http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
무선 센서 네트워크 환경에서 확장성을 고려한 그리드 기반의 데이터 중심 저장 기법
윤종현(Jong-hyeon Yun),여명호(Myung-ho Yeo),김유미(Yu-mi Kim),이석재(Seok-jae Lee),유재수(Jae-soo Yoo) 한국콘텐츠학회 2007 한국콘텐츠학회 종합학술대회 논문집 Vol.5 No.1
최근 센서 네트워크 환경에서 통신비용과 질의처리비용 감소를 위한 데이터 중심 저장 기법에 대한 연구가 활발히 진행되고 있다. 데이터 중심 저장 기법은 센서가 센싱한 데이터를 특정 센서 노드로 보내 저장하는 기법이다. 기존 연구들은 센서들에게 배정하는 데이터 주소 공간의 불균일한 배치, 핫스팟 발생에 따른 노드의 저장 부하 집중 등의 문제점을 갖고 있다. 본 논문에서는 이러한 문제점들을 해결하기 위해 그리드 기반의 새로운 데이터 중심 저장기법을 제안한다. 제안하는 기법에서는 센서들에게 균일하게 데이터 주소 공간을 배정하는 주소 지정 기법과 핫 스팟 영역의 저장 부하를 쉽게 분산 시킬 수 있는 저장 공간 확장 기법을 제안한다. Recently, several data centric storage(DCS) systems have been proposed to reduce the costs of communication and query processing. In DCS, a sensor sends sensing data to a specific node that stores the data. Previous researches have problems that data-address spaces are assigned to sensors ununiformly and the overhead of storing data occurs at hot-spot areas. In this paper, we propose a new grid-based DCS scheme to solve the problems. In our grid-based DCS scheme, the address assignment method that assigns data-address spaces uniformly to sensors and the storage extension method that distributes the overhead of storing data to sensors at the hot-spot areas are proposed.
Spark 환경에서 대용량 그래프 유사 서브 그래프 매칭 기법
임종태(Jongtae Lim),최도진(Dojin Choi),서동민(Dongmin Seo),유석종(Seok Jong Yu),복경수(Kyoungsoo Bok),유재수(Jaesoo Yoo) 한국정보과학회 2018 정보과학회 컴퓨팅의 실제 논문지 Vol.24 No.9
최근 각종 실험 장비의 발전에 따라 과학데이터가 급격히 증가하고 있다. 특히 그래프 데이터를 활용한 유사 서브 그래프 매칭 기법은 다양한 분야의 응용 및 연구에서 중요하게 활용되고 있다. 하지만 기존의 유사 서브 그래프 매칭 기법들은 단일 서버 환경에서 동작하도록 설계되어 있기 때문에 대용량 그래프의 처리에 한계가 존재한다. 따라서 본 논문에서는 Spark 환경에서 대용량 그래프 유사 서브 그래프 매칭 기법을 제안한다. 제안하는 기법은 분산 컴퓨팅 환경을 고려하여 대용량 그래프에 대한 처리를 수행한다. 또한 보다 효율적인 가지치기, 유사도 계산, 그리고 결과 반환 기법을 이용하여 유사 서브 그래프 매칭의 가지치기 효율 및 속도를 향상시킨다. With the development of various experiment tools, the amount of science data generated for fields such as astronomy, cosmology, biology, and humanities has increased rapidly. Among these science data, graph data occupies a very high proportion. Approximate sub-graph matching is the analytic technique that searches for the similar subgraphs with a query graph in target graph. However, the existing approximate subgraph matching schemes have limits to process large scale network data because they do not consider the distributed computing environments. In this paper, we propose an approximate subgraph matching scheme for large-scale graph data in distributed computing environments. The proposed scheme uses big data processing platform to process the large-scale graph data. And the proposed scheme improves the performance of the query processing using efficiently pruning algorithm and similarity calculate algorithm.