• 한국콘텐츠학회:학술대회논문집
• /
• 한국콘텐츠학회 2004년도 추계 종합학술대회 논문집
• /
• pp.285-290
• /
• 2004

이동 객체의 계속적인 위치 변화로 인해 일정 시간동안 동일한 질의를 계속적으로 수행하는 연속 질의에 대한 필요성이 증가되고 있다. 이러한 연속 질의는 계속적인 이동 객체의 위치 변화에 따라 서버에서 계속적인 질의 처리를 수행하기 때문에 많은 질의 처리비용을 소요할 뿐만 아니라 서버 및 네트워크에 많은 부하를 초래할 수 있다. 본 논문에서는 연속 질의의 하나인 연속 범위 질의를 효과적으로 수행하기 위한 질의 처리 기법을 제안한다. 제안하는 질의 처리 기법은 상호 이동 중인 이동 객체에 대한 연속 질의 처리를 수행하기 위해 질의에 대한 응답의 유효성과 질의 결과를 미리 예측한다. 또한, 객체의 동적 변화에 따른 질의 처리를 효과적으로 수행할 수 있도록 한다.

• 정보처리학회논문지D
• /
• 제15D권3호
• /
• pp.297-304
• /
• 2008

인터넷과 인트라넷의 확산에 따라, 스트림 데이터 처리(stream data processing)와 같은 새로운 분야가 등장하게 되었다. 스트림 데이터는 실시간적이고 연속적으로 생성된다. 스트림 데이터 환경에서는 복수 개의 질의들이 미리 등록되고 후에 도착되는 데이터는 등록된 질의들에 의하여 평가된다. 따라서 질의 성능을 향상시키기 위하여, 스트림 데이터 처리 시스템을 위한 다양한 연속성 질의 색인 방법들이 제안되었다. 본 논문에서는 스트림 데이터를 위한 질의 색인에 대하여 다룬다. 일반적으로, 스트림 질의는 간격 조건식을 포함하고 있다. 따라서, 간격 조건식을 이용하여, 질의들을 색인화할 수 있다. 이 논문에서, 탐색 속도를 향상시키기 위하여, Interval Skip List를 수정한 효율적인 질의 색인 방법, QUISIS를 제안한다. QUISIS는 최근 데이터 값이 근 미래에 도착하는 값과 비슷하다는 지역성을 활용한다. 성능 평가를 통하여, 본 논문에서 제안하는 기법의 효율성을 보인다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2007년도 가을 학술발표논문집 Vol.34 No.2 (A)
• /
• pp.11-12
• /
• 2007

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2006년도 추계학술발표대회
• /
• pp.341-344
• /
• 2006

본 논문은 위치 기반 서비스에서 중요한 질의 형태중의 하나인 연속 범위 질의를 효율적으로 처리하기 위한 질의 처리 기법을 제안한다. 본 논문에서는 기존 그리드 기반 질의 색인 기법을 변형하여 분할된 셀들을 그룹 단위로 관리하고 객체의 이동 변화에 따른 질의 결과의 변화를 빠르게 처리하기 위해 각 그룹에 포함된 질의들에 비트 식별자를 부여한다. 이러한 기법은 다수의 셀에 포함된 질의를 표현하기 위해 저장되는 질의 식별자의 수를 감소시킬 수 있으며 각 질의에 부여된 비트 식별자를 이용하여 객체의 갱신으로 인해 영향을 받는 질의를 빠르게 판단할 수 있다. 성능평가를 통해 제안하는 기법이 기존 질의 처리 기법에 비해 우수한 성능을 보여줌을 입증한다.

• 인터넷정보학회논문지
• /
• 제10권4호
• /
• pp.35-44
• /
• 2009

데이터 스트림이란 새로운 개념과 기존의 단순 데이터 사이에 존재하는 개념적 차이를 극복하기 위해서는 많은 연구가 필요하다. 대표적인 예로써 센서 네크워크에서의 데이터 스트림 처리를 들 수 있는 데, 이를 위해서는 대역폭이나 에너지, 메모리와 같은 자원적 한계에서 부터 연속 질의를 포함하는 질의처리의 특수성까지 고려해야 할 대상이 광범위하다. 본 논문에서는 데이터 스트림 처리에서의 물리적 제약사항에 해당하는 한정된 메모리 문제를 해결하기 위해 PCA 기법을 기반으로 하는 데이터 스트림 축소 방안을 제안하다. PCA는 상호 관련된 다수의 변수들을 관련이 없는 적은 수의 변수로 변환해준다. 본 논문에서는 질의 처리 엔진의 협력을 가정하고서 센서 네크워크의 스트림 데이터 처리를 위해 PCA 기법을 적용하며, 다른 센서로부터 얻어진 많은 측정값 사이에 시공간적 관련성을 이용한다. 최종적으로 그러한 데이터 처리를 위한 프레임워크를 제시하고 다양한 실험을 통하여 기법의 성능을 분석한다.