Earticle

본 논문은 각 서버가 모든 비디오를 저장할 수 있는 클러스터 비디오 서버 환경에서, 사용자의 요청들을 서버들에 분배하는 방법을 논의한다. 제안 방법인 DynaBS는 각 비디오에 대한 인기도가 동적으로 변하는 환경에서 클러스터 비디오 서버의 성능을 최대화하는 요청 분배 방법이다. DynaBS는 사용자의 요청들을 관찰하고 이를 기반으로 주기적으로 새로운 목표 서비스 상태(Target Service State, TSS)를 세운다. TSS는 클러스터 비디오 서버의 성능이 최대화되는 이상적인 요청 분배 상태로서, 버퍼 공유가 최대화되는 한편 공유 손실이 최소화되는 상태이다. 버퍼 공유는 어떤 요청을 처리하기 위해 버퍼에 저장한 데이터를 다른 요청의 처리에 재사용하는 기법으로서, 디스크 연산을 감소시켜 동시에 더 많은 요청을 처리할 수 있게 한다. 공유 손실은 클러스터 비디오 서버의 현재 서비스 상태가 TSS로 바뀌어가는 과정에서 일시적으로 버퍼 공유가 감소되는 현상을 말한다. 시뮬레이션에 기반한 다양한 실험을 통해 DynaBS가 다른 요청 분배 방법에 비해 우수한 성능을 가짐을 보인다.

We consider a request distribution method that distributes incoming user requests among servers in a clustered video server, when each server in the cluster can store all video files in its local storage. The proposed method called DynaBS improves the performance of a clustered video server in environments where the popularity of videos dynamically changes. DynaBS monitors incoming user requests and periodically determines the Target Service State (TSS) based on them. The TSS is an ideal service state of the clustered video server where its performance is maximized by maximizing buffer sharing while minimizing sharing loss. Buffer sharing shares previously buffered data for multiple requests, making it possible to support more number of concurrent requests by reducing costly disk operations. Sharing loss is a temporary degradation of buffer sharing incurred while the current service state is being changed to TSS. Through simulations driven by various dynamic workloads, we show that DynaBS outperforms the other methods.

With the increasing scale of grid systems, reliability evaluation for both grid systems and applications become more and more challenging, especially when taking the heterogeneity and dynamical workload into consideration. In this work, a workload-aware reliability evaluation model is proposed, in which queuing system is applied to describe the dynamic workload and working of grid resources. To supporting deadline-sensitive applications, a new class of resource fault, namely Deadline-Miss fault, is introduced to evaluate the reliability of these applications. The validity of the proposed model and its approach to calculate deadline-sensitive job’s reliability are presented theoretically. Extensive experiments are conducted to verify its performance, and the results show that the proposed model can significantly improve the accuracy of reliability evaluation in presence of dynamic workload. Also, scheduling algorithm based on this model can reduce mean response time and the deadline-miss rate for deadline-sensitive grid applications.

국내외에서 AI기반 의료 솔루션 시장은 빠른 속도로 확장 중이며 이에 따른 다양한 의학 분야에서 많은 기법을 통한 의료 AI 시스템이 등장하고 있다. 그러나 기존 다양한 AI 연구가 이뤄짐에도 아직 중환자의 징후 예측에는 많은 어려움이 있다. 또한, 중환자의 경우 현재 의료진만으로 모든 환자를 필요한 시기에 진료하기엔 어려움이 있고 환자 상태 조기 예측이 필수적임을 관련 다양한 의학 기사를 통해 쉽게 인지할 수 있다. 본 연구에서는 위와 같은 문제점을 해결하고자 중환자의 진료 결과 데이터를 활용하여 환자의 진료 후 상태를 예측하는 모델을 생성하였다. '용인시산업진흥원'에서 제공하는 60만여 건에 달하는 환자 데이터를 수집하여, 중환자 상태 징후를 조기에 예측할 수 있는 머신러닝/딥러닝 기반 알고리즘으로 구현한 여러 모델에 대해 비교했을 때 딥러닝(DNN) 기반 모델이 약 92%의 분류 정확도를 측정할 수 있었다.

본 논문에서는 최근 스마트업체이며 제조업체로 화두가 되고 있는 샤오미 키워드로 빅데이터 분석을 활용하여 분석하고자 한다. 샤오미는 2021년 스마트폰 제조업체 세계1위를 차지했고, 글로벌 100대 브랜드(2022)에는 처음으로 84위에 진입하여 급격하게 성장하고 있는 업체 중 하나이다. 특히 국내에서도 점차 점유율이 커지고 있는 상황에서 국내 소비자들의 인식과 향후 국내에서의 입지를 알아보고자 한다. 국내 포털과 SNS에 채널을 통한 '샤오미' 키워드에 관한 데이터를 통해 키워드 분석, 워드클라우드, 토픽모델링 등의 분석을 진행하여 최근 국내 샤오미에 관한 인식과 향후 방향성을 제시해보고자 한다.

지표면 아래에는 다양한 구조물들이 매설되어 있으며, 특히 도시가스 배관이나 전기 배선과 같이 문제가 발생할 경우 우리의 안전을 크게 위협할 수 있는 다양한 위험요소들이 존재하고있다. 따라서 다양한 오염물질과 접하게 되는 지하 구조물들은 부식에 대단히 민감하기 때문에 부식의 진행 정도를 정확히 파악하지 못하는 경우 가스 배관의 누설과 같은 대형 사고로 이어질 수 있다. 지금까지는 사람이 직접 지하구조물에 일일이 방문하여 수작업으로 측정하고 기록하는 방식이 주로 사용되었으나, 이 방식은 많은 인적/물적 자원이 요구되어 관리의 연속성이 떨어지게 된다. 따라서 지속적인 관리를 통해 위험요소를 신속하게 발견하기 위한 연구가 필요하며, 본 연구에서는구조물 관리 시스템에 ICT를 결합하여 이동 중인 차량에서 지하구조물에 대한 상태 정보를 무선으로 수집하고 분석하여 신속히 대비할 수 있는 시스템을 제안한다.

There are a variety of structures below the surface are buried. In particular, if It is experiencing problems in the city gas pipe or electrical wire, our safety would be greatly jeopardized. Therefore, the underground structures which encounter a variety of pollutants are highly sensitive to corrosion. So if you are not identify the degree of corrosion, it can lead to large accidents such as gas leakage. Until now, person visit directly every underground structure to measure and record manually, but This approach requires a lot of human and material resources and the continuity of management. Therefore, the research to find out the risk factors quickly via the continuous management is needed, and in this paper the structures management systems in the vehicle being moved by combining ICT underground structures for state information wirelessly collects and analyzes system is proposed.

본 논문에서는 트위터 사용자들의 리트윗 행위의 기반이 되는 이유와 동기에 대한 탐색적인 연구방법을 제안한다. 본 논문은 리트윗 행위가 메시지가 가진 속성, 트위터 사용자의 이유와 내면적 가치가 반영되어 나타나는 현상이라고 주장하고, 다음의 연구방법을 이용하였다. 우선 리트윗 동기에 관한 선행연구가 제시한 34개 항목을 이용하여 리트윗행위와 연관된 메시지 속성, 이유, 가치를 묻는 설문문항을 만든 후, 트위터 이용자들(N=171)에게 자신이 리트윗한 다섯 개의 메시지들에 대해 답하도록 하였다 (5개 메시지 ${\times}$ 34 문항 = 170). 이를 바탕으로 34개의 동기와 이유, 가치들이 어떻게 군집화 되는가를 요인분석을 통해서 살펴보았다. 분석결과, 리트윗을 하는 대표적 요인으로 (1) 공공적 성격, (2) 재미와 즐거움, (3) 공동체적 도움, (4) 소식과 정보 등이 나타났다. 요인 2와 4는 전통적 저널리즘적 성격을, 1과 3은 대체적 (대안) 저널리즘 성격을 띈 동기로 파악하였다. 요인 1과 3이 기존의 저널리즘을 보강하는 역할을 하기도 하지만, 온라인에서의 의견 양극화와 이어질 수도 있다는 것을 논의하였다. 이 외에도 (1) 내재적 가치와 공동체적 (2) 동질감, (3) 소속감 등이 리트윗 행위의 기반이 되는 이유와 가치라고 파악하였다.

The study aims at exploring motivation, rationale, and values in twitter users' retweet behavior. It proposes that diffusion of message is based on the complex interactional relationships among attributes of original message, user's rationale, and values. Based on a pilot study, we constructed a total of 34 questions asking message attributes, motivation, and values of retweeting. Then, twitter users participated in an online survey, in which they evaluate their own 5 retweet messages based on the constructed questions(5 messages ${\times}$ 34 questions = 170). Then, a factor analysis is done in order to see the dimensions of the concepts in retweet behavior; and understand how message attributes, motivations, and values are inter-related with each other. The main factors extracted were: (1) public fairness, (2) fun and playfulness, (3) communal help, (4) news and information, etc. Factor 2 and 4 show the traditional journalism characteristics; while factor 1 and 3 do alternative journalistic values. The latter may work as a rectifying factors for traditional journalism; however, backfiring mechanism for group polarization. In addition, (1) users' internal identities, (2) communal unity and (3) belongness were identified as rationales and values for retweet behavior.

본 논문에서는 고성능 컴퓨팅 시스템의 성능 향상을 위한 효율적인 동적 작업부하 균등화 정책을 제안한다. 이 정책은 시스템 자원인 CPU와 메모리를 효율적으로 사용하여 고성능 컴퓨팅 시스템의 처리량을 최대화하고, 각 작업의 수행시간을 최소화한다. 또한 이 정책은 수행중인 작업의 메모리 요구량과 각 노드의 부하 상태를 파악하여 작업을 동적으로 할당한다. 이때 작업을 할당받은 노드가 과부하 상태가 되면 다른 노드로 작업을 이주시켜 각 노드의 작업부하를 균등하게 유지함으로써 작업의 대기시간을 줄이고, 각 작업의 수행시간을 단축한다. 본 논문에서는 시뮬레이션을 통하여 제안하는 동적 작업부하 균등화 정책이 기존의 메모리 기반의 작업부하 균등화 정책에 비해 고성능 컴퓨팅 시스템의 성능 향상 면에서 우수함을 보인다.

In this paper, we propose an efficient dynamic workload balancing strategy which improves the performance of high-Performance computing system. The key idea of this dynamic workload balancing strategy is to minimize execution time of each job and to maximize the system throughput by effectively using system resource such as CPU, memory. Also, this strategy dynamically allocates job by considering demanded memory size of executing job and workload status of each node. If an overload node occurs due to allocated job, the proposed scheme migrates job, executing in overload nodes, to another free nodes and reduces the waiting time and execution time of job by balancing workload of each node. Through simulation, we show that the proposed dynamic workload balancing strategy based on CPU, memory improves the performance of high-performance computing system compared to previous strategies.

VoD(Video on Demand) 시스템의 QoS(Quali쇼 of Service)는 클라이언트들의 스트림 서비스 요청이 시스템으로부터 거부되거나 서비스 도중에 손실되는 장애현상의 발생을 줄임으로써 향상시킬 수 있다. 본 연구에서는 VoD 시스템의 작업과정을 주기적으로 모니터링하며, 동적으로 작업부하(workload)를 조정하여 장애현상의 발생을 줄임으로써 성공적인 스트림 서비스 처리량(throughput)을 증가시킬 수 있는 동적 작업부하조정기 (Dynamic Workload Balancer) 모델을 제안하였다. 제안된 모델은 에이전트개념을 사용하여 VoD 시스템과는 서로 독립적으로 작동할 수 있게 하였으며, VoD 시스템과 인터페이스를 하는 에이전시(Agency) 부분과 작업부하 조정에 필요한 조치를 추론하거나 학습하는 인텔리전스(Intelligence) 부분으로 구성된다. 그리고 제안된 모델을 VoD 시스템에 적용하는 경우에 실효성이 있는지를 시뮬레이터를 구현하여 실험하였다. 실험의 결과, 제안된 모델을 적용하면 기존의 방법을 적용한 경우보다 상대적으로 QoS가 향상된다는 것을 알 수 있었다.

The QoS(Quality of Service) of VoD(Video on Demand) systems can be improved by reducing the faults that the stream service request from clients is rejected by the VoD server or lost during the service. This paper proposes a model of Dynamic Workload Balancer that can adjust the workload dynamically through the periodical monitoring of the VoD system, and so increase the throughput. The proposed model runs independently from the VoD system by adopting the agent concept. The model comprises the agency part interfacing the VoD system and the intelligence part reasoning or teaming the facts required for the adjustment of workload. An experiment of implementing a simulator was conducted to see whether or not application of the proposed model to VoD system is effective. As a result of the experiment, it was found that the throughput was relatively increased when the proposed model was applied compared to existing means.

고화질 입체 영상의 효과적인 재생을 위해 PC클러스터를 활용한 여러 형태의 병렬화 기법이 제안되었지만, 영상을 구성하는 객체의 분포가 균일하지 않은 경우 충분한 성능을 발휘하지 못하였다. 본 연구에서는 POV-Ray 렌더러를 채택한 PC클러스터 기반의 병렬 렌더링 시스템을 구축하고, 병렬화 성능을 높이기 위한 효과적인 부하 균형 기법을 개발하였다. 특히 애니메이션을 구성하는 연속 프레임 작업에서 프레임간의 연관성(coherence)이 높다는 사실에 근거하여, 임의 프레임의 각 분할 영역에 소요된 계산량을 바탕으로 다음 프레임의 부하 분포를 예측하고 이에 맞게 각 프로세서의 작업 영역을 재조정하는 기법을 제안하였다. 제안 기법의 성능을 평가하기 위해, 충분하지는 않지만 2개의 실제 애니메이션 데이터에 대한 적용 결과, 정적 분할에 비해 약 40% 가량의 성능 향상을 보였다. 또한 다양한 부하 분포에 대한 각 기법의 성능을 추정하기 위해 수행한 모의실험에서, 정적 분할 기법에 대해 부하균형, 확장성 측면에서 우월한 것으로 예측되었다.

Even though many studies on parallel rendering based on PC clusters have been done. most of those did not cope with non-uniform scenes, where locations of 3D models are biased. In this work. we have built a PC cluster system with POV-Ray, a free rendering software on the public domain, and developed an adaptive load balancing scheme to optimize the parallel efficiency Especially, we noticed that a frame of 3D animation are closely coherent with adjacent frames. and thus we could estimate distribution of computation amount, based on the computation time of previous frame. The experimental results with 2 real animation data show that the proposed scheme reduces by 40% of execution time compared to the simple static partitioning scheme.

VoD(Video on Demand) 시스템의 작업과정을 주기적으로 모니터링하며, 작업부하(workload)를 동적으로 조정할 수 있는 에이전트 시스템(agent system)은 VoD 시스템과 인터페이스를 하는 에이전시(Agency) 부분과 작업부하 조정에 필요한 조치를 추론하거나 학습하는 인텔리전스(Intelligence) 부분으로 구성된다. 본 연구에서는 에이전트 시스템의 인텔리전스 부분에서 적용할 수 있는 학습 방법(learning method)을 제안하였다. 제안된 방법은 규칙의 추론과정과 사례기반 학습 과정에 의하여 작업부하를 보다 효율적으로 조정할 수 있게 한다. 그리고 제안된 방법을 VoD 시스템에 적용하는 경우에 실효성이 있는지를 시뮬레이터를 구현하여 실험하였다. 실험의 결과, 제안된 방법을 적용하는 경우에 기존의 방법을 적용한 경우보다 상대적으로 성공적인 스트림 서비스 처리량(throughput) 과 VoD 서버에서의 평균 대기시간이 향상된다는 것을 알 수 있었다.

The agent system that can adjust the workload dynamically through thc periodical monitoring of the VoD system comprises the agency part interfacing the VoD system and the intelligence part reasoning or learning the facts required for the adjustment of workload. This paper proposes a learning method that can apply to the intelligence part of the agent system. The proposed method can adjust the workload more efficiently by the rule's reasoning process and case-based learning process. An experiment of implementing a simulator was conducted to see whether or not application of the proposed method to VoD systems is efficient. As a result of the experiment, it was found that the throughput and the average waiting time of the VoD server were relatively improved when the proposed method was applied compared to existing means.

낸드 플래시 메모리를 이용한 SSD(Solid State Disk)는 하드 디스크를 대체할 매체로 주목받고 있다. SSD는 성능을 최대화 하기 위해 다수의 낸드 플래시 메모리를 병렬적으로 구성한다. 하지만 SSD에 하이브리드 매핑 기법을 적용할 경우 SSD의 특징으로 인해 성능 감소가 발생 가능하다. 본 논문에서는 SSD를 위한 페이지 매핑 기반의 WADPM (Workload-Aware Dynamic Page-level Mapping Scheme) 기법을 제안한다. WADPM은 필요한 매핑 정보만 RAM에 상주하며 또한 매핑 정보의 적중률에 따라 매핑 정보의 크기를 동적으로 변경시킨다. 이로 인해 페이지 매핑 기법의 단점인 매핑 테이블의 크기가 큰 것을 예방한다. 실험을 통해 WADPM 기법은 하이브리드 매핑 기법에 비해 최대 3.5배의 성능향상을 보이며, 매핑 테이블의 크기는 페이지 매핑 기법에 비해 최대 50%만 유지되는 것을 보인다.

The NAND flash memory based SSDs are considered to replace the existing HDDs. To maximize the I/O performance, SSD is composed of several NAND flash memories in parallel. However, to adopt the hybrid mapping scheme in SSD may cause degradation of the I/O performance. In this paper, we propose a new mapping scheme for the SSD called WADPM. WADPM loads only necessary mapping information into RAM and dynamically adjusts the size of mapping information in the RAM. So, WADPM avoids the shortcoming of page-level mapping scheme that requires too large mapping table. Performance evaluation using simulations shows that I/O performance of WADPM is 3.5 times better than the hybrid-mapping scheme and maximum size of mapping table of WADPM is about 50% in comparison with the page-level mapping scheme.

최근 중앙 집중화된 대규모 클라우드 시스템의 증가로 인해 가상화 환경에서 수행되는 성능 최적화 작업에 대한 많은 연구가 진행되고 있다. 그러나 기존 연구에서는 자원 분배의 공정성을 위해 가상머신 단위로 컴퓨팅 자원을 격리한 정책 내에서 이루어지고 있어 유연한 자원관리에 한계를 가지고 있다. 본 연구에서는 워크로드의 특징을 기반으로 과학적 연산을 수행하는 가상머신과 일반적인 서비스를 수행하는 가상머신을 분류하여 성능 최적화 작업을 수행하는 동적 자원 관리자를 제안한다. 실험을 통하여 제안하는 동적 자원 관리자가 KVM 기본 스케줄링에 비해 49%의 성능 향상을 보였다.

최근 중앙 집중화된 대규모 클라우드 시스템의 증가로 인해 가상화 환경에서 수행되는 성능 최적화 작업에 대한 많은 연구가 진행되고 있다. 그러나 기존 연구에서는 자원 분배의 공정성을 위해 가상머신 단위로 컴퓨팅 자원을 격리한 정책 내에서 이루어지고 있어 유연한 자원관리에 한계를 가지고 있다. 본 연구에서는 워크로드의 특징을 기반으로 과학적 연산을 수행하는 가상머신과 일반적인 서비스를 수행하는 가상머신을 분류하여 성능 최적화 작업을 수행하는 동적 자원 관리자를 제안한다. 실험을 통하여 제안하는 동적 자원 관리자가 KVM 기본 스케줄링에 비해 49%의 성능 향상을 보였다.

최근 스마트 TV는 고성능의 하드웨어 지원으로 성능이 대폭 향상되었다. 향후 스마트 TV는 홈 클라우드 시스템의 서버 역할을 할 것으로 기대된다. 홈 클라우드 서버로서의 스마트 TV를 지원하기 위해서는 가상화 기술이 필수적이다. 하지만 스마트 TV는 임베디드 환경에서 가상화를 원활하게 제공하기에는 메모리가 제한적이다. 본 논문에서는 이를 해결하고자 스마트 TV의 워크로드 특성을 고려한 동적 메모리 분배 기법을 제안한다. 또한, 이를 기존의 방법들과 비교 평가하여 스마트 TV의 메모리 부하를 최적화하는 방법을 제시한다. 본 제안기법은 큰 오버헤드 없이 가상머신 간의 QoS(Quality of Service)를 보장하며, 워크로드의 WSS(Working Set Size)를 정확하게 측정함으로써 기존의 기법에 비해 장점을 가진다.

Recently, the performance of smart TV has been improved with the support of high-performance hardware. In the near future, smart TV is expected to play a role as a server of the home cloud system. To support the smart TV as a home cloud server, virtualization technique is essential. However, the memory of smart TV in embedded environment is limited to provide a smooth virtualization service. This paper proposes a dynamic memory distribution scheme to solve the memory problem in the virtualized smart TV environment. Also, we show some optimization methods which lowers the memory overloads in smart TV, compared with other conventional methods. Our scheme guarantees the QoS(Quality of Service) among the VMs of the smart TV system without significant overhead. Also, our scheme has another strong point by measuring the WSS(Working Set Size) accurately.