사람

기업

주식회사고손컴퍼니(Goson company)
반려동물 전문기업에서 IT플랫폼, IoT전자제품으로 글로벌 시장에 도전하고 있습니다.

게시물

블로그 글

Edge computing with High Performance Time-Series DBMS2

Edge computing with High Performance Time-Series DBMS2

Edge Computing 과 데이터 처리 요구 사항   Edge에서 얼마나 많은 데이터를 어느 정도까지 빠르게 처리해야 할까? 이 질문에 대한 답이 명확할수록 Edge Computing 이 제시하는 미래의 비전이 고객의 눈 높이에 맞을 것이다. 극단적인 예로 NC(Numerical Control) 장비의 실시간 모니터링 및 관리를 위한 Edge 장비의 데이터 처리 요구 사항을 보면, 2주간 약 1T Byte의 데이터를 처리할 수 있어야 한다. 이 값을 보다 정확하게 환산해 보면,  초당 872,628 바이트를 소화해야 한다. 이를 실제 센서 데이터의 평균 크기(약 20byte)로 환산해 보면, 초당 약 400,000 개 이상의 이벤트를 저장할 수 있어야 한다는 계산이 도출된다.   Edge 장비에서는 초당 40만 개 이상의 센서 데이터를 받아들여야 (Ingestion) 할 뿐만 아니라, 이를 2차 저장 장치로 저장, 실시간 분석이 가능해야 한다는 고도의 요구 사항이기도 하다. 더 나아가 환경에 따라 Edge 장비가 고가용성을 지원해야 하는 경우에는 더 높은 수준의 데이터 처리 기술을 필요로 할 것이다. 결국 산업에 따라 그 데이터의 종류와 형태, 데이터 총량이 각각 달라질 것이며,  시간이 갈수록 다양한 형태의 요구 수준이 점점 더 높아지고, 엄격해질 것은 자명한 일이다.   마크베이스와 Edge Computing   마크베이스는 실시간 시계열 데이터베이스로서 Edge Computing의  초고속 데이터 처리를 위한 Edge/Fog Edition 제품을 이미 제공하고 있다. 이 제품은 ARM CPU기반의 대표적인 장비인 ARTIK 7과 Raspberry  pi 2/3 뿐만 아니라,  Intel CPU 기반의 Embedded 장비도 지원한다. 특징적으로는 Rasberry PI 3 혹은 ARTIK 7에서 초당 20만 건의 센서 데이터를 저장할 수 있으며, 동시에 CPU 및 디스크 사용량도 매우 효율적으로 활용한다. 비록 Edge 장비라 할지라도 빅데이터 기술을 탑재한 마크베이스는 수천억 건 이상의 데이터를 스토리지 한계만큼 저장할  수 있으며, 그 빅데이터에 대한 검색과 분석도 탁월한 수준이다. 이뿐만 아니라, 표준 SQL 구문을 기반으로 시계열 데이터에 대한 확장 SQL을 통해 센서에 관련된 분석과 처리를 실시간으로 수행할 수 있어  Edge Computing의 솔루션의 핵심 모듈로서 최적의 제품이다. 향후 로드맵에 따라 다수의 Edge 장비를 기반으로 클러스터를 구성할 수 있으며, 이는 고성능, 고가용성을 위한 Edge Computing  요구 사항도 무리 없이 지원된다는 의미이기도 하다. 앞에서 언급한 바와 같이 마크베이스는 이미 Edge Computing에 대한 훌륭한 데이터처리 요구 사항을 만족하고 있으며,  더 자세한 제품의 평가를 원할 경우   해당 홈페이지를 참고하기 바란다.(http://www.machbase.com/download)       Do you want to try Machbase? http://machbase.com/download Contact the Machbase team with your questions! info@machbase.com   #machbase #machbasedatabase #smartfactory

www.machbase.com | 2019-02-15

홍윤정  마크베이스 채널 및 영업 담당자입니다 @마크베이스
548RP · IIoT 상위 10%

채용 정보

뉴스/미디어

프로젝트

feelingtv
 
2015년 1월 - 2017년 8월 
IoT광고 플랫폼
윤상훈  대표이사 @유니콘프렌즈
IoT Device, 스타트업, IoT 사업 개발
머신러닝 기계 의수
 
2018년 3월 - 2018년 12월 
머신러닝(Decision Tree)을 활용하여 30만 건 이상의 EMG 데이터를 분석 후 지체장애인 개개인별로 캘리브레이션이 필요없는 기계 의수. 하드웨어 단계 포스 센싱으로 계란을 깨지 않고 집거나, 스*벅스 테이크아웃 컵 기준 커피가 꽉 찬 컵을 들어올려 커피를 마시는 것도 가능. 근전도 데이터는 자동으로 서버 DB에 저장되어 빅데이터로 활용 가능. 주먹 쥐기, 엄지 척, 가위, 오케이 등 8가지 손 동작 구현. 연필 쥐기 자세로 펜이나 연필 등을 쥐고 실제 이름 등을 작성 가능. 하드웨어는 SLA 3D프린팅을 이용하여 출력.
새 유저 추가  
stm32, C/C++, Machine Learning
머신러닝 기계 의수
 
2018년 3월 - 2018년 12월 
머신러닝(Decision Tree)을 활용하여 30만 건 이상의 EMG 데이터를 분석 후 지체장애인 개개인별로 캘리브레이션이 필요없는 기계 의수. 하드웨어 단계 포스 센싱으로 계란을 깨지 않고 집거나, 스*벅스 테이크아웃 컵 기준 커피가 꽉 찬 컵을 들어올려 커피를 마시는 것도 가능. 근전도 데이터는 자동으로 서버 DB에 저장되어 빅데이터로 활용 가능. 주먹 쥐기, 엄지 척, 가위, 오케이 등 8가지 손 동작 구현. 연필 쥐기 자세로 펜이나 연필 등을 쥐고 실제 이름 등을 작성 가능. 하드웨어는 SLA 3D프린팅을 이용하여 출력.
백동원  프리랜서 개발자(Freelance Developer) 
968RP · Python 상위 3%