• 한국정보처리학회논문지
• /
• 제7권11호
• /
• pp.3311-3322
• /
• 2000

데이터베이스 시스템의 사용이 증가함에 따라 데이터베이스 시스템을 효율적으로 사용하게 하는 데이터베이스 튜닝 기술에 대한 중요성이 부각되고 있다. 본 논문은 관계형 데이터베이스 시스템과 객체관계형 데이터베이스에 대한 튜닝도구를 제안한다. 본 도구는 사용자나 시스템 관리자에게 데이터베이스 시스템의 성능에 영향을 주는 요소들을 효과적으로 파악하여 데이터베이스 시스템의 튜닝 방법을 제시한다. 본 논문에서는 튜닝도구의 설계원칙, 시험 데이터베이스 및 시험 질의들을 기술한다. 본 시험 도구는 총 10개의 카테고리에서 총 65개의 질의어를 제공한다. 본 시험 도구는 일반 상용 제품에 적용하였으며, 시험 결과도 논문에서 보인다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2007년도 한국컴퓨터종합학술대회논문집 Vol.34 No.1 (A)
• /
• pp.17-18
• /
• 2007

데이터베이스 튜닝은 일반적으로 데이터베이스 어플리케이션을 "좀 더 빠르게" 실행하게 하는 일련의 활동을 뜻한다[1]. 데이터베이스 관리자가 튜닝에 필요한 주먹구구식 룰(Rule of thumb)들을 모두 파악 하고 상황에 맞추어 적용하는 것은 비싼 비용과 오랜 시간을 요구한다. 그렇게 때문에 서로 다른 어플 리케이션들이 맞물려 있는 복잡한 서비스는 필수적으로 자동화된 데이터베이스 성능 관리와 튜닝을 필 요로 한다. 본 논문에서는 이를 해결하기 위하여 지식 도매인(Knowledge Domain)을 기초로 한 자동화 된 데이터베이스 튜닝 원칙(Tuning Principle)을 제시하는 시스템을 제안한다. 각각의 데이터베이스 튜닝 이론들은 지식 도매인의 지식으로 활용되며, 성능에 영향을 미치는 요소들을 개체(Object)와 콘셉트 (Concept)로 구성하고 추론 시스템을 통해 튜닝 원칙을 추론하여 쉽고 빠르게 현재 상황에 맞는 튜닝 방법론을 적용시킬 수 있다. 자동화된 데이터베이스 튜닝에 대해 여러 분야에 걸쳐 학문적인 연구가 이루어지고 있다. 그 예로써 Microsoft의 AutoAdmin Project[2], Oracle의 SQL 튜닝 아키텍처[3], COLT[4], DBA Companion[5], SQUASH[6] 등을 들 수 있다. 이러한 최적화 기법들을 각각의 기능적인 방법론에 따라 다시 분류하면 크게 Design Tuning, Logical Structure Tuning, Sentence Tuning, SQL Tuning, Server Tuning, System/Network Tuning으로 나누어 볼 수 있다. 이 중 SQL Tuning 등은 수치적으로 결정되어 이미 존재하는 정보를 이용하기 때문에 구조화된 모델로 표현하기 쉽고 사용자의 다양한 요구에 의해 변화하는 조건들을 수용하기 쉽기 때문에 이에 중점을 두고 성능 문제를 해결하는 데 초점을 맞추었다. 데이터베이스 시스템의 일련의 처리 과정에 따라 DBMS를 구성하는 개체들과 속성, 그리고 연관 관계들이 모델링된다. 데이터베이스 시스템은 Application / Query / DBMS Level의 3개 레벨에 따라 구조화되며, 본 논문에서는 개체, 속성, 연관 관계 및 데이터베이스 튜닝에 사용되는 Rule of thumb들을 분석하여 튜닝 원칙을 포함한 지식의 형태로 변환하였다. 튜닝 원칙은 데이터베이스 시스템에서 발생하는 문제를 해결할 수 있게 하는 일종의 황금률로써 지식 도매인의 바탕이 되는 사실(Fact)과 룰(Rule) 로써 표현된다. Fact는 모델링된 시스템을 지식 도매인의 하나의 지식 개체로 표현하는 방식이고, Rule 은 Fact에 기반을 두어 튜닝 원칙을 지식의 형태로 표현한 것이다. Rule은 다시 시스템 모델링을 통해 사전에 정의되는 Rule와 튜닝 원칙을 추론하기 위해 사용되는 Rule의 두 가지 타업으로 나뉘며, 대부분의 Rule은 입력되는 값에 따라 다른 솔루션을 취하게 하는 분기의 역할을 수행한다. 사용자는 제한적으로 자동 생성된 Fact와 Rule을 통해 튜닝 원칙을 추론하여 데이터베이스 시스템에 적용할 수 있으며, 요구나 필요에 따라 GUI를 통해 상황에 맞는 Fact와 Rule을 수동으로 추가할 수도 었다. 지식 도매인에서 튜닝 원칙을 추론하기 위해 JAVA 기반의 추론 엔진인 JESS가 사용된다. JESS는 스크립트 언어를 사용하는 전문가 시스템[7]으로 선언적 룰(Declarative Rule)을 이용하여 지식을 표현 하고 추론을 수행하는 추론 엔진의 한 종류이다. JESS의 지식 표현 방식은 튜닝 원칙을 쉽게 표현하고 수용할 수 있는 구조를 가지고 있으며 작은 크기와 빠른 추론 성능을 가지기 때문에 실시간으로 처리 되는 어플리케이션 튜닝에 적합하다. 지식 기반 모률의 가장 큰 역할은 주어진 데이터베이스 시스템의 모델을 통하여 필요한 새로운 지식을 생성하고 저장하는 것이다. 이를 위하여 Fact와 Rule은 지식 표현 의 기본 단위인 트리플(Triple)의 형태로 표현된다, 트리플은 Subject, Property, Object의 3가지 요소로 구성되며, 대부분의 Fact와 Rule들은 트리플의 기본 형태 또는 트리플의 조합으로 이루어진 C Condition과 Action의 두 부분의 결합으로 구성된다. 이와 같이 데이터베이스 시스템 모델의 개체들과 속성, 그리고 연관 관계들을 표현함으로써 지식들이 추론 엔진의 Fact와 Rule로 기능할 수 있다. 본 시스템에서는 이를 구현 및 실험하기 위하여 웹 기반 서버-클라이언트 시스템을 가정하였다. 서버는 Process Controller, Parser, Rule Database, JESS Reasoning Engine으로 구성 되 어 있으며, 클라이 언트는 Rule Manager Interface와 Result Viewer로 구성되어 었다. 실험을 통해 얻어지는 튜닝 원칙 적용 전후의 실행 시간 측정 등 데이터베이스 시스템 성능 척도를 비교함으로써 시스템의 효용을 판단하였으며, 실험 결과 적용 전에 비하여 튜닝 원칙을 적용한 경우 최대 1초 미만의 전처리에 따른 부하 시간 추가와 최소 약 1.5배에서 최대 약 3배까지의 처리 시간 개선을 확인하였다. 본 논문에서 제안하는 시스템은 튜닝 원칙을 자동으로 생성하고 지식 형태로 변형시킴으로써 새로운 튜닝 원칙을 파생하여 제공하고, 성능에 영향을 미치는 요소와 함께 직접 Fact과 Rule을 추가함으로써 커스터마이정된 튜닝을 수행할 수 있게 하는 장점을 가진다. 추후 쿼리 자체의 튜닝 및 인텍스 최적화 등의 프로세스 자동화와 Rule을 효율적으로 정의하고 추가하는 방법 그리고 시스템 모델링을 효과적으로 구성하는 방법에 대한 연구를 통해 본 연구를 더욱 개선시킬 수 있을 것이다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2001년도 봄 학술발표논문집 Vol.28 No.1 (B)
• /
• pp.187-189
• /
• 2001

기존 시스템에서 보다 정확하고 신속한 정보의 제공에 대한 사용자들의 요구사항을 충족시키기 위해서는 시스템의 개선이나 현재 운영중인 시스템의 조율이 필수적으로 여겨지고 있다. 시스템 개발자는 관계형 데이터베이스 시스템의 성능을 저하 시키는 용인 중 응용 프로그램들과 저장 포로시저, 트리거, 패키지, 뷰 등에 대한 성능 향상을 위하여 튜닝을 고려하여야만 한다. 특히, 응용 어플리케이션 수행에 많은 시간을 소요하거나, 많은 자원을 필요로 하는 응용 프로그램들을 중심적으로 분석하여 적절한 튜닝을 수행한다. 또한, 오라클에서 제공하는 도구들을 이용하여 자료나 질의문의 특성을 파악한 후에 효과적인 개선을 통하여 데이터베이스 시스템의 성능 및 효율을 높이는 방법에 관심을 두고 있다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2009년도 춘계학술발표대회
• /
• pp.313-316
• /
• 2009

관계형 데이터베이스를 사용하는 응용시스템들은 어플리케이션 소스 코드에 내재된 SQL을 통하여 데이터를 액세스하게 되며, SQL을 통한 데이터베이스 액세스 성능은 응용시스템의 성능에 결정적인 영향을 미치기 때문에, 관계형 데이터베이스시스템의 튜닝에 대해서는 많은 연구가 이루어져 왔다. 그러나 데이터베이스시스템 튜닝을 통해 얻은 성능 수준은 응용시스템의 변경이나 데이터 저장량 증가 등 여러 요인에 의해 다시 저하될 수 있으며, 이와 같은 성능 수준의 변화를 정량적으로 관리하면서 최소 비용으로 성능 수준을 유지할 수 있도록 튜닝 시점을 결정하는 방법에 대한 연구는 현재까지 연구된 바가 없다. 이 논문에서 제시하는 DB 성능지수와 이를 이용한 데이터베이스시스템의 성능관리 모델은 특정 벤더에 종속되지 않고 성능수준을 정량화함으로써 이해관계자들에게 성능 수준의 변화를 가시적으로 보이고 데이터베이스 관리자의 성능관리 및 튜닝 시점 판단을 지원하여 일정 수준의 성능을 유지할 수 있는 방법으로 활용될 수 있다.

• 한국콘텐츠학회논문지
• /
• 제10권4호
• /
• pp.84-90
• /
• 2010

데이터베이스 시스템의 응용분야가 데이터웨어하우징에서 전자상거래에 이르기까지 광범위해지면서 데이터베이스 시스템이 대형화되었다. 이로 인해 데이터베이스 시스템의 성능 향상을 위한 튜닝이 중요한 논점이 되었다. 데이터베이스 시스템의 튜닝은 워크로드 특성을 고려하여 수행할 필요가 있다. 그러나 복합적인 데이터베이스 환경에서 워크로드를 식별하기는 어려우므로 자동적인 식별 방법이 요구된다. 본 논문에서는 데이터베이스 워크로드를 자동적으로 식별하는 SVM 워크로드 분류기를 제안한다. TPC-C와 TPC-W 성능 평가에서 자원할당 파라미터 변경에 따른 워크로드 데이터를 수집하여 SVM을 통해 분류 한다. SVM의 커널별 커널 파라미터와 오류 허용 임계치 값인 C의 조정을 통하여 최적의 SVM 워크로드 분류기를 선택한다. 제안한 SVM 워크로드 분류기와 Decision Tree, Naive Bayes, Multilayer Perceptron, K-NN 분류기의 분류 성능을 비교한 결과, SVM 워크로드 분류기가 다른 기계 학습 분류기보다 9% 이상 향상된 분류 성능을 보였다.

• 디지털콘텐츠
• /
• 8호통권75호
• /
• pp.76-80
• /
• 1999

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2005년도 추계학술발표대회 및 정기총회
• /
• pp.79-82
• /
• 2005

데이터베이스 성능에 문제가 발생하게 되면 운영 시스템의 사양을 업그레이드하거나, 자원을 그대로 유지하면서 효율적으로 작업이 가능하도록 튜닝을 하게 된다. 시스템의 사양을 업그레이드하는 방법은 CPU, 메모리 등 OS 상의 제한된 자원을 비용을 들여 추가 또는 교체하게 되나 투자비용에 비해 성능 개선 효과는 제한적이다. 그에 반해 튜닝은 추가 비용 투자 없이 한정된 자원을 활용하여 성능개선 효과를 얻게 된다. 그러나 이러한 튜닝도 언제, 어떻게 적용해야 할지를 몰라서 비용과 성능 개선에 손해를 보는 경우가 있다. 따라서 본 연구에서는 이러한 문제점을 보완하여 시스템 구축 초기 단계인 요구분석 단계부터 마지막 단계인 시험 및 유지보수 단계까지 각 단계마다 IDEF0 모델링 방법을 적용한 튜닝 모델링을 제안한다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 1999년도 가을 학술발표논문집 Vol.26 No.2 (1)
• /
• pp.305-307
• /
• 1999

정보화 사회로 발전하면서 크고, 다양하며, 복잡한 데이터들이 생겨나고 저장, 유지되어 데이터베이스도 대형화되면서, 대용량 데이터베이스의 성 문제는 매우 중요한 논점이 되었다. 본 논문에서는 관계형 데이터베이스 시스템의 새로운 성능향상 보조도구를 소개한다. 본 도구의 목적은 사용자나 시스템 관리자가 특정 데이터베이스 시스템에서 성능 영향을 주는 요소들을 효과적으로 파악하여 데이터베이스 시스템이 높은 수준의 성능을 유지할 수 있도록 도와준다. 설계 원리, 시험 데이터베이스, 그리고 튜닝 질의어들이 보여진다. 9개의 카테고리 안의 총 36개의 시험 질의어가 제안되었다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2006년도 가을 학술발표논문집 Vol.33 No.2 (C)
• /
• pp.303-306
• /
• 2006

데이터베이스 시스템을 효율적으로 운영하기 위하여 데이터베이스 관리자는 시스템의 자원 사용과 응용 프로그램에 의한 워크 로드의 특징을 알아야 한다. 워크 로드 분석을 위해 테이블, 리소스, 튜닝 방법론 등 여러 연구가 진행되어 왔으나 워크 로드를 형성하는 역할이 특정 테이블에만 집중되어 있는 현상에 대해서는 연구된 적이 없었다. 본 논문에서는 운영 시스템의 테이블 간의 연관 관계를 도출해 보고 연관 관계를 가지는 테이블 들이 워크 로드에 참여하는 유형과 횟수를 분석하는 워크 로드 분석 도구를 제안하고 대형 CRM 분석 시스템에 적용하여 데이터베이스 시스템의 워크로드를 분석해 본다.

• 한국도로학회논문집
• /
• 제8권3호
• /
• pp.129-141
• /
• 2006

아스팔트 포장은 점탄성재료로서 포장체에 발생되는 토압은 차량하중의 크기와 재하속도, 아스팔트 포장층의 온도와 하부층의 재료구성에 따라 크기와 분포 양상이 다르게 발생된다. 본 연구는 이러한 다양한 조건에 따른 포장체 하부의 토압분포를 분석하고, 기층과 보조기층의 지지력을 평가하는 평판재하시험 기준과 실제 계측된 토압과의 비교를 통해 현재 적용되고 있는 지지력기준에 대한 타당성을 검토하고자 한다. 또한 실제 포장단면을 모사한 유한요소해석을 통해 포장체 하부에 발생되는 토압을 예측하고 계측결과와 비교함으로서 포장체의 거동을 예측할 수 있는 모델을 제안 하고자 한다. 이를 위해서 시험도로의 2004년 8, 9, 11월과 2005년 8월에 계측이 수행된 아스팔트 포장 동적재하시험 결과 중 계측기 상태가 양호한 A5, A7, A14, A15 단면에 대해 계측결과의 분석을 수행하였다. 토압계의 분석은 차량하중의 크기와 속도. 아스팔트 포장의 온도, 포장하부의 재료구성에 따른 토압의 크기 변화와 차량하중으로 인한 포장체 내부의 횡방향과 깊이방향 하중의 영향 범위를 분석하였다. 포장체의 유한요소해석은 ABAQUS 프로그램을 활용하였으며, 실제 포장체의 거동을 모사하기 위해 시험도로 포장단면을 그대로 반영하고 계측이 이루어진 당시의 온도계측 자료를 활용해 아스팔트 포장의 물성을 적용하였다. 토압계의 분석결과 차량의 하중이 크고 저속으로 주행 할 때 토압의 크기는 증가하고 아스팔트층의 온도가 높을수록 하중의 영향반경이 작아지고 최대 토압크기는 증가하였다. 또한 실제 포장단면과 물성을 적용한 해석결과 계측결과와 매우 유사한 형태의 토압분포와 크기를 보였다. 그리고 기존 보조기층 및 동상방지층의 다짐관리 기준은 실측된 토압과 비교해 볼때 상당히 높은 수준으로 나타났다.다양한 요구에 의해 변화하는 조건들을 수용하기 쉽기 때문에 이에 중점을 두고 성능 문제를 해결하는 데 초점을 맞추었다. 데이터베이스 시스템의 일련의 처리 과정에 따라 DBMS를 구성하는 개체들과 속성, 그리고 연관 관계들이 모델링된다. 데이터베이스 시스템은 Application / Query / DBMS Level의 3개 레벨에 따라 구조화되며, 본 논문에서는 개체, 속성, 연관 관계 및 데이터베이스 튜닝에 사용되는 Rule of thumb들을 분석하여 튜닝 원칙을 포함한 지식의 형태로 변환하였다. 튜닝 원칙은 데이터베이스 시스템에서 발생하는 문제를 해결할 수 있게 하는 일종의 황금률로써 지식 도매인의 바탕이 되는 사실(Fact)과 룰(Rule) 로써 표현된다. Fact는 모델링된 시스템을 지식 도매인의 하나의 지식 개체로 표현하는 방식이고, Rule 은 Fact에 기반을 두어 튜닝 원칙을 지식의 형태로 표현한 것이다. Rule은 다시 시스템 모델링을 통해 사전에 정의되는 Rule와 튜닝 원칙을 추론하기 위해 사용되는 Rule의 두 가지 타업으로 나뉘며, 대부분의 Rule은 입력되는 값에 따라 다른 솔루션을 취하게 하는 분기의 역할을 수행한다. 사용자는 제한적으로 자동 생성된 Fact와 Rule을 통해 튜닝 원칙을 추론하여 데이터베이스 시스템에 적용할 수 있으며, 요구나 필요에 따라 GUI를 통해 상황에 맞는 Fact와 Rule을 수동으로 추가할 수도 었다. 지식 도매인에서 튜닝 원칙을 추론하기 위해 JAVA 기반의 추론 엔진인 JESS가 사용된다. JESS는 스크립트 언어를 사용하는 전문가 시스템[7]으로 선언적 룰(Declarative Rule)을 이용하여 지식을 표현 하고 추론을 수행하는 추론 엔진의 한 종류이다. JESS의 지식 표현 방식은 튜닝 원칙을