데이터 지연 시간이란? 전문가 가이드

데이터 대기 시간은 데이터를 사용하기 위해 전송할 때와 원하는 결과를 생성할 때 사이의 시간 지연을 나타냅니다. 대기 시간은 네트워크 혼잡, 하드웨어 제한, 소프트웨어 처리 시간, 끝점 간 거리, 시스템 구성 방법 등 여러 요인으로 인해 발생할 수 있습니다.

자동차의 브레이크 페달을 때리는 것과 차량이 멈추는 것 사이의 반응 지연을 고려하십시오. 실제로, 인간은 그렇게 할 필요성을 인식 한 후 1 초 이내에 브레이크를하는 경향이 있습니다. 시스템이 작동하기 전에 2-3초 지연이 발생한 경우 얼마나 불안정해질지 상상해 보십시오. 그 결과 속도 제한이 극적으로 감소하고 자동차 사이의 안전한 거리가 크게 증가해야합니다. 다행히도, 무언가가 누락되지 않는 한, 제동은 초의 십분의 일에서 시작되며, 우리는 그것을 즉각적이고 실시간 반응으로 인식합니다.

Internet of Things(IoT) 기술을 포함한 모든 제어 시스템의 대기 시간은 작동 가능한 정밀도를 제한합니다. 인기 있는 IoT 사용 사례는 중앙 집중식 스마트 허브 또는 모바일 애플리케이션을 통해 조명, 난방, 보안 및 어플라이언스와 같은 다양한 유틸리티를 제어할 수 있는 스마트 홈 기술입니다. 똑똑한 온도 조절기를 고려하십시오. 시스템의 대기 시간으로 인해 70도로 설정하면 온도가 약 69에서 71 사이로 변동됩니다. 그러나 2 또는 3도 변동보다는 0.1도 변동 만 원한다고 가정 해 봅시다. 열 또는 A / C가 계속되는 대기 시간과 변화를 등록하는 온도 조절기 사이의 대기 시간 때문에 실제 온도는 거의 0.1도 범위가 좁지 않을 것입니다. 따라서 허브는 1분마다 A/C와 열 사이로 전환됩니다. 이것은 기계 시스템에서 어려울뿐만 아니라 다음 에너지 청구서가 도착했을 때 무례한 놀라움을 얻을 수 있습니다.

데이터 대기 시간이란?

데이터 대기 시간은 데이터가 소스에서 대상으로 이동하는 데 걸리는 시간 또는 데이터를 처리하고 사용할 수 있게 되는 데 걸리는 시간입니다. 이러한 지연은 네트워크 혼잡 및 하드웨어 제한, 데이터 수집 구성 방법, 데이터 처리 시스템의 병목 현상을 비롯한 다양한 요인으로 인해 발생할 수 있습니다.

데이터 대기 시간은 상당한 부정적 영향을 미칠 수 있습니다. 또한 데이터 수집 및 전송 비용과 비즈니스 요구 사항의 균형을 맞추기 위해 IT 부서가 활용할 수 있는 레버가 될 수도 있습니다. 일부 산업(특히 금융 산업과 같은 실시간 또는 시간에 민감한 정보가 필요한 산업)에서는 데이터 전송이 약간 지연되더라도 기회 누락 또는 잘못된 가격 책정으로 이어질 수 있습니다. 일반적으로 기업은 보다 신속한 대응을 위한 비용 대비 다양한 애플리케이션의 의사 결정 및 최적 성능에 필수적인 속도를 평가하기 위해 노력할 것이며, 여전히 시스템으로부터 지연 시간을 얼마나 줄일 수 있는지에 대한 한계가 있습니다.

대기 시간은 항상 성능을 저하시키지만 디지털 시스템을 사용할 수 없게 되는지 여부는 다양한 요인에 따라 달라집니다.

제어 시스템(즉, 다른 시스템이나 장치를 관리, 지시 및 명령하는 시스템)에서 대기 시간이 지나치게 길어지면 불안정해지고 시스템이 작동하지 않을 수도 있습니다. 음성 및 화상 통화와 같은 실시간 사용 사례에서 대기 시간은 가장 성가신 상태이며 특정 임계값을 초과하면 시스템을 사용할 수 없게 됩니다. 또한 데이터 분석에서 지연 시간은 의사 결정자가 의사 결정 없이 움직이기 때문에 완료된 분석 결과를 렌더링하는 지점으로 프로세스를 늦출 수 있습니다.

몇 가지 유형의 대기 시간을 살펴보겠습니다.

실시간 애플리케이션의 데이터 대기 시간

인간은 오디오 및 비디오에서 데이터 손실에 매우 관대합니다. 오디오 응용 프로그램에서 데이터가 1/4초 이상 지연되면 쓸모가 없어지고 클릭 또는 팝 또는 불규칙한 오디오로 인식됩니다. 비디오 역시 마찬가지입니다. 늦은 데이터는 손실 된 데이터만큼 나쁘다. 알고리즘은 보상을 시도할 수 있지만 네트워크 대기 시간이 약 300밀리초를 초과하면 실시간 비디오가 손상될 수 있습니다.

최신 네트워크에서는 대기 시간이 일반적으로 수만 밀리초에 불과하며 비디오 및 오디오 애플리케이션이 매우 잘 실행됩니다. 또한 네트워크는 실시간 트래픽을 인식하고 우선 순위를 지정하여 대기 시간이 도착 시 데이터를 쓸모 없게 만듭니다.

실시간에 가까운 애플리케이션에서 대기 시간은 문제가 됩니다. 예를 들어, 원격 공장 현장의 센서에서 데이터를 수집하여 오작동을 모니터링하는 경우, 기술자가 개입하기 전에 대기 시간이 생산 라인 종료 지점까지 응답 시간을 늦출 수 있습니다. 그러나 빠른 정보 공유를 위해서는 비용이 많이 드는 고성능 WAN(Wide Area Network)이 필요합니다. 그 해답은 스토리지 및 컴퓨팅을 데이터를 생성하는 시스템에 더 가깝게 이동하고 데이터 전송 요구 사항을 줄이며 대기 시간을 줄이는 소위 에지 컴퓨팅 시스템을 사용하는 것입니다.

비즈니스 분석의 데이터 대기 시간

지금까지 말씀드린 시스템들은 1초 미만의 대기시간이 소요되어 효과적으로 작업할 수 있었습니다. 비즈니스 데이터 및 데이터 분석은 생성 시간 근처에서 항상 더 유용합니다. 그러나 매우 광범위한 설명 외에 애플리케이션을 고려하지 않고도 얼마나 많은 대기 시간이 허용되는지 정확히 말하기는 어렵습니다.

일기 예보에서 지난 주의 대기 조건에 대한 데이터는 이번 주에 대한 기상 패턴을 식별하는 데 약간의 사용이있을 수 있지만 최근 며칠 및 시간의 최신 데이터는 훨씬 더 유용 할 것입니다. 그럼에도 불구하고, 얼마나 많은 적시성이 중요한지에 대한 한계가 있습니다. 일기 예보자는 1초마다 또는 1/10초마다 데이터를 업데이트해야 합니까? 어느 시점에서 매우 짧은 간격으로 수집 된 데이터의 변화가 충분하지 않아 비용이 들지 않습니다.

비즈니스 분석 시스템 설계에서 허용되는 대기 시간 양을 계산할 때도 이와 같은 사고 방식이 중요합니다. 대형 소매업체는 2초 단위로 몇 개의 파란색 셔츠를 판매하는지 알고 싶습니까? 사용할 수 없을 것입니다. 시간별 판매 및 재고 데이터가 충분합니까? 한 시간 안에 재고의 의미있는 변화를 만드는 것이 얼마나 어려운지 고려할 때, 예, 그것은 아마도 충분합니다. 더 나은 성과를 얻는 것은 다른 곳에서 더 잘 지출 될 수있는 비용입니다.

반면, 몇 시간 또는 며칠 이내에 정확한 판매 데이터에 대한 보고서는 매우 가치가있을 수 있습니다. 경영진은 블루 셔츠를 구입하는 사람들이 동일한 쇼핑 인스턴스에 있지 않더라도 구매하는 품목을 알고 싶어 할 수 있습니다. 이 데이터를 기반으로 "모양 구매" 오퍼를 고려한 영업 번들을 생성할 수 있습니다. 마찬가지로 온라인 쇼핑객은 "이 제품을 구입 한 사람들, 또한 그것을 구입 한 사람들"의 추천을 높이 평가합니다. 따라서 "사람들도 구매한" 데이터 수집 대기 시간은 단순히 얼마나 많은 셔츠를 판매했는지에 비해 훨씬 더 중요할 수 있습니다. 매장 관리자의 보고서를 매일 받은 편지함에 보관하는 것과 몇 초 만에 데이터를 가져올 수 있게 하는 것의 차이는 진정한 비즈니스 판도를 바꿀 수 있습니다.

따라서 대기 시간은 데이터 수집 방법, 처리 방법, 향후 분석에 사용할 수 있는 방식에 영향을 주지만 비즈니스 과제에 대한 이해로 시작할 개선 영역을 결정합니다. 데이터 수집은 비즈니스에 필요한 만큼 빠르게 이루어져야 하지만, 더 빨리 만들기 위해 돈을 쓰는 것은 현명하지 않은 투자일 수 있다. 핵심은 새로운 기술 투자가 가장 큰 영향을 미칠 영역에 초점을 맞추는 것입니다.

한편 분석 전에 ETL 프로세스가 필요한 시스템에서 고급 데이터베이스 환경에 데이터를 저장할 수 있는 시스템으로 이동하면 비즈니스 리더가 실시간으로라도 더 많은 추세를 더 빠르게 이해할 수 있습니다. 비즈니스 리더가 공통 분석을 생성할 수 있도록 셀프 서비스 기능을 추가하면 또 다른 대기 시간 소스도 줄어듭니다.

이는 비즈니스 대기 시간의 개념, 향후 성능에 영향을 미치는 예기치 않은 이벤트가 발생하는 시점부터 조직이 이 정보에 대한 작업을 수행하는 시점까지의 시간을 의미합니다.

사용자 경험과 만족도에 큰 영향을 줄 수 있으므로 대기 시간을 관리하는 것이 중요합니다. 대기 시간이 높으면 로드 시간이 느려지고 요청 처리가 지연되며 전반적인 성능이 저하될 수 있습니다. 대기 시간 레벨을 모니터링하고 최적화하는 것은 그만한 가치가 있습니다. 대기 시간을 줄임으로써 기업은 고객 및 직원 만족도를 높일 수 있습니다.

데이터 대기 시간 FAQ

허용 가능한 데이터 대기 시간은 얼마입니까?

허용되는 데이터 대기 시간은 데이터를 활용하는 조직 또는 시스템에 따라 달라집니다. 일반적으로 허용 가능한 데이터 대기 시간은 허용 가능한 성능을 제공하기 위해 소스에서 대상으로 데이터를 전송하거나 처리하는 데 걸릴 수 있는 최대 시간을 나타냅니다. 재무 시스템 또는 미션 크리티컬 애플리케이션과 같은 경우 지연 시간을 최소화하면서 실시간 데이터 처리가 매우 중요합니다. 데이터 분석 또는 데이터 업데이트가 일괄 처리될 수 있는 보고와 같은 경우 데이터 전송 또는 처리에 약간의 지연이 허용될 수 있습니다. 궁극적으로 "허용 가능한" 데이터 대기 시간의 구성 요소는 조직이나 시스템의 특정 우선 순위 및 사용 사례에 의해 결정됩니다.

서버에서 메모리, CPU 및 네트워크 어댑터 간의 대기 시간은 마이크로초 단위로 측정됩니다. 대규모 스토리지 시스템에서는 밀리초입니다. 고객이 구매할 때 스토리지에 트랜잭션을 커밋하는 데는 1초 정도 걸릴 수 있습니다. 인간이 개입하면 대기 시간이 훨씬 더 길어질 수 있습니다. 허용 가능한 대기 시간을 결정하는 것은 거의 항상 현재 애플리케이션에 따라 달라집니다.

데이터 대기 시간은 어떻게 처리합니까?

데이터 대기 시간 처리를 위한 전략은 대기 시간의 기원에 따라 달라집니다. 조직이 대기 시간과 관련하여 소수의 불만만 보고 있는 경우 이 문제는 사용자 측에서 발생할 수 있습니다. 가능한 원인으로는 오래된 장치 또는 느린 인터넷 연결이 있습니다. 광범위한 문제의 경우 조직 측에 원인이 있다는 신호입니다. 데이터 대기 시간을 해결하는 데 도움이 되는 모범 사례 제품군에는 캐싱 도구 구현, 모니터링 도구, 더 나은 데이터 압축 전략 및 더 나은 클라우드 인프라 제공업체 고려가 포함될 수 있습니다.

데이터 속도가 대기 시간에 영향을 줍니까?

데이터 속도는 네트워크를 통해 데이터가 전송되는 속도(일반적으로 초당 바이트 단위)를 나타냅니다. 데이터 대기 시간은 요청과 응답 사이의 시간 간격이므로 이와 관련이 있습니다. 데이터 속도가 높을수록 대역폭과 전반적인 성능이 향상되므로 데이터 지연 시간을 줄이는 데 도움이 될 수 있습니다. 그러나 다른 변수가 적용될 수 있으므로 데이터 대기 시간이 반드시 데이터 속도에 직접적으로 종속되는 것은 아닙니다. 그러나 데이터 속도 문제는 대기 시간 문제를 나타내고 그 반대의 경우도 마찬가지일 수 있습니다.

대기 시간 변동은 어떻게 줄일 수 있습니까?

사용자의 경우 지연 시간 변동은 신뢰할 수 없는 인터넷 연결이나 장치의 낮은 메모리/스토리지처럼 단순한 것에서 비롯될 수 있습니다. 이러한 문제를 해결하면 일반적으로 변형이 해결됩니다. 공급자 측에서 대기 시간 변동은 갑작스런 컴퓨팅 요청으로 인해 처리 능력이나 대역폭이 증가한 증상일 수 있습니다. 엔드투엔드 애플리케이션 모니터링 및 일반 네트워크 모니터링은 갑작스런 대기 시간 급증이 발생하는 이유에 대한 통찰력을 제공해야 합니다. 근본 원인이 분리되면 IT 팀은 최적화 전략을 구현할 수 있습니다.