[논문 리뷰] Analytics for the Internet of Things: A Survey

Eugene Siow, Thanassis Tiropanis외 1명|arXiv (Cornell University)|2018. 07. 03.

IoT and Edge/Fog Computing참고 문헌 131인용 수 26

한 줄 요약

이 종합적 서베이는 IoT 분석을 위한 체계적인 계층적 분류 체계를 제안하며, 장치에서 인사이트에 이르는 데이터 흐름을 통합하고, 분布션, 상호운용성, 성능, 분석적 가치 측면에서 유효한 기술들을 평가한다. 이는 IoT 분석 인프라의 핵심 트레이드오프를 규명하고, 대규모 데이터 기반 스마트 시스템 환경에서 확장 가능하고 의미적으로 풍부하며 저지연 시간을 갖는 분석 시스템을 위한 향후 연구 방향을 제시한다.

ABSTRACT

The Internet of Things (IoT) envisions a world-wide, interconnected network of smart physical entities. These physical entities generate a large amount of data in operation and as the IoT gains momentum in terms of deployment, the combined scale of those data seems destined to continue to grow. Increasingly, applications for the IoT involve analytics. Data analytics is the process of deriving knowledge from data, generating value like actionable insights from them. This article reviews work in the IoT and big data analytics from the perspective of their utility in creating efficient, effective and innovative applications and services for a wide spectrum of domains. We review the broad vision for the IoT as it is shaped in various communities, examine the application of data analytics across IoT domains, provide a categorisation of analytic approaches and propose a layered taxonomy from IoT data to analytics. This taxonomy provides us with insights on the appropriateness of analytical techniques, which in turn shapes a survey of enabling technology and infrastructure for IoT analytics. Finally, we look at some tradeoffs for analytics in the IoT that can shape future research.

연구 동기 및 목표

• 연결된 장치로부터 급격히 증가하는 데이터의 영향을 고려해, 인터넷 오브 things(IoT)에서 분석에 대한 체계적인 이해가 점점 더 필요해지는 데에 대응하기 위해.
• 특히 데이터의 다양성, 양, 속도 및 분포, 성능, 분석적 가치 사이의 트레이드오프를 포함한 IoT 분석의 과제를 식별하고 분류하기 위해.
• 장치에서 실행 가능한 인사이트에 이르는 데이터 생성에서부터 분석 결과 출력까지의 계층적 분류 체계를 제안하여, 다양한 분야에서 분석 파이프라인 설계를 향상시키기 위해.
• 확장 가능하고 상호운용 가능한 IoT 분석을 위해 에지/안개 컴퓨팅, 의미 웹, 분산 스토리지 등의 유효 기술과 인프라를 조사하기 위해.
• 특히 이질적인 데이터 소스의 통합과 실시간, 고가치 인사이트 달성을 위한 과제를 규명하여 향후 연구를 이끌기 위해, IoT 분석에서 해결되지 않은 트레이드오프와 기회를 식별하기 위해.

제안 방법

• 5단계 계층적 분류 체계를 제안: (1) 데이터 생성, (2) 데이터 전송, (3) 데이터 저장, (4) 데이터 처리, (5) 분석 출력. 이는 IoT 분석 파이프라인을 체계화하기 위함이다.
• 기본 분석 접근 방식을 묘사적, 예측적, 규정적 분석으로 분류하고, 데이터에서 실행 가능한 인사이트에 이르는 지식 계층과 연결한다.
• 에지/안개 컴퓨팅을 통한 저지연 처리, 확장성 향상을 위한 피어드 및 메모리 기반 데이터베이스, 상호운용성을 위한 의미 웹 표준을 포함한 데이터 흐름 전반에 걸친 유효 기술을 검토하고 분류한다.
• 분포(에지 대비 클라우드), 상호운용성(의미 어휘), 성능(속도 및 양), 분석적 가치(인사이트 품질) 간의 트레이드오프를 분석한다.
• 2010–2018년 사이의 서베이 및 논문들을 대상으로 체계적인 문헌 고찰을 수행하여, IoT, 빅데이터, 분석의 진화를 맵핑하고 현재 연구의 격차를 규명한다.
• 다차원 프레임워크를 활용하여, IoT 응용 프로그램에서 데이터 다양성, 확장성, 실시간 처리 요구 사항을 고려한 기술 평가를 수행한다.

실험 결과

연구 질문

• RQ1 장치에서 인사이트에 이르는 IoT에서 데이터와 분석의 흐름을 모델링하기 위해 통합적이고 계층적인 분류 체계를 어떻게 구성할 수 있는가?
• RQ2 특히 분포, 상호운용성, 성능, 분석적 가치 사이의 트레이드오프를 고려할 때, IoT 분석 인프라 설계에서 핵심적인 기술적 트레이드오프는 무엇인가?
• RQ3 에지/안개 컴퓨팅, 의미 웹, 메모리 기반 데이터베이스와 같은 신기술들이 확장 가능한 IoT 분석을 지원하거나 저해하는 방식은 무엇인가?
• RQ4 센서, 소셜 미디어, 지리공간 데이터와 같은 이질적인 데이터 소스를 포함하는 데이터 다양성은 IoT 분석의 효과성과 복잡성에 어떤 영향을 미치는가?
• RQ5 대규모 분산 IoT 시스템에서 실시간, 고정확도, 의미적으로 유의미한 분석을 가능하게 하는 데 있어 열려 있는 연구 과제는 무엇인가?

주요 결과

• 모든 영국 가정에 스마트 미터가 설치된 경우를 가정하면, IoT는 웹 규모를 초월하는 데이터를 생성할 것으로 예측되며, 월간 2.64 퀩틸리언 이벤트에 이를 것으로 추정된다.
• 의미 기술의 통합은 상호운용성과 분석적 가치를 향상시키지만, 복잡성과 지연 시간으로 인해 성능 저하 문제를 겪는다.
• 에지 및 안개 컴퓨팅은 스트리밍 데이터에 대한 저지연 처리를 개선하고 지연 시간을 줄이지만, 분석 능력과 확장성 측면에선 여전히 클라우드 기반 메모리 기반 시스템에 뒤진다.
• 71%의 데이터 과학자들이 데이터 다양성으로 인해 분석의 어려움이 증가하고 있다고 보고하여, IoT 분석에서의 핵심 과제임을 확인한다.
• 이 서베이는 분석적 가치와 인프라 효율성 사이에 중요한 트레이드오프를 규명한다: 높은 인사이트 품질을 극대화하는 시스템(예: 클라우드 기반)은 종종 저지연 분포를 포기하는 반면, 에지 시스템은 분석 깊이보다는 속도를 우선시한다.
• 데이터 생성에서 실행 가능한 인사이트에 이르는 계층적 분류 체계는 향후 IoT 분석 시스템 설계를 위한 체계적인 프레임워크를 제공하며, 연구를 응용 요구사항과 일치시킬 수 있도록 한다.