• 지능정보연구
• /
• 제26권4호
• /
• pp.127-148
• /
• 2020

데이터 센터는 컴퓨터 시스템과 관련 구성요소를 수용하기 위한 물리적 환경시설로, 빅데이터, 인공지능 스마트 공장, 웨어러블, 스마트 홈 등 차세대 핵심 산업의 필수 기반기술이다. 특히, 클라우드 컴퓨팅의 성장으로 데이터 센터 인프라의 비례적 확장은 불가피하다. 이러한 데이터 센터 설비의 상태를 모니터링하는 것은 시스템을 유지, 관리하고 장애를 예방하기 위한 방법이다. 설비를 구성하는 일부 요소에 장애가 발생하는 경우 해당 장비뿐 아니라 연결된 다른 장비에도 영향을 미칠 수 있으며, 막대한 손해를 초래할 수 있다. 특히, IT 시설은 상호의존성에 의해 불규칙하고 원인을 알기 어렵다. 데이터 센터 내 장애를 예측하는 선행연구에서는, 장치들이 혼재된 상황임을 가정하지 않고 단일 서버를 단일 상태로 보고 장애를 예측했다. 이에 본 연구에서는, 서버 내부에서 발생하는 장애(Outage A)와 서버 외부에서 발생하는 장애(Outage B)로 데이터 센터 장애를 구분하고, 서버 내에서 발생하는 복합적인 장애 분석에 중점을 두었다. 서버 외부 장애는 전력, 냉각, 사용자 실수 등인데, 이와 같은 장애는 데이터 센터 설비 구축 초기 단계에서 예방이 가능했기 때문에 다양한 솔루션이 개발되고 있는 상황이다. 반면 서버 내 발생하는 장애는 원인 규명이 어려워 아직까지 적절한 예방이 이뤄지지 못하고 있다. 특히 서버 장애가 단일적으로 발생하지 않고, 다른 서버 장애의 원인이 되기도 하고, 다른 서버부터 장애의 원인이 되는 무언가를 받기도 하는 이유다. 즉, 기존 연구들은 서버들 간 영향을 주지 않는 단일 서버인 상태로 가정하고 장애를 분석했다면, 본 연구에서는 서버들 간 영향을 준다고 가정하고 장애 발생 상태를 분석했다. 데이터 센터 내 복합 장애 상황을 정의하기 위해, 데이터 센터 내 존재하는 각 장비별로 장애가 발생한 장애 이력 데이터를 활용했다. 본 연구에서 고려되는 장애는 Network Node Down, Server Down, Windows Activation Services Down, Database Management System Service Down으로 크게 4가지이다. 각 장비별로 발생되는 장애들을 시간 순으로 정렬하고, 특정 장비에서 장애가 발생하였을 때, 발생 시점으로부터 5분 내 특정 장비에서 장애가 발생하였다면 이를 동시에 장애가 발생하였다고 정의하였다. 이렇게 동시에 장애가 발생한 장비들에 대해서 Sequence를 구성한 후, 구성한 Sequence 내에서 동시에 자주 발생하는 장비 5개를 선정하였고, 선정된 장비들이 동시에 장애가 발생된 경우를 시각화를 통해 확인하였다. 장애 분석을 위해 수집된 서버 리소스 정보는 시계열 단위이며 흐름성을 가진다는 점에서 이전 상태를 통해 다음 상태를 예측할 수 있는 딥러닝 알고리즘인 LSTM(Long Short-term Memory)을 사용했다. 또한 단일 서버와 달리 복합장애는 서버별로 장애 발생에 끼치는 수준이 다르다는 점을 감안하여 Hierarchical Attention Network 딥러닝 모델 구조를 활용했다. 본 알고리즘은 장애에 끼치는 영향이 클 수록 해당 서버에 가중치를 주어 예측 정확도를 높이는 방법이다. 연구는 장애유형을 정의하고 분석 대상을 선정하는 것으로 시작하여, 첫 번째 실험에서는 동일한 수집 데이터에 대해 단일 서버 상태와 복합 서버 상태로 가정하고 비교분석하였다. 두 번째 실험은 서버의 임계치를 각각 최적화 하여 복합 서버 상태일 때의 예측 정확도를 향상시켰다. 단일 서버와 다중 서버로 각각 가정한 첫 번째 실험에서 단일 서버로 가정한 경우 실제 장애가 발생했음에도 불구하고 5개 서버 중 3개의 서버에서는 장애가 발생하지 않은것으로 예측했다. 그러나 다중 서버로 가정했을때에는 5개 서버 모두 장애가 발생한 것으로 예측했다. 실험 결과 서버 간 영향이 있을 것이라고 추측한 가설이 입증된 것이다. 연구결과 단일 서버로 가정했을 때 보다 다중 서버로 가정했을 때 예측 성능이 우수함을 확인했다. 특히 서버별 영향이 다를것으로 가정하고 Hierarchical Attention Network 알고리즘을 적용한 것이 분석 효과를 향상시키는 역할을 했다. 또한 각 서버마다 다른 임계치를 적용함으로써 예측 정확도를 향상시킬 수 있었다. 본 연구는 원인 규명이 어려운 장애를 과거 데이터를 통해 예측 가능하게 함을 보였고, 데이터 센터의 서버 내에서 발생하는 장애를 예측할 수 있는 모델을 제시했다. 본 연구결과를 활용하여 장애 발생을 사전에 방지할 수 있을 것으로 기대된다.

• 한국전통조경학회지
• /
• 제32권2호
• /
• pp.68-81
• /
• 2014

본 연구는 제주시 한림읍 소재 명월대와 명월숲의 생태문화경관적 특성 파악과 가치 발굴을 목적으로 시도되었다. 이를 위해 이곳의 장소성을 밝히고 명월대와 명월숲의 경관특성을 조명하는 한편 지속가능한 활용과 보존을 위한 관리방안을 제시하였다. 본 연구의 주요 결과는 다음과 같다. 명월성과 명월포구는 예로부터 군사요새이자, 명월 수류촌은 서부 제주지역 행정의 중심지인 한림읍 명월지역의 위상을 보여줄 뿐 아니라 명월지역에 존재했던 월계정사와 우학당은 교육문화의 본산으로, 교육 중심지 명월리의 장소성을 대변한다. 명월대는 조선시대 선비들이 시와 풍월을 즐기고, 장기와 바둑을 두던 유풍이 남아있는 음풍농월의 현장이자 제주도의 대표적인 유교 문화경관이다. 현재의 명월대 유구는 일제강점기인 1931년 홍종시(洪鍾時)를 중심으로 한 명월청년회 주도로 이루어진 정비사업의 결과이다. 사각형-팔각형-원형 등 3단으로 구성된 명월대의 석축 구성은 유교사상의 천인합일사상을 바탕으로, 중앙의 팔각은 천원지방(天圓地方)의 의미를 부여한 것으로 보인다. 한편 명월대교와 명월교는 모두 초기에는 홍예교로 석축된 것으로 추정되며 명월교는 제주에 남아있는 유일한 홍예교로 근대문화유산적 가치가 있다. 명월숲의 식물상은 총 97분류군(taxa)이 확인되었으며, '식물구계학적 특정식물종의 분류군 및 등급기준'에 준하면 IV등급에는 가는쇠고사리, III등급에 호랑가시나무, 후추등, 까마귀쪽나무, 멀구슬나무, 산유자나무, 노랑하늘타리, 아욱메풀, 아왜나무 등 8분류군으로 나타났다. 반면에 귀화식물은 제주도에만 이입된 솔잎미나리를 비롯하여 14분류군이 확인되었다. 명월숲에는 팽나무 41주와 푸조나무 30주, 산유자나무 2주, 소나무, 동백나무, 멀구슬나무, 호랑가시나무 각각 1주 등 도합 77그루의 수목이 군락을 이루고 있다. 조사된 자료를 근거로 명월대와 명월숲의 보존관리방안은 다음과 같다. 명월대와 명월교 그리고 명월숲을 하나의 통합 영역으로 한 보존관리가 필수적이다. 명월교는 제주도내에서는 찾아보기 어려운 홍예교로 수준 높은 석공예물로 장기적인 보존방안이 마련되어야 할 것이다. 한편 교량노후화로 인해 사고위험에 노출되고, 안전진단이 요구되는 명월대교는 정밀안전진단 결과에 따른 대책이 요구된다. 재시공시 초건 시의 모습인 2수문의 완벽한 홍예교로 건립하여 명월대와 함께 향후 대표적 지역 명소로 보존 및 활용해야 할 것을 건의한다. 또한 조사결과에 근거한 종조성으로 볼 때 현재 제주특별자치도 기념물 제19호 '명월 팽나무군락'의 명칭은 '명월 팽나무-푸조나무군락'으로 재고되어야 할 것이다. 그리고 팽나무와 푸조나무 구분 없이 이루어진 일련번호 체계는 개선되어야 하며 노거수목 및 특정식물종이나 귀화종에 대해서는 생육상태에 대한 주기적인 모니터링이 요구된다.

• Tuberculosis and Respiratory Diseases
• /
• 제45권1호
• /
• pp.153-168
• /
• 1998

연구배경: 폐쇄성 수면 무호흡 증후군 환자들에서 동반될 수 있는 전신성 고혈압과 심부정백을 포함한 심혈관계 기능 부전은 장기사망률을 증가시키는 중요한 요인으로 생각되고 있다. 그러나 이들 환자에서 심혈관계 기능부전이 발생하는 병태생리학적 기전에 관한 정설은 확립 되지 못한 실정이다. 방 법: 저자들은 폐쇄성 수면 무호흡 증후군 환자 29명과 대조군 25명을 대상으로 수면다원검사, 각성시와 수면 중 요 catecholamines 농도 측정, 24 시간 활동중 심전도 및 혈압 감시를 실시하여 자료를 비교 분석함으로써 폐쇄성 수면 무호흡이 전신성 혈압, 심조율 및 요 catecholamines 농도 변화에 미치는 영향을 이해하고자 하였다. 결 과: 1) 요 norepinephrine (UNE) 및 epinephrine(UEP) 농도는 페쇄성 수면 무호흡증후군환자와 대조군 모두에서 각성시에 비하여 수면중에 유의하게 감소하였다(P<0.01). 폐쇄성 수면 무호흡 증후군 환자들의 수면중 UNE 농도는 대조군에 비하여 유의하게 높았으나(P<0.05), 각성시 UNE 농도는 대조군과 유의한 차이가 없었다. 두군 모두에서 전신성 고혈압의 동반 여부와 각성시 및 수면중 UNE 및 UEP 농도 상호간의 관련성은 없었다. 2) 폐쇄성 수면 무호흡 증후군 환자들에서는 수면 중 혈압 하강이 없는 경우 (non-dipper) 가 통계적으로 유의하지는 않았으나 대조군에 비하여 많은 경향을 보였으며(P=0.089), 수면중 혈압 하강의 유무와 전신성 고혈압의 동반 여부와는 상호 관련성이 없었다. 3) 전체 연구 대상에서 각성시 및 수면중 평균 수축기 혈압은 무호흡지수, 무호흡-저호흡지수, 수면중 최저 산소포화도, 수면중 산소 탈포화정도와 상호 관련성이 있었으며, 수면중 UNE 농도는 무호흡지수, 무호흡-저호흡지수, 수면중 최저 산소포화도 및 산소 탈포화정도, 수면중 평균 수축기 혈압과 관련성이 있었다. 4) 무호흡지수가 20 이상인 14명의 폐쇄성 수면 무호흡 증후군 환자들에서 무호흡 시기 동안의 섬박동수는 무호흡이 시작되기 전에 비하여 감소하였고, 무호흡이 끝나고 호흡이 재개되는 시기에는 우호흡이 시작되기 전에 비하여 유의한 증가를 보였으며 (P<0.01), 이러한 변화는 무호흡의 기간이 길수록 더욱 현저하였다 (P<0.01). 무호흡 시기와 무호흡이 끝나고 호흡이 재개되는 시기의 심박동수 차이 (${\Delta}HR$) 는 무호흡 발생 전후의 동맥혈 산소포화도의 차이 (${\Delta}SaO_2$)와 매우 유의한 상관관계를 보였다 (r=0.223, P<0.001). 5) 심부정맥의 발생 빈도는 두군 사이에 유의한 차이가 없었으며, 대조군에서는 심실성 기외수축이 각성시에 비하여 수면중에 현저히 감소하였으나(P<0.05), 폐쇄성 수면 무호흡 증후군 환자들에서는 수면중에도 각성시와 차이가 없었다. 결 론: 폐쇄성 수면 무호흡 증후군 환자들은 수면중에 무호홉, 저산소증 및 각성의 주기가 반복됨으로써 교감신경계 활성도의 변화가 초래될 수 있으며, 반복되는 저산소증과 교감신경계 활성도 증가는 전신성 혈압 및 심기능의 변화를 포함한 여러 가지 심혈관계 기능부전의 발생에 영향을 미칠 것으로 생각된다.