• 인터넷정보학회논문지
• /
• 제14권6호
• /
• pp.71-84
• /
• 2013

컴퓨터 시스템 운용 간에 발생하는 많은 정보들이 기록되는 로그데이터는 컴퓨터 시스템 운용 점검, 프로세스의 최적화, 사용자 최적화 맞춤형 제공 등 다방면으로 활용되고 있다. 본 논문에서는 다양한 종류의 로그데이터들 중에서 은행에서 발생하는 대용량의 로그데이터를 처리하기 위한 클라우드 환경 하에서의 MongoDB 기반 비정형 로그 처리시스템을 제안한다. 은행업무간 발생하는 대부분의 로그데이터는 고객의 업무처리 프로세스 간에 발생하며, 고객 업무 프로세스 처리에 따른 로그데이터를 수집, 저장, 분류, 분석하기 위해서는 별도로 로그데이터를 처리하는 시스템을 구축해야만 한다. 하지만 기존 컴퓨팅환경 하에서는 폭발적으로 증가하는 대용량 비정형 로그데이터 처리를 위한 유연한 스토리지 확장성 기능, 저장된 비정형 로그데이터를 분류, 분석 처리할 수 있는 기능을 구현하기가 매우 어렵다. 이에 따라 본 논문에서는 클라우드 컴퓨팅 기술을 도입하여 기존 컴퓨팅 인프라 환경의 분석 도구 및 관리체계에서 처리하기 어려웠던 비정형 로그데이터를 처리하기 위한 클라우드 환경기반의 로그데이터 처리시스템을 제안하고 구현하였다. 제안한 본 시스템은 IaaS(Infrastructure as a Service) 클라우드 환경을 도입하여 컴퓨팅 자원의 유연한 확장성을 제공하며 실제로, 로그데이터가 장기간 축적되거나 급격하게 증가하는 상황에서 스토리지, 메모리 등의 자원을 신속성 있고 유연하게 확장을 할 수 있는 기능을 포함한다. 또한, 축적된 비정형 로그데이터의 실시간 분석이 요구되어질 때 기존의 분석도구의 처리한계를 극복하기 위해 본 시스템은 하둡 (Hadoop) 기반의 분석모듈을 도입함으로써 대용량의 로그데이터를 빠르고 신뢰성 있게 병렬 분산 처리할 수 있는 기능을 제공한다. 게다가, HDFS(Hadoop Distributed File System)을 도입함으로써 축적된 로그데이터를 블록단위로 복제본을 생성하여 저장관리하기 때문에 본 시스템은 시스템 장애와 같은 상황에서 시스템이 멈추지 않고 작동할 수 있는 자동복구 기능을 제공한다. 마지막으로, 본 시스템은 NoSQL 기반의 MongoDB를 이용하여 분산 데이터베이스를 구축함으로써 효율적으로 비정형로그데이터를 처리하는 기능을 제공한다. MySQL과 같은 관계형 데이터베이스는 복잡한 스키마 구조를 가지고 있기 때문에 비정형 로그데이터를 처리하기에 적합하지 않은 구조를 가지고 있다. 또한, 관계형 데이터베이스의 엄격한 스키마 구조는 장기간 데이터가 축적되거나, 데이터가 급격하게 증가할 때 저장된 데이터를 분할하여 여러 노드에 분산시키는 노드 확장이 어렵다는 문제점을 가지고 있다. NoSQL은 관계형 데이터베이스에서 제공하는 복잡한 연산을 지원하지는 않지만 데이터가 빠르게 증가할 때 노드 분산을 통한 데이터베이스 확장이 매우 용이하며 비정형 데이터를 처리하는데 매우 적합한 구조를 가지고 있는 비관계형 데이터베이스이다. NoSQL의 데이터 모델은 주로 키-값(Key-Value), 컬럼지향(Column-oriented), 문서지향(Document-Oriented)형태로 구분되며, 제안한 시스템은 스키마 구조가 자유로운 문서지향(Document-Oriented) 데이터 모델의 대표 격인 MongoDB를 도입하였다. 본 시스템에 MongoDB를 도입한 이유는 유연한 스키마 구조에 따른 비정형 로그데이터 처리의 용이성뿐만 아니라, 급격한 데이터 증가에 따른 유연한 노드 확장, 스토리지 확장을 자동적으로 수행하는 오토샤딩 (AutoSharding) 기능을 제공하기 때문이다. 본 논문에서 제안하는 시스템은 크게 로그 수집기 모듈, 로그 그래프생성 모듈, MongoDB 모듈, Hadoop기반 분석 모듈, MySQL 모듈로 구성되어져 있다. 로그 수집기 모듈은 각 은행에서 고객의 업무 프로세스 시작부터 종료 시점까지 발생하는 로그데이터가 클라우드 서버로 전송될 때 로그데이터 종류에 따라 데이터를 수집하고 분류하여 MongoDB 모듈과 MySQL 모듈로 분배하는 기능을 수행한다. 로그 그래프생성 모듈은 수집된 로그데이터를 분석시점, 분석종류에 따라 MongoDB 모듈, Hadoop기반 분석 모듈, MySQL 모듈에 의해서 분석되어진 결과를 사용자에게 웹 인터페이스 형태로 제공하는 역할을 한다. 실시간적 로그데이터분석이 필요한 로그데이터는 MySQL 모듈로 저장이 되어 로그 그래프생성 모듈을 통하여 실시간 로그데이터 정보를 제공한다. 실시간 분석이 아닌 단위시간당 누적된 로그데이터의 경우 MongoDB 모듈에 저장이 되고, 다양한 분석사항에 따라 사용자에게 그래프화해서 제공된다. MongoDB 모듈에 누적된 로그데이터는 Hadoop기반 분석모듈을 통해서 병렬 분산 처리 작업이 수행된다. 성능 평가를 위하여 로그데이터 삽입, 쿼리 성능에 대해서 MySQL만을 적용한 로그데이터 처리시스템과 제안한 시스템을 비교 평가하였으며 그 성능의 우수성을 검증하였다. 또한, MongoDB의 청크 크기별 로그데이터 삽입 성능평가를 통해 최적화된 청크 크기를 확인하였다.

• 농업과학연구
• /
• 제12권2호
• /
• pp.206-241
• /
• 1985

이 연구(硏究)는 목도열병(病)의 감염시기(感染時期)와 조직내(組織內) 감염속도(感染速度) 및 감염(感染)에 영향(影響)을 미치는 전염원(傳染源)의 소재(所在), 엽초내외의 제조건(諸條件) 등(等)을 구명(究明)하여 합리적(合理的)인 방제체계(防除體系)를 확립(確立)하는 자료(資料)를 얻고자 실시(實施)하였다. 1. 벼 이삭목도열병(病)의 감염(感染) 최성기(最盛期)는 수잉기(穗孕期)였으며 그 다음이 출수기(出穗期)로 이 시기(時期)에 대부분의 이삭목이 감염(感梁)되고 있었다. 그러나 통일계(統一系) 품종(品種)은 출수후(出穗後)에도 환경(環境)에 따라 높은 감염(感染) 가능성(可能性)을 갖고 있었다. 2. 벼 이 삭목도열병(病)의 잠복기간(潛伏期間)은 자연조건하(自然條件下)에서 10~22일(日)로 그 변동복(變動福)이 넓었다. 인공접종시(人工接種時) 이삭이 어릴수록 잠복기간(潛伏期間)은 짧았고 감염속도(感染速度)가 심(甚)했으나 지엽절(止葉節) 밖으로 추출(抽出)한 이삭목은 잠복기간(潛伏期間)도 길고 발병률(發病率)도 낮았으며 조직내(組織內) 감염속도(感染速度)가 늦었다. 3. 이삭목도열병(病)의 약제방제(藥劑防除) 적기(適期)는 도열병균(稻熱病菌)의 감염(感染) 최성기(最盛期)와 잠복기간(潛伏期間)을 고려(考慮)할 때 속효성(速效性) 약제(藥齊)는 출수(出穗)5~10일전(日前), 지효성(遲效性) 약제(藥齊)는 10~15일전(日前)으로 추정(推定)된다. 4. 도열병균(病菌) 포자(胞子)의 엽초내 침투(浸透)는 주(主)로 지엽(止葉)을 포함(包含)한 상위(上位) 3개엽(個葉)에서 이루어졌고 강우(降雨)나 이슬, 일액(溢液) 등(等)과 함께 엽초 봉합부(縫合部)에서 침윤현상(浸潤現象)에 의해 이루어졌으며 침투율(浸透量)은 수도(水稻)의 생육기간중(生育期間中) 수잉기(穗孕期)가 가장 많았다. 포자(胞子)의 엽초내 침투(浸透)는 엽설(葉舌)이 크게 저지(沮止)하고 있었다. 5. 엽초내에 침투(浸透)한 포자(胞子)의 이삭에의 부착량(附着量)은 형태적(形態的)으로 복잡(複雜)한 수수절(穗首節)과 수축절(穗軸節)이 가장 많았고 이에는 모용(毛茸)와 퇴화지경(退化枝梗)이 크게 영향(影響)을 미치고 있어 이들이 목도열병(病) 감염(感染)을 조장(助長)하고 있었다. 6. 벼 이삭목도열병(病) 감염(感染) 가능(可能) 포자농도(服子濃度)는 계통간(系統間) 차이(差異)가 있어 통일계(統一系) 품종(品種)은 일반계(一般系)보다 낮은 100개(個) 이하(以下)의 포자농도(胞子濃度)에서도 쉽게 감염(感染)이 되었으며 발병지수(發病指數)도 매우 높아 그 피해(被害)가 더욱 심(甚)했다. 7. 벼 이삭목도열병(病)과 상관(相關)이 높은 이삭목의 질소함량(窒素含量)과 규소함량(硅數含量)은 벼 생육기간(生育時期)에 따라 큰 차이(差異)가 있어 질소함량(窒素含量)은 수잉기(穗孕期)에서 출수기(出穗期)로 갈수록 증가(增加)를 보였고 그 후 다소(多少) 감소(減少)하고 있었다. 규소함량(硅數含量)은 수잉기(穗孕期)로부터 점차 증가(增加)하고 있어 이들 체내성분(體內成分)의 변화(變化)가 목도열병(病)의 발병(發病)을 조장(助長)하고 있었다. 8. 도열병균(稻熱病菌) 포자(胞子)의 비산(飛散)은 대다수 수직(垂直) 방향(方向)으로 상승(上昇)또는 하강(下降)하여 도체(稻體)에 부간(附看)하였으며 수평(水平)으로 이동(移動)하는 포자(胞子)는 극(極)히 적어 출수후(出穗後)의 이삭목에 부간(附看)하는 포자수(胞子數)가 적으므로 출수후(出穗後) 목도열병(病) 감염율(感染率)은 매우 낮을 것으로 추정(推定)되었다. 도체(稻體) 상하위간(上下位間)의 온도차(溫度差)에 의(依)한 공기(空氣)의 이동(移動)은 포자비산(胞子飛散)에 대(對)한 하나의 원인(原因)이었다. 9. 출온기(出穩期)를 전후(前後)한 포자비산(胞子飛散)이 가장 목도열병발병(病發病)과 상관(相關)이 높았으며 지엽(止葉)을 포함(包含)한 상위(上位) 3개엽(個葉)에 형성(形成)된 병반(病斑)이 출수(出穗)를 전후(前後)한 시기(時期)에 포자형성량(胞子形成量)이 많아 직접(直接) 목도열병(病) 전염원(傳染源)으로서 크게 작용(作用)하고 있었다. 10. 엽초내 환경조건(環境條件)은 목도열병(病) 감염(感染)에 극(極)히 호적(好適)하여 엽초내에서 도열병균(病菌)의 침해(侵害)를 받는 경우 품종(品種)의 내병성(耐病性), 시복수준(施服水準)의 차이(差異)에 관계(關係)없이 이삭목이나 지경(枝梗), 인, 마디, 마디사이 등(等) 도체(稻體)의 어느 부위(部位)라도 감염(感染)이 이루어졌다. 11. 엽초내에 침투(浸透)한 우고균(優古菌) 중에서 벼 갈색엽고병균(病菌)인 Gerlachia oryzae 만이 발병(發病)을 다소(多少) 조장(助長)할 뿐 기타(其他)의 균(菌)들은 영향(影響)이 적었으며 품종(品種)의 출수소요일수(出穗所要日數)의 장단(長短)이 목도열병(病) 감염(感染)과 관련(關連)이 있는 것으로 추정(推定)되었다.