Earticle

초록

한국어

비디오스트리밍 서비스와 같은 클라우드 컴퓨팅의 확장성 제고를 위하여, 개인 사용자들의 컴퓨팅 자원을 활용하는 기술이 널리 사용되고 있다. 이와 같이 노드의 도움을 받는 시스템은 효율성 극대화를 위하여, 노드들의 행동을 정확히 예측하는 것이 매우 중요하다. 비록 P2P시스템관련 연구가 많이 진행되어 왔으나, 대부분 한 시스템 전체에 대한 특성을 수집 및 분석하는 연구가 주를 이루고 있다. 따라서 각 노드들의 행동 패턴을 분석하는 연구는 초기 단계에 머물러 있다. 본 연구에서는 각 노드들의 가용성에 대한 행동 패턴을 자동으로 분류하기 위한 기술을 제시하고, 그 분류 결과를 수동으로 된 것과 비교한다. 실제 운영되고 있는 P2P시스템에 참여하고 있는 노드들의 사용 기록에 대하여 다양한 조건으로 k-means 클러스터링을 적용하였다. 분석 결과에 따르면, 노드의 가용성 변화 기준으로 다양한 숨겨진 행동 패턴이 존재하는 것을 볼 수 있었다. 본 연구는 노드의 불확실성에 미리 대비하기 위한 시스템 설계에 활용 될 수 있을 것으로 기대된다.

영어

To increase the scalability of cloud computing, utilizing resources of individual users has been widely adopted especially in video streaming services. Accurately predicting behavior of user nodes is critical to achieve a high efficiency in such a peer-assisted system. Though there have been many measurement studies on peer-to-peer systems, most of them have focused on the design and characterization of the systems. Thus the behavior patterns of individual nodes have seldom been studied. In this paper, we present new techniques for classifying behavior of nodes in terms of availability and compare them with naive manual classification. We apply a k-means clustering algorithm with various classification criteria on real trace data of a peer-to-peer system. Our analysis shows that there are various hidden behavior patterns with respect to the transition of availability. Our study will give a useful hint to a system designer in handling churns more efficiently based on the peer classification.

목차

요약
 Abstract
 1. Introduction
 2. Related Work
 3. Methodology overview
 4. Data Set
 5. Peer Behavior Pattern Classification
  A. Extrinsic Classification
  B. Intrinsic Classification
 6. Results
  A. Extrinsic Classification
  B. Intrinsic Classification: k-means Clustering
 8. Conclusions
 7. Discussion
 References

저자

• 송규원 [ Gyuwon Song | 대전광역시 유성구 가정로 217 과학기술연합대학원대학교, HCI 및 로봇응용공학 ]
• 김수현 [ Suhyun Kim | 서울특별시 성북구 화랑로 14길 5 한국과학기술연구원, 영상미디어연구센터 ]

참고문헌