The Journal of the Convergence on Culture Technology (문화기술의 융합)

The International Promotion Agency of Culture Technology (국제문화기술진흥원)
권호 표지
DOI QR코드

DOI QR Code

Evaluation of Storage Engine on Edge-Based Lightweight Platform using Sensor·OPC-UA Simulator

센서·OPC-UA 시뮬레이션을 통한 엣지 기반 경량화 플랫폼 스토리지 엔진 평가

  • 조우진 (고등기술연구원 에너지환경IT융합그룹) ;
  • 여채은 (고등기술연구원 에너지환경IT융합그룹) ;
  • 구재회 (고등기술연구원 에너지환경IT융합그룹) ;
  • 임채영 (고등기술연구원 에너지환경IT융합그룹)
  • Received : 2023.04.14
  • Accepted : 2023.05.08
  • Published : 2023.05.31
Download PDF
⟨ Previous Next ⟩

Abstract

This paper analyzes and evaluates to optimally build a data collection system essential for factory energy management systems on an edge-based lightweight platform. A "Sensor/OPC-UA simulator" was developed based on sensors in an actual food factory and used to evaluate the storage engine of edge devices. The performance of storage engines in edge devices was evaluated to suggest the optimal storage engine. The experimental results show that when using the RocksDB storage engine, it has less than half the memory and database size compared to using InnoDB, and has a 3.01 times faster processing time. This study enables the selection of advantageous storage engines for managing time-series data on devices with limited resources and contributes to further research in this field through the sensor/OPC simulator.

본 논문은 공장에너지관리시스템에 필수적인 데이터 수집 시스템을 엣지 기반 경량화 플랫폼에서 최적으로 구축하고자 분석 및 평가한다. 실증 중인 제조 공장의 센서를 기반으로 시뮬레이션 하여 센서/OPC-UA 시뮬레이터를 개발하였으며, 개발한 시뮬레이터를 통해 엣지 디바이스의 스토리지 엔진을 평가한다. 엣지 디바이스에서 스토리지 엔진에 따른 성능을 평가하여 최적의 스토리지 엔진을 제시한다. 실험 결과 스토리지 엔진을 RoccksDB로 사용하였을 때 InnoDB를 사용하였을 때에 비해 절반 이하의 메모리와 데이터베이스 크기를 지니며 3.01배 빠른 소요시간을 지니는 것을 알 수 있다. 이 연구는 한정된 자원을 사용하는 디바이스에서 시계열 데이터를 관리할 때 유리한 스토리지 엔진을 선택할 수 있으며, 센서/OPC 시뮬레이터를 통한 해당 분야 추가 연구에 기여한다.

Keywords

Acknowledgement

본 연구는 산업통상자원부(MOTIE)의 재원으로 한국에너지기술평가원(KETEP)의 지원을 받아 수행한 연구입니다. (No.20202020900170)

References

  1. S. H. Moon, "Big Data Platform Construction and Application for Smart City Development," The journal of the convergence on culture technology, vol. 6, no. 2, pp. 529-534, May 2020.. DOI: https://doi.org/10.17703/JCCT.2020.6.2.529
  2. Chae-Young Lim, Chae-Eun Yeo, Hyung-Ah Lee, Sung-Yul An, Jae-Hoi Gu.(2022).Design and Implementation of IoE System for Energy Consumption Platforms.Proceedings of Symposium of the Korean Institute of communications and Information Sciences,(),449-450.
  3. Kim, C. W., Kim, J., Kim, S. M., & Hwang, H. T. (2015). Technological trends and case studies of factory energy management systems (FEMS) for energy saving in manufacturing industries. Equipment Journal, 44(1), 22-27.
  4. Gi-Seok Lee and Sang-Hyun Lee. "A Study on Real-time Detection Using Odor Data Based on Mixed Neural Network of CNN and LSTM" The International Journal of Advanced Culture Technology 11, no.1 (2023) : 325-331.
  5. Matsunobu, Yoshinori, Siying Dong, and Herman Lee. "MyRocks: LSM-tree database storage engine serving facebook's social graph." Proceedings of the VLDB Endowment 13.12 (2020): 3217-3230. DOI: https://dl.acm.org/doi/10.14778/3415478.3415546
  6. MariaDB, "InnoDB", https://mariadb.com/kb/en/innodb/
  7. Raspberry PI 4 model B, "Raspberry PI 4 model B", https://www.raspberrypi.com/products/raspberry-pi-4-model-b/?variant=raspberry-pi-4-model-b-8gb