네트워크 로그와 SNMP를 통해 취득할 수 있는 서버의 상태 정보 로그는 빅 데이터 분석 기술과 결합하였을 때 최종 사용자에게 더욱 많은 정보를 제공할 수 있다. 네트워크 로그는 서버의 대역폭과 트래픽 사용량을 나타내는 주요 자료이다. 이를 분석하면 추후 필요할 대역폭 및 트래픽 증폭 주기 등을 예측할 수 있어 서버의 용량을 적정하게 추가하거나 적정한 시기에 보수작업을 진행할 수 있도록 효율적인 유지보수 스케줄을 작성할 수 있다.
또한 네트워크 서버의 활동 ...
네트워크 로그와 SNMP를 통해 취득할 수 있는 서버의 상태 정보 로그는 빅 데이터 분석 기술과 결합하였을 때 최종 사용자에게 더욱 많은 정보를 제공할 수 있다. 네트워크 로그는 서버의 대역폭과 트래픽 사용량을 나타내는 주요 자료이다. 이를 분석하면 추후 필요할 대역폭 및 트래픽 증폭 주기 등을 예측할 수 있어 서버의 용량을 적정하게 추가하거나 적정한 시기에 보수작업을 진행할 수 있도록 효율적인 유지보수 스케줄을 작성할 수 있다.
또한 네트워크 서버의 활동 프로파일을 시기에 맞게 자동 조정하도록 설정하여 시스템 자원의 가용성을 높이고 그 성능을 극대화 시킬 수 있으며 필요 없이 낭비되는 시스템 자원을 아끼는 효과를 얻을 수 있다. 분석 모델이 정립된다면 현황을 정확하게 판단하고 해결할 수 있는 적정 대응 방안들을 도출해낼 수 있게 된다. 또한 과거의 패턴들을 분석하여 현재 정보와 조합해 추후 발생할 문제 상황을 미리 예측하고 선제 대응할 수 있는 기회를 제공할 수 있다.
본 연구에서는 네트워크 트래픽과 로그, SNMP 로그를 분석하여 서버를 효율적으로 운용하고 네트워크 서비스의 품질을 극대화 시킬 수 있도록, 또한 네트워크 품질 수준을 항상 일관되게 유지할 수 있도록 정확한 분석 모델을 만드는 것을 목표로 한다. 네트워크 로그와 SNMP의 로그를 이용하면 네트워크와 서버에 관련된 모든 정보를 알아 볼 수 있다.
하지만 로그의 종류 또한 매우 많고 그 양 또한 방대하기 때문에 본 연구에서는 네트워크 로그 분석에서는 시스템 로그, 웹 로그, 네임서버 로그, FTP 로그, 보안 로그, 메일 로그의 6종류 로그만 분석하는 것으로 범위를 설정하였다. SNMP의 로그에서는 CPU, Memory, Disk의 사용 로그만을 분석의 대상 범위로 설정하였다.
본 연구는 해당 범위 하에서 네트워크 트래픽 예측과 서버 상태 예측을 수행하는 두 가지 모델을 시계열 분석을 기반으로 구현하고, 가능성을 확인하는 것을 목표로 설정하였다. 실험에 사용할 데이터의 범위는 최근 1년 이내 수집된 모든 데이터로 설정한다. 단, 본 보고서에서는 지면의 한계와 가독성을 고려하여 1개월 단위를 데이터 수집 주기와 데이터 단위 묶음으로 설정하였다.
실험을 통하여 본 연구에서 제안하는 방법은 앞으로 발생할 문제를 적정 수준에서 선 반영하여 예측하는 것을 확인할 수 있었다. 또한 과민한 반응을 통해서 트래픽과 서버의 상태가 이후 어떻게 변화할 지에 대해 예측할 수 있는 모습을 보였다. 따라서 본 연구에서 제안하는 모델은 최종 사용자의 성향과 일정에 따라 일부 인자를 조정하면 상용화 가능한 수준으로 발전할 수 있음을 확인하였다.
네트워크 로그와 SNMP를 통해 취득할 수 있는 서버의 상태 정보 로그는 빅 데이터 분석 기술과 결합하였을 때 최종 사용자에게 더욱 많은 정보를 제공할 수 있다. 네트워크 로그는 서버의 대역폭과 트래픽 사용량을 나타내는 주요 자료이다. 이를 분석하면 추후 필요할 대역폭 및 트래픽 증폭 주기 등을 예측할 수 있어 서버의 용량을 적정하게 추가하거나 적정한 시기에 보수작업을 진행할 수 있도록 효율적인 유지보수 스케줄을 작성할 수 있다.
또한 네트워크 서버의 활동 프로파일을 시기에 맞게 자동 조정하도록 설정하여 시스템 자원의 가용성을 높이고 그 성능을 극대화 시킬 수 있으며 필요 없이 낭비되는 시스템 자원을 아끼는 효과를 얻을 수 있다. 분석 모델이 정립된다면 현황을 정확하게 판단하고 해결할 수 있는 적정 대응 방안들을 도출해낼 수 있게 된다. 또한 과거의 패턴들을 분석하여 현재 정보와 조합해 추후 발생할 문제 상황을 미리 예측하고 선제 대응할 수 있는 기회를 제공할 수 있다.
본 연구에서는 네트워크 트래픽과 로그, SNMP 로그를 분석하여 서버를 효율적으로 운용하고 네트워크 서비스의 품질을 극대화 시킬 수 있도록, 또한 네트워크 품질 수준을 항상 일관되게 유지할 수 있도록 정확한 분석 모델을 만드는 것을 목표로 한다. 네트워크 로그와 SNMP의 로그를 이용하면 네트워크와 서버에 관련된 모든 정보를 알아 볼 수 있다.
하지만 로그의 종류 또한 매우 많고 그 양 또한 방대하기 때문에 본 연구에서는 네트워크 로그 분석에서는 시스템 로그, 웹 로그, 네임서버 로그, FTP 로그, 보안 로그, 메일 로그의 6종류 로그만 분석하는 것으로 범위를 설정하였다. SNMP의 로그에서는 CPU, Memory, Disk의 사용 로그만을 분석의 대상 범위로 설정하였다.
본 연구는 해당 범위 하에서 네트워크 트래픽 예측과 서버 상태 예측을 수행하는 두 가지 모델을 시계열 분석을 기반으로 구현하고, 가능성을 확인하는 것을 목표로 설정하였다. 실험에 사용할 데이터의 범위는 최근 1년 이내 수집된 모든 데이터로 설정한다. 단, 본 보고서에서는 지면의 한계와 가독성을 고려하여 1개월 단위를 데이터 수집 주기와 데이터 단위 묶음으로 설정하였다.
실험을 통하여 본 연구에서 제안하는 방법은 앞으로 발생할 문제를 적정 수준에서 선 반영하여 예측하는 것을 확인할 수 있었다. 또한 과민한 반응을 통해서 트래픽과 서버의 상태가 이후 어떻게 변화할 지에 대해 예측할 수 있는 모습을 보였다. 따라서 본 연구에서 제안하는 모델은 최종 사용자의 성향과 일정에 따라 일부 인자를 조정하면 상용화 가능한 수준으로 발전할 수 있음을 확인하였다.
The server status information logs, which can be obtained through network logs and SNMP, can provide more information to end users when combined with big data analysis techniques. The network log is a key resource for server bandwidth and traffic usage. By analyzing this, it is possible to predict t...
The server status information logs, which can be obtained through network logs and SNMP, can provide more information to end users when combined with big data analysis techniques. The network log is a key resource for server bandwidth and traffic usage. By analyzing this, it is possible to predict the bandwidth and the traffic amplification period which will be needed in the future, so that an efficient maintenance schedule can be created so that the capacity of the server can be appropriately added or the maintenance work can be carried out at an appropriate time. In addition, by automatically adjusting the activity profile of the network server in a timely manner, it is possible to maximize the availability of the system resources, maximize the performance of the system resources, and save unnecessary system resources. If an analytical model is established, appropriate countermeasures for accurately determining and solving the current situation can be derived. In addition, it can analyze past patterns and combine it with current information to provide an opportunity to anticipate future problems and to respond in advance. In this thesis, we aim to analyze network traffic, log, and SNMP logs to efficiently operate servers, maximize the quality of network services, and create accurate analytical models to consistently maintain network quality levels. Using the network log and SNMP logs, you can get all the information about the network and the server. However, since there are many types of logs and their quantities are also very large, in this study, the scope of the network log analysis is limited to analyzing only six types of logs: system log, web log, name server log, FTP log, security log and mail log . In the SNMP logs, only the usage logs of CPU, Memory, and Disk are set as the scope of analysis. In this paper, we set up two models for forecasting network traffic and server state prediction based on time - series analysis. The range of data to be used for the experiment is set to all the data collected within the last one year. However, in this report, we set the data collection cycle and the data unit bundle as one month unit considering the limit of the ground and the readability. Through the experiment, it was confirmed that the proposed method predicts future problems at appropriate level. It also showed how to predict how traffic and server status will change in the future through sensitive responses. Therefore, it is confirmed that the model proposed in this study can be developed to a commercial level by adjusting some factors according to the tendency and schedule of end users.
The server status information logs, which can be obtained through network logs and SNMP, can provide more information to end users when combined with big data analysis techniques. The network log is a key resource for server bandwidth and traffic usage. By analyzing this, it is possible to predict the bandwidth and the traffic amplification period which will be needed in the future, so that an efficient maintenance schedule can be created so that the capacity of the server can be appropriately added or the maintenance work can be carried out at an appropriate time. In addition, by automatically adjusting the activity profile of the network server in a timely manner, it is possible to maximize the availability of the system resources, maximize the performance of the system resources, and save unnecessary system resources. If an analytical model is established, appropriate countermeasures for accurately determining and solving the current situation can be derived. In addition, it can analyze past patterns and combine it with current information to provide an opportunity to anticipate future problems and to respond in advance. In this thesis, we aim to analyze network traffic, log, and SNMP logs to efficiently operate servers, maximize the quality of network services, and create accurate analytical models to consistently maintain network quality levels. Using the network log and SNMP logs, you can get all the information about the network and the server. However, since there are many types of logs and their quantities are also very large, in this study, the scope of the network log analysis is limited to analyzing only six types of logs: system log, web log, name server log, FTP log, security log and mail log . In the SNMP logs, only the usage logs of CPU, Memory, and Disk are set as the scope of analysis. In this paper, we set up two models for forecasting network traffic and server state prediction based on time - series analysis. The range of data to be used for the experiment is set to all the data collected within the last one year. However, in this report, we set the data collection cycle and the data unit bundle as one month unit considering the limit of the ground and the readability. Through the experiment, it was confirmed that the proposed method predicts future problems at appropriate level. It also showed how to predict how traffic and server status will change in the future through sensitive responses. Therefore, it is confirmed that the model proposed in this study can be developed to a commercial level by adjusting some factors according to the tendency and schedule of end users.
AI-Helper
※ AI-Helper는 부적절한 답변을 할 수 있습니다.