[논문 리뷰] Enabling Community Health Care with Microservices

Richard Hill, Dharmendra Shadija외 1명|arXiv (Cornell University)|2017. 09. 20.

Software System Performance and Reliability참고 문헌 17인용 수 3

한 줄 요약

이 논문은 가정 센서에서 건강 클라우드로의 효율적이고 안전한 데이터 흐름을 위해 에지 처리 및 워크로드 관리를 활용하는 마이크로서비스 기반 IoT 아키텍처를 제안한다. 이는 데이터 전송을 57% 감소시키고 계산 시간을 59% 줄여 분산된 치료 시스템에서 확장성, 내성성 및 기밀성을 향상시킨다. 이 접근법은 에이전트 중심 모델링과 LoraWAN을 활용하여 실시간으로 데이터를 처리한다.

ABSTRACT

Microservice architectures (MA) are composed of loosely coupled, course-grained services that emphasise resilience and autonomy, enabling more scalable applications to be developed. Such architectures are more tolerant of changing demands from users and enterprises, in response to emerging technologies and their associated influences upon human interaction and behaviour. This article looks at microservices in the Internet of Things (IoT) through the lens of agency, and using an example in the community health care domain explores how a complex application scenario (both in terms of software and hardware interactions) might be modelled.

연구 동기 및 목표

• 확장성, 내성성 및 기밀 인식이 가능한 서비스 조합을 가능하게 하여 공동체 건강 관리 시스템의 점점 증가하는 복잡성에 대응하고자 한다.
• 에지에서 센서 데이터를 필터링하고 처리하여 IoT 기반 건강 모니터링에서 네트워크 대역폭과 처리 오버헤드를 줄이고자 한다.
• 다양한 이해관계자가 참여하는 동적 환경에서 마이크로서비스와 에이전트 중심 모델링의 실현 가능성을 탐색하고자 한다.
• 에지 컴퓨팅 유닛에서 실시간 건강 데이터 처리를 위한 워크로드 관리의 성능 향상을 평가하고자 한다.
• 보건 제공자와 지역 관계자 간의 분산된 데이터 처리 및 안전한 데이터 공유 기회를 식별하고자 한다.

제안 방법

• 각 서비스가 특정 치료 기능(예: 데이터 필터링, 분석, 보고서 작성)을 봉인하는 마이크로서비스 기반 아키텍처를 설계한다.
• 에지에서 이중 단계의 데이터 처리 파이프라인을 구현한다: 센서 데이터의 초기 필터링 이후 패턴 인식 및 추세 분석.
• 에이전트 유니티드 모델링 언어(AUML)를 사용하여 시스템을 다중에이전트 시스템으로 모델링하여 이해관계자 간의 능동적이고 조율된 행동을 가능하게 한다.
• 비핵심 데이터를 가정 모니터링 유닛에서 건강 클라우드로 전송하기 위해 저전력·장거리 통신을 위한 LoraWAN을 활용한다.
• 가용 자원과 마감 시간에 따라 에지 구성 요소 간 처리를 동적으로 분배하는 워크로드 관리 알고리즘을 적용한다.
• Omnet++ 5.1을 사용하여 Ubuntu 16.04에서 실행되는 시뮬레이션을 수행하고, MIT AI Lab의 100MB 센서 데이터 세트를 활용해 다양한 부하 조건 하에서의 성능을 평가한다.

실험 결과

연구 질문

• RQ1 마이크로서비스와 에지 처리는 공동체 건강 관리 IoT 시스템에서 데이터 전송을 어떻게 줄이고 효율성을 향상시킬 수 있는가?
• RQ2 에지 기반 건강 모니터링 유닛에서 워크로드 관리는 처리 지연 시간과 자원 활용도에 어떤 영향을 미치는가?
• RQ3 마이크로서비스 아키텍처는 다이나믹하고 다수의 이해관계자가 참여하는 건강 관리 환경에서 시스템의 내성성과 모oduularity를 어떻게 향상시키는가?
• RQ4 제한된 LoraWAN 네트워크 환경에서 분산된 데이터 처리는 대역폭 소비를 어느 정도 줄일 수 있는가?
• RQ5 공동체 건강 관리 시스템의 분산된 마이크로서비스 간에 데이터 기밀성과 액세스 제어를 어떻게 확보할 수 있는가?

주요 결과

• 에지 기반 필터링 및 워크로드 인식 처리 덕분에 시뮬레이션된 네트워크 전반에서 데이터 전송이 57% 감소했다.
• 최적화된 워크로드 분배로 인해 센서 데이터 처리에 소요되는 계산 시간이 18.3초에서 7.3초로 59% 감소했다.
• 전송 이전에 중복된 센서 데이터를 필터링함으로써 네트워크 대역폭 소비가 51% 감소했다.
• 동적 워크로드 관리 덕분에 증가하는 센서 부하 상황에서도 시스템의 내성성과 적응력이 향상되었다.
• 에지 아키텍처는 고밀도 센서 입력 상황에서도 성능 안정성을 유지했으며, 네트워크 변동에 대한 민감도가 낮아 보였다.
• 가정 모니터링 유닛의 계산 용량이 미사용 상태로 남아 있어, 고도화된 데이터 처리를 통해 추가 최적화가 가능할 것으로 보인다.