• 제목/요약/키워드: Real-time Quality-of-Service

검색결과 612건 처리시간 0.02초

국내 유통 고춧가루의 병원성 대장균 오염 및 대장균 저감화 방법 (Efficient Treatment Methods for Reducing Escherichia coli Populations in Commercially-Available Red Pepper Powder in Korea)

  • 송영진;박세원;천세철;최미정;정구춘;이시경
    • 한국식품영양과학회지
    • /
    • 제41권6호
    • /
    • pp.875-880
    • /
    • 2012
  • 국내에서 생산 유통 중인 50개의 시료 고춧가루에서 병원성 대장균 오염도 조사를 실시하였다. 병원성 대장균의 확인은 분자생물학적 방법인 PCR(polymerase chain reaction)법을 사용하였으며 4종류의 병원성 대장균(EAEC, EPEC, EHEC, ETEC)의 검출은 각각 target gene을 검출할 수 있는 primer와 반응시켜 시료 중 병원성 대장균의 종류를 확인하였다. 실험 결과 시료 50점 중 1점에서 병원성 대장균이 검출되었으며 오염도는 2%이며, 병원성 대장균의 종류는 EAEC(장관 부착성 대장균, enteroadherent E. coli )형으로 확인되었다. 고춧가루 시료에 대장균 표준균주를 인위적으로 접종 후 시료에 알코올을 농도별로 희석하여 처리하고 선택배지를 사용하여 대장균수를 확인한 결과, 대조군은 대장균 수가 $1.2{\times}10^6$ cfu/mL로 검출되었고, 알코올 10% 처리하여 10분 경과하였을 경우 대장균 수는 $1.1{\times}10^6$ cfu/mL이었으나, 시료에 알코올 20% 이상의 농도로 처리한 실험군은 백배희석 시료에서 대장균이 검출되지 않았다. 이에 고춧가루에 20%이상 농도로 10분 이상 알코올 침지 처리는 대장균 살균에 효과가 있었다. 또한, 대장균 표준군주를 접종한 시료에 UV를 시간별로 구분하여 조사 후 선택배지를 사용하여 대장균 수를 확인한 결과 대조군의 대장균 수는 $5.0{\times}10^5$ cfu/mL이었으나 45분간 UV를 조사 후 확인한 대장균 수는 $1.0{\times}10^3$ cfu/mL이었고, 60분과 120분의 UV 조사 시 백배 희석한 시료에서 대장균은 검출되지 않았다. UV 조사 시 45분 경과시에 대장균 수는 $10^2$ cfu/mL 감소되었고, 60분 이상 UV조사 시 백배희석 시료에서 대장균이 검출되지 않아 고춧가루 시료의 오염 감소에 효과가 있었다.

서버 클러스터 환경에서 자율학습기반의 에너지 효율적인 클러스터 관리 기법 (An Energy Efficient Cluster Management Method based on Autonomous Learning in a Server Cluster Environment)

  • 조성철;곽후근;정규식
    • 정보처리학회논문지:컴퓨터 및 통신 시스템
    • /
    • 제4권6호
    • /
    • pp.185-196
    • /
    • 2015
  • 에너지 절감형 서버 클러스터는 에너지 절감을 고려하지 않는 기존 서버 클러스터에 비해 서비스 품질을 보장하면서 전력소비를 절감하는 것을 목표로 한다. 에너지 절감형 서버 클러스터에서는 현재의 부하를 처리하는 데 필요한 최소수의 서버들만 ON 하도록 고정 또는 가변 주기로 서버들의 전원모드를 조정한다. 이에 대한 기존 연구들은 전력 절감 또는 서비스 품질을 보장하려고 노력해왔지만 에너지 효율성을 잘 고려하지는 못했다. 본 논문에서는 에너지 절감형 클러스터에서 자율학습기반의 에너지 효율적인 클러스터 관리 기법을 제안한다. 자율학습을 통해 최적화된 파라미터들을 이용하여 전력 소모 대비 최고의 성능을 얻을 수 있도록 서버 전원모드를 조정한다. 제안방법은 서버 전원모드 조정을 위해 아래의 과정을 반복 수행한다. 첫째, 현재 부하 및 트래픽 패턴을 보고 현재 워크로드 패턴 유형을 사전에 정의한 대로 분류한다. 둘째, 학습 테이블을 탐색하여 해당 워크로드 패턴 유형에 대해 예전에 학습이 수행되었는지 확인한다. 만일 수행되었다면 이미 저장된 파라미터를 이용한다. 그렇지 않으면, 학습을 수행하여 에너지 효율성 관점에서 최고의 파라미터를 얻어 저장한다. 셋째, 얻어진 파라미터를 이용하여 서버 전원모드를 조정한다. 제안방법을 구현하여 16개의 서버 클러스터 환경에서 3가지 다른 부하 패턴들을 이용하여 실험을 수행하였다. 실험 결과는 제안방법의 에너지 효율성이 뛰어남을 보여주고 있다. 뱅킹 부하패턴, 실제 부하패턴, 가상 부하패턴 각각에 대하여, 제안방법의 단위전력당 good 응답 수가 기존의 정적 서버 전원모드 제어방법의 99.9%, 107.5%, 141.8%이고, 기존의 예측방법의 102.0%, 107.0%, 106.8%이다.