• Clinical and Experimental Pediatrics
• /
• 제53권3호
• /
• pp.300-306
• /
• 2010

목 적 : 최근 우리나라도 선진국형 저출산 고령사회로 변하고 있어 차세대의 건강한 국민 확보를 위하여 국민 개개인의 평생건강의 기초가 되는 영유아 및 소아청소년에 대한 건강증진사업의 필요성이 강조되고 있다. 이에 실효성 있고 표준적인 영유아 및 소아청소년(학교) 건강검진 지침(guideline)의 개발이 필요하다. 방 법 : 국내 검진 현황 파악 및 문제점 도출 후, 영유아 및 소아청소년 시기의 국내 질병부담 정보와 최근에 실시된 국가 역학조사자료를 검토하고, 선진국에서의 검진 체계를 비교 분석하였다. 이후 실효성 있는 영유아 및 청소년(학교) 건강검진 지침 개발을 위한 방안을 모색하였다. 결 과 : 1) 국내 영유아 관련 건강검진제도는 보건소를 중심으로 실시되고 있으나, 사업 대상이 경제적 취약계층으로 제한되어있을 뿐 아니라 빈혈검사, 소변검사, 청각검사, 혈압측정 등 검사중심으로 구성된 질병발견 위주의 검진체계이다. 2) 학교 건강검진제도 또한 성인에서의 검진제도와 유사하게 혈액검사, 소변검사, 방사선학검사 등 검체 검사 중심의 질병발견 위주 검진체계로 구성되어 있어 실효성 있는 건강검진 항목 개발과 검진빈도, 검진방법 등에 대한 근거중심의 체계가 부족한 실정이다. 3) 선진국의 영유아 검진체계에서는 검체 검사를 선별적으로만 실시하는 것을 원칙으로 하고 있다. 4) 선진국의 학교건강검진은 각국의 정책에 따른 차이는 있으나 기본적으로 검체검사나 방사선학검사 등의 질병에 대한 검사보다는 병력 청취와 질병 예방 및 건강한 생활습관과 환경 조성을 위한 상담과 교육에 중점을 두고 있다. 결 론 : 이상의 결과에서 대안으로 다음과 같은 검진 체계를 제시한다. 1) 급격히 성장 발달하는 영유아에서는 성인과는 달리 혈액검사, 소변검사로 유병률이 낮은 질병 발견에 초점을 맞추기보다는 이 시기에 가장 중요한 성장 및 발달을 주기적으로 평가하고, 연령별로 예측 가능한 예방차원의 육아 지침(anticipatory guidance)을 제공하는 질병예방 위주의 검진을 영유아 건강검진 사업의 목표로 설정하여야겠다. 2) 학생검진도 과거의 만성질환이나 성인병 조기 발견을 위한 검사보다는 급격한 신체적, 정신 사회적 성장과 발달 과정에서 흔한 건강 문제와 위해 요소를 파악하여 건강한 생활 습관 및 건강관리 능력을 배양할 수 있도록 지속적인 상담과 교육으로 발전시키는 것을 목표로 하여야겠다.

• 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.