RISS 학술연구정보서비스

검색
다국어 입력

http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.

변환된 중국어를 복사하여 사용하시면 됩니다.

예시)
  • 中文 을 입력하시려면 zhongwen을 입력하시고 space를누르시면됩니다.
  • 北京 을 입력하시려면 beijing을 입력하시고 space를 누르시면 됩니다.
닫기
    인기검색어 순위 펼치기

    RISS 인기검색어

      KCI등재

      차량 데이터 센터를 위한 작업 분할 기법

      한글로보기

      https://www.riss.kr/link?id=A106388855

      • 0

        상세조회
      • 0

        다운로드
      서지정보 열기
      • 내보내기
      • 내책장담기
      • 공유하기
      • 오류접수

      부가정보

      국문 초록 (Abstract)

      자율주행을 목표로 개발된 차량들의 컴퓨팅 성능과 통신속도가 급격하게 향상되고 있으며, 일부 차량의 경우 서버급 컴퓨터 이상의 성능을 보이고 있다. 이러한 고성능 차량들이 대중화되었을 때를 가정하고, 주차된 차량의 여유 자원을 활용하여 클라우드 서비스를 제공하는 연구들이 제안되고 있다. 본 논문에서는 차량으로 이루어진 데이터센터에서 작업의 크기를 자원 노드의 수에 따라 분할하고, 분할된 작업의 크기에 따른 예상 작업 수행시간을 계산하여 최적의 작업크기를 구하는 알고리즘을 제안하였다. 고성능의 소수 차량에게만 작업을 할당하는 경우, 저성능 차량을 모두 포함시키는 경우 등에 대해 실험을 실시하여 제안한 알고리즘을 검증하였다.
      번역하기

      자율주행을 목표로 개발된 차량들의 컴퓨팅 성능과 통신속도가 급격하게 향상되고 있으며, 일부 차량의 경우 서버급 컴퓨터 이상의 성능을 보이고 있다. 이러한 고성능 차량들이 대중화되...

      자율주행을 목표로 개발된 차량들의 컴퓨팅 성능과 통신속도가 급격하게 향상되고 있으며, 일부 차량의 경우 서버급 컴퓨터 이상의 성능을 보이고 있다. 이러한 고성능 차량들이 대중화되었을 때를 가정하고, 주차된 차량의 여유 자원을 활용하여 클라우드 서비스를 제공하는 연구들이 제안되고 있다. 본 논문에서는 차량으로 이루어진 데이터센터에서 작업의 크기를 자원 노드의 수에 따라 분할하고, 분할된 작업의 크기에 따른 예상 작업 수행시간을 계산하여 최적의 작업크기를 구하는 알고리즘을 제안하였다. 고성능의 소수 차량에게만 작업을 할당하는 경우, 저성능 차량을 모두 포함시키는 경우 등에 대해 실험을 실시하여 제안한 알고리즘을 검증하였다.

      더보기

      다국어 초록 (Multilingual Abstract)

      The computing performances and communication speeds of vehicles developed for autonomous driving are rapidly improving. The performances of some of these vehicles even exceed those of server-class workstations. Based on the assumption that high computing performance vehicles will become popular, many studies have been proposed to utilize the computing resources of idling vehicles for cloud service. In this paper, we propose an algorithm that first divides the size of a job in the vehicular datacenter according to the number of resource nodes and then calculates the expected execution time according to the size of the divided job. The proposed algorithm is verified through experimental simulations of various cases where tasks are allocated only to a small number of high performance vehicles, all low performance vehicles are included, etc.
      번역하기

      The computing performances and communication speeds of vehicles developed for autonomous driving are rapidly improving. The performances of some of these vehicles even exceed those of server-class workstations. Based on the assumption that high comput...

      The computing performances and communication speeds of vehicles developed for autonomous driving are rapidly improving. The performances of some of these vehicles even exceed those of server-class workstations. Based on the assumption that high computing performance vehicles will become popular, many studies have been proposed to utilize the computing resources of idling vehicles for cloud service. In this paper, we propose an algorithm that first divides the size of a job in the vehicular datacenter according to the number of resource nodes and then calculates the expected execution time according to the size of the divided job. The proposed algorithm is verified through experimental simulations of various cases where tasks are allocated only to a small number of high performance vehicles, all low performance vehicles are included, etc.

      더보기

      목차 (Table of Contents)

      • 요약
      • Abstract
      • 1. 서론
      • 2. 관련 연구
      • 3. 제안 기법
      • 요약
      • Abstract
      • 1. 서론
      • 2. 관련 연구
      • 3. 제안 기법
      • 4. 실험 결과
      • 5. 결론
      • References
      더보기

      참고문헌 (Reference)

      1 김서연, "차량 데이터센터에서 클라우드컴퓨팅을 위한 자원 선택 기법" 한국인터넷방송통신학회 18 (18): 183-189, 2018

      2 이영재, "자율 주행 소프트웨어를 위한 차량 제어 프레임워크 구현 및 평가" 한국정보과학회 24 (24): 393-398, 2018

      3 F. Lambert, "electrek"

      4 T. Kim, "Vehicular datacenter modeling for cloud computing : Considering capacity and leave rate of vehicle" 88 : 363-372, 2018

      5 D. Choi, "Vehicular Networking and Applications for Connected Cars" 37 (37): 45-53, 2019

      6 X. Hou, "Vehicular Fog Computing : A Viewpoint of Vehicles as the Infrastructures" 65 (65): 3860-3873, 2016

      7 A. Ghazizadeh, "Vehicular Clouds : A Survey and Future Directions" 39 : 435-463, 2018

      8 M. Chaqfeh, "Vehicular Cloud data collection for Intelligent Transportation Systems" 1-6, 2016

      9 R. Hussain, "Rethinking Vehicular Communications : Merging VANET with Cloud Computing" 606-609, 2012

      10 L. Gu, "Leverage parking cars in a two-tier data center" 4665-4670, 2013

      1 김서연, "차량 데이터센터에서 클라우드컴퓨팅을 위한 자원 선택 기법" 한국인터넷방송통신학회 18 (18): 183-189, 2018

      2 이영재, "자율 주행 소프트웨어를 위한 차량 제어 프레임워크 구현 및 평가" 한국정보과학회 24 (24): 393-398, 2018

      3 F. Lambert, "electrek"

      4 T. Kim, "Vehicular datacenter modeling for cloud computing : Considering capacity and leave rate of vehicle" 88 : 363-372, 2018

      5 D. Choi, "Vehicular Networking and Applications for Connected Cars" 37 (37): 45-53, 2019

      6 X. Hou, "Vehicular Fog Computing : A Viewpoint of Vehicles as the Infrastructures" 65 (65): 3860-3873, 2016

      7 A. Ghazizadeh, "Vehicular Clouds : A Survey and Future Directions" 39 : 435-463, 2018

      8 M. Chaqfeh, "Vehicular Cloud data collection for Intelligent Transportation Systems" 1-6, 2016

      9 R. Hussain, "Rethinking Vehicular Communications : Merging VANET with Cloud Computing" 606-609, 2012

      10 L. Gu, "Leverage parking cars in a two-tier data center" 4665-4670, 2013

      11 W. He, "Developing Vehicular Data Cloud Services in the IoT Environment" 10 (10): 1587-1595, 2014

      12 S. Arif, "Datacenter at the Airport : Reasoning about Time-Dependent Parking Lot Occupancy" 23 (23): 2067-2080, 2012

      13 J. Petit, "Analysis of Authentication Overhead in Vehicular Networks" 1-6, 2010

      14 R. Z. Khan, "An Adaptive Hybrid Task Partitioning, Scheduling and Load Balancing Strategy for Heterogeneous Distributed System" 50 (50): 69-78, 2004

      더보기

      동일학술지(권/호) 다른 논문

      분석정보

      View

      상세정보조회

      0

      Usage

      원문다운로드

      0

      대출신청

      0

      복사신청

      0

      EDDS신청

      0

      동일 주제 내 활용도 TOP

      더보기

      주제

      연도별 연구동향

      연도별 활용동향

      연관논문

      연구자 네트워크맵

      공동연구자 (7)

      유사연구자 (20) 활용도상위20명

      인용정보 인용지수 설명보기

      학술지 이력

      학술지 이력
      연월일 이력구분 이력상세 등재구분
      2022 평가예정 재인증평가 신청대상 (재인증)
      2019-01-01 평가 등재학술지 유지 (계속평가) KCI등재
      2016-01-01 평가 등재학술지 유지 (계속평가) KCI등재
      2015-01-01 평가 등재학술지 유지 (등재유지) KCI등재
      2014-09-16 학술지명변경 한글명 : 정보과학회논문지 : 컴퓨팅의 실제 및 레터 -> 정보과학회 컴퓨팅의 실제 논문지
      외국어명 : Journal of KIISE : Computing Practices and Letters -> KIISE Transactions on Computing Practices
      KCI등재
      2013-04-26 학술지명변경 외국어명 : Journal of KISS : Computing Practices and Letters -> Journal of KIISE : Computing Practices and Letters KCI등재
      2011-01-01 평가 등재학술지 유지 (등재유지) KCI등재
      2009-01-01 평가 등재학술지 유지 (등재유지) KCI등재
      2008-10-02 학술지명변경 한글명 : 정보과학회논문지 : 컴퓨팅의 실제 -> 정보과학회논문지 : 컴퓨팅의 실제 및 레터
      외국어명 : Journal of KISS : Computing Practices -> Journal of KISS : Computing Practices and Letters
      KCI등재
      2007-01-01 평가 등재학술지 유지 (등재유지) KCI등재
      2005-01-01 평가 등재학술지 유지 (등재유지) KCI등재
      2002-01-01 평가 등재학술지 선정 (등재후보2차) KCI등재
      더보기

      학술지 인용정보

      학술지 인용정보
      기준연도 WOS-KCI 통합IF(2년) KCIF(2년) KCIF(3년)
      2016 0.29 0.29 0.27
      KCIF(4년) KCIF(5년) 중심성지수(3년) 즉시성지수
      0.24 0.21 0.503 0.04
      더보기

      이 자료와 함께 이용한 RISS 자료

      나만을 위한 추천자료

      해외이동버튼