• 광산업정보
• /
• 통권1호
• /
• pp.18-21
• /
• 2000

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2007년도 한국컴퓨터종합학술대회논문집 Vol.34 No.1 (B)
• /
• pp.138-142
• /
• 2007

컴포넌트 기반 개발 방법론이 지향하는 목표는 독립적으로 개발된 컴포넌트들을 소스 수정 없이 바이너리 형태로 조립하여 소프트웨어를 개발하는 것이다. 그러나 기존 컴포넌트 모델 기반으로 개발된 컴포넌트들은 자신이 제공하는 서비스에 대해서는 그 사용계약을 독자적인 인터페이스를 통하여 정의하는 반면, 하위 컴포넌트와의 연동은 하위 컴포넌트가 정의한 인터페이스에 따르는 코딩을 통해 이루어진다. 이러한 컴포넌트 모델들은 다계층 구조로 개발되고 있는 현대 엔터프라이즈 정보시스템에서 상위 컴포넌트들이 하위 컴포넌트가 정의한 인터페이스에 정적으로 단단히 결합되는 문제점을 갖고 있다. 따라서 하위 컴포넌트에 의존하지 않는 간단한 GUI용 컴포넌트들만 재사용되고 비즈니스 논리를 처리하는 중간 계층 컴포넌트들의 재사용율은 지극히 낮은 실정이다. 본 논문은 하위 컴포넌트가 정의한 인터페이스 규격에 따르는 대신 독자적으로 호출규격을 정의하여 사용하고 이에 대한 메타데이터를 공개함으로써 독립적으로 개발된 바이너리 컴포넌트들간의 연동을 보장하는 새로운 컴포넌트 모델을 제안하고 이 모델에 따라 개발된 컴포넌트들을 조립하는 방법을 제안하였다. 또한 이들을 구현함으로써 이미 개발된 컴포넌트를 실제 소스 수정 없이 바이너리 코드 형태로 조립 가능한 것을 증명하였다.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제36권5호
• /
• pp.386-395
• /
• 2009

다계층 구조로 설계된 현대의 분산 애플리케이션 아키텍처에서 비즈니스 엔티티는 모든 서비스 로직 컴포넌트들을 관통하는 일종의 횡단관심사(Crosscutting Concerns)이다. 그러므로 비즈니스 엔티티가 변화하면 이와 관련된 서비스 컴포넌트들은 비록 애플리케이션 프레임워크의 공통적인 기능을 구현한 서비스 로직 컴포넌트라 할지라도 새로운 비즈니스 엔티티를 다를 수 있도록 수정되어야 한다. 본 논문에서는 비즈니스 엔티티, 즉 외부화(externalized)된 데이터에 대한 가변성(variability)을 처리하는 DTT 컴포넌트 모델(Data Type-Tolerant Component Model)을 제시한다. DTT 컴포넌트 모델은 SCDT(Self-Contained Data Type)와 가변점(Variation Point) 인터페이스를 통해 프로덕트 라인의 데이터 가변성을 구현 수준에서 구체적으로 표현하고, 서비스 컴포넌트 코드 수정대신 비즈니스 엔티티와 SCDT간 타입 변환을 지원하는 데이터 타입 컨버터를 도입함으로써 애플리케이션 엔지니어링 효율을 향상시킨다. 서비스 컴포넌트가 외부화된 비즈니스 엔티티를 직접 다루지 않고 SCDT 만을 다루게 함으로써 데이터와 함수의 커플링을 다시 컴포넌트 수준에서 로컬화했다는 점이 DTT 컴포넌트 모델의 의의라 할 수 있다.

• 한국항행학회논문지
• /
• 제21권1호
• /
• pp.78-83
• /
• 2017

유닉스의 영향을 받아 탄생한 리눅스는 커널을 제외하고는 대부분의 체계, 관련 프로그램 패키지, 명령어 등을 유닉스 계열에서 가져다가 사용하였다. 그러나 엔터프라이즈 리눅스의 최신 버전인 RHEL 7에서는 시스템 부팅 및 서비스 관리 프로그램으로 init 대신에 systemd를 채택하였다. systemd의 채택은 리눅스만의 독자적인 시스템 체제를 구축하는 것뿐만 아니라 특정 패키지 및 특정 명령어에 상당히 많은 기능을 부여했다는 점이 주목할 만하다. 유닉스의 아류로 인식되었던 리눅스가 클라우드 시대로 접어든 현 시점의 대세로 자리 잡게 되면서 독자적으로 다양한 변화를 시도하고 있는데, 이러한 변화의 시작이 systemd의 채택이라고 할 수 있다. 앞으로 리눅스가 유닉스의 굴레를 벗어나 어떠한 변화를 시도할지 주목할 필요가 있다.

• 디지털융복합연구
• /
• 제20권3호
• /
• pp.343-348
• /
• 2022

최근 급격한 기술의 발달로 다양한 시스템에서 발생하는 데이터양이 증가하고 있으며, 많은 양의 빅데이터(big data)를 처리해야 하는 엔터프라이즈 서버(enterprise server)와 데이터 센터(data center)의 경우 비용이 증가하더라도 높은 안정성과 고성능의 저장 장치를 적용하는 것이 필요하다. 이러한 시스템에서는 고성능의 읽기/쓰기 성능을 제공하는 SSD(solid state disk)를 저장 장치로 사용하는 경우가 많다. 그러나, 페이지 단위로 읽기 쓰기를 하고 블록단위로 지우기 연산을 해야하고 쓰기 전 지우기 연산을 수행해야 하는 특징 때문에 중복 쓰기가 다발할 경우 성능이 저하되는 문제가 있다. 따라서 이러한 성능 저하 문제를 지연시키기 위해 SSD의 내부적으로 초과 제공(over-provision) 기술을 적용하고 있다. 그러나 초과 제공 기술은 성능 대신 많은 저장공간의 비용을 소모하는 단점이 있기 때문에 적정 성능 이상의 비효율적인 기술의 적용은 과대한 비용을 지불하게 만드는 문제가 있다. 본 논문에서는 SSD에서 다양한 초과 제공을 적용하였을 때 발생하는 성능과 비용을 측정하고, 이를 기반으로 시스템에 최적화된 초과 제공 비율을 예측하는 방법을 제안했다. 본 연구를 통해 빅데이터를 처리하는 시스템에서 성능의 요구사항을 만족하기 위한 비용과의 절충점(trade-off)를 찾을 수 있을 것으로 기대한다.

• 경영정보학연구
• /
• 제21권4호
• /
• pp.143-156
• /
• 2019

혁신의 유형은 단순화, 정보화, 자동화, 지능화로 분류할 수 있고 지능화는 혁신의 최상위 단계이며 RPA는 지능화의 하나로 볼 수 있다. 인공지능을 가미한 소프트웨어 로봇인 RPA(Robotic Process Automation)는 단순 반복적인 대량의 트랜젝션 처리 작업을 하는 곳에 적합한 지능화 사례이다. 이미 국내의 많은 기업들에서도 현재 운영 중에 있는 RPA는 강한조직 문화의 필요성이 증대되면서 자발적인 리더십, 강한 팀워크와 실행력, 프로답게 일하는 문화가 강조되는 상황에서 자연스럽게 핵심적 업무에 집중하기 위해 필요한 것이 무엇인지를 찾고자 하는 필요성에 따라 자연스럽게 도입이 검토되고 있다. 로봇 프로세스 자동화 또는 RPA는 구조적인 작업을 빠르고 효율적으로 처리하는 것을 목표로 인간 업무를 교체하는 기술이다. RPA는 ERP 시스템이나 생산성 도구와 같은 소프트웨어를 사용하여 사람을 모방한 소프트웨어 로봇을 통해 구현된다. RPA 로봇은 컴퓨터에 설치된 소프트웨어로 작동 원리에 의해 로봇으로 불리다. RPA는 백엔드를 통해 다른 IT 시스템과 통신하는 기존 소프트웨어와 달리 프런트 엔드를 통해 IT 시스템 전체에 통합된다. 실제로 이것은 소프트웨어 로봇이 인간과 똑 같은 방식으로 IT 시스템을 사용하고 정확한 단계를 반복하며 시스템의 API(Application Programming Interface)와 통신하는 대신 컴퓨터 화면의 이벤트에 반응하는 것을 의미한다. 다른 소프트웨어와 의사소통하기 위해 인간을 모방하는 소프트웨어를 설계하는 것은 직관력이 떨어질 수 있지만 이러한 접근 방식에는 여러 가지 이점이 있다. 첫째, 타사 응용 프로그램에 대한 개방성과 상관없이 사람이 사용하는 거의 모든 소프트웨어와 RPA를 통합할 수 있다. 많은 기업의 IT 시스템은 공통적으로 적용되는 API가 많지 않음으로 독점적이며 다른 시스템과의 통신 기능이 크게 제한되나 RPA는 이 문제를 해결한다. 둘째, RPA는 매우 짧은 시간 내에 구현될 수 있다. 엔터프라이즈 소프트웨어 통합과 같은 전통적인 소프트웨어 개발 방식은 상대적으로 많은 시간이 소요되지만 RPA는 2~4주의 상대적으로 짧은 시간에 구현할 수 있다. 셋째, 소프트웨어 로봇을 통해 자동화된 프로세스는 시스템 사용자가 쉽게 수정할 수 있다. 기존 방식은 작동 방식을 크게 수정하기 위해 고급 코딩 기술이 필요한 반면에 RPA는 상대적으로 단순한 논리 문장을 수정하거나 인간이 수행하는 프로세스의 화면 캡처 또는 그래픽 프로세스 차트 수정을 통해 지시받을 수 있다. 이로 인해 RPA는 매우 다양하고 유연하다. 이러한 RPA는 기업에서 추구하는 D2I(Digital to Intelligence)의 좋은 적용 사례이다.