지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학위논문
- 저자정보
- 지도교수
- 鄭然敦
- 발행연도
- 2013
- 저작권
- 고려대학교 논문은 저작권에 의해 보호받습니다.
이용수0
이 논문의 연구 히스토리 (2)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
최근, 다양한 인터넷 서비스의 등장으로 다루어야 할 데이터의 양이 증가하고 있고, 이러한 대용량 데이터 분석에 대한 관심이 매우 높아지고 있다. 대용량 데이터 분석은 다양한 집계 질의가 많이 사용되는데, 이를 효율적으로 처리하기 위해 데이터 큐브가 사용된다.
본 논문은 맵리듀스에서 대용량 데이터에 대한 새로운 데이터 큐브 생성 기법을 제안한다. 기존 데이터 큐브 생성 기법은 단일 머신 또는 적은 수의 노드로 구성된 클러스터 환경에 최적화 되어 있어, 알고리즘의 확장성에 문제가 있다. 또한, 맵리듀스와 같은 분산 환경에서 고려해야 하는 네트워크 비용 문제를 고려하지 않았다. 그렇기 때문에, 기존 데이터 큐브 생성 기법은 맵리듀스에서 대용량 데이터에 대해 데이터 큐브를 생성하기에 적합하지 않다. 따라서, 본 논문은 맵리듀스에서 대용량 데이터에 대해 데이터 큐브를 생성할 때 중간 결과 크기를 줄임으로써 네트워크 비용을 감소시켜 전체 질의 처리 시간을 단축시키는 새로운 데이터 큐브 생성 기법을 제안한다. 성능 평가를 통해, 데이터와 차원 속성의 수가 증가함에 따라 제안 기법이 비교한 기법들 보다 더 성능이 뛰어남을 보인다.
본 논문은 맵리듀스에서 대용량 데이터에 대한 새로운 데이터 큐브 생성 기법을 제안한다. 기존 데이터 큐브 생성 기법은 단일 머신 또는 적은 수의 노드로 구성된 클러스터 환경에 최적화 되어 있어, 알고리즘의 확장성에 문제가 있다. 또한, 맵리듀스와 같은 분산 환경에서 고려해야 하는 네트워크 비용 문제를 고려하지 않았다. 그렇기 때문에, 기존 데이터 큐브 생성 기법은 맵리듀스에서 대용량 데이터에 대해 데이터 큐브를 생성하기에 적합하지 않다. 따라서, 본 논문은 맵리듀스에서 대용량 데이터에 대해 데이터 큐브를 생성할 때 중간 결과 크기를 줄임으로써 네트워크 비용을 감소시켜 전체 질의 처리 시간을 단축시키는 새로운 데이터 큐브 생성 기법을 제안한다. 성능 평가를 통해, 데이터와 차원 속성의 수가 증가함에 따라 제안 기법이 비교한 기법들 보다 더 성능이 뛰어남을 보인다.
목차
1장 서론 52장 관련 연구 92.1 데이터 큐브 92.2 기존 데이터 큐브 연구 103장 연구 동기 134장 제안 기법 154.1 큐브 격자에서 큐보이드 간 종속 관계 154.2 큐보이드 그룹 174.3 큐브 생성 기법 195장 성능 평가 265.1 실험 환경 265.2 실험 결과 275.2.1 데이터 크기 증가에 따른 수행 시간 및 중간 결과 275.2.2 차원 속성 수 증가에 따른 수행 시간 및 중간 결과 296장 결론 31참고 문헌 32
최근 본 자료
댓글(0)
0