http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
가상 데스크톱 이미지의 계층화 저장을 위한 블록 레벨 가상 디바이스 연구
안재훈(Jae-Hoon An),윤현식(Hyun-Sik Youn),손재기(Jae-Gi Son),전기만(Ki-Man Jeon) 한국정보기술학회 2014 Proceedings of KIIT Conference Vol.2014 No.5
네트워크 및 클라우드 서비스의 발전에 따라 가상 데스크탑 환경이 다양한 분야에서 활용되고 있다. 그러나 가상 데스크탑 환경을 구축하기 위해 추가적인 하드웨어 및 소프트웨어 비용이 소요되어 확산에 걸림돌로 작용하고 있다. 특히 사용자마다 전체 운영체제 이미지 등의 저장공간을 제공함으로써 고가의 저장장치를 효율적으로 사용하지 못하고 있는 문제점이 있다. 본 논문은 가상 데스크탑 이미지의 효율적인 저장을 위해 리눅스의 블록 레벨 가상 디바이스에 관한 연구이다. 블록 레벨의 가상 디바이스는 가상 데스크탑 이미지를 공용 블록과 개인화 블록으로 나뉘어 효율적으로 저장한다. 기존 블록 디바이스와 가상 데스크탑 환경의 성능저하 없이 28% 이상의 저장공간을 절약, 효과적으로 저장할 수 있는 특징이 있다. Virtual Desktop Infrastructure(VDI) environment is widely used in several department. However, the high cost for building a VDI system makes hard to be diffused. Particularly, serving a storage use to save such Operating System and Images that use an expensive and voluminous storage. This paper is a study of linux block level virtual device to reduce the VDI storage size, thus will provide cost saving effect. An block level virtual device stores image by dividing a public block from private block. As a result, this block level virtual device features reducing a 28% of storage size and saving effectively without a falling-off in performance.
실시간 빅데이터 처리를 위한 분산형 고속 스트림 처리 기술 설계
김시원(Siwon Kim),손재기(Jae-Gi Son),안재훈(Jae-Hoon An) 대한전자공학회 2018 대한전자공학회 학술대회 Vol.2018 No.6
In this day and age, Combination of media has made bigger and more complex data than before. Naturally it causes huge amounts of data and It called as “big-data” which is hard to obtain, save, manage and analyze. Big data is often characterized like Volume, Velocity, Variety. But especially term ‘velocity’ in the context is most important technique which is guarantee of high-speed and accuracy is challenging task in nowadays. In this paper, we designed distributed High-speed stream processing technique for real-time big-data processing. While an inflow of continuous data, In order to implement high-speed streaming system, it need to be processed by native streaming. This study is subject to certain conditions. The point of this paper consists in technology to allocate those processes with efficiency by distribution of resources among each computing nodes. We compared this paper with other distributed data processing techniques. The whole procedure and structure are described step-by-step below by giving a detailed description.