Earticle

인공지능 기술과 이를 뒷받침 해줄 수 있는 컴퓨팅 기술의 발전으로 인해 매우 많은 영역에서 인공지능 기술을 활용한 서비스를 제공하고 있다. 이와 더불어 네트워크와 클라우드(Cloud) 기술의 발전으로 인해 인공지능의 학습 (Training)과 추론(Inferencing)을 클라우드에서 수행함으로써 컴퓨팅 성능이 낮은 기기들 또한 인공지능을 직접적 으로 활용할 수 있다. 최근에는 클라우드 뿐 아니라 모바일 기기들이 함께 학습과 추론을 위한 연산들을 나누어 수행 하고 이를 다시 종합하는 협업 기계 학습은 많은 주목을 받고 있는 학습 기법들 중 한 형태이다. 이러한 형태의 학습의 경우, 모바일 기기들을 활용하여 학습하고 추론 연산을 수행할 때, 응용의 성능뿐 아니라 통신 상황과 그로 인한 지연 시간 및 모바일 기기들에서 소모되는 전력을 종합적으로 고려하는 것은 매우 중요하다. 따라서 본 논문에서는 클라우 드와 연결된 멀티 홉 기반의 네트워크에서 협업 기계 학습을 수행할 때, 학습 및 추론 연산 분배에 따른 주요 사례(All in-cloud, Training in-cloud, All on-device)들에 대해, 통신 상황을 고려하여 지연시간과 소모 전력에 대한 분석 을 수행하였다. 분석을 통해, 통신 상황을 고려하여 학습 및 추론 연산 분배 방식을 선택해야 함을 보였으며, 멀티 홉 네트워크인 경우 홉 수가 증가할수록 통신 상황에 따른 오버헤드가 급격히 증가될 수 있음을 보였다.

Due to the development of artificial intelligence (AI) and computing technologies supporting AI, services utilizing AI technologies are provided in so many areas. In addition, advances in network and cloud technologies also allow devices with low computing power to directly utilize AI by performing training and inference in the cloud. Recently, the cooperative machine learning, in which not only the cloud but also mobile devices perform computations for learning and inference together, is a form of learning techniques attracting attention. For this form of learning, when learning and performing inference operations using mobile devices, it is important to consider the performance of the application as well as the latency and power consumption in the mobile devices. Therefore, in this paper, we conduct analyses in the network situation when the cooperative machine learning is performed on multi-hop-based networks connected to the cloud. By considering the communication situation, from the latency and power consumption perspectives, we conduct the analyses of major cases depending on the distribution of learning and inference operations, All in-cloud case, Training in-cloud case, and All on-device case. Through the analyses, we show that the distribution method of learning and inference computation should be chosen with considering the communication situation. Furthermore, we show that, in the multi-hop networks, the overhead of communication can increase dramatically as the number of hops increases.

클라우드 뿐 아니라 모바일 기기들이 함께 학습과 추론을 위한 연산들을 나누어 수행하고 이를 다시 종합하는 distributed learning은 주목 받고 있는 learning 기법들 중 한 형태이다. 이러한 형태의 learning의 경우, 모바일 기기들을 활용하여 학습하고 추론 연산을 수행할 때, 응용의 성능뿐 아니라 통신 상황과 모바일 기기들에서 소모되는 전력을 고려하는 것은 매우 중요하다. 따라서 본 논문에서는 엣지 클라우드와 연결된 멀티 홉 기반의 네트워크에서 distributed learning을 수행할 때, 통신 상황과 소모 전력 관점에서 학습 및 추론 연산 분배에 따른 주요 case들에 대한 분석을 수행한다.

최근 인공지능, 빅데이터 등 분산 컴퓨팅과 관련된 수요가 증가하면서 분산 컴퓨팅 성능을 개선하려는 연구가 활발 히 진행되고 있다. 분산 컴퓨팅 환경에서는 다수의 프로세스가 공유 메모리에 접근하기 때문에 이를 공유하는 메모 리 공간을 분할해야할 필요가 있다. 따라서 본 논문에서는 동일한 연산을 수행하는 프로세스들에 키로 구분되는 공 통의 메모리 영역을 할당 및 공유할 수 있는 S/W를 설계 및 구현하였으며, PCIe로 연결된 FPGA 메모리의 특성상 로컬 메모리에 비해 느린 접근 속도를 보완하기 위해 ‘비트맵 기반 페이지 할당 알고리즘’을 적용하여 메모리 할당, 공유, 반납의 기능을 구현하였다. 그 결과 다중 프로세스가 메모리 간섭을 일으키지 않으며 메모리 할당, 공유, 반납 을 안정적으로 수행함을 확인하였고, 링크 기반 버디 시스템 알고리즘의 성능보다 비트맵 기반 페이지 할당 알고리 즘의 성능이 더 우수함을 확인하였다.

As demands for distributed computing such as artificial intelligence and big data have increased recently, there has been an active study to improve distributed computing performance. In a distributed computing environment, since many processes access shared memory, it is necessary to separate the partitions of the shared memory space. Therefore, in this paper, we design and implement a S/W that can allocate and share a common memory area divided into keys in processes that perform the same operation. In order to compensate for slower access speed compared to local memory due to the nature of FPGA connected with PCIe, memory allocation, sharing, and return functions are implemented by applying 'bitmap-based page allocation algorithm'. As a result, it is confirmed that multiple processes do not cause memory interference, and that memory allocation, sharing, and return are performed reliably, and that bitmap-based page allocation algorithm is superior to link-based buddy system algorithm.

Blockchain technology is a decentralized digital book that discloses transactions to all trading participants, unlike traditional methods of keeping records on a centralized server when trading data, it is a security technology that is virtually impossible to hack because it must forge a block chain at the same time. However, the current block chain technology is a public block chain. Anyone can join a block-chain network, view all the details, and anyone can verify transaction history. On the other hand, a private block chain or a consensus block chain refers to a block chain in which a participant is restricted to participate in building an internal network with a restricted block chain or through a separate authentication method. In the case of the bit coin using the public block chain technique, the mining process is required in the network in order to prevent the Sybil attack (DDoS attack) which takes over the network by the number of nodes. If Blockchain is used in IoT environment, then IoT sensor node is adaptable for Blockchain because of decentralized network. There are many application areas. The disadvantage of mining a few network seizures while granting proof rights to the computing power, but not the number of nodes, is a catastrophic idea, but the cost of network maintenance is very high. However, if the only entity that proves the transaction is a bank, the Sybil attack itself is impossible and the network maintenance cost is zero. Therefore, a consortium Blockchain can solve this public Blockchain, and it will be able to contribute the development of an intelligent IoT and FinTech system technology as well.

For increase the game speed, game systems apply a multi-threading. The popularization of multi- core system accelerates multi-threading also. Multi-threading brings high performance, but this is not ease to apply the game logic. Because many multi-core system share the memory, if two or more threads access the same memory region, they can be conflicted. Multi-threading uses Lock method to prevent the conflict, but Lock method reduces the performance. For increase the performance, programmer can use Lock-Free method. In this case, we found strange phenomenon that Lock-Free queue operates incorrectly, and this phenomenon has been accelerated by number of threads. In this study, we analyzed the input output of the Lock-Free Queue in multi-core system.

Allocation of computing resources is a crucial issue when dealing with a huge number of tasks to be completed according to a given deadline and cost constraints. The task scheduling to several resources (e.g. grid, cloud or a supercomputer) with different characteristics is not trivial, especially if a trade-off in terms of time and cost is considered. We propose an allocation approach able to fulfill the given requirements about time and cost through the use of optimizing techniques and an adaptive behavior. Simulated productions of tasks have been run in order to evaluate the characteristics of the proposed approach.

We developed a pilot-job based large-scale distributed computing system to support HTC and MTC, called HTCaaS (High-Throughput Computing as a Service), which helps scientists solve large-scale scientific problems in areas such as pharmaceutical domains, high-energy physics, nuclear physics and bio science. Since most of these problems involve critical data that affect the national economy and activate basic industries, data privacy is a very important issue. In this paper, we implement a privacy enhanced data security mechanism to support HTC and MTC in a large-scale distributed computing system and show how this technique affects performance in our system. With this mechanism, users can securely store data in our system.

Due to the recent advancement of networking and high-performance computing technologies, scientists can easily access large-scale data captured by scientific measurement devices through a network, and use huge computational power harnessed on the Internet for their analyses of scientific data. However, visualization technology, which plays a role of great importance for scientists to intuitively understand the analysis results of such scientific data, is not fully utilized so that it can seamlessly benefit from recent high-performance and networking technologies. One of such visualization technologies is SAGE (Scalable Adaptive Graphics Environment), which allows people to build an arbitrarily sized tiled display wall and is expected to be applied to scientific research. In this paper, we present a multi-application controller for SAGE, which we have developed, in the hope that it will help scientists efficiently perform scientific research requiring high-performance computing and visualization. The evaluation in this paper indicates that the efficiency of completing a comparison task among multiple data is increased by our system.

With the rapid growth of genomic data, new requirements have emerged that are difficult to handle with big data storage and analysis techniques. Regardless of the size of an organization performing genomic data analysis, it is becoming increasingly difficult for an institution to build a computing environment for storing and analyzing genomic data. Recently, cloud computing has emerged as a computing environment that meets these new requirements. In this paper, we analyze and compare existing distributed and parallel NGS (Next Generation Sequencing) analysis based on cloud computing environment for future research.

분산컴퓨팅은 네트워크로 연결된 여러 컴퓨터들의 연산 능력을 이용하여 거대 계산 문제를 해결하려는 분산처리 모델이다. 인터넷에 연결된 수많은 컴퓨팅 자원들의 참여를 통해 대규모의 계산이 필요한 기상, 바이오, 천문학, 암호학 등과 같은 다양한 분야의 어플리케이션 들을 병렬로 처리할 수 있다. 본 논문에서는 기상 분야의 고해상도 강수량 예측 어플리케이션 수행을 위해 인터넷 분산컴퓨팅 모델을 구성하여 성능을 분석하였다. 한반도의 강수량 예측을 위해서 중규모 예측 모형인 QPM(Quantitative Precipitation Model)을 적용하였으며 이 모형은 한반도의 지형을 격자 간격 27km로 나누고 각 격자의 특성인 고도, 기온, 강수, 강도 습도 등을 기반으로 강수량을 예측하게 된다. 그러나 QPM의 격자 간격에 따른 분석은 모형 구축에 많은 시간이 소요 되고 한번에 수행되어야 할 계산량이 많아 효율성이 저하된다. 따라서 이 모형을 기반으로 하여 3km 간격의 상세 지형을 반영하는 모형으로 소규모 지형 효과를 표현함으로써 상세 지역에서의 강수량 산출과 지형에 따른 강수량의 분포 파악이 용이해지며 계산 효율성을 개선시킬 수 있다. 이렇게 상세지역으로 세분화 된 모형은 병렬처리가 필요하며 계산노드의 수가 많아질수록 그 효율은 선형적으로 증가된다. 이 모형은 $20{\times}20$의 아격자 도메인의 분산된 단위작업들로 나뉘어 분산되고 네트워크로 연결된 컴퓨팅 자원에서 수행되게 된다.

Distributed Computing attempts to harness a massive computing power using a great numbers of idle PCs resource distributed linked to the internet and processes a variety of applications parallel way such as bio, climate, cryptology, and astronomy. In this paper, we develop internet-distributed computing environment, so that we can analyze High Resolution Rainfall Prediction application in meteorological field. For analyze the rainfall forecast in Korea peninsula, we used QPM(Quantitative Precipitation Model) that is a mesoscale forecasting model. It needs to a lot of time to construct model which consisted of 27KM grid spacing, also the efficiency is degraded. On the other hand, based on this model it is easy to understand the distribution of rainfall calculated in accordance with the detailed topography of the area represented by a small terrain model reflecting the effects 3km radius of detail and terrain can improve the computational efficiency. The model is broken down into detailed area greater the required parallelism and increases the number of compute nodes that efficiency is increased linearly.. This model is distributed divided in two sub-grid distributed units of work to be done in the domain of $20{\times}20$ is networked computing resources.

하둡 맵리듀스와 같은 분산 컴퓨팅 플랫폼이 개발됨에 따라, 기존 단일 컴퓨터 상에서 수행되는 질의 처리 기법을 분산 컴퓨팅 환경에서 효율적으로 수행하는 것이 필요하다. 특히, 주어진 두 데이터 집합에서 유사도가 높은 모든 데이터 쌍을 탐색하는 유사 조인 질의를 분산 컴퓨팅 환경에서 수행하려는 연구가 있어 왔다. 그러나 분산 병렬 환경에서의 기존 유사 조인 질의처리 기법은 데이터 전송 비용만을 고려하기 때문에 클러스터 간에 비균등 연산 부하 분산의 문제점이 존재한다. 본 논문에서는 분산 컴퓨팅 환경에서 효율적인 유사 조인 처리를 위한 행렬 기반 부하 분산 알고리즘을 제안한다. 제안하는 알고리즘은 클러스터의 균등 부하 분산을 위해 행렬을 이용하여 예상되는 연산 부하를 측정하고 이에 따라 파티션을 생성한다. 아울러, 클러스터에서 질의 처리에 사용되지 않는 데이터를 필터링함으로서 연산 부하를 감소시킨다. 마지막으로 성능 평가를 통해 제안하는 알고리즘이 기존 기법에 비해 질의 처리 성능 측면에서 우수함을 보인다.

As distributed computing platforms like Hadoop MapReduce have been developed, it is necessary to perform the conventional query processing techniques, which have been executed in a single computing machine, in distributed computing environments efficiently. Especially, studies on similarity join query processing in distributed computing environments have been done where similarity join means retrieving all data pairs with high similarity between given two data sets. But the existing similarity join query processing schemes for distributed computing environments have a problem of skewed computing load balance between clusters because they consider only the data transmission cost. In this paper, we propose Matrix-based Load-balancing Algorithm for efficient similarity join query processing in distributed computing environment. In order to uniform load balancing of clusters, the proposed algorithm estimates expected computing cost by using matrix and generates partitions based on the estimated cost. In addition, it can reduce computing loads by filtering out data which are not used in query processing in clusters. Finally, it is shown from our performance evaluation that the proposed algorithm is better on query processing performance than the existing one.

자바 언어를 이용하여 이질적인 컴퓨팅 자원으로 구성된 컴퓨팅 환경에서 효율적으로 분산 병렬 처리를 수행할 수 있도록 하는 웹컴퓨팅 방법이 제시되었다. 본 연구에서는 인트라넷상의 유휴 컴퓨팅 자원을 활용하는 '협력하는 웹컴퓨팅 환경(Cooperative Web Computing Environment : CWCE)'을 구축하였다. 이 환경은 특히 협력하는 병렬 프로그램을 효율적으로 수행할 수 있도록 한다. CWCE 컴퓨터들 사이의 통신 집중 감소를 위해 복수 개의 매니저 컴퓨터를 운용할 수 있는 방법을 제공한다. 또한 최적화 된 수행을 지원하기 위해 필요한 매니저 컴퓨터의 개수를 결정할 수 있는 '매니징 레벨 결정 함수'를 제공한다. 본 연구에서는 동기화 된 통신을 요구하는 응용 프로그램이 CWCE 환경에서 복수 개의 매니저 컴퓨터를 이용함으로써 보다 효율적으로 수행될 수 있음을 분석과 실험을 통해서 보이도록 하였다.

The portability of Java language makes it possible to use heterogeneous computers without re-compiling of application programs. Java applet can also be transported to other computers via Web browser. In this research, a Cooperative Web Computing Environment(CWCE) that uses idle computers on the Intranet for cooperative parallel computing work is suggested. The CWCE allows to use more than a manager computer that sends applets and manages communication between other computers. The number of manager computers can be determined according to the characteristics of computing environment and any chosen application program. It can reduce the amount of communication overhead for the application programs especially with synchronized communication. For the CWCE, a decision function to determine the managing level is provided. The CWCE turns out to be useful computing environment for the applications with less computation request ratio and multi-managing can help to reduce the communication overhead especially for the applications with a high ratio of synchronization purpose communications.

클러스터링은 상호 의존적 구성에 필요한 구조적인 기술이다. 클러스터링은 가변적 업무부하를 처리하거나, 서비스 연속성을 저해하는 고장 발생 시 운영이 계속되도록 여러대의 컴퓨터시스템 기능을 서로 연결하는 메커니즘이다. 고 가 용성 클러스터링 기능은 가능한 오랜시간 서버 시스템이 작동하는데 중점을 둔다. 이 클러스터 는 멀티플 시스템 에서 실행되는 노드와 서비스를 중복하여 가지고 있어서 서로가 서로를 추적할 수 있다. Active-Standby 상태의 두 시스템 이 있을 경우 활성 서버에 장애가 발생했을 때 모든 서비스가 대기 서버에서 구동돼 서비스가 이루어진다. 이 기능을 절체 또는 스위치오버(switchover)라 한다. 고가용성 클러스터링 기능은 가능한 오랜시간 서버 시스템이 작동하는데 중 점을 둔다. 이 클러스터는 멀티플 시스템 에서 실행되는 노드와 서비스를 중복하여 가지고 있어서 서로가 서로를 추적 할 수 있다. 한 노드가 장애 발생 시 둘째 노드가 몇초 이내에 고장 난 노드 임무를 수행한다. 고가용성 클러스터링 구 조는 효율성 여부가 측정되어야 한다. 시스템 성능은 인프라시스템의 performance, latency, 응답시간(responseTime), CPU 부하율(CPU utilization), CPU상의 시스템 프로세스(system process)수로 대표된다.

Clustering is required to configure clustering interdependent structural technology. Clustering handles variable workloads or impede continuity of service to continue operating in the event of a failure. Long as high-availability clustering feature focuses on server operating systems.Active-standby state of two systems when the active server fails, all services are running on the standby server, it takes the service. This function switching or switchover is called failover. Long as high-availability clustering feature focuses on server operating systems. The cluster node that is running on multiple systems and services have to duplicate each other so you can keep track of. In the event of a node failure within a few seconds the second node, the node shall perform the duties broken. Structure for high-availability clustering efficiency should be measured. System performance of infrastructure systems performance, latency, response time, CPU load factor(CPU utilization), CPU processes on the system (system process) channels are represented.

본 논문은 클라우드 컴퓨팅 환경에서 다양한 분산 멀티미디어 서비스를 효율적으로 제공하기 위한 새로운 시맨틱 버 스 모델을 제안한다. 제안하는 시맨틱 버스 모델은 1) 계층적으로 함께 협력하는 애플리케이션과 전송 바인딩으로 구성되어 있으며, 2) 버스의 실시간 동적 적응을 지원하기 위해, 형상 제어 공간과 기능 제어 공간으로 구성된 메타 공간을 갖으며, 3) 프로파일 기반 서비스 및 자원 관리를 지원한다. 4) 또한, 제안하는 시맨틱 버스를 생성하기 위 한 인터페이스를 Backus-Naur Form 정의를 기반으로 제안하였다. 실험을 통해 제안된 시맨틱 버스 모델이 기존 의 균일 non-시맨틱 모델에 비해 향상된 처리량을 제공함을 검증하였으며, 제안된 버스 모델은 차세대 컴퓨팅 플랫 폼에서 서비스 제공 및 데이터 전송을 위한 핵심 인프라로 활용될 수 있다.

This paper proposes a new semantic bus model to efficiently provide multimedia services in a cloud computing environment. The proposed semantic bus model 1) consists of applications and transport bindings that cooperate together hierarchically; 2) has a metaspace consisting of a configuration control space and a function control space to support real-time dynamic adaptation of the bus; 3) supports profile-based service and resource management; 4) We also proposed Backus-Naur Form (BNF) defintion based interface specification that generates the proposed semantic bus models. Through experiments, it was verified that the proposed semantic bus model provides improved throughput compared to the existing non-semantic model. The proposed bus model can be used as a core infrastructure for service provision and data transmission in next-generation computing platforms.