category: Unified tags: [auto-consolidated, technical-documentation] title: Edge Computing (엣지 컴퓨팅) last_updated: 2026-05-02

Edge Computing (엣지 컴퓨팅)

데이터 생성 지점(엣지 디바이스) 근처에서 데이터를 처리하고 분석하여, 네트워크 병목 현상과 낮은 지연 시간을 해결하는 분산 컴퓨팅 아키텍처이다.

"데이터의 현장 수습: 모든 정보를 거대 중앙 클라우드로 보내지 않고, 속도가 생명인 스마트폰, 자율주행차, IoT 기기 등 데이터가 발생하는 '가장자리(Edge)'에서 즉시 처리함으로써 지연 시간과 보안 문제를 동시에 해결하는 분산 컴퓨팅의 해법."

정의: 중앙 집중형 클라우드 서버를 거치지 않고, 최종 사용자 장치(IoT 센서, 스마트 디바이스 등)와 가까운 곳에서 데이터 처리 및 분석을 수행하는 컴퓨팅 모델.
필요성 및 동기:
1. Latency Criticality (저지연): 자율 주행, 실시간 의료 모니터링 등 지연 시간에 민감한 서비스에 필수적이다. 클라우드 전송 시간을 최소화한다.
2. Bandwidth Constraint (대역폭 제한): 대규모 IoT 센서 데이터의 폭주를 줄이고 필터링하여 중앙 서버로 보내는 양을 최적화한다.
3. Privacy & Security: 민감 데이터를 로컬에서 처리하고 익명화할 수 있어 보안과 개인정보 보호 측면에서 유리하다.
아키텍처 패턴:
- 지능형 계층 구조: 센서(Level 1) \rightarrow 게이트웨이/엣지 서버(Level 2, Edge Computing 수행) \rightarrow 클라우드(Level 3, 대규모 학습 및 관리).
- 분산 컴퓨팅 기술 활용: 컨테이너 오케스트레이션 (K3s, AWS IoT Greengrass 등)과 분산 데이터베이스가 주로 사용된다.

엣지 컴퓨팅(Edge-Computing)은 데이터 소스와 가까운 곳에서 연산을 수행하는 네트워크 배포 방식입니다.

주요 장점:
- Latency: 통신 시간이 거의 제로에 가까워 즉각적 반응이 필요한 자율주행, 원격 수술에 필수.
- Bandwidth: 불필요한 데이터를 클라우드로 전송하지 않아 네트워크 부하 감소. (Efficiency와 연결)
- Security: 민감한 데이터가 기기 밖으로 나가지 않아 프라이버시 보호에 유리.
왜 중요한가?:
- 수십억 개의 장치가 연결되는 IoT 시대에 거대 클라우드 중심의 병목 현상(Bottlenecks)을 해결할 유일한 대안임. (Distributed-Systems와 연결)

과거 데이터와의 충돌: 엣지 컴퓨팅이 클라우드를 대체하는 것이 아니라, '보완'하여 시스템의 전반적인 성능을 끌어올리는 개념임을 명확히 해야 한다. 하이브리드 아키텍처가 표준이다.
정책 변화: 에너지 효율성과 장치 자원 제약(Resource Constraints)을 고려한 경량화된 AI 모델 배포(TinyML) 기술이 중요한 트렌드로 부상하고 있다.

과거 데이터와의 충돌: 과거에는 연산력이 부족해 무조건 '클라우드 전송 정책' 위주였으나, 현대 정책은 전용 AI 칩(NPU)의 발전으로 기기 내부에서 직접 추론하는 'On-device AI 정책'이 주류가 됨(RL Update).
정책 변화(RL Update): 엣지에서 학습한 지식을 개인정보 유출 없이 중앙으로 모으는 '연합 학습(Federated Learning) 정책'이 데이터 주권 시대의 핵심 정책으로 부상함.

Parent: Internet of Things (IoT) Telemetry
Related: Distributed-Systems-Engineering , Real-Time-Game-Engines , Autonomous Vehicle Perception

Internet of Things (IoT), Distributed-Systems, Scalability, Bottlenecks, Distillation
Modern Tech/Tools: NVIDIA Jetson, AWS Wavelength, Raspberry Pi, NPU sensors.