계층을 통해 위로 흐릅니다. 엣지 장치는 MQTT 또는 CoAP를 통해 센서 판독값을 포그 노드에 게시합니다. 포그 노드는 데이터를 클라우드로 전달하기 전에 스트림 처리(Apache NiFi, AWS Greengrass 또는 사용자 지정)를 실행하여 데이터를 필터링, 집계 및 보강합니다. 클라우드 수집(Kinesis, IoT Core 또는 Event Hubs)은 데이터를 시계열 데이터베이스, 데이터 레이크 및 ML 훈련 파이프라인으로 라우팅합니다. 명령 및 OTA 업데이트는 동일한 경로를 통해 아래로 흐릅니다. 장치 섀도우/트윈 시스템은 모든 장치의 마지막으로 알려진 상태를 쿼리 및 조정(reconciliation)을 위해 유지합니다.
| 계층 | 기술 |
|---|---|
| 엣지 장치 | ESP32, Raspberry Pi, Jetson Nano/Orin, STM32, custom PCBs |
| 프로토콜 | MQTT (Mosquitto, EMQX), CoAP, Modbus, BACnet, LoRaWAN, BLE |
| 포그/게이트웨이 | AWS Greengrass, Azure IoT Edge, Apache NiFi, Docker on industrial PCs |
| 클라우드 IoT | AWS IoT Core, Azure IoT Hub, GCP IoT, custom MQTT brokers |
| 데이터 | InfluxDB, TimescaleDB, ClickHouse, S3/Parquet for cold storage |
| 엣지 ML | TensorFlow Lite, ONNX Runtime, NVIDIA TensorRT (Jetson) |
| 사용 시기 | 피해야 할 시기 |
|---|---|
| 장치가 전송 비용이 비싼 대용량 데이터를 생성할 때 | 모든 장치에 안정적이고 낮은 지연 시간의 클라우드 연결이 있을 때 |
| 실시간 결정에 100ms 미만의 응답이 필요할 때(안전, 제어 시스템) | 워크로드가 순전히 배치 클라우드 처리만을 위한 데이터 수집일 때 |
| 네트워크 장애 중에도 장치가 작동해야 할 때 | 장치가 50개 미만이고 개별적으로 관리할 수 있을 때 |
| 프라이버시/규제 준수로 인해 클라우드 전송 전에 데이터를 로컬에서 처리해야 할 때 | "엣지"가 실제로는 웹 브라우저일 때 — 이는 다른 아키텍처입니다 |
MW는 "데이터 중력(data gravity)" 관점으로 IoT 아키텍처를 설계합니다. 우리는 지연 시간 요구 사항, 대역폭 비용 및 의사 결정 세분성에 따라 각 데이터 유형이 처리되어야 하는 위치(엣지, 포그 또는 클라우드)를 매핑합니다. 모든 것을 클라우드로 푸시한 다음 나중에 필터링하지 않습니다. 우리의 엣지 배포에는 인증서 기반 인증을 통한 자동화된 장치 프로비저닝, 단계별 배포 및 자동 롤백 기능을 갖춘 OTA 업데이트 파이프라인, 그리고 클라우드 왕복을 기다릴 수 없는 현장 운영자를 위한 포그 노드의 로컬 대시보드가 포함됩니다.
보안은 출시 후 추가하는 기능이 아닙니다. 그것은 아키텍처의 속성입니다 — 시스템이 보안을 위해 설계되었거나 그렇지 않거나.