• 한국정보통신학회논문지
• /
• 제24권8호
• /
• pp.1102-1108
• /
• 2020

이동 엣지 컴퓨팅은 중앙 집중식 데이터 처리가 아닌 데이터가 생성되는 네트워크의 에지와 가까운 곳에서 데이터를 처리하는 방식으로 클라우드 컴퓨팅의 단점을 보완하여 새로운 전기를 마련할 수 있는 기술이다. 데이터를 처리하고 연산하는 곳을 따로 먼 데이터 센터에 두는 것이 아닌, 이동 단말 장치들과 가까운 엣지에 컴퓨팅 능력을 부가하고 데이터 분석까지 가능하게 하여 저지연/초고속 컴퓨팅 서비스의 실현이 가능하게 하였다. 본 논문에서는 EdgeCloudSim 시뮬레이터를 이용해 클라우드와 엣지 노드가 협업하여 이동 단말의 컴퓨팅 작업 처리를 분업화 하는 가상의 이동 엣지 컴퓨팅 테스트베드 환경을 개발한다. 개발된 가상 이동 엣지 컴퓨팅 테스트베드 환경은 중앙 클라우드와 엣지 컴퓨팅 노드들 사이에서 이동 단말들의 컴퓨팅 작업 분배를 위한 오프로딩 기법들의 성능을 평가하고 분석한다. 가상 이동 엣지 컴퓨팅 테스트베드 환경 및 오프로딩 성능 평가를 제시함으로써 클라우드와 협업하는 이동 엣지 컴퓨팅 노드 구축을 준비하는 산업계 엔지니어들에게 하나의 사전 지식을 제공하고자 한다.

• 한국정보통신학회논문지
• /
• 제24권8호
• /
• pp.985-992
• /
• 2020

엣지 컴퓨팅은 데이터를 처리하고 연산하는 곳이 멀리 떨어진 데이터센터에 있는 게 아니라, 단말 장치 혹은 게이트웨이와 같은 엑세스 포인트에 가까운 엣지 사이드에 컴퓨팅 능력 및 데이터 처리 능력을 부가함으로써 저지연/초고속컴퓨팅의 실현을 가능케 한다. 이러한 엣지 컴퓨팅의 종류로는 Mobile edge computing, Fog computing, Cloudlet computing이 있으며, 본 논문에서는 엣지 컴퓨팅을 실제 구현/구축하기 위해 현존하는 오픈 소스 플랫폼들에 대해 초점을 맞추고 분석한다. 각 오픈 소스 엣지 플랫폼에 대해 구조 및 특징들을 체계적으로 묘사하고 비교 분석함으로써 오픈 소스 엣지 플랫폼을 이용하여 실제 엣지 노드를 구축 하고자 하는 산업계 엔지니어들에게 사용 사례에 부합한 최선의 엣지 플랫폼을 선택 할 수 있도록 하나의 제반 지식을 제공하고자 한다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제17권2호
• /
• pp.450-470
• /
• 2023

Traditional cloud computing faces some challenges such as huge energy consumption, network delay and single point of failure. Edge computing is a typical distributed processing platform which includes multiple edge servers closer to the users, thus is more robust and can provide real-time computing services. Although outsourcing data to edge servers can bring great convenience, it also brings serious security threats. In order to provide image retrieval while ensuring users' data privacy, a privacy preserving image retrieval scheme in edge environment is proposed. Considering the distributed characteristics of edge computing environment and the requirement for lightweight computing, we present a privacy-preserving image retrieval scheme in edge computing environment, which two or more "honest but curious" servers retrieve the image quickly and accurately without divulging the image content. Compared with other traditional schemes, the scheme consumes less computing resources and has higher computing efficiency, which is more suitable for resource-constrained edge computing environment. Experimental results show the algorithm has high security, retrieval accuracy and efficiency.

• 전자통신동향분석
• /
• 제34권2호
• /
• pp.51-59
• /
• 2019

Edge computing, which is computing on the edge of the network, is becoming a market value as a means of overcoming the fear of communication disconnection and delay reduction, which are the technical weaknesses of cloud computing. Edge computing is continuously expanding applications in various applications such as safety industry, smart factories, autonomous vehicles, mobile communications, and AR/VR. Looking at edge computing trends from Microsoft, IBM, HPE, and Dell EMC, current edge computing must be understood as an integral binding technology and not as a simple complement to the cloud. This paper examines market trends in edge computing and analyzes the impact of edge computing on major related industries.

• 대한임베디드공학회논문지
• /
• 제18권4호
• /
• pp.165-172
• /
• 2023

Heterogeneous computing is a technology that utilizes different types of processors to perform parallel processing. It maximizes task processing and energy efficiency by leveraging various computing resources such as CPUs, GPUs, and FPGAs. On the other hand, edge computing has developed with IoT and 5G technologies. It is a distributed computing that utilizes computing resources close to clients, thereby offloading the central server. It has evolved to intelligent edge computing combined with artificial intelligence. Intelligent edge computing enables total data processing, such as context awareness, prediction, control, and simple processing for the data collected on the edge. If heterogeneous computing can be successfully applied in the edge, it is expected to maximize job processing efficiency while minimizing dependence on the central server. In this paper, experiments were conducted to verify the feasibility of various parallel programming models on high-end and low-end edge devices by using benchmark applications. We analyzed the performance of five parallel programming models on the Raspberry Pi 4 and Jetson Orin Nano as low-end and high-end devices, respectively. In the experiment, OpenACC showed the best performance on the low-end edge device and OpenSYCL on the high-end device due to the stability and optimization of system libraries.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2019년도 제59차 동계학술대회논문집 27권1호
• /
• pp.5-6
• /
• 2019

Edge Computing에서 발생하는 데이터 분석에 대한 알고리즘의 성능 평가나 검증은 필수적이다. 이러한 평가 및 검증을 위해서는 비교 가능한 데이터가 필요하다. 본 논문에서는 Edge Computing에서 발생하는 데이터에 대한 분석 결과 및 Computing Resource에 대한 성능평가를 위해 Cloud 기반의 빅 데이터 분석시스템을 구축한다. Edge Computing 비교분석 빅 데이터 시스템은 실제 IoT 노드에서 Edge Computing을 수행할 때와 유사한 환경을 Cloud 상에 구축하고 연구되는 Edge Computing 알고리즘을 Data Analysis Cluster Container에 탑재해 분석을 시행한다. 그리고 분석 결과와 Computing Resource 사용률 데이터를 기존 IoT 노드 Edge Computing 데이터와 비교하여 개선점을 도출하는 것이 본 논문의 목표이다.

• 한국멀티미디어학회논문지
• /
• 제25권8호
• /
• pp.1136-1140
• /
• 2022

This paper is a method for efficient traffic prediction in mobile edge computing, where many studies have recently been conducted. For distributed processing in mobile edge computing, tasks offloading from each mobile edge must be processed within the limited computing power of the edge. As a result, in the mobile nodes, it is necessary to efficiently select the surrounding edge server in consideration of performance dynamically. This paper aims to suggest the efficient clustering method by selecting edges in a cloud environment and predicting mobile traffic. Then, our dynamic clustering method is to reduce offloading overload to the edge server when offloading required by mobile terminals affects the performance of the edge server compared with the existing offloading schemes.

• Journal of Information Processing Systems
• /
• 제17권5호
• /
• pp.905-917
• /
• 2021

In recent years, edge computing technology consists of several Internet of Things (IoT) devices with embedded sensors that have improved significantly for monitoring, detection, and management in an environment where big data is commercialized. The main focus of edge computing is data optimization or task offloading due to data and task-intensive application development. However, existing offloading approaches do not consider correlations and associations between data and tasks involving edge computing. The extent of collaborative offloading segmented without considering the interaction between data and task can lead to data loss and delays when moving from edge to edge. This article proposes a range segmentation of dynamic offloading (RSDO) algorithm that isolates the offload range and collaborative edge node around the edge node function to address the offloading issue.The RSDO algorithm groups highly correlated data and tasks according to the cause of the overload and dynamically distributes offloading ranges according to the state of cooperating nodes. The segmentation improves the overall performance of edge nodes, balances edge computing, and solves data loss and average latency.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2018년도 제57차 동계학술대회논문집 26권1호
• /
• pp.5-6
• /
• 2018

Edge Computing의 성능 분석을 위해 SDN 테스트 베드를 구축하는 방안을 제안한다. Edge Computing 환경에서 연구한 알고리즘들을 실증적 성능 테스트하기 위해 테스트베드를 구축하였다. Raspberry-Pi를 이용해 SDN Switch를 구현하였고, Edge단의 노드는 테스트를 위해 노트북을 연결해 인터넷이 되는지 확인하였다. Edge Computing 환경은 수 많은 노드를 연결해 테스트해야 하며 따라서 SDN 환경이 적절하다. 본 논문에서는 SDN에 대해서 알아보고 Raspberry-Pi를 이용한 테스트 베드 구축 방안에 대해 소개하고자 한다.

• 전자통신동향분석
• /
• 제35권6호
• /
• pp.78-87
• /
• 2020

With the evolution of the Internet of Things (IoT), a computing paradigm shift from cloud to edge computing is rapidly taking place to effectively manage the rapidly increasing volume of data generated by various IoT devices. Edge computing is computing that occurs at or near the physical location of a user or data source. Placing computing services closer to these locations allows users to benefit from faster and more reliable services, and enterprises can take advantage of the flexibility of hybrid cloud computing. This paper describes the concept and main benefits of edge computing and presents the trends and future prospects for edge computing technology.