관계형 데이터베이스 시스템에서의 다중쓰레드를 활용한 데이터 수집 기법 :A method for data collection using multi-thread in relational database system

박정화

추천

검색

자료유형: 학위논문

저자정보: 박정화 (고려대학교, 高麗大學校 컴퓨터情報通信大學院)

지도교수: 白斗權

발행연도: 2016

저작권: 고려대학교 논문은 저작권에 의해 보호받습니다.

이용수1

이 논문의 연구 히스토리 (2)

2016

관계형 데이터베이스 시스템에서의 다중쓰레드를 활용한 데이터 수집 기법

박정화 소프트웨어工學科 2016.01 학위논문

2015

관계형 데이터베이스 시스템에서의 다중 쓰레드를 활용한 데이터 분배 및 수집 기법

박정화 , 이의종 , 백두권 한국정보과학회 학술발표논문집 2015.06 학술대회자료

이 논문의 후속연구가 궁금하신가요?
연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
이 논문의 연구 히스토리 확인하기

초록· 키워드

오류제보하기

일반적으로 관계형 데이터베이스 시스템 간의 인터페이스 또는 데이터 수집은 JDBC(Java Database Connectivity)를 기반으로 배치 프로그래밍된 수집 모듈을 통해 이뤄진다. 그 이유는 ETL(Extraction, Transformation, Loading) 도구의 경우 별도의 지식이 필요하여 교육이 필요하다는 점과 구입비용이 발생한다는 점 등 진입장벽이 존재하기 때문이다. 하지만 JDBC를 기반으로 배치프로그래밍을 할 경우 수집모듈 구현 시 고려되어야 하는 사항들이 명확히 제시되어 있지 않아 개발자 개인능력에 의해 수집모듈의 성능이 영향을 받기 쉽다. 또한 일반적으로 배치프로그래밍 시 활용하는 구현 방법은 각각의 규모가 작은 다수의 데이터 집합을 수집하는 것은 효과적이지만 방대한 크기의 단일 데이터 집합을 수집할 경우 성능이 급격히 저하된다는 점이 있다. 더불어, 현재 시스템 자원 상황을 고려하지 않고 고정된 임의의 값을 배치 및 커밋 사이즈로 설정하여 데이터를 수집하기 때문에 수집성능이 저하되는 문제점이 있다. 이에 본 연구에서는 위와 같은 문제를 해결하기 위해 대용량의 단일 데이터 집합을 다수의 수집모듈로 나눠 수집하는 방법과 수집하는 데이터의 크기를 고려하여 배치 및 커밋 사이즈를 동적으로 설정하는 방법 제시해 위 문제를 개선하였다.

#RDBMS #관계형 데이터베이스 #데이터 수집 #다중쓰레드

요 약 = 1
1. 서론 = 8
1.1 연구의 목적 = 8
1.2 연구의 범위 = 11
2. 연구배경 및 관련연구 = 12
2.1 데이터 수집 성능에 영향을 미치는 요인 = 12
2.1.1 Lock = 12
2.1.2 Row Lock = 12
2.1.3 Table Lock = 13
2.1.4 동시성 제어 = 14
2.1.5 오라클의 DML처리 구조 = 15
2.2 오라클에서 데이터를 수집하는 방법 = 17
2.2.1 SQL Loader = 17
2.2.2 Extraction Transformation Loading = 20
2.2.3 ETL 도구 = 22
2.2.4 JDBC 배치프로그래밍 = 22
2.3 관련연구 = 26
2.3.1 ETL 데이터 이관의 성능 향상에 관한 연구 = 26
2.3.2 데이터 마이그레이션을 위한 오픈소스 ETL도구 평가 = 26
3. 다중 쓰레드를 활용한 데이터 수집 기법 = 27
3.1 제안하는 수집 방법 = 27
3.1.1 전체 아키텍처 = 27
3.1.2 자원 모니터링 모듈 = 29
3.1.3 수집기 생성 모듈 = 33
3.1.4 데이터 할당모듈 = 34
4. 테스트 환경 및 결과 = 38
4.1 테스트 장비 사양 = 38
4.2 소스 데이터 = 39
4.3 테스트 시나리오 = 43
4.4 Talend와 제안 수집방법 성능 비교 = 44
4.4.1 Talend 테스트 = 44
4.4.2 제안 수집방법 테스트 = 47
4.4.3 테스트 결과 비교 및 평가 = 47
5. 결론 = 53

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

이 논문의 연구 히스토리 (2)

초록· 키워드

목차

최근 본 자료

댓글(0)