• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 1998년도 가을 학술발표논문집 Vol.25 No.2 (3)
• /
• pp.512-514
• /
• 1998

요약 최근 들어 인터넷 데이터를 사용자와 가까운 위치 복사해 놓음으로써 인터넷 병목현상을 줄이는 인터넷 캐시 서버의 사용이 증가되고 있다. 캐시 서버의 성능은 캐시 적중률과 캐시된 데이터의 신선도에 의해 좌우된다고 할 수 있다. 데이터의 신선도는 캐싱된 데이터가 가장 최근에 갱신된 데이터와 일치할 확률이다. 신선도 유지를 위해 가장 많이 사용되고 있는 방법은 데이터마다 만료시간을 부여하여 만료시간이 지났을 때 새로운 데이터를 요청하는 방법이다. 하지만, 적절하지 않은 만료시간의 설정은 네트웍 교통량 증가나 사용자에게 신선하지 않은 데이터를 전달하는 무제가 생긴다. 본 논문에서는 각 데이터의 접근 주기와 실제 갱신주기에 기초하여 그 페이지의 리프레시 시간을 설정함으로써 요청될 가능성이 높은 페이지들만을 선택하여 프리패칭이 될 수 있도록 하는 기법을 제안한다.

• 한국컴퓨터정보학회논문지
• /
• 제17권6호
• /
• pp.145-152
• /
• 2012

네트워크를 통해 전송되는 스트리밍 미디어의 대용량화로 인해 기존의 전송 방법은 최적의 성능을 제시하지 못하고 있다. 이를 위해 대역폭의 소비와 네트워크 혼잡 및 트래픽을 감소시키는 비디오 프록시 서버가 운용된다. 본 논문은 비디오 프록시 서버의 효율적인 활용을 위해 미디어 스트리밍 시스템에서의 상태 천이 모델을 활용한 고속 분산 네트워크 파일 시스템을 제안한다. 제안하는 방법은 상태 천이 모델을 활용한 학습 과정, 기본 확률과 결정 확률의 생성, 그리고 확률을 기반으로 한 저장과 삭제의 3단계로 구성된다. 또한 비디오 프록시 서버의 저장 공간에서 발생되는 단편화를 막기 위하여 해당 공간을 세그먼트 별로 영역을 구분한다. 실험을 통해 제안하는 방법이 기존의 방법들에 비해 보다 높은 적중률을 보이는 동시에 보다 적은 삭제 횟수를 보임을 확인한다. 이를 통해 제안하는 방법이 초기 지연시간을 최소화하는 동시에 네트워크 대역폭을 효율적으로 활용하는 것을 보인다.

• 한국정보과학회논문지:정보통신
• /
• 제28권4호
• /
• pp.550-558
• /
• 2001

최근 인터넷과 웹은 널리 사용되는 미디어로 인식되고 있으나 상대적으로 빈약한 성능과 낮은 가용도를 제공한다. 클러스터 구조는 고가용도와 고성능 그리고 확장성을 요구하는 웹 서비스나 정보시스템 같은 응용 분야에서 저 비용으로 유용하게 사용 가능하다. 본 논문에서는 고가용도 및 확장성을 제공하는 클러스터링 웹 서버를 대상으로 부하 분배기의 구조를 제안하고 문서 접근 확률과 문서 크기 정보를 이용한 부하 분배 알고리즘을 개발하여 성능을 최대화할 수 있도록 하였다. 특히 제안된 알고리즘은 각 서버 노드가 동일한 운영체제로 구성되지 않아도 되고 처리 용량이 서로 달라도 되며 기존의 알고리즘에 비해 캐쉬 적중률을 향상시킨다.

• 한국정보과학회논문지:정보통신
• /
• 제32권1호
• /
• pp.60-67
• /
• 2005

클러스터 구조는 고가용도와 고성능 그리고 확장성을 요구하는 웹 서비스나 정보시스템 같은 응용 분야에서 저 비용으로 유용하게 사용 가능하다. 웹 서버 클러스터의 내용 기반 분배는 각각의 웹 서버들 사이에서 지능적으로 사용자 요구를 전달하기 위해 애플리케이션 계층에서 알려진 상세한 데이터를 이용한다. 본 논문에서는 웰 서버 클러스터 시스템을 대상으로 캐시의 적중과 각 서버의 부하 상태를 고려한 효율적인 내용 기반의 부하 분배를 수행하고 사용자의 동적인 문서 요구를 수용할 수 있도록 하는 알고리즘을 제안하였다. 특히 제안된 알고리즘은 부하 분배기로 하여금 각 서버에 있는 캐쉬의 내용을 모델링 하기 위한 시도나 웹 문서에 대한 사용자 접근 확률을 계산하기 위한 오버헤드가 없다.

• 한국정보과학회논문지:정보통신
• /
• 제27권2호
• /
• pp.138-148
• /
• 2000

이동 컴퓨팅 환경에서 이동 호스트(클라이언트)는 네트워크가 연결되어 있는 동안 단절에 대비하여 중요한 파일들을 자신의 로컬 캐쉬에 저장하여야 한다. 본 논문에서는 클라이언트가 네트워크 단절시 가까운 미래에 사용하게 될 파일을 캐쉬에 저장하는 선인출 메커니즘을 제안한다. 이 메커니즘은 분석기, 선인출 목록 생성기, 그리고 선인출 관리기를 활용한다. 분석기는 클라이언트의 파일 참조 기록을 FAP(File Access Pattern) 프로파일에 저장한다. 선인출 목록 생성기는 이 프로파일을 이용하여 선인출 목록을 만들며, 선인출 관리기는 이 선인출 목록을 파일 서버에게 요청한다. 본 논문은 단지 관련성이 깊은 파일들이 선인출되는 것을 보장하기 위해 TRP(Threshold of Reference Probability) 파라미터를 설정하였다. 선인출 목록 생성기는 참조 확률이 TRP 이상인 파일들을 선인출 목록에 추가한다. 또한, 본 논문은 선인출 목록을 저장하는데 필요한 적재 크기를 줄이기 위해 TACP(Threshold of Access Counter Probability) 파라미터를 사용한다. 마지막으로, 우리는 캐쉬 적중률, 단절 후 클라이언트의 참조 파일 수, 적재 크기를 측정하였다. 시뮬레이션 결과, 선인출 메커니즘의 성능이 LRU 캐슁 메커니즘 보다 우수함을 알 수 있었다. 또한, TACP를 이용한 선인출은 적재 크기를 줄일 수 있으면서도, TACP를 사용하지 않는 선인출과 바슷한 성능을 보임을 확인하였다.

• 한국농림기상학회지
• /
• 제23권4호
• /
• pp.391-404
• /
• 2021

본 연구에서는 최신의 연구 트렌드인 빅데이터와 인공지능을 농업분야에 접목하여 유전자 알고리즘(GA)과 전지구 기후 재분석 자료를 활용한 마늘 생산량의 장기 예측 모형을 개발하고 그 예측성능을 평가해 보았다. 해당 모형은 마늘의 파종량을 수정할 수 있는 11월에 예측 자료를 생산하므로, 마늘의 생산 시기와 시간공간적으로 떨어진 전지구 기후 재분석 자료로부터 마늘생산량의 예측 인자로 활용할 수 있는 시그널을 찾아 장기적 마늘 생산량 예측에 활용하였다. 그 결과 결정론적 예측과 확률론적 예측 모두 마늘 생산량의 경년변동성을 통계적으로 99% 신뢰수준에서 관측과 유사하게 모의하였으며, 범주형 예측에서도 이분위 예측에서 93.3%, 삼분위 예측에서 73.3%의 적중률을 보이며 우수한 예측 성능을 나타내었다. 또한, 예측인자들 사이의 선형 및 비선형적 관계를 모두 고려하는 GA방법을 사용하였을 때, 선형적 앙상블 방법을 적용하였을 때 보다 높은 예측성능과 안정적인 예측결과를 보이는 것을 알 수 있다. 본 연구에서 개발된 마늘 생산량 예측 모형은 기존의 단기예측 위주의 농산물 생산량 예측의 한계를 극복하고 한 해의 농사가 시작되기 전 잠재 생산량을 전망 정보를 생산하여 농산물의 수요·공급 및 가격안정화를 위한 장기적 계획을 수립하는 것에 도움이 될 것으로 생각된다.

• 한국수자원학회논문집
• /
• 제55권10호
• /
• pp.723-736
• /
• 2022

본 연구에서는 금강권역을 대상으로 최대 12개월까지 선행예측이 가능한 월 강수량 예측모형을 구축하였으며, 예측모형 구축에는 다중회귀분석과 인공신경망의 두 가지 통계적 기법을 적용하였다. 예측인자 후보로 NOAA에서 제공하는 글로벌 기후패턴 39종과 금강권역에 대한 기상인자 8종 등 총 47종의 기후지수를 활용하였다. 예측대상월을 기준으로 과거 40년간의 월 강수량과 기후지수와의 지연상관성 분석을 통해 상관도가 높은 기후지수를 예측인자로 활용하여 다중회귀모형 및 인공신경망 모형을 구축하였다. 1991~2021년에 대해 매월 예측결과의 평균값과 관측값과의 적합도를 분석한 결과, 다중회귀모형은 PBIAS -3.3~-0.1%, NSE 0.45~0.50, r 0.69~0.70으로 분석되었으며, 인공신경망모형은 PBIAS -5.0~+0.5%, NSE 0.35~0.47, r 0.64~0.70로, 다중회귀모형에 의해 도출된 예측치의 평균값이 인공신경망모형보다 관측치에 좀 더 근접한 것으로 나타났다. 각 월의 예측범위 안에 관측치가 포함될 확률을 분석한 결과에서는 다중회귀모형이 57.5~83.6%(평균 72.9%), 인공신경망모형의 경우에는 71.5~88.7%(평균 81.1%)로 인공신경망모형 결과가 우수한 것으로 나타났다. 3분위 예측확률을 비교한 결과는 다중회귀모형의 경우에는 25.9~41.9%(평균 34.6%), 인공신경망모형은 30.3~39.1%(평균 34.7%)로 비슷하며, 두 모형 모두 평균 33.3% 이상으로 월 강수량에 대한 장기예측성을 확인 할 수 있었다. 이상과 같이 두 모형의 예측성 차이는 비교적 크지 않은 것으로 나타났으나, 예측범위에 대한 적중률이나 3분위 예측확률로부터 판단할 때 예측성에 대한 월별 편차는 인공신경망모형의 결과가 상대적으로 작게 나타났다.