• Title/Summary/Keyword: 조인 전략

검색결과 459건 처리시간 0.032초

센서 네트워크에서 비트 벡터를 이용한 효율적인 레코드 필터링 인-네트워크 조인 전략 (Efficient Record Filtering In-network Join Strategy using Bit-Vector in Sensor Networks)

  • 송임영;김경창
    • 한국컴퓨터정보학회논문지
    • /
    • 제15권4호
    • /
    • pp.27-36
    • /
    • 2010
  • 본 논문에서는 센서 네트워크에서 효율적인 조인 처리를 수행하여 통신비용을 최소화할 수있는인-네트워크 조인 전략인 RFB(Record Filtering using Bit-vector) 조인 전략을 제안하였다. 제안하는 조인 전략은 통신비용을 감소하기 위하여 데이터의 크기를 줄이기 위해 비트 벡터(Bit-vector)를 이용한다. 또한, 센서 네트워크의 특성상 조인을 위해 중앙의 서버로 모든 데이터를 전송하기가 어렵기 때문에 본 논문의 조인 전략은 조인 처리의 이른 단계에서 조인 결과에 해당되지 않는 데이터를 제거하여 불필요한 통신비용을 감소시켜 통신비용을 최소화하기 위한 네트워크 내에서 효율적인 조인 질의 수행 전략이다. 본 논문에서는 시뮬레이션을 통하여 기존의 대표적인 조인 전략인 시놉시스를 전송하여 조인을 수행하는 시놉시스 조인(Synopsis Join, SNJ)과 비교하여 통신비용 효율적임을 보였다.

공간 데이터스트림 조인 전략과 비용 모델 (Strategy and Cost Model of Spatial Data Stream Joins)

  • 유기현;하태석;남광우
    • 한국GIS학회:학술대회논문집
    • /
    • 한국GIS학회 2008년도 공동춘계학술대회
    • /
    • pp.67-74
    • /
    • 2008
  • 현재의 센서 네트워크 시스템은 공간적 정보를 배제한 센서 데이터스트림에 대한 저장 및 검색 방안에 대한 연구에 치중되어 있다. 하지만, 이러한 센서 네트워크가 공간적 정보와 결합하게 되면 훨씬 더 많은 응용과 의미 있는 데이터로 가공될 수 있다. 본 논문은 GeoSensor Network에서 공간적 정보와 데이터스트림이 결합된 공간 데이터스트림 정의 및 공간 데이터스트림간 조인 전략들과 그에 따른 조인 전략들 간의 비용을 추정하는 비용 모델을 제시하였다. 공간 데이터스트림간 조인 전략을 위해 Nested Loop 조인, Grid File, R-tree 알고리즘을 사용하였고, 단방향 Nested Loop 조인, 단방향 Grid 조인, 단방향 R-tree 조인 기법들을 조합하여 조인 전략들 간의 비용을 추정하였다.

  • PDF

국내 건설기계 재제조산업의 발전전략 (Development Strategy of Domestic Construction Machinery Remanufacturing Industry)

  • 최병운
    • 공업화학전망
    • /
    • 제20권5호
    • /
    • pp.37-45
    • /
    • 2017
  • 현재 국내 건설기계 부품의 대부분이 수명 시간이 도래한 중고 장비가 동남아시아 등지로 재제조 되지 않고 수출되거나 폐기되고 있다. 이를 재제조함으로써 자원순환이란 관점에서의 많은 경제적 환경적 이점들을 충족하고자 하며, 선진국들과 중국도 일찍이 건설기계 부품 재제조 사업을 장려하고 있다. 재제조 사업은 부가가치가 높아 여러 국가의 유명 완성차 업체가 직접 참여하여 재제조함으로써 많은 건설 시공사와 수요처들에게 판매하고 있고, 수익성도 높아 완성차 제조 기업 중 재제조 사업으로 총 매출 중 20%를 차지할 만큼 적극적이다. 그러나 국내는 이제 2016년 건설기계 부품 재제조 협회를 창립하면서 음성적으로 재제조하여 왔던 기업을 양성화함은 물론 기반 인프라 구축을 통하여 선진 기업과의 조속히 격차를 줄여 나가고 있다. 또한 재제조에 대한 공정 기술을 개발함과 동시에 전국 인프라 구축을 통하여 산업의 활성화를 꾀하고자 건설기계 부품 산업의 발전 전략을 수립하여 본 기고에 제시하여 보았다.

빅데이터 환경에서 이기종 NoSQL 데이터베이스 간의 지능적 조인 기법 선택 (Intelligent Join Technique Selection Between Heterogeneous NoSQL Databases in Big Data Envionment)

  • 강주영;김건우;박경욱;이동호
    • 한국정보처리학회:학술대회논문집
    • /
    • 한국정보처리학회 2016년도 춘계학술발표대회
    • /
    • pp.591-594
    • /
    • 2016
  • 최근 빅데이터 시대의 도래로 대량의 데이터에 대한 처리 및 분석 요구가 증가되면서 빅데이터를 저장하기 위해 개발된 NoSQL 데이터베이스 내의 조인 연산 필요성이 증대되고 있다. 빅데이터 환경에서는 다중 저장소 지속성의 개념에 따라 여러 NoSQL 데이터베이스를 동시 복합적으로 사용해야 하므로 이기종 NoSQL 데이터베이스간의 조인 연산이 중요시 되고 있다. 하지만 NoSQL 데이터베이스에서는 데이터 처리 과정에서 발생하는 오버헤드로 인해 조인 연산을 지원하지 않거나 조인 연산 시 성능저하가 발생한다. 이러한 조인 연산에 대한 오버헤드를 줄이기 위해 애플리케이션 단에서 맵리듀스 프레임워크를 활용한 다양한 조인 전략 연구들이 제시되었지만 단일 NoSQL 데이터베이스를 위한 방법이며 조인에 참여하는 데이터의 특성 및 연관성을 사전에 파악하고 있어야하는 한계점이 존재한다. 본 논문은 조인 연산에 참여하는 데이터에 대한 사전 정보 없이 빅데이터 환경에서 이기종 NoSQL 데이터베이스간의 조인 연산을 지원하기 위해 데이터 집합 분석, 질의 재배치, 조인 전략 자동 선정, 조인 결과가 저장될 데이터베이스 자동 선택 단계를 통한 지능적 조인 처리 기법을 제시한다.

공간 데이터스트림을 위한 조인 전략 및 비용 모델 (Strategies and Cost Model for Spatial Data Stream Join)

  • 유기현;남광우
    • 한국공간정보시스템학회 논문지
    • /
    • 제10권4호
    • /
    • pp.59-66
    • /
    • 2008
  • GeoSensor 네트워크란 지리공간상에서 발생하는 다양한 현상들을 모니터링하는 특정형태의 센서네트워크 인프라 및 관련 소프트웨어를 의미한다. 그리고 이러한 GeoSensor 네트워크는 데이터스트림과 공간 속성의 데이터를 가진 스트림, 또는 공간 릴레이션과의 조합으로 구현될 수 있다. 하지만, 최근까지 연구된 센서 네트워크 시스템은 공간 정보를 배제한 센서 데이터스트림에 대한 저장 및 검색 방안 연구에 치중되어 있다. 따라서 본 논문은 GeoSensor 네트워크에서 데이터스트림과 공간 데이터가 결합된 형태의 공간 데이터스트림의 정의 및 그들 간의 조인 전략들을 제안한다. 본 논문에서 정의하고 있는 공간 데이터스 트림에는 이동 객체 형태의 동적 공간 데이터스트림과 고정된 형태의 정적 공간 데이터스트림이 있다. 동적공간 데이터스트림은 GPS와 같이 동적으로 이동하는 센서에 의해 전송되는 데이터스트림을 말한다. 반면, 정적 공간 데이터스트림은 일반 센서 형태의 데이터스트림과 이러한 센서들의 위치 값을 가지고 있는 릴레이션과의 조인으로 만들어 진다. 본 논문은 동적 공간 데이터스트림과 정적 공간 데이터스트림의 조인 및 조인 비용을 추정하는 모델을 제안하고 있다. 또한, 실험을 통해 제안하는 비용 모델의 검증 및 조인 전략에 따른 조인 성능을 보이고 있다.

  • PDF

비단조 추론과 귀납적 기계학습 기반 적응형 전략 게임 엔진 (Adaptive Strategy Game Engine Using Non-monotonic Reasoning and Inductive Machine Learning)

  • 김제민;박영택
    • 정보처리학회논문지B
    • /
    • 제11B권1호
    • /
    • pp.83-90
    • /
    • 2004
  • 요즘 사람들이 많이 즐기는 전략 게임들은 장르가 가지는 특성을 이행하지 못하고 있다. 사용자 객체의 행위에 적절히 대응하는 컴퓨터 객체의 행위를 추론해내지 못함은 물론이고 다양하게 구사되는 사용자의 전략에 대책을 마련할 수 있는 학습 능력을 갖추고 있지 못하기 때문에 사용자들은 별다른 전략 없이 컴퓨터를 상대로 쉽게 게임을 승리할 수 있다. 이에 본 논문에서는 컴퓨터 객체에 추론 능력과 학습 능력을 적용하기 위해서 비단조 추론방식과 귀납적 기계 학습을 적용한 전략게임 인공지능 엔진을 연구한다. 본 논문에서는 다음 3가지 부분에 중점을 두고 엔진을 연구하였다. 첫째 사용자가 제어하는 객체들의 행위를 포괄적으로 모니터하여 사용자의 객체 행위로 추상화하는 사용자 행위 모니터, 둘째 추상화된 사용자의 객체 행위에 대응하는 컴퓨터 객체들의 행위와 사용자의 전략을 학습하는 학습 엔진, 셋째 추상화되어 있는 컴퓨터 객체의 행위를 게임에 반영하는 행위 표현기를 중심으로 연구하고 있다. 특히 본 논문에서는 보다 정확하게 사용자 객체의 전략 행위를 학습하고, 사용자의 객체에 대응하는 컴퓨터 객체 행위를 만들어내기 위해서 비단조 추론과 기계 학습 기법중 하나인 귀납적 학습 방식을 적용하는 2단계의 구조를 연구하고 있다. 즉, 귀납적 학습 방법을 통해서 컴퓨터 객체가 학습한 정보를 바탕으로 비단조 추론을 이용하여 컴퓨터 객체의 행위와 전략을 결정한다. 이에 본 논문에서는 비단조 추론과 귀납적 기계 학습을 적용하여 기존 컴퓨터 객체의 행위와의 차별성을 밝혀내고, 컴퓨터 객체가 향상된 전략을 구사할 수 있게 하는 것이 주된 목표다.

정책자금정보: 2011년도 중소기업 정책자금 지원 안내 -올해 정책자금 규모 3조2천억원으로 전년 대비 2.3% 증가

  • 한국광학기기협회
    • 광학세계
    • /
    • 통권131호
    • /
    • pp.68-74
    • /
    • 2011
  • 올해 정책자금 운영규모는 3조2075억원으로 지난해보다 2.3% 증가했다. 특히 기술혁신형 창업 및 성장초기 기업육성을 위해 '창업 및 개발기술사업화자금(1조4000억원)'을 지난해보다 2200억원 늘렸고, 개발기술사업화자금(2580억원)도 1000억원 늘렸다. 올해부터 정책자금의 배분전략이 그간의 "Negative시스템(특정산업을 제외한 모든산업지원방식)"에서 '전략산업'을 종점 지원하는 방식인 "Positive시스템"으로 전환된다. 중기청은 특히, 녹색 신성장동력 산업 등 성장 가능성이 큰 7대 전략산업에 정책자금의 70%인 2조2천억원을 집중 투입할 계획이다. 이에 따라 태양전지 LED응용 IT융합 고부가식품산업(녹색 신성장동력산업), 금형 등에 정책자금이 집중 지원될 것으로 보인다. 이와 함께 우량기업 및 한계기업을 지원대상에서 제외하고 동일기업에 대한 편중지원을 제한하는 등 정책목적성을 대폭 강화할 예정이다. 자체 신용으로 민간금융 이용이 가능하나 저금리 혜택을 위해 정책자금을 이용하는 우량기업 및 생명연장식 한계기업 등에 대한 지원을 배제하고, 절감된 재원(약 3,000억원)은 전략산업의 창업초기기업에 종점 지원할 계획이다. 자세한 사항 및 정책자금 신청 희망기업은 중소기업진흥공단 홈페이지(www.sbc.or.kr) '정책자금 융자도우미'를 통해 신청요건 및 추천자금 등을 자가진단 후 신청하면 된다.

  • PDF

집계 함수를 포함하는 조인 질의의 맵리듀스를 사용한 효율적인 처리 기법 (A Join Query with Aggregation functions Using Mapreduce)

  • 오소현;이기용
    • 한국정보처리학회:학술대회논문집
    • /
    • 한국정보처리학회 2015년도 춘계학술발표대회
    • /
    • pp.132-135
    • /
    • 2015
  • 맵리듀스(MapReduce)는 분산 환경에서의 빅데이터(Big Data), 즉 대용량 데이터를 처리하는 프로그래밍 모델이다. 대용량의 데이터를 분석하기 위해서 집계 함수(Aggregation function)로 데이터를 처리할 수 있다. 본 논문에서는 맵리듀스 환경을 기반으로 SQL 쿼리에서 집계 함수를 더 적은 비용으로 수행하며 효율적으로 처리할 수 있는 두 가지 전략을 제안한다. 두 가지 전략 중 더 높은 성능을 보이는 전략을 더 효율적인 처리 방법으로 판단한다. 첫 번째 전략은 두 테이블을 Join하여 집계 함수를 처리하는 방법이다. 두 번째 전략은 집계 함수를 처리하여 Join에 참여할 튜플의 수를 최소로 줄인 후 Join을 수행하고 다시 집계 함수를 처리하는 방법이다. 두 제안 방법을 비교하기 위하여 실험을 한 결과 두 번째 전략이 더 적은 비용이 드므로 더 효율적인 처리 방법인 것으로 보인다.