포그 컴퓨팅, 에지와 클라우드 사이 계층을 어떻게 설계하는가

IoT 디바이스가 쏟아내는 데이터를 전부 클라우드로 올려 처리하면 두 가지 벽에 부딪힌다. 왕복 지연이 실시간 제어 요구를 못 맞추고, 업링크 대역폭 비용이 감당하기 어려워진다. 포그 컴퓨팅(Fog Computing)은 엣지 장치와 중앙 클라우드 사이에 계층을 하나 더 두어 이 두 문제를 함께 푸는 분산 처리 패턴이다. OpenFog(현재는 IIC 관련 활동으로 이어지고 있으며, 최신 정보는 별도 확인이 필요하다) 레퍼런스에 기반한 실무 설계 관점을 정리한다.

에지·포그·클라우드는 어떻게 나뉘는가

포그 컴퓨팅은 네트워크 에지 인근(액세스·메트로·사이트 PoP)에 연산·스토리지·네트워킹을 배치해 데이터를 근접 처리하는 분산 컴퓨팅 패러다임으로, 엣지(디바이스 내·직접 인접)와 클라우드(중앙 데이터센터) 사이 중간 계층을 형성한다. 엣지는 초근접 단일 노드 처리에 집중하고, 포그는 지역 스케일의 집적·오케스트레이션·집계 처리를 맡으며, 클라우드는 글로벌 확장·대규모 학습·장기 저장을 담당한다. 적용 영역은 지연 민감 제어(수 ms~수십 ms), 간헐적 네트워크 환경, 규제·데이터 주권 요구, 대역폭 비용 최적화 시나리오다.

계층형 포그 노드가 만드는 토폴로지

포그 노드는 액세스 포그(게이트웨이·마이크로 DC)에서 에지 메트로·집중 노드를 거쳐 리전·클라우드로 이어지는 구조를 이룬다. L2/L3 세그먼트 경계에서 로컬 라우팅·캐시·제어 루프를 구성해 왕복 지연을 최소화하는 것이 이 토폴로지의 핵심이다.

센서에서 클라우드까지, 데이터가 지나는 파이프라인

데이터는 MQTT·AMQP·HTTP·CoAP로 수집된 뒤 필터링·정규화를 거쳐 CEP·윈도우 집계로 넘어가고, 로컬 피처링·추론을 마친 다음 요약·압축된 형태로 업링크된다. QoS, 백프레셔, 버퍼링, 스냅샷·체크포인트를 조합해 일시적인 네트워크 장애에도 데이터가 끊기지 않도록 내구성을 확보한다.

경량 오케스트레이션과 이종 가속자원

K3s·KubeEdge·MicroK8s 같은 경량 컨테이너 기반 플랫폼이 멀티테넌시·롤링 업데이트·자율 복구를 담당한다. GPU·TPU·FPGA 같은 이종 가속 자원을 스케줄링하고, 위치 인식(Topology-aware) 배치 정책으로 워크로드를 배치한다.

보안 정책을 어떻게 집행하는가

mTLS, 디바이스 식별(Identity), 키·증명서 수명주기, 정책 엔진(OPA)이 보안 집행의 기본축이다. 네트워크 마이크로 세그멘테이션과 원격 측정 무결성(TPM 기반, 최신 정보 확인 필요) 기반 신뢰 체인을 함께 구축한다.

계층을 비교하면

항목	엣지 컴퓨팅	포그 컴퓨팅	클라우드 컴퓨팅
지연/성능	최저 지연, 단일 노드 자원 제약	저지연, 지역 집적 처리·스케일 아웃	상대적 고지연(망 의존), 대규모 연산 우수
확장성	단위 디바이스 수준	사이트·리전 단위 수평 확장	글로벌 수평·수직 확장 최적
일관성	로컬 강한 일관성, 글로벌 약함	지역 내 가변 일관성, 클라우드와 최종 일관성	강·최종 일관성 선택 가능
안정성	네트워크 무관, 하드웨어 고립 리스크	망 분리 내성+지역 이중화 용이	네트워크 의존 높음, 영역 간 DR 용이
운영 편의	현장 관리 부담 큼	중앙-현장 하이브리드 운영	중앙 집중, 자동화 성숙

현장에서 쓰이는 방식

스마트 제조(머신 비전·PLC 인터록)는 라인당 포그 게이트웨이에 추론 엔진을 배치해 불량 탐지→PLC 제어를 20ms 내에 처리한다. 현장 모델의 A/B 테스트와 배포는 GitOps와 K3s 채널로 롤링 적용한다.

커넥티드 모빌리티(V2X·교차로 보행자 보호)는 로드사이드 포그 노드에서 카메라·LiDAR 융합 추론으로 신호를 제어한다. 도시 백본이 혼잡할 때는 로컬 경고 브로드캐스트를 유지한다.

스마트 시티·설비 관리(전력/수처리)는 포그에서 이상치를 탐지하고 예지 정비를 수행한 뒤 요약만 클라우드로 전송한다. 현장 네트워크가 끊기면 버퍼링과 함께 우선 경보를 SMS나 사설망으로 전파한다.

헬스케어(원격 모니터링)는 포그에서 실시간 위험 스코어를 산출하고, 민감 데이터는 현장에서 비식별·마스킹한 뒤 업링크한다. 규제 구역 내 데이터 주권 준수가 이 구조로 가능해진다.

유통·리테일(매장 분석)은 매장 포그에서 고객 흐름·체류를 분석하고 중앙에는 집계 KPI만 전송한다. 오프라인 상태에서는 영수증·결제 큐가 로컬에서 지속된다.

도입은 요구 정의에서 시작해 보안·운영으로 이어진다

요구·아키텍처 정의 단계에서는 E2E 지연(ms), 가용성(%), 데이터 보존·주권 요구를 SLA로 정의하고, 디바이스→액세스 포그→메트로 포그→클라우드 경로와 단절·우회 시나리오를 토폴로지로 설계한다.

플랫폼·데이터 경로 구성 단계에서는 메시 브로커(Mosquitto/EMQX)의 위치, 스트리밍(Flink/Spark), 피처·추론(ONNX/TensorRT) 배치를 정한다. 저장소는 시계열(InfluxDB/TimescaleDB)의 로컬 보존 정책과 데이터 레이크 연계로 구성한다.

보안·운영 단계에서는 mTLS, 디바이스 온보딩, 인증서 자동 회전(ACME/EST) 체계를 갖춘다. Prometheus·Grafana로 모니터링하고 중앙 로깅(OTEL)과 OTA 패치·모델 배포로 원격 관리한다.

입력에서 출력까지, 그리고 장애가 났을 때

⤢✕

네트워크가 정상이면 로컬 분석·추론 결과가 저지연 제어 신호로 즉시 나가고, 동시에 배치 전처리·압축을 거친 요약 데이터가 MQTT QoS1로 클라우드에 발행된다. 연결이 끊기면 디스크·메모리에 TTL을 걸어 버퍼링하고, 버퍼가 초과되거나 TTL이 만료되면 드롭과 함께 운영 알림을 띄운다.

무엇을 트레이드오프할 것인가

네트워크 분리와 우회 경로는 생산망·관리망을 나누고 제어 신호 경로에서 단일 장애점을 제거하는 방향으로 설계하지만, 그만큼 복잡도가 늘고 장애 모의훈련이 필요해진다. 일관성 모델은 현장 제어에 강한 일관성·로컬 트랜잭션을, 분석 파이프라인에는 최종 일관성을 적용하는 식으로 나누는데 이는 개발 복잡도와 가용성·지연 최적화 사이의 트레이드오프다. 리소스 격리·성능 보장은 cgroups·CPU 피닝·NUMA와 가속기 할당으로 추론 지연을 안정화하지만 클러스터 활용률이 떨어지는 대가가 따른다.

지연·대역폭·가용성에서 나타나는 효과

이렇게 설계했을 때 현장 제어 경로의 지연은 5090% 단축된다(예: 120ms→1260ms, 링크·스택 최적화 수준에 따라 차이). 원시 데이터 대신 요약을 전송하면 업링크 대역폭이 30~70% 절감되고 클라우드 egress 비용도 함께 줄어든다. 네트워크가 단절돼도 필수 기능이 로컬에서 지속되므로 MTBF가 개선되고 SLA 위반률이 30% 이상 줄어드는 것이 목표치다. 데이터는 지역성이 확보돼 민감 데이터를 현장에서 처리하는 만큼 규제·보안 리스크가 낮아지고, GitOps·OTA를 도입하면 롤백 시간이 분 단위에서 초 단위로 줄어 무정지 롤아웃이 가능해진다.

파일럿은 단일 라인이나 사이트에서 SLA와 운영 절차를 검증한 뒤 점진적으로 확장하는 편이 안전하다.