대용량 데이터 처리의 효율성과 유연한 시스템 제공을 위한 Event Sourcing, CQRS 기반의 IoT 플랫폼 설계 :Event Sourcing, CQRS based IoT platform design for efficient large data processing and flexible system provision

박찬열

추천

검색

자료유형: 학위논문

저자정보: 박찬열 (한밭대학교, 한밭대학교 정보통신전문대학원)

지도교수: 박현주

발행연도: 2021

저작권: 한밭대학교 논문은 저작권에 의해 보호받습니다.

이용수6

이 논문의 연구 히스토리 (2)

2021

대용량 데이터 환경에서 Event Sourcing과 CQRS 패턴의 적합성 제공과 이를 적용한 IoT 플랫폼 제안

박찬열 , 박현주 한국정보과학회 학술발표논문집 2021.06 학술대회자료

대용량 데이터 처리의 효율성과 유연한 시스템 제공을 위한 Event Sourcing, CQRS 기반의 IoT 플랫폼 설계

박찬열 모바일융합공학과 2021.01 학위논문

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

초록· 키워드

오류제보하기

변화하는 요구사항이나 변화하는 기술에 대응하여 발전하지 못하는 응용 프로그램은 유용하지 않다. IoT는 지속해서 발전하고 있으며 이에 맞춰 IoT 디바이스의 수는 크게 증가하고 있다. 또한 사용자의 요구사항은 끊임없이 변화하며 IoT 플랫폼은 이러한 모든 요구사항에 대응할 수 있어야 한다. CQRS는 명령(Command)과 쿼리(Query)를 분리한다. 대용량 트래픽 환경에서 이러한 분리는 매우 많은 이점을 가져온다. 명령은 CRUD에서 Create, Update, Delete에 해당하며, 조회는 Read에 해당한다. 즉 IoT 환경에서 사용자가 가장 많이 하는 요청인 조회와 그 외의 나머지 요청(명령)에 대한 분리를 통해 사용자의 요구사항에 대해 좀 더 유연하게 대처할 수 있으며 이는 대용량 데이터에 대한 요청에서 전통적인 아키텍처와 비교했을 때 큰 성능 향상을 이뤄낼 수 있다. 이벤트 소싱은 모든 요청에 대한 과정과 이 과정에서 발생하는 데이터를 이벤트를 통해 기록한다. 저장된 모든 이벤트는 리플레이를 통해 재생될 수 있다. 이는 사용자가 데이터를 사용하기 위한 어떠한 요구사항이 변경되더라도 이벤트를 재생함으로써 원하는 데이터 셋을 가공할 수 있다는 이점을 가진다. 저장된 이벤트는 사용자의 행동 분석, 검색 엔진의 성능 향상, 로그 분석 등에 사용될 수 있다. 이벤트는 현재 의미가 없는 데이터 일지라도 미래에 유의미한 데이터로 변할 가능성이 있으며 이는 추후에 부가적인 비즈니스 가치창출에 매우 유리하다. 본 논문에서는 대용량 데이터 환경에서 CQRS, 이벤트 소싱을 적용한 시스템에 관해 설명하며 전통적인 아키텍처와 비교하여 다른 특징 및 성능 차이에 대해 다룬다. 또한 저자가 구현한 IoT 플랫폼에 대한 전체적인 아키텍처, 구현 방법 등을 통해 대용량 데이터 환경에서 IoT 플랫폼을 구현하는 개발자에게 가이드라인을 제공하고자 한다.

I. 서론 1
II. 관련 연구 3
2.1 MSA(Micro Service Architecture) 3
2.1.1 마이크로서비스의 발전 과정 3
2.1.2 모놀리식과의 비교 3
2.2 DDD(Domain Driven Design) 5
2.3 CQRS(Command Query Responsibility Segregation) 5
2.4 Event Sourcing 6
2.4.1 Event Sourcing의 이점 6
III. 본문 8
3.1 전통적인 아키텍처 기반의 IoT 플랫폼 8
3.1.1 Service Initializing 10
3.1.2 Sensing Service의 동작 흐름 13
3.2 제안하는 IoT 플랫폼 15
3.2.1 Sensing Service의 동작 흐름 17
3.3 Actuating Service와 Sensing Service의 세부 구조 19
3.3.1 Event 구조 19
3.3.2 Command와 Query로 분리되는 애플리케이션 22
3.4 CQRS와 Event Sourcing을 결합한 애플리케이션의 이점 24
3.4.1 Command를 활용한 사용자의 의도파악 용이 24
3.4.2 이벤트를 활용한 비동기 처리 25
3.4.3 Command Model의 데이터 스토어 역할을 하는 이벤트 스토어 25
3.4.4 임피던스 불일치 제거 25
3.4.5 인스턴스 생성 및 배포 26
IV. 검증 및 평가 27
4.1 테스트 환경 27
4.2 테스트 시나리오 28
4.2.1 Test Suite 28
4.3 성능 분석 및 요약 28
V. 결론 및 향후 연구 31
VI. 참고문헌 33
ABSTRACT 34

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)