디지털 라이브러리[ 검색결과 ]
지리적 인접성을 이용한 아파트 가격변화율 예측 모델 개발
http://doi.org/10.5626/JOK.2022.49.6.424
최근 들어 금관구, 노도강, 마용성 등 주택가격이 권역별로 변동하는 탈동조화 현상이 심화하고 있다. 해당 현상의 특징은 각 권역이 지리적으로 가까운 구들로 구성되어 있다는 것이다. 본 논문은 서울시의 인접한 자치구들 사이에는 가격이 상호 동조한다고 보고 가격 변동이 인접 지역에 의한 것임을 확인하고자 한다. 가설 검증에는 아파트 가격변화율, 거시경제지표 및 사교육 지표가 사용되며 이는 3차원(시간, 거리, 속성)의 데이터로 조립되고 CNN으로 학습된다. 조립 방식에 따라 모델은 3가지 하위 모델(타깃 지역만 고려(I), 원거리 지역 고려(II), 이웃 수 변경(III))로 세분되며 성능은 MAE와 MDA로 측정된다. 실험 결과, 이웃을 사용한 모델은 영속성 모델과 XGBoost 보다 좋은 성능을 보였고 하위 모델은 모델 III(이웃 수 3인 경우), II, I 순으로 좋은 성능을 보였다. 이를 통해 ‘이웃’이 타깃 지역의 아파트 가격변화율에 영향을 미친다는 것을 알 수 있었다.
RocksDB의 컬럼 패밀리 간 성능간섭 현상 분석
http://doi.org/10.5626/JOK.2021.48.7.835
대표적인 LSM-tree 기반 키-밸류 스토어인 RocksDB는 클라이언트가 데이터의 특성에 따라 키-밸류들을 분류할 수 있도록 컬럼 패밀리 기능을 제공한다. 각 컬럼 패밀리는 독립적인 쓰기 버퍼를 가지고 분류된 키-밸류들을 관리하지만 데이터 일관성을 위해 WAL 파일은 공유한다. 하지만, 이러한 WAL 파일을 공유하는 구조는 컬럼 패밀리 간의 성능간섭을 유발하여 RocksDB의 쓰기 성능을 저하시킬 수 있다. 본 논문에서는 컬럼 패밀리 간 성능간섭으로 인한 RocksDB의 성능 저하 원인을 분석한다. 이를 위해 WAL 파일의 크기와 컬럼 패밀리의 수에 따른 RocksDB의 쓰기 성능을 측정하고 그 결과를 분석하였다. 실험 결과를 보면 RocksDB에서 구성된 컬럼 패밀리의 수와 WAL 파일의 크기에 따라 쓰기 성능이 최대 57.08%까지 감소하는 것을 확인할 수 있다.
온톨로지와 CNN 기반의 무인기와 주변 개체 간 위협 관계 추론
http://doi.org/10.5626/JOK.2020.47.4.404
무인기 스스로 주변 개체와의 관계를 파악하고 상황을 인지하는 기술은 다양한 분야에서 필요로 하는 기술이다. 이를 위해 다양한 방법이 연구되고 있다. 대부분의 연구는 관련 도메인의 지식을 온톨로지로 구축하고 이를 기반으로 지식 추론하는 방식으로 해결하고 있다. 하지만 이러한 방식은 관련 도메인 지식을 가진 전문가의 의존성 때문에 전문가의 부재 시, 새로운 상황에 대해 대처할 지식을 구축하기가 어렵다. 또한 전문가가 고려하지 못한 상황을 추론하기 위한 지식을 구축하기가 어렵다. 그래서 본 연구에서는 이와 같은 문제를 해결하기 위해 온톨로지와 CNN을 이용하여 무인기와 주변 개체 간의 관계를 추론하기 위한 모델을 구축하는 방식을 제안한다. 온톨로지 추론의 정확도는 부족하다는 가정에서 감지된 주변 개체들의 정보를 활용하여 온톨로지 추론을 먼저 수행한다. 그리고 온톨로지 추론 결과는 CNN을 사용하여 보정한다. 실제 데이터 확보의 한계로 인해 데이터 생성기를 구축하여 실 데이터와 유사한 데이터를 생성하였다. 본 연구의 평가를 위해 2가지 개체 간 관계에 대한 모델을 구축하여 평가하였으며 두 관계 모델 모두 90% 이상의 정확도를 보였다.
CPU 사용량을 고려한 고성능 저장장치 기반 가상화 시스템의 I/O 완료 처리 기법
http://doi.org/10.5626/JOK.2019.46.7.612
최근 Samsung Z-SSD 및 Intel Optane SSD와 같은 고성능 저장장치의 등장으로 인해 시스템의 I/O 성능 오버헤드가 저장장치에서 소프트웨어 I/O 계층으로 이동하였다. 이로 인해 하이퍼바이저 및 운영체제는 고성능 저장장치의 성능을 최대한 활용하기 위해 I/O 완료 처리 기법 중 하나인 폴링 방식의 효용성을 주목하고 있으며, 하이브리드 폴링(Hybrid Polling) 및 적응형 폴링(Adaptive Polling)과 같은 새로운 기법들을 적용하여 사용하고 있다. 본 논문은 QEMU-KVM 하이퍼바이저에서 제공하는 적응형 폴링 방식의 문제점을 설명한 뒤, 고성능 저장장치의 응답 시간을 최대한으로 활용하면서 CPU 사용량을 감소시키는 새로운 I/O 완료 처리 기법을 제안한다. 실험 결과, 제안된 기법은 64KB 이하 크기의 I/O 요청에 대해 기존 기법 대비 최대 5.3% 지연된 응답 시간을 보여주지만, CPU 사용량은 최대 39.7% 감소한 것을 확인할 수 있다.
InnoDB 기반 DBMS에서 다중 버퍼 풀 오버헤드 분석
대규모 웹 서비스의 등장으로 데이터의 규모가 점차 증가하는 추세이다. 이러한 대규모 데이터를 효율적으로 관리하기 위해 MySQL과 MariaDB와 같은 DBMS가 주로 사용되고 있으며, 이들은 데이터 관리를 위한 스토리지 엔진으로 InnoDB를 주로 사용한다. InnoDB는 ACID를 보장할 뿐만 아니라 대규모 데이터 처리에 적합하다는 장점이 있기 때문이다. InnoDB의 경우, I/O 성능 향상을 위해 버퍼 풀을 통해 데이터와 인덱스를 캐싱하며 락 경쟁(lock contention)을 줄이기 위해 다중 버퍼 풀을 지원한다. 그러나 다중 버퍼 풀 기법은 데이터 일관성 오버헤드를 증가시킨다. 본 논문에서는 다중 버퍼 풀 기법의 오버헤드를 분석한다. 실험 결과, 다중 버퍼 풀 기법을 사용함에 따라 락 경쟁이 최대 46.3%까지 완화되었지만 디스크 I/O와 fsync 명령이 증가하면서 DBMS의 처리량이 50.6%까지 떨어지는 현상을 확인하였다.
가상머신의 페이지 공유 기회를 향상시키기 위한 우선순위 큐 기반 힌트 관리 기법
대부분의 데이터 센터에서는 제한된 물리 자원을 효율적으로 사용하기 위해 가상화 기술을 이용하여 서버 통합을 시도하고 있다. 또한, 가상화 기술이 적용된 시스템에서는 가상머신 간의 중복된 내용의 페이지를 제거하기 위해 내용 기반의 페이지 공유 기법을 흔히 사용한다. 하지만, 기존의 메모리 공유기법의 경우 공유 가능한 페이지를 의미하는 힌트를 단순히 스택에 저장함으로써 해당 정보를 효율적으로 관리하지 못하는 단점이 있다. 본 논문에서는 가상화 시스템의 페이지 공유 기회를 향상시키기 위해 게스트에서 호스트로 전달된 힌트를 효율적으로 관리하기 위한 우선순위 큐 기반 힌트 관리 기법을 제안한다. 실험 결과를 보면 기존의 기법보다 제안기법이 효율적으로 힌트를 관리하여 공유 가능성이 낮은 힌트를 우선적으로 제거하는 것을 확인할 수 있다.
시스템 환경이 Filebench 벤치마크에 미치는 영향 분석
최근 낸드 플래시 메모리가 널리 보급됨에 따라 기존 파일 시스템의 한계를 보완하고 낸드 플래시 메모리의 장점을 활용하기 위한 파일 시스템 연구가 활발히 진행되고 있다. 이렇게 제안된 파일 시스템들에 대해서는, 일반적으로 벤치마크를 통해 성능 측정이 이루어진다. 서버나 모바일 환경에서 실제 시스템의 성능 측정이 어려울 경우, 벤치마크는 측정하고자 하는 실제 시스템에 대한 직접적인 성능 측정 대신 워크로드를 통해 재현된 환경에서 소프트웨어적 성능 측정을 가능하게 한다. 이 때, 성능 측정 환경이 실제 시스템이 아니기 때문에 측정하는 시스템 환경에 따라서 일정하지 않은 성능 측정 결과를 보인다. 이에 본 논문에서는 파일 시스템의 성능을 측정하는데 흔히 사용되는 벤치마크 중에서 Filebench를 이용하여 여러 가지 시스템 환경에 따른 성능 측정 결과를 살펴보고 측정 결과의 변동이 생기는 원인을 알아본다. 실험 결과, 캐시 내부에 벤치마크 I/O 외의 성능 측정에 불필요한 I/O가 많이 발생할수록 벤치마크의 성능 측정 결과가 떨어지는 것을 확인하였다. 또한 fsync 동작이 포함된 백그라운드 I/O를 동작시키는 경우에는 최대 98.2%의 성능 저하가 발생하는 것을 확인하였다.
모바일 애플리케이션의 특성을 이용한 하이브리드 메모리 기반 버퍼 캐시 정책
모바일 디바이스는 데스크톱이나 서버 등 일반 컴퓨터 시스템과 마찬가지로 주기억장치와 스토리지와의 성능 차이를 완화시키기 위해 버퍼 캐시를 사용한다. 그러나 DRAM 은 저장된 데이터를 유지하기 위해 주기적인 refresh 연산을 수행함으로써 제한된 크기의 배터리 소모를 가속화하는 문제점을 가지고 있다. 본 논문에서는 모바일 디바이스 환경에서 배터리의 수명을 연장하기 위해 DRAM과 비휘발성 메모리인 PCM으로 구성된 하이브리드 메인 메모리 구조기반의 버퍼캐시 정책을 소개한다. 또한, PCM의 성능 및 내구성 특성을 최적화시키기 위해 프로세스 상태 기반의 새로운 버퍼 캐시 정책을 제안한다. 제안 기법은 포그라운드 및 백그라운드 애플리케이션이 사용하는 페이지를 서로 다른 방법으로 배치함으로써 소량의 DRAM 으로도 포그라운드 애플리케이션의 빠른 응답성을 보장한다. 실험 결과, 제안 기법은 포그라운드 애플리케이션의 총 수행시간을 평균 58% 감소시켰으며 전력 소비량도 평균 23% 감소시키는 것을 확인하였다.
분산 슈퍼컴퓨팅 기술에 기반한 신약재창출 시뮬레이션 사례 연구
본 논문에서는 대규모의 계산 작업을 고성능으로 처리해야 하는 신약재창출 시뮬레이션 분야에 분산 슈퍼컴퓨팅 기술을 적용한 사례에 대해 논의하고자 한다. 신약재창출이란 기존에 알려진 약물의 새로운 적응증을 규명하는 것을 의미하며, 이러한 신약재창출은 비교적 짧은 수행시간을 갖는 대규모의 도킹(docking) 연산들을 고성능으로 처리해야한다는 점에서 Many-Task Computing (MTC) 성격을 지니고 있다. 이러한 MTC 응용들의 대표 사례로서 신약재창출 시뮬레이션을 분산 슈퍼컴퓨팅 환경 기반의 HTCaaS 시스템에 적용하였으며, 이를 통해 효율적인 작업 배포, 동적인 자원 할당 및 로드 밸런싱, 안정성 및 다양한 자원들의 효율적인 통합 등이 이러한 과학 응용들을 지원하는 데 있어 필수적인 기능임을 확인할 수 있었다.
