[용어소개] Cloud IoT

머신 러닝 (Machine Learning)

LG CNS 클라우드운영혁신팀

---

IoT(Internet of Things)는 잘 아시는 바와 같이 인터넷을 통해 연결된 사물을 뜻합니다. 지난 10년간 이러한 사물의 수는 수십 배 증가하여 현재는 수백억 개에 이른다고 합니다. 그런데 이러한 사물들이 생성하는 방대한 데이터는 어떻게 관리할까요? 자체 데이터센터에 저장, 처리할 수도 있지만 사물과 사용자 수가 증가함에 따라 점점 비용적, 관리적 측면의 이슈가 드러나게 됩니다. 단순 데이터 관리뿐 아니라 의미있는 결과를 도출하기 위한 과정도 필요합니다. 이에 IoT 플랫폼으로싸 클라우드의 중요성이 커지고 있습니다.

예를 들어 토양 수분 센서가 있습니다. 현재는 수집된 데이터를 기반으로 토양이 건조하면 배수 밸브가 열리고 수분이 적당하면 닫힙니다. 만약 추가로 기온과 습도를 측정하고 실시간 날씨 정보를 더해 최적의 제어 기능을 구축하고자 한다면, 클라우드가 제격입니다. 다양한 종류의 방대한 데이터를 클라우드 스토리지에 저장하고 수집된 데이터들을 기반으로 머신러닝을 할 수 있기 때문입니다.

게다가 센서 데이터가 실시간으로 유입되는 것이 아니라면 서버 입장에서는 유휴시간이 발생하게 되는데 이때 Function 기반의 서버리스로 구성한다면 자원을 비용 효과적으로 사용할 수 있습니다.

각 CSP사는 나름 특화된 IoT 서비스를 제공합니다. ① AWS – 다양한 시나리오에 대응하는 폭넓은 서비스 ② Azure – 윈도와 리눅스를 통한 쉽고 빠른 서비스 ③ GCP – 빅데이터, 인공지능 등에 강점을 가진 서비스 등이 그 예입니다.

다만 특정 클라우드 IoT 서비스의 선택은 신중해야 합니다. 각 서비스마다 복잡한 정책으로 인해 비용 예측이 어렵고, 데이터 보관을 위한 스토리지 비용도 간과하기 쉽습니다. 따라서 초기에는 특정 클라우드 플랫폼에 귀속되지 않도록 설계하고 충분히 검증한 후에 확장 가능한 클라우드 IoT를 구축하는 것이 어떨까 합니다.

[무단전재 및 재배포 금지]