• Proceedings of the Korean Information Science Society Conference
• /
• 2012.06c
• /
• pp.10-12
• /
• 2012

클라우드를 기반으로 한 대용량 데이터의 처리 및 분석의 요구가 커지면서, 대용량 관계형 데이터에 대한 분산 처리의 수요 또한 증가하고 있다. 본 논문은 HDFS를 사용하는 관계형 저장 시스템에서 대용량 데이터를 효율적으로 처리하기 위해 개발한 BST 기반 색인에 대해 설명한다.

• Annual Conference of KIPS
• /
• 2019.10a
• /
• pp.316-318
• /
• 2019

본 논문은 5G 기반의 스마트 시티를 위한 지능형 도로 안전 지원 서비스의 설계에 관한 것이다. 초저지연, 대용량, 초연결의 특성을 가지는 5G 무선 통신망은 스마트시티를 구현하기 위한 최적의 네트워크 인프라를 제공한다. 본 논문에서는 5G 기반의 스마트 시티 서비스를 제공하기 위한 에지 클라우드 컴퓨팅 인프라를 설계하고, 5G 무선 통신 기반의 지능형 CCTV 로부터 생산되는 대용량의 영상 데이터를 전송, 저장하기 위한 계층형 분산 VMS(Video Management System)의 모델을 제시하고 이를 이용하여 5G 기반의 무선 CCTV 와 디지털 투사, 재현 장치를 포함하는 스마트 가로등을 이용하여 지능형 도로 안전 지원 서비스를 제공하는 방법에 대하여 설명한다.

• Annual Conference of KIPS
• /
• 2015.10a
• /
• pp.284-286
• /
• 2015

최근 첨단과학응용 분야에서 클라우드 기반의 실험 환경을 구축하는 사례가 늘어가고 있다. 이러한 연구 환경의 패러다임 변화와 관련하여 연구망에서도 고성능 백본 망을 활용한 데이터 공유 서비스에 대한 필요성이 대두되고 있다. 본 논문에서는 데이터 공유 모델의 설계에 앞서 실험적 연구로 공개 소프트웨어 클라우드 운영체제인 OpenStack의 Swift 서비스를 이용하여 오브젝트 스토리지 실험 테스트 베드를 구축하고, 대용량의 데이터 전송 시 발생하는 트래픽을 분석한다. 분석 결과, 리플리카의 생성, 배치 및 선택 등에 따른 유의한 트래픽 발생의 변화를 관찰할 수 있었고, 이러한 결과는 광역 규모의 분산된 데이터 공유 모델 설계 및 망에 대한 요구사항 등으로 활용될 수 있다.

• Annual Conference of KIPS
• /
• 2012.11a
• /
• pp.802-805
• /
• 2012

오늘날 클라우드 서버 시스템 환경은 급속도로 증가하는 데이터를 효율적으로 처리 및 저장하기 위해 네트워크로 연결된 다수의 서버 머신들로 clustering 이나 분산 시스템 환경, 또는 SAN(Storage Area Network) 환경 등을 구성하여 보다 효율적인 서버시스템을 구현하고 있다. 이러한 서버시스템 환경에서의 병목현상은 주로 디스크기반의 스토리지에서 발생하며, 이를 극복하기 위해 고성능 스토리지에 대한 요구가 증가하고 있다. 그러나, 단순히 디바이스를 교체하는 것 만으로는 고성능 장비의 뛰어난 성능을 제대로 활용할 수 없으며 그에 맞는 최적화 작업이 요구된다. 본 논문에서는 기존의 SAN Solution 의 문제를 분석하고, 고성능 스토리지의 성능을 잘 활용할 수 있는 설정 및 최적화 방법을 제안한다.

• Annual Conference of KIPS
• /
• 2012.04a
• /
• pp.87-90
• /
• 2012

클라우드 컴퓨팅은 기존의 컴퓨팅 환경에 제약을 받지 않고 가상머신을 활용하여 고사양 컴퓨팅 환경을 제공해준다. 고사양의 컴퓨팅 환경을 제공해주는 서버는 분산 파일 시스템을 통해 자원을 관리하고 매치메이킹, Haizea 등의 가상머신 스케줄러를 통해 노드에 가상머신을 할당한다. 본 논문은 노드가 가지는 CPU, 메모리, 스토리지 자원의 처리 속도를 반영하여 최적의 노드에 가상머신을 할당 할 수 있는 다중 자원의 성능을 고려한 가상머신 할당 기법을 제안한다. 노드 성능 분석 결과를 가진 데이터베이스에서 하드웨어 성능이 지원되는 노드들 중 성능 분석 결과가 좋은 노드에 가상머신을 할당해 주는 방법으로 자원의 단편화를 최소화하고 신속한 할당이 가능하다.

• Annual Conference of KIPS
• /
• 2010.04a
• /
• pp.874-877
• /
• 2010

웹 서비스 혹은 클라우드 컴퓨팅 서비스로써 대용량의 멀티미디어 데이터에 대한 내용 기반 검색을 지원하기 위하여, 분산 고차원 색인 구조에 대한 연구가 활발하게 이뤄지고 있다. 이러한 고차원 데이터의 색인 구조에 대한 연구와 달리, 고차원 색인 데이터의 저장 및 관리에 대한 연구는 거의 전무한 것이 현실이다. 지금껏 대부분의 색인 데이터는 빠른 접근을 위하여 트랜잭션 관리 및 데이터의 복구를 제공하지 않은 파일 시스템에서 관리되어 왔다. 그러나, 파일 시스템에 저장된 색인 데이터는 이를 서비스하는 노드의 장애 발생 시에 일부 혹은 전체 데이터에 대한 검색이 이뤄지지 않는 문제점이 있다. 서비스의 가용성 여부가 중요한 요소인 웹 서비스와 클라우드 컴퓨팅 서비스를 위하여, 본 논문에서는 고차원 색인 데이터를 데이터베이스를 통해 관리하여, 안정성 및 가용성을 보장하면서, 고차원 데이터의 색인 및 검색의 성능을 보장하는 방법을 제안하고자 한다.

• Annual Conference of KIPS
• /
• 2011.04a
• /
• pp.216-219
• /
• 2011

이 기종의 컴퓨팅 자원들로 구성된 데이터센터에서 사용자가 제출한 클라우드 작업의 서비스 품질을 보장하기 위해서는 효율적인 작업할당 기법이 필요하다. 본 논문에서는 작업의 처리시간을 사용자의 QoS 로 정의하고 작업처리시간을 최소화하면서 동시에 모든 사용자에게 차별 없이 동일한 수준의 서비스를 제공할 수 있는 최적 작업할당 문제를 정의한다. 협력적 게임모형인 NBS(Nah Bargaining Solution)을 이용하여 정의한 문제를 해결하였고 이를 이용하여 각 자원에 할당되는 작업부하를 효율적으로 제어함으로써 파레토 최적을 유지할 수 있는 협력적 부하분산 정책을 도출하였다. 또한, 성능 평가를 통해 제안한 기법이 작업처리시간을 최소화하면서도 모든 자원에서의 작업처리시간이 동일함을 보였다.

• Annual Conference of KIPS
• /
• 2021.05a
• /
• pp.16-18
• /
• 2021

최근 베어메탈 시스템에 스케줄러 시스템 기반 인프라 시스템에서 벗어나 사용자 맞춤형 클라우드 인프라가 관심을 받고 있다. KI Cloud 플랫폼은 고성능 컴퓨팅(HPC) 사용자를 위한 클라우드 기반 IaaS, PaaS 통합 플랫폼이다. 본 논문에서는 KI Cloud를 위한 데이터 저장소 설계 및 구현에 대해 기술한다. 오픈 소스 Ceph 분산 스토리지 시스템을 기반으로 구축하였고, 프로젝트의 목적에 맞게 블록 스토리지, 오브젝트 스토리지, 파일 스토리지 방식으로 구현하였다. Openstack 기반의 서비스와 Kubernetes 기반의 서비스가 하나의 스토리지를 통해 다양한 타입의 서비스를 제공할 수 있도록 개발하였다.

• Annual Conference of KIPS
• /
• 2022.11a
• /
• pp.132-134
• /
• 2022

클라우드 수요의 지속적인 증가로 인해 효율적인 자원 관리를 수행하는 분산 클라우드 서비스가 주목받고 있으며, 컨테이너 가상화에서 여러 노드에 컨테이너 배치 및 관리를 수행하는 오케스트레이터의 컨테이너 스케줄링 기법에 대한 연구가 진행되고 있다. 하지만 클러스터 집합의 컴퓨팅 자원이 부족할 시 프로세스의 저지연 처리를 보장하기 위한 연구는 활발히 수행되고 있지 않다. 본 연구에서는 Docker Swarm 기반 제한된 컴퓨팅 자원을 가진 클러스터 환경에서 다양한 부하가 발생했을 때 일반 프로세스의 평균 수행 시간 및 평균 지연 처리 정도를 측정 및 분석한다. 이를 통해 오케스트레이터 스케줄링 최적화를 위한 연구 방향성을 제시하며, 향후 관련 연구의 활성화에 기여할 것으로 기대된다.

• Annual Conference of KIPS
• /
• 2023.05a
• /
• pp.342-344
• /
• 2023

클라우드 시장의 성장과 마이크로 서비스 접근식이 제기됨에 따라 IT인프라를 관리하기 위한 연구가 최근 활발히 이루어지고 있다. 하지만 고도화 및 분산된 환경에서 관찰 가능성 응용을 확보하기 어렵다는 문제점을 가지고 있다. 따라서 본 연구에서는 모니터링 시스템을 통한 데이터 분석 중 수집한 데이터의 분석이 난해하다는 문제를 해결하기 위한 방법을 제안한다. 제안된 방법은 NAB 데이터셋을 대상으로 STUMPY를 이용하여 데이터를 시각화하고, CNN을 이용하여 분류 작업을 수행한다. 분류를 수행한 데이터셋은 이상치 데이터와 이상 전조 데이터, 정상 데이터셋으로 분류하여 데이터셋을 구성한다. 구성한 학습 데이터셋에 대해 훈련을 마친 딥러닝 모델은 부하 테스트 환경에서 수집한 데이터에 대한 그래프 패턴을 분석하여 이상치 데이터와 이상 전조 데이터를 탐지한다.