• 한국정보과학회논문지:정보통신
• /
• 제32권1호
• /
• pp.68-79
• /
• 2005

인터넷을 통해 웹이 보편화되면서 폭발적으로 증가하는 사용자의 서비스 요구를 수용하는 것은 점점 더 어려운 문제가 되고 있다. 사용자의 증가를 예측할 수 없는 상황에서 매번 고성능의 시스템을 구입하는 것은 좋은 해결책이 될 수 없다 즉, 필요할 때에 시스템을 적절히, 간단하게 확장할 수 있는 방법이 있어야 한다. 웹 클러스터링 시스템은 이러한 요구를 수용할 수 있는 기술로서 주목받고 있다. 본 논문은 웹 클러스터링 시스템 연구에서 두 가지 점에서 기여를 하고 있다. 우선, FreeBSD상에서 구현되었던 Layer-7 스위치 기법 기반의 웹 클러스터링 시스템을, 많은 사용자에 의해 선호되고 있는 Linux 운영체제에 구현하였다. 이 두 운영체제 사이에는 상당한 차이가 있으며 본 논문에서는 Linux상의 구현에 대해 상세히 언급한다. 두번째는 Zipf-like한 웹 요청의 특성을 반영하여 각 요청에 따라 자원을 클러스터 상에서 효과적으로 할당할 수 있는 DS (Dual Scheduling) 부하 분산 기법을 제안하였다. 실험을 통해 이기법이 시스템 성능을 향상시키는 사실을 보인다.

• 한국통신학회논문지
• /
• 제36권4A호
• /
• pp.388-398
• /
• 2011

본 논문은 무선 센서 네트워크에서 이동 노드들의 위치 업데이트로 인한 에너지 소비를 최소화하는 EMSP(Efficient Mobility Support Protocol)을 제안한다. 제안하는 방법은 이동 노드들의 움직임을 고려한 virtual cluster와 클러스터의 균일한 노드 분포를 위한 node split 기법이다. 기존의 제안된 프로토콜은 Invitation phase 동안 이동 노드의 새로운 CH 선택으로 인하여 업데이트 통신비용에 발생한다. 이를 해결하기 위하여 R-tree의 일종인 LUR-tree에서 사용되는 Expanded MBR을 적용하여 업데이트시 발생되는 불필요한 에너지 소비를 감소시킨다. 또한, 제안하는 기법은 기존의 클러스터 노드 밀도 불균형 문제를 해결하기 위해 R-tree에서 사용되는 split algorithm을 적용하였다. 성능 평가 결과, 기존의 제안된 LEACH-C protocol에 비하여 약 40%, M-LEACH protocol에 비하여 에너지 소비가 약 8% 감소하였다. 이는 제안된 기법이 무선 센서 네트워크에서 센서의 수명 연장과 네트워크 확장에 용이하다는 것을 보여준다.

• 서비스연구
• /
• 제3권1호
• /
• pp.33-53
• /
• 2013

2009년 상반기부터 한국에서 많은 은행들이 스마트뱅킹 서비스를 출시하면서 큰 인기를 끌었다. 본 연구는 최근, 금융기관의 전략적 경쟁도구로서 자리 잡고 있는 스마트뱅킹의 확산을 지원하기 위하여, 스마트뱅킹의 지속적 수용에 영향을 주는 요인을 찾아보고자 하였다. 이를 위해 문헌고찰과 실증분석을 병행하여 스마트뱅킹 서비스의 특징 및 현황을 파악하고 스마트뱅킹에 지속적 사용에 영향을 미치는 요인을 도출하여 분석하였다. 그 결과 서비스 확장성, UI편의성, 지각된 유용성, 지각된 용이성이 스마트뱅킹에 대한 만족도 및 지속적 사용에 영향을 미치는 요인으로 나타났고, 보안성은 그다지 영향을 미치지 않은 것으로 나타났다. 이러한 결과는 금융업체와 통신업체 등의 스마트뱅킹 마케팅/기술 전략에 활용될 수 있을 것으로 기대되며 앞으로 좀 더 심도 깊은 추가적 연구와 토의가 이루어져야 할 것이다.

• Journal of Information Processing Systems
• /
• 제14권4호
• /
• pp.989-1009
• /
• 2018

Rapid advances in science and technology with exponential development of smart mobile devices, workstations, supercomputers, smart gadgets and network servers has been witnessed over the past few years. The sudden increase in the Internet population and manifold growth in internet speeds has occasioned the generation of an enormous amount of data, now termed 'big data'. Given this scenario, storage of data on local servers or a personal computer is an issue, which can be resolved by utilizing cloud computing. At present, there are several cloud computing service providers available to resolve the big data issues. This paper establishes a framework that builds Hadoop clusters on the new single-board computer (SBC) Mobile Raspberry Pi. Moreover, these clusters offer facilities for storage as well as computing. Besides the fact that the regular data centers require large amounts of energy for operation, they also need cooling equipment and occupy prime real estate. However, this energy consumption scenario and the physical space constraints can be solved by employing a Mobile Raspberry Pi with Hadoop clusters that provides a cost-effective, low-power, high-speed solution along with micro-data center support for big data. Hadoop provides the required modules for the distributed processing of big data by deploying map-reduce programming approaches. In this work, the performance of SBC clusters and a single computer were compared. It can be observed from the experimental data that the SBC clusters exemplify superior performance to a single computer, by around 20%. Furthermore, the cluster processing speed for large volumes of data can be enhanced by escalating the number of SBC nodes. Data storage is accomplished by using a Hadoop Distributed File System (HDFS), which offers more flexibility and greater scalability than a single computer system.

• 한국정보과학회논문지:시스템및이론
• /
• 제28권11호
• /
• pp.549-560
• /
• 2001

클러스터 시스템을 계산능력과 메모리 크기에 있어서 바람직한 확장성을 제공한다. 또한 고속의 컴퓨터 네트워크 기술의 발달로 인해 클러스터 시스템은 값비싼 MPPs (Massively Parallel Processors)와 비교하여 경쟁력을 얻고 있다. 부적당한 작업 스케줄링은 시스템의 기능을 충분히 이용할수 없고, 병렬처리 프로그램에서 프로그램 실행 전에 각 태스크의 부하를 예측하기 어려우며, 태스크들은 다양한 형태로 서로 의존적이다. 동적 부하균등 알고리즘에서는 실행시간에 각 프로세서의 부하를 평가한 후, 각 태스크를 적절한 크기로 분할하고 그것들을 각 프로세서의 수행능력에 비례하여 클러스터 시스템에 할당한다. 그러나, 프로세싱 노드간의 통신비용이 높으면, 모든 노드들이 부하분산에 참여하는 것은 효율적이지 못하다. 본 논문에서는 부하분산에 참여하는 프로세서를 통신비용과 평균 부하로부터의 편차를 고려하여 제한하였다. 기존의 부하균등 방식과 제안된 동적 알고리즘을 비교하기 위하여, 통신비용, 노드 수, 그리고 부하의 범위와 같은 파라메터를 사용하여 다양한 모델의 클러스터 시스템에 관한 시뮬레이션을 수행하였다.

• 정보처리학회논문지:컴퓨터 및 통신 시스템
• /
• 제10권4호
• /
• pp.93-100
• /
• 2021

블록체인의 확장성 문제를 해결하기 위한 이더리움 샤드 시스템은 부하 균형 문제가 존재하며 이는 그래프 분할 문제로 모델링된다. 본 논문에서는 게임 이론의 협상 해법을 사용하여 이더리움 샤드 시스템의 상반된 효용에 대한 협상이 가능한 적응적 온라인 가중그래프 분할 알고리즘을 제안한다. 게임 이론의 협상 해법은 상반된 효용의 협상점을 공정하게 결정할 수 있는 공리적 해법이다. 제안 알고리즘은 기존 온라인 그래프 분할 알고리즘을 가중그래프에 적용할 수 있도록 개선하였으며 대표적인 교섭 해법인 내쉬 협상 해법을 확장한 확장 내쉬 협상 해법을 사용하여 이더리움 시스템 상황을 고려한 설계를 통해 효과적으로 부하 균형을 수행하였다. 실험 결과, 대표적인 온라인, 오프라인 그래프 분할 알고리즘에 비해 최대 37% 우수한 성능을 보였다.

• International Journal of Computer Science & Network Security
• /
• 제21권1호
• /
• pp.137-142
• /
• 2021

The Internet of Things (IoT) paradigm is at the forefront of present and future research activities. The huge amount of sensing data from IoT devices needing to be processed is increasing dramatically in volume, variety, and velocity. In response, cloud computing was involved in handling the challenges of collecting, storing, and processing jobs. The fog computing technology is a model that is used to support cloud computing by implementing pre-processing jobs close to the end-user for realizing low latency, less power consumption in the cloud side, and high scalability. However, it may be that some resources in fog computing networks are not suitable for some kind of jobs, or the number of requests increases outside capacity. So, it is more efficient to decrease sending jobs to the cloud. Hence some other fog resources are idle, and it is better to be federated rather than forwarding them to the cloud server. Obviously, this issue affects the performance of the fog environment when dealing with big data applications or applications that are sensitive to time processing. This research aims to build a fog topology job scheduling (FTJS) to schedule the incoming jobs which are generated from the IoT devices and discover all available fog nodes with their capabilities. Also, the fog topology job placement algorithm is introduced to deploy jobs into appropriate resources in the network effectively. Finally, by comparing our result with the state-of-art first come first serve (FCFS) scheduling technique, the overall execution time is reduced significantly by approximately 20%, the energy consumption in the cloud side is reduced by 18%.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2010년도 추계학술발표대회
• /
• pp.925-928
• /
• 2010

무선 센서 네트워크는 제한된 에너지 자원을 갖는 많은 수의 센서 노드로 구성되어 있다. 제약된 에너지로 인해 정보를 효율적으로 수집하는 것은 무선 센서 네트워크의 중요한 문제이며 클러스터링 알고리즘 기술이 에너지 소비를 줄이기 위해 사용된다. 이러한 기법은 무선 네트워크의 확장성 및 수명을 향상시킬 수 있다. 본 논문에서는 무선 센서 네트워크를 위한 CPMS 클러스터링 프로토콜을 제안한다. CPMS 는 BCDCP(Base Station Controlled Dynamic Clustering Protocol) 나 BIDRP(Base Station Initiated Dynamic Routing Protocol)에 비해 우수한 성능을 보인다. CPMS 는 클러스터를 구성하고 잔존 에너지 비율이 높은 헤드 노드가 BS(BaseStation)로 데이터를 전송하게 한다. 또한 이 기법은 모드 선택 기법을 통하여 헤드 노드의 에너지를 절약할 수 있다. 시뮬레이션 결과 CPMS 는 현재의 클러스터링 기법보다 생존시간 및 메시지 전송량에서 우수한 성능을 보여준다.

• 지능정보연구
• /
• 제21권1호
• /
• pp.119-142
• /
• 2015

사용자의 취향과 선호도를 고려하여 정보를 제공하는 추천 시스템의 중요성이 높아졌다. 이를 위해 다양한 기법들이 제안되었는데, 비교적 도메인의 제약이 적은 협업 필터링이 널리 사용되고 있다. 협업 필터링의 한 종류인 모델 기반 협업 필터링은 기계학습이나 데이터 마이닝 모델을 협업 필터링에 접목한 방법이다. 이는 희박성 문제와 확장성 문제 등의 협업 필터링의 근본적인 한계를 개선하지만, 모델 생성 비용이 높고 성능/확장성 트레이드오프가 발생한다는 한계점을 갖는다. 성능/확장성 트레이드오프는 희박성 문제의 일종인 적용범위 감소 문제를 발생시킨다. 또한, 높은 모델 생성 비용은 도메인 환경 변화의 누적으로 인한 성능 불안정의 원인이 된다. 본 연구에서는 이 문제를 해결하기 위해, 군집화 기반 협업 필터링에 마르코프 전이확률모델과 퍼지 군집화의 개념을 접목하여, 적용범위 감소 문제와 성능 불안정성 문제를 해결한 예측적 군집화 기반 협업 필터링 기법을 제안한다. 이 기법은 첫째, 사용자 기호(Preference)의 변화를 추적하여 정적인 모델과 동적인 사용자간의 괴리 해소를 통해 성능 불안정 문제를 개선한다. 둘째, 전이확률과 군집 소속 확률에 기반한 적용범위 확장으로 적용범위 감소 문제를 개선한다. 제안하는 기법의 검증은 각각 성능 불안정성 문제와 확장성/성능 트레이드오프 문제에 대한 강건성(robustness)시험을 통해 이뤄졌다. 제안하는 기법은 기존 기법들에 비해 성능의 향상 폭은 미미하다. 또한 데이터의 변동 정도를 나타내는 지표인 표준 편차의 측면에서도 의미 있는 개선을 보이지 못하였다. 하지만, 성능의 변동 폭을 나타내는 범위의 측면에서는 기존 기법들에 비해 개선을 보였다. 첫 번째 실험에서는 모델 생성 전후의 성능 변동폭에서 51.31%의 개선을, 두 번째 실험에서는 군집 수 변화에 따른 성능 변동폭에서 36.05%의 개선을 보였다. 이는 제안하는 기법이 성능의 향상을 보여주지는 못하지만, 성능 안정성의 측면에서는 기존의 기법들을 개선하고 있음을 의미한다.

• 인터넷정보학회논문지
• /
• 제14권6호
• /
• pp.1-8
• /
• 2013

거대한 데이터베이스로부터 중요하고 의미 있는 정보를 찾아내기 위해 데이터 마이닝 기법들이 사용되며, 패턴 마이닝은 이러한 데이터 마이닝을 위한 중요한 기법 중에 하나이다. 패턴 마이닝은 거대 데이터베이스로부터 유용한 패턴을 찾아내는 기법이며, 패턴 마이닝 분야 중에 하나인 빈발 패턴 마이닝은 데이터베이스에서 최소 임계치 이상의 빈도수를 가지는 빈발 패턴을 마이닝 한다. 전통적인 빈발 패턴 마이닝은 전체 데이터베이스에 대한 단일 최소 임계치를 기반으로 중요 빈발 패턴을 마이닝 한다. 단일 최소 임계치 모델은 데이터베이스 내 모든 아이템이 동일한 특성을 가진다고 암묵적으로 가정한다. 그러나 실제 응용에서는 각 아이템들이 개별적인 특성을 가지고 있을 수 있으며, 따라서 이를 반영한 패턴 마이닝 기법이 요구된다. 데이터베이스 내 아이템들의 이러한 특성이 반영되지 않은 빈발 패턴 마이닝 모델에서, 중요한 희귀 아이템이 포함된 패턴을 마이닝 하기 위해서는 낮은 최소 임계치를 설정해야 한다. 그러나 너무 낮은 최소 임계치는 의미 없는 아이템들을 포함하는 수많은 패턴을 야기한다. 반대로 높은 최소 임계치는 희귀 아이템이 포함된 패턴을 마이닝 하지 못하는 희귀 아이템 문제라 불리는 딜레마가 발생한다. 이러한 문제의 해결을 위한 초기 연구들은 아이템 빈도수에 따라 데이터를 몇 개의 블록으로 분할하거나 관련 희귀 아이템들을 하나의 그룹으로 만드는 방법을 사용한 근사적 접근법을 제안하였다. 그러나 이러한 기법들은 근사적 방법의 적용에 의해 모든 희귀 패턴을 포함한 빈발 패턴을 마이닝 하지 못한다. 다중 최소 임계치를 고려한 패턴 마이닝 모델은 아이템들의 개별적인 특성을 반영하여 희귀 아이템 문제를 해결하기 위해 제안되었다. 다중 최소 임계치 기반의 빈발 패턴 마이닝 모델에서 각 아이템은 MIS (Minimum Item Support)라고 불리는 개별 최소 임계치를 가지며, 아이템들의 데이터베이스 내 빈도수를 기반으로 계산된다. 다중 최소 임계치 모델은 MIS를 통해 수많은 의미 없는 패턴을 생성하지 않고도 손실 없이 모든 희귀 빈발 패턴을 찾아낸다. 한편, 빈발 패턴을 마이닝 하는 과정에서 후보 패턴들이 생성되며, 단일 최소 임계치 모델에서는 각 후보 패턴의 빈도수가 유일한 최소 임계치와 비교된다. 따라서, 희귀 아이템 문제가 발생할 뿐만 아니라 후보 패턴을 구성하는 아이템들의 특성이 고려되지 않는다. 다중 최소 임계치 모델에서는 이 문제를 다루기 위해 후보 패턴을 구성하는 아이템들의 MIS 값 중에서 가장 작은 MIS 값을 해당 후보 패턴의 최소 임계치로 설정하여 패턴 내 아이템들의 특성을 반영한다. 이를 적용하여 효율적으로 희귀 빈발 패턴을 마이닝 하기 위해 트리 구조 기반의 알고리즘은 빈도수 내림차순으로 트리 내 아이템들을 정렬하는 단일 최소 임계치 모델과는 달리 MIS 내림차순으로 아이템들을 정렬하여 마이닝을 수행한다. 본 논문에서는 다중 최소 임계치 기반의 빈발 패턴 마이닝 알고리즘에 대한 특성을 살펴보고, 일반 단일 임계치 기반 알고리즘과의 성능평가를 수행한다. 성능평가는 실행 속도, 메모리 사용량, 그리고 확장성의 관점에서 수행된다. 성능평가 결과, 다중 최소 임계치 기반의 빈발 패턴 마이닝 알고리즘은 희귀 빈발 패턴을 포함한 모든 빈발 패턴을 단일 임계치 기반의 빈발 패턴 마이닝 알고리즘보다 더 빠른 속도로 마이닝 하였으며, 각 아이템의 최소 임계치 정보를 위한 추가적인 메모리를 필요로 하였다. 또한, 비교 알고리즘들은 좋은 확장성 결과를 보였다.