[논문]동시접속 사용자 접근을 고려한 데이터베이스 커넥션 풀 아키텍처

김영찬; 김태간; 이세훈; 임기욱; 이정현

doi:10.5392/jkca.2009.9.1.089

동시접속 사용자 접근을 고려한 데이터베이스 커넥션 풀 아키텍처
Database Connection Pool Architecture for User Interconnections Access 원문보기

한국콘텐츠학회논문지 = The Journal of the Korea Contents Association, v.9 no.1, 2009년, pp.89 - 97

김영찬 (인하대학교 정보공학과) , 김태간 (인하대학교 정보공학과) , 이세훈 (인하공업전문대 컴퓨터시스템과) , 임기욱 (선문대학교 컴퓨터정보학부) , 이정현 (인하대학교 컴퓨터공학부)

초록
AI-Helper

어플리케이션의 데이터베이스 시스템 사용이 날로 증가하면서, 사용자 급증에 따른 데이터베이스 시스템에 동시접속 하는 커넥션 처리 방법에 있어 중요성이 부각되고 있다. 이러한 데이터베이스의 커넥션을 효과적으로 처리하기 위해 데이터베이스 커넥션 풀이 도입되었으나, 동시접속 사용자가 증가하는 형태에 따른 커넥션 처리는 미비한 실정이다. 본 논문에서는 기존의 커넥션 풀 아키텍처를 개선하기 위하여 주 커넥션 풀 이외에 보조 커넥션 풀을 추가하였다. 또한 두 커넥션 풀의 연결을 관리하기 위하여 커넥션 풀 브로커를 정의하였다. 커넥션 풀 브로커는 주 커넥션 풀이 한계에 도달하였을 때 보조커넥션 풀로 연결을 제어한다. 실험을 통하여 동시접속 사용자가 급격히 증가하는 형태의 요청처리에 있어, 기존 데이터베이스 커넥션 풀 구조와 비교해서 응답시간의 향상된 결과를 확인하였다.

Abstract ▼ AI-Helper

The use of database system in application increases day by day. This brought out the DBMS interconnection access problem with rapid increase of the user. To solve these database connection problem, database connection pool has been presented. However, there is much to be desired on user's interconnection access. To improve previous connection pool architecture, we have designed the sub connection pool besides main connection pool in this paper. We defined connection pool broker to manage both main and sub connection pool connection. When main connection pool reached its limitation, connection pool broker transfers a connection from a main connection pool to a sub connection pool. When the interconnection access user increased rapidly, we have proved that the suggested sub pool architecture is more effective on response time by comparing it with other existing DBMS connection pool architectures using simulation.

주제어

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

본 논문에서는 데이터베이스 커넥션을 풀로부터 얻어 처리하는 웹 어플리케이션의 처리 시간을 얻기 위하여 동시 접속자를 늘려가면서 그 성능을 측정 하였다. 측정의 대상은 관련연구에서 설명한 데이터베이스 커넥션 풀 아키텍처와 본 논문에서 제시한 데이터베이스 커넥션 풀 아키텍처이다.
본 논문에서는 동시접속 사용자 접근을 고려한 데이터베이스 커넥션 풀 아키텍처를 제시하고 이를 구현하였다. 실험 결과를 통하여 기존의 데이터베이스 커넥션 풀 아키텍처 방식은 동시접속 사용자가 급속히 증가함에 따라 데이터 처리에 대한 응답시간 또한 급속히 증가하는 것을 알 수 있다.
본 논문에서는 웹 어플리케이션 구축 시 사용하는 데이터베이스 커넥션 풀에 대하여 사용자의 동시접속에 따른 데이터베이스 접근에 대한 성능을 평가하고, 이에 따른 개선된 데이터베이스 커넥션 풀 아키텍처를 제시하고 구현 하는 것을 목표로 한다. 구현된 데이터베이스 커넥션 풀 아키텍처는 사용자의 동시접속 부하를 발생하게 하여 그 성능을 측정함으로써, 구현된 데이터베이스 커넥션 풀이 안정적으로 요청을 처리 할 수 있는 가를 파악한다.

제안 방법

개선된 데이터베이스 커넥션 풀 아키텍처의 구현에 사용된 서버는 HP DL380 기종을 사용하였다. 개발 툴로는 eclipse3.3을 사용하였고, 개발 언어로는 HTML, Java Script, Java, Servlet을 사용하였으며, DBCP와 JNDI 기술을 활용하여 커넥션 풀을 구현하였다. 데이터베이스 접속환경을 마련하기 위해서 oracle 10g 데이터베이스관리시스템과 oracle10g JDBC 드라이버를 사용하였고 HTML과 Java 코드를 분리하기 위해 MVC 기법을 사용하였다.
주 커넥션 풀의 크기는 Default로 설정 되어 있는 20으로 설정하였고, 보조 커넥션 풀의 크기도 주 커넥션 풀의 크기와 동일하게 20으로 설정 하였다. 동시접속자의 수는 10, 20, 50, 100, 200 으로 설정하여 각각의 평균 응답 시간을 측정하였다. 클라이언트의 평균 응답시간은 다음과 같다.
본 장에서는 기존의 데이터베이스 커넥션 풀의 제약된 문제점을 개선하기 위하여, 주 커넥션 풀 이외에 보조 커넥션 풀과 이를 관리하기 위한 커넥션 풀 브로커를 정의하여, 개선된 데이터베이스 커넥션 풀 아키텍처를 설계하고 이를 구현한다.
Apache JMeter는 테스트 기능과 퍼포먼스를 측정하는 기능을 갖는 100% 순수 자바 데스크탑 어플리케이션이다. 측정도구를 사용함으로써 사용자의 행위나 데이터의 크기, 유형에 영향을 받지 않는 순수한 조건에서의 결과를 도출한다.

대상 데이터

개선된 데이터베이스 커넥션 풀 아키텍처의 구현에 사용된 서버는 HP DL380 기종을 사용하였다. 개발 툴로는 eclipse3.
본 논문에서는 데이터베이스 커넥션을 풀로부터 얻어 처리하는 웹 어플리케이션의 처리 시간을 얻기 위하여 동시 접속자를 늘려가면서 그 성능을 측정 하였다. 측정의 대상은 관련연구에서 설명한 데이터베이스 커넥션 풀 아키텍처와 본 논문에서 제시한 데이터베이스 커넥션 풀 아키텍처이다. 성능 측정 도구로는 Apache JMeter를 사용 하였다.

이론/모형

3을 사용하였고, 개발 언어로는 HTML, Java Script, Java, Servlet을 사용하였으며, DBCP와 JNDI 기술을 활용하여 커넥션 풀을 구현하였다. 데이터베이스 접속환경을 마련하기 위해서 oracle 10g 데이터베이스관리시스템과 oracle10g JDBC 드라이버를 사용하였고 HTML과 Java 코드를 분리하기 위해 MVC 기법을 사용하였다. 이 시스템의 구현환경을 살펴보면 다음과 같다.
측정의 대상은 관련연구에서 설명한 데이터베이스 커넥션 풀 아키텍처와 본 논문에서 제시한 데이터베이스 커넥션 풀 아키텍처이다. 성능 측정 도구로는 Apache JMeter를 사용 하였다. Apache JMeter는 테스트 기능과 퍼포먼스를 측정하는 기능을 갖는 100% 순수 자바 데스크탑 어플리케이션이다.

성능/효과

기존의 커넥션 풀 아키텍처에서 동시접속자의 수가 200일 경우 에러가 1건이 발생 하였고, 본 논문에서 제시한 커넥션 풀 아키텍처에서는 에러발생이 0건으로 동시접속자에 대한 응답처리가 안정적으로 이루어졌다.
평균 응답시간 결과그래프를 보면 클라이언트의 동시접속자 수가 증가할수록 데이터베이스 커넥션 풀 아키텍처 방식과, 본 논문에서 제시한 데이터베이스 커넥션 풀 아키텍처 방식 모두 응답시간은 점차적으로 증가하는 것을 알 수 있다. 동시접속자의 수가 20까지 증가할 경우는 두 커넥션 풀 아키텍처의 방식은 특별한 차이점이 없으나, 그 이상의 동시접속자의 수가 발생할수록 기존의 데이터베이스 커넥션 풀 아키텍처는 응답시간이 급격히 증가하여 900ms를 넘었고, 본 논문에서 제시한 커넥션 풀 아키텍처는 250ms로 동시접속자의 수가 200일 경우 그 차이는 약 380% 가량 성능 향상을 보였다.
실험 결과를 통하여 기존의 데이터베이스 커넥션 풀 아키텍처 방식은 동시접속 사용자가 급속히 증가함에 따라 데이터 처리에 대한 응답시간 또한 급속히 증가하는 것을 알 수 있다. 반면, 본 논문에서 제시한 커넥션 풀 아키텍처 방식은 동시접속 사용자가 증가함에 따른 데이터 처리 응답시간이 기존의 데이터베이스 커넥션 풀 방식에 비하여, 평균 응답시간은 약 300% 가량 향상된 결과를 보여주었고, 최소 응답시간은 약 100% 가량 향상된 결과를, 최대 응답시간은 약 500% 가량 향상된 결과를 보여주었다. 에러발생비율에 있어서도 본 논문에서 제시한 커넥션 풀 아키텍처에서는 0%로 기존의 커넥션 풀 아키텍처보다 안정적으로 동시접속 사용자에 대한 데이터 응답 처리가 이루어진다는 것을 실험을 통하여 확인하였다.
보조 데이터베이스 커넥션 풀은 어플리케이션 서버에 종속적이지 않고 독립적으로 존재하며, 기존의 메인 커넥션 풀의 증가에 따른 부하 발생 시 보조 데이터베이스 커넥션 풀로부터 커넥션을 할당받을 수 있도록 전체적인 데이터베이스 커넥션 풀 아키텍처를 개선하였다.
본 논문에서 제시한 데이터베이스 커넥션 풀 아키텍처는 어플리케이션 서버에서 커넥션 풀에 대기중인 커넥션의 수가 많을수록 동시접속 사용자에 대한 데이터 처리 응답시간이 빨라지고 안정적으로 서비스를 할 수 있다는 것을 실험을 통하여 확인하였다.
최소 응답시간 결과그래프를 보면 동시접속자의 수가 50 이상이 되면서부터 기존의 커넥션 풀 아키텍처는 최소 응답시간이 계속적으로 증가하는 형태로 80ms 까지 올라가는 그래프를 볼 수 있다. 본 논문에서 제시한 커넥션 풀 아키텍처는 실험에서 최대 200의 동시접속자 속에서도 최소 응답시간은 특별히 증가하지 않았고, 최대 48ms 내에서 최소 응답시간을 유지하고 있다.
본 논문에서는 동시접속 사용자 접근을 고려한 데이터베이스 커넥션 풀 아키텍처를 제시하고 이를 구현하였다. 실험 결과를 통하여 기존의 데이터베이스 커넥션 풀 아키텍처 방식은 동시접속 사용자가 급속히 증가함에 따라 데이터 처리에 대한 응답시간 또한 급속히 증가하는 것을 알 수 있다. 반면, 본 논문에서 제시한 커넥션 풀 아키텍처 방식은 동시접속 사용자가 증가함에 따른 데이터 처리 응답시간이 기존의 데이터베이스 커넥션 풀 방식에 비하여, 평균 응답시간은 약 300% 가량 향상된 결과를 보여주었고, 최소 응답시간은 약 100% 가량 향상된 결과를, 최대 응답시간은 약 500% 가량 향상된 결과를 보여주었다.
반면, 본 논문에서 제시한 커넥션 풀 아키텍처 방식은 동시접속 사용자가 증가함에 따른 데이터 처리 응답시간이 기존의 데이터베이스 커넥션 풀 방식에 비하여, 평균 응답시간은 약 300% 가량 향상된 결과를 보여주었고, 최소 응답시간은 약 100% 가량 향상된 결과를, 최대 응답시간은 약 500% 가량 향상된 결과를 보여주었다. 에러발생비율에 있어서도 본 논문에서 제시한 커넥션 풀 아키텍처에서는 0%로 기존의 커넥션 풀 아키텍처보다 안정적으로 동시접속 사용자에 대한 데이터 응답 처리가 이루어진다는 것을 실험을 통하여 확인하였다. 이는 데이터베이스 서버에서 연결을 얻어 세션을 생성하고 해제하는 작업에 대하여 많은 리소스를 소요하는 것을 주 커넥션 풀과 보조 커넥션 풀에 의해 보관되어진 커넥션 리소스를 재사용하여 연결과 관련된 오버헤드를 줄였고, 동시접속 사용자가 증가함에 따라 주 커넥션 풀에서 처리용량의 한계점에 올랐을 때, 보조 커넥션 풀이 그 역할을 보조함으로 전체적인 시스템 성능에 있어 처리 용량의 한계를 끌어올려 데이터 요청의 응답시간에 있어서 좋은 결과를 나타내었다.
에러발생비율에 있어서도 본 논문에서 제시한 커넥션 풀 아키텍처에서는 0%로 기존의 커넥션 풀 아키텍처보다 안정적으로 동시접속 사용자에 대한 데이터 응답 처리가 이루어진다는 것을 실험을 통하여 확인하였다. 이는 데이터베이스 서버에서 연결을 얻어 세션을 생성하고 해제하는 작업에 대하여 많은 리소스를 소요하는 것을 주 커넥션 풀과 보조 커넥션 풀에 의해 보관되어진 커넥션 리소스를 재사용하여 연결과 관련된 오버헤드를 줄였고, 동시접속 사용자가 증가함에 따라 주 커넥션 풀에서 처리용량의 한계점에 올랐을 때, 보조 커넥션 풀이 그 역할을 보조함으로 전체적인 시스템 성능에 있어 처리 용량의 한계를 끌어올려 데이터 요청의 응답시간에 있어서 좋은 결과를 나타내었다.
이처럼, 보조커넥션 풀을 추가함으로써 동시접속 사용자의 요청에 대한 응답시간은 크게 향상되었으며, 안정적인 처리 또한 가능하다는 것을 확인하였다.
[그림 7] 은 최대 응답시간을 측정한 결과를 그래프로 나타낸 것이다. 최대 응답시간 결과그래프를 보면 동시접속자의 수가 100 이 되는 시점까지는 두 커넥션 풀 아키텍처 방식은 특별한 차이점이 없으나, 동시접속자의 수가 100 이상이 되면서부터 기존의 커넥션 풀 아키텍처는 최대 응답시간이 계속적으로 증가하는 형태로 최대 21200ms를 기록하였고, 본 논문에서 제시한 커넥션 풀 아키텍처는 최대 200의 동시접속자 속에서 최대 응답시간이 3800ms로 기존의 커넥션 풀 아키텍처보다 약 500% 가량 향상된 성능을 보이고 있다. 마지막으로 [그림 8] 은 에러 발생비율을 측정한 결과를 그래프로 나타낸 것이다.
평균 응답시간 결과그래프를 보면 클라이언트의 동시접속자 수가 증가할수록 데이터베이스 커넥션 풀 아키텍처 방식과, 본 논문에서 제시한 데이터베이스 커넥션 풀 아키텍처 방식 모두 응답시간은 점차적으로 증가하는 것을 알 수 있다. 동시접속자의 수가 20까지 증가할 경우는 두 커넥션 풀 아키텍처의 방식은 특별한 차이점이 없으나, 그 이상의 동시접속자의 수가 발생할수록 기존의 데이터베이스 커넥션 풀 아키텍처는 응답시간이 급격히 증가하여 900ms를 넘었고, 본 논문에서 제시한 커넥션 풀 아키텍처는 250ms로 동시접속자의 수가 200일 경우 그 차이는 약 380% 가량 성능 향상을 보였다.

후속연구

향후 연구과제로는 동적 로드밸런싱 기법을 적용하여 하나의 데이터베이스 커넥션 풀에 부하가 집중되는 것을 분산하여야 할 것이다.

질의응답

핵심어	질문	논문에서 추출한 답변
	데이터베이스 커넥션 풀이란 어떤 방법인가?	데이터베이스 커넥션 풀이란 이렇게 클라이언트가 데이터베이스에 접근할 때마다 연결하여 세션을 생성하고 작업 후에 다시 연결을 해제하는 과정에서의 오버헤드를 줄이기 위하여 데이터베이스의 접근 속도를 높여보자는 생각에서 시작된 개념이다[3]. 한번 생성된 연결은 작업을 마치고 바로 해제하는 것이 아니라 연결을 풀이라는 공간에 보관해 두고 이후 다시 클라이언트의 연결이 요청되면 이를 재사용 하는 방법이다[4]. 그러나 이와 같은 구조에서도 데이터베이스 커넥션 풀에 대한 문제가 다음과 같이 존재하고 있다.
	JDBC 핵심 API는 무엇에 초점을 맞췄는가?	JDBC API는 JDBC 핵심 API와 JDBC 확장 API로 분류된다. JDBC 핵심 API는 어플리케이션이 데이터베이스에 성공적으로 접근하기 위해 반드시 필요한 기능을 지원하는 데 초점을 맞춘 반면, JDBC 확장 API는 데이터베이스 접근을 위한 필수 기능은 아니나, 성능과 프로그램 작성의 편리를 위해 JNDI API를 이용한 네이밍 서비스, JDBC드라이버 기반 연결 풀, 분산 트랜젝션, 로우셋 등의 기능을 지원한다[3].
	자바 어플리케이션의 개발은 어떤 장점을 가지고 있는가?	[그림 1]은 JDBC 아키텍처를 설명한 그림이다[9]. 자바 어플리케이션의 개발은 JDBC 드라이버를 제공하는 모든 데이터베이스를 단일한 인터페이스(JDBC API)로써 접근이 가능하기 때문에 CRUD가 데이터베이스시스템에 종속적이지 않는 장점을 가지고 있다.

참고문헌 (12)

Java.sun.com, JDBC Architecture, Sun Microsystems, 2008.
Marc A. Mnich, Java Servlet Technologies, JavaExchange.com, 2002.
E. Jon and H. Linda, JDBC 3.0 Specification Final Release, Sun Microsystems, 2001.
Java.sun.com, Dive into connection pooling with J2EE, Sun Microsystems, 2000.
R. George, Database Programming with JDBC and Java, J2EE, O'Reilly, 2000.
W. Seth and H. Mark, JDBC 2.1 API, Sun Microsystems, 1999.
최영관, 김대성, 김완기, 한창헌, 소설 같은 JSP, JABOOK, 2002.
천기숙, JDBC 연결 풀 관리자 설계 및 구현, 성신여자대학교 대학원, 2002.
김영찬, 이세훈, "동시사용자 접근이 용이한 데이터베이스 커넥션 풀아키텍처", 한국컴퓨터정보학회 하계학술발표논문집, 제16권, 제1호, pp.125-130, 2008.
http://article.joins.com/article/article.asp-total_i d2889936
http://www.newsen.com/news_view.php-uid2 00810241124301001
http://www.ytn.co.kr/_ln/0103_200809271433029147

저자의 다른 논문 :

LOADING...

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증

동시접속 사용자 접근을 고려한 데이터베이스 커넥션 풀 아키텍처
Database Connection Pool Architecture for User Interconnections Access 원문보기

초록
AI-Helper

Abstract ▼ AI-Helper

주제어

AI 본문요약
AI-Helper

문제 정의

제안 방법

대상 데이터

이론/모형

성능/효과

후속연구

질의응답

참고문헌 (12)

이 논문을 인용한 문헌

저자의 다른 논문 :

연구과제 타임라인

관련 콘텐츠

원문 보기

원문 URL 링크

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

동시접속 사용자 접근을 고려한 데이터베이스 커넥션 풀 아키텍처 Database Connection Pool Architecture for User Interconnections Access 원문보기

초록 용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

Abstract ▼ AI-Helper

주제어

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

제안 방법

대상 데이터

이론/모형

성능/효과

후속연구

질의응답

참고문헌 (12)

이 논문을 인용한 문헌

저자의 다른 논문 :

김태간 (2) 이세훈 (34) 임기욱 (55) 이정현 (84)

연구과제 타임라인

전체(0) 논문(0) 특허(0) 보고서(0)

전체(0) 논문(0) 특허(0) 보고서(0)

관련 콘텐츠

원문 보기

원문 URL 링크

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

동시접속 사용자 접근을 고려한 데이터베이스 커넥션 풀 아키텍처
Database Connection Pool Architecture for User Interconnections Access 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper