안녕하세요.
Jack 입니다.
K8s 및 kube edge 관련 하여 작성하고자 합니다.
해당 주제 기준하여 K8s기준한 Edge의 한계 특성관련하여 살펴 보겠습니다.
Kubernetes는 왜 Edge에서 한계를 보이는가 1-1
– IoT 시대, 인프라는 Cloud에서 끝나지 않는다
1. 시작 질문: Kubernetes로 IoT 환경을 운영할 수 있을까?
최근 많은 조직이 컨테이너 기반 인프라 표준으로
Kubernetes 를 선택하고 있습니다
- 확장성
- 자동화
- 선언적 운영
이 세 가지 이유만으로도 Kubernetes는 사실상 표준 플랫폼이 되었습니다.
하지만 다음과 같은 질문이 등장합니다.
> “이 Kubernetes를 그대로 IoT 환경에 적용할 수 있을까?”
결론부터 말하면 그대로는 어렵습니다.
2. IoT 환경은 Cloud와 완전히 다르다
Cloud 환경은 전제를 가지고 설계됩니다.
- 항상 네트워크 연결됨
- 안정적인 데이터센터
- 낮은 지연 (내부망 기준)
- 중앙 집중형 구조
하지만 IoT / Edge 환경은 정반대입니다.
- IoT 환경의 특징
- 항목 Cloud IoT / Edge
- 네트워크 항상 연결 단절 가능 (Offline)
- 지연 낮음 높거나 불안정
- 위치 중앙 (DC) 분산 (현장)
- 데이터 중앙 처리 현장 생성
예시 문제 상황
- 공장: 센서 데이터가 초당 수천 건 발생
- CCTV: 영상 데이터 실시간 처리 필요
- 스마트시티: 네트워크 지연 발생
> 이 모든 상황에서 Cloud만으로 처리하면 병목 발생 됩니다.
3. Kubernetes의 구조적 한계
Kubernetes는 기본적으로 Cloud Native 환경을 기준으로 설계되었습니다.
Kubernetes 전제 조건
- API Server 항상 접근 가능
- Worker Node는 Master와 지속 연결
- 중앙 Scheduler 기반 동작
이 구조는 다음과 같은 문제를 발생시킵니다.
문제 1: 네트워크 단절 시 동작 불가
- Edge Node가 Cloud와 연결이 끊어지면? → Pod 상태 관리 불가능→ 제어 Plane 접근 불가
- 사실상 운영 불능 상태
문제 2: Latency 문제
- IoT 데이터 → Cloud → 처리 → 응답
이 구조는 다음을 의미합니다.
“모든 처리를 중앙으로 보낸다”
결과:
- 응답 지연 증가
- 실시간 처리 불가
문제 3: 데이터 폭증
IoT 환경에서는 데이터가 “엄청나게” 발생합니다.
예시 : 센서 1,000개 × 초당 10건 = 초당 10,000 이벤트
이를 Cloud로 모두 전송하면?
- 네트워크 비용 증가
- 처리 병목 발생
- 저장 비용 폭증
4. Edge Computing이 등장한 이유
이러한 문제를 해결하기 위해 등장한 개념이 바로 Edge Computing입니다.
Edge Computing 정의
> 데이터를 생성하는 위치에서 직접 처리하는 분산 컴퓨팅 구조
기존 vs Edge 구조 비교
- 구조 처리 위치 특징
- Cloud 중심 중앙 단순하지만 느림
- Edge 포함 현장 + 중앙 빠르고 효율적
핵심 변화
- “모든 것을 Cloud로 보내지 않는다”
- “현장에서 먼저 처리한다”
5. 그렇다면 Kubernetes를 버려야 할까?
여기서 중요한 질문이 나옵니다.
> “그럼 Kubernetes는 IoT에서 못 쓰는가?”
아닙니다.
문제는 Kubernetes가 아니라 적용 방식입니다.
지금까지 다음 내용에 대해 살펴 보았습니다.
- Kubernetes는 Cloud에 최적화된 플랫폼
- IoT 환경은 Cloud와 완전히 다름
다음에는 계속해서 아래 내용을 살펴 보도록 하겠습니다.
- Edge Computing은 필수 전략
- Kubernetes를 Edge로 확장해야 함
감사합니다.
댓글
댓글 쓰기