최적화된 클러스터 구축을 위한 오픈스택 스위프트 오브젝트 스토리지 분석 :Analysis of OpenStack Swift Object Storage for Building Optimized Storage Cluster

김정환

추천

검색

자료유형: 학위논문

저자정보: 김정환 (한양대학교, 한양대학교 대학원)

지도교수: 강수용

발행연도: 2017

저작권: 한양대학교 논문은 저작권에 의해 보호받습니다.

이용수4

이 논문의 연구 히스토리 (2)

2017

최적화된 클러스터 구축을 위한 오픈스택 스위프트 오브젝트 스토리지 분석

김정환 컴퓨터·소프트웨어학과 2017.01 학위논문

2016

오픈스택 스위프트 오브젝트 스토리지에서의 병목지점을 통한 노드 최적화 분석

김정환 , 안정근 , 한혁 외 1명 한국정보과학회 학술발표논문집 2016.12 학술대회자료

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

초록· 키워드

오류제보하기

인터넷 및 소형기기(Smart Phone, Tablet PC, Net-book)의 기술발전으로 인해 데이터의 사용량은 꾸준히 증가되고 있다. 또한 사용자들에게 제공되는 플랫폼의 서비스가 다양해짐에 따라 정형화 되어 있지 않는 구조를 가진 데이터들이 많아지고 있다.
하지만 오늘날 증가되고 있는 데이터는 기업들에게 관리의 중요성을 주는 동시에 성장할 수 있는 좋은 기회로 작용될 수 있다. 기업들은 정형화 되어 있지 않은 데이터 저장관리에 대한 인프라 구축비용을 절감하고 데이터 분석에 많은 비용을 투자를 하고 있는 추세이다.
인프라적인 비용을 절감하고 비정형 데이터를 저장 및 관리하는데 Object Storage는 특화되어 있다. Object Storage는 비정형 데이터를 안전하게 저장하고 관리하기 위해 개발된 방식의 스토리지이다. 기존의 File Storage 및 Block Storage는 데이터를 파일 계층화 구조로 관리하고 데이터의 최소 저장 단위를 블록 단위로 관리하게 되어 있다. 하지만 Object Storage는 파일이 저장되어 질 때 파일에 대한 구체적인 정보를 가지고 있는 메타데이터를 생성, 보관, 관리해서 데이터의 종류에 따라 구분하여 객체단위로 저장 및 관리할 수 있다. 이런 관리 방법에 따라 많은 양의 데이터를 효율적인 방식으로 저장 할 수 있으며 메타데이터를 이용해 신속한 파일 검색에 대한 지원이 가능하다.
본 논문에서는 오픈소스인 OpenStack Swift Object Storage 시스템을 사용하여 데이터 사이즈에 따라 해당 시스템에 어떤 병목 현상이 발생되며 발생된 병목 현상을 통해서 Cluster의 확장 구조를 어떤 형식으로 가져가야 되는지 또한 Cluster의 초기 구축에 있어서 인프라적인 비용절감을 어떤 구조로 가져가야 되는지 분석한다. 추가적으로 서비스를 제공하려는 목적에 따라 OpenStack Swift Object Storage Cluster의 초기 구축에 대한 노드 최적화 방안에 대해 분석하고자 한다.

#컴퓨터공학

차 례
국문 요지 5
제1장 서 론 6
1.1. 연구배경 및 목적 6
1.2. 논문의 구성 8
제2장 관련 연구 9
2.1. Object Storage 9
2.1.1. OpenStack Swift Object Storage 10
2.1.2. OpenStack Swift Account / Container Server 11
2.1.3. OpenStack Swift Proxy Server 12
2.1.4. OpenStack Swift Object Server 13
2.2. OpenStack Swift Request(API) 구조 13
2.2.1. PUT(Write) / GET(Read) Request동작방식 14
제3장 Swift Cluster 구축 시 고려사항 17
3.1. Data Size 환경요인 17
3.2. System Resource 요인 17
제4장 성능 측정 19
4.1. 실험 환경 19
4.2. 실험 평가 방법 및 Workload 설정 22
4.2.1. 실험 평가 방법 22
4.2.2. Workload 설정 24
4.3. 실험 및 성능 측정 분석 24
4.3.1. 작은 파일 성능분석 25
4.3.2. 큰 파일 성능분석 27
4.3.3. Profiling 성능분석 29
제5장 결론 및 향후과제 31
참고문헌 33
ABSTRACT 35

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)