빅데이터 스트림 환경에서 효율적인 군집 OLAP 분석 기법

국문 초록 (Abstract)

온라인 분석 처리 (OLAP: Online Analytical Processing) 기술은 데이터 웨어하우스 시스템과 접목되어 데이터 분석가 및 기업의 의사 결정권자에게 필수적인 도구로 성장해 왔다. 그러나 기존 OLAP 방식의 데이터 모델은 대부분 스마트폰과 SNS로 대표되는 빅데이터 컴퓨팅 환경에는 적합하지 않다. 빅데이터는 그 발생량이 매우 많을 뿐만 아니라 발생 속도가 빨라 데이터의 차원 속성값을 효율적으로 군집화 하는 방법이 필수적이다. 이를 위해서 OLAP의 다차원 데이터 모델인 데이터 큐브를 적용하여 사용자가 관심 있어 하는 영역에 대해 속성값을 그룹화 하여 처리하는 기법이 연구되었지만, 기존의 연구는 그룹화의 효율성이 낮고 메모리 사용량이 크다는 문제점이 있다. 본 논문에서는 기존의 데이터 큐브 모델링을 기반으로 빅데이터 스트림의 다차원 속성값에 대해 클러스터링 기법을 적용하여 보다 효과적인 OLAP 분석 수행 방법을 제안한다. 제안하는 방법은 기존의 분석 방법들에 비해서 다소 측정치에 대한 정확도가 낮아질 수 있지만 대용량의 다차원 데이터 스트림을 처리하고 분석하기 위한 메모리 사용량과 OLAP 연산 수행 시간을 감소시킨다.

다국어 초록 (Multilingual Abstract)

With the development of data warehouse system, an OLAP (Online Analytical Processing) has been evolved as an essential tool for data analysts and decision makers. However, it is not feasible to apply the previous data models to the big data computing environments, such as the smart phones and social network services, The big data is generated with the huge volume and the rapid rate, so that it is necessary to group the attribute values of the data efficiently. In order to process such a big data stream, the areas of a user`s interest should be predefined to confined to confine areas but it cannot be employed to the data stream environment because of low performance. To cope with this drawback, this paper proposes a multi-dimensional clustering OLAP method based on the data cube model for dynamically grouping a set of attributes values effectively. The proposed method can reduce the required memory space and the running time for processing and analyzing the multi-dimensional data stream, even though the accuracy of operations may become decreased slightly.

목차 (Table of Contents)

• 요약
• ABSTRACT
• Ⅰ. 서론
• Ⅱ. 관련연구
• Ⅲ. 군집화 기반 OLAP 분석
• Ⅳ. 성능 평가
• Ⅴ. 결론
• 참고문헌