오픈소스 클라우드 플랫폼 OpenStack 기반 위성영상분석처리 서비스 시험구현 Testing Implementation of Remote Sensing Image Analysis Processing Service on OpenStack of Open Source Cloud Platform원문보기
2013년 현재 클라우드(Cloud) 컴퓨팅 서비스는 정보통신기술분야의 핵심 기술 동향 중 하나로서 이에 관련된 기술이나 사업 응용 분야가 계속 발전, 확대되고 있다. 이러한 서비스를 개발할 수 있는 기반 요소인 클라우드 플랫폼 중에 하나인 OpenStack은 오픈소스 기반으로 몇 가지의 내부 기술 요소로 이루어져 있고, 서비스 목적에 따라 상업적 플랫폼에 의존하지 않고도 독자적인 공개 및 비공개 클라우드 컴퓨팅 환경을 구축할 수 있는 환경을 제공한다. 이번 연구에서는 위성영상정보 분석처리 시스템을 시범적인 클라우드 서비스 모델로 설정하여 OpenStack을 기반으로 비공개 클라우드 컴퓨팅 환경으로 설계, 구축하는 사례를 제시하고자 하였다. 구현된 서비스는 세부적으로 인스턴스 서버, 웹 서비스, 모바일 앱으로 구분하였다. 인스턴스 서버는 실제 위성영상정보 분석처리, 데이터베이스 등의 기능을 제공하고, 웹 서비스는 사용자로부터 위성영상정보를 저장 및 관리하는 기능을 제공한다. 한편 모바일 앱은 위성영상정보의 시각화 및 분석처리 요청 등의 기능을 수행한다.
2013년 현재 클라우드(Cloud) 컴퓨팅 서비스는 정보통신기술분야의 핵심 기술 동향 중 하나로서 이에 관련된 기술이나 사업 응용 분야가 계속 발전, 확대되고 있다. 이러한 서비스를 개발할 수 있는 기반 요소인 클라우드 플랫폼 중에 하나인 OpenStack은 오픈소스 기반으로 몇 가지의 내부 기술 요소로 이루어져 있고, 서비스 목적에 따라 상업적 플랫폼에 의존하지 않고도 독자적인 공개 및 비공개 클라우드 컴퓨팅 환경을 구축할 수 있는 환경을 제공한다. 이번 연구에서는 위성영상정보 분석처리 시스템을 시범적인 클라우드 서비스 모델로 설정하여 OpenStack을 기반으로 비공개 클라우드 컴퓨팅 환경으로 설계, 구축하는 사례를 제시하고자 하였다. 구현된 서비스는 세부적으로 인스턴스 서버, 웹 서비스, 모바일 앱으로 구분하였다. 인스턴스 서버는 실제 위성영상정보 분석처리, 데이터베이스 등의 기능을 제공하고, 웹 서비스는 사용자로부터 위성영상정보를 저장 및 관리하는 기능을 제공한다. 한편 모바일 앱은 위성영상정보의 시각화 및 분석처리 요청 등의 기능을 수행한다.
The applications and concerned technologies of cloud computing services, one of major trends in the information communication technology, are widely progressing and advancing. OpenStack, one of open source cloud computing platforms, is comprised of several service components; using these, it can be ...
The applications and concerned technologies of cloud computing services, one of major trends in the information communication technology, are widely progressing and advancing. OpenStack, one of open source cloud computing platforms, is comprised of several service components; using these, it can be possible to build public or private cloud computing service for a given target application. In this study, a remote sensing image analysis processing service on cloud computing environment has designed and implemented as an operational test application in the private cloud computing environment based on OpenStack. The implemented service is divided into instance server, web service, and mobile app. A instance server provides remote sensing image processing and database functions, and the web service works for storage and management of remote sensing image from user sides. The mobile app provides functions for remote sensing images visualization and some requests.
The applications and concerned technologies of cloud computing services, one of major trends in the information communication technology, are widely progressing and advancing. OpenStack, one of open source cloud computing platforms, is comprised of several service components; using these, it can be possible to build public or private cloud computing service for a given target application. In this study, a remote sensing image analysis processing service on cloud computing environment has designed and implemented as an operational test application in the private cloud computing environment based on OpenStack. The implemented service is divided into instance server, web service, and mobile app. A instance server provides remote sensing image processing and database functions, and the web service works for storage and management of remote sensing image from user sides. The mobile app provides functions for remote sensing images visualization and some requests.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
공간정보 분야에서는 국내외를 막론하고 아직까지 클라우드 기반 연구나 기술 개발은 초기 실험 수준이며 적용 사례 연구의 경우도 많지 않다. 이번 연구는 원격탐사 분야의 모바일 클라우드 컴퓨팅 응용 사례를 구현하는 것이 목표이다. 이를 위하여 오픈소스 클라우드 플랫폼 중에 하나인 OpenStack을 기반으로 클라우드 컴퓨팅 환경을 구축하고 위성영상정보 분석처리를 위한 시험적인 응용 서비스 모델의 기본 구조를 설계한 뒤, 다양한 요소 기술과 추가적인 오픈소스를 이용하여 순수하게 오픈소스 기반의 클라우드 응용 서비스를 구현하였다.
이번 연구의 목적은 오픈소스 기반 클라우드 컴퓨팅 환경을 실제 구축하고, 이를 기반으로 하여 원격탐사 분야에서 활용 가능한 위성영상 검색, 분석 서비스를 시험 구현하는 것이다. 클라우드 컴퓨팅 환경은 OpenStack을 이용하였다.
제안 방법
여기서 MAF는 Nielsen(2011)에 의하여 제안된 영상처리 알고리즘으로 주성분분석(Principal Component Analysis: PCA)에 기반하여 자기상관계수를 최대화하는 영역을 공간상에서 파악할 수 있도록 하는 기법이다. OTB에서 제공하는 관련 함수들은 MAF 처리 과정을 통하여 각 성분 별 분해 영상(Decomposition Image)을 추출하고 각 성분 영상을 색 합성하여 결과를 분석할 수 있도록 한다.
OpenStack을 사용함으로써 상용 클라우드 컴퓨팅 서비스를 사용하지 않더라도, 누구나 공개(public) 또는 비공개(private) 클라우드 컴퓨팅 환경을 구축 및 활용하는 것이 가능하다. OpenStack 이외에도 여러 오픈소스 클라우드 플랫폼이 있지만, 이번 연구에서는 OpenStack 기반의 비공개 클라우드 컴퓨팅 환경을 구축하였다.
이번 연구는 이전에 수행된 연구나 서비스 모델 개발이 주로 Amazon 클라우드 환경과 같은 상업적 클라우드 플랫폼을 기반으로 하여 수행된 것과는 차별화된 기술 요소와 내부 구조를 가지고 있다. 사용자 입장에서 분석처리에 필요한 위성영상정보는 클라우드 컴퓨팅 환경에서 검색, 저장되고, 분석처리 기능은 모바일 앱 방식으로 일반 사용자에게 제공되며, 실제 위성영상정보 분석 처리 공정은 클라우드 컴퓨팅 환경에서 수행되도록 설계하였다.
0 SDK와 Route-me, AFNetworking 등의 라이브러리를 사용하였다. 웹 서비스는 jQuery 등을 사용하여 개발하였다. 운영 및 개발 환경에서 사용된 오픈소스 중 GitHub에서 제공하는 대부분의 오픈소스는 2013년 8월 5일 기준 최신 버전을 사용하였다.
이번 연구는 원격탐사 분야의 모바일 클라우드 컴퓨팅 응용 사례를 구현하는 것이 목표이다. 이를 위하여 오픈소스 클라우드 플랫폼 중에 하나인 OpenStack을 기반으로 클라우드 컴퓨팅 환경을 구축하고 위성영상정보 분석처리를 위한 시험적인 응용 서비스 모델의 기본 구조를 설계한 뒤, 다양한 요소 기술과 추가적인 오픈소스를 이용하여 순수하게 오픈소스 기반의 클라우드 응용 서비스를 구현하였다. 위성영상정보 분석처리 서비스는 클라우드 컴퓨팅 환경에서 생성한 서버 인스턴스와 모바일 앱, 웹 서비스로 나뉘고, 각각의 서비스에서 제공되는 기능을 통해 위성영상정보를 업로드, 공유, 삭제, 검색, 분석처리가 가능하다.
대상 데이터
이밖에도 Python 스크립트와 MongoDB를 연계하기 위해서 PyMongo 라이브러리, Apache 웹 서버 등을 사용하였다. 모바일 앱은 iOS 7.0 SDK와 Route-me, AFNetworking 등의 라이브러리를 사용하였다. 웹 서비스는 jQuery 등을 사용하여 개발하였다.
이번 연구에서 구축된 위성영상정보 분석처리 서비스의 개발 및 운영 환경은 표 1과 같이 크게 클라우드 컴퓨팅, 서버 인스턴스, 모바일 앱, 웹 서비스로 이루어진다. 이 연구에서 적용된 비공개 클라우드 컴퓨팅 환경은 OpenStack을 Ubuntu 운영체제 위에서 다중 노드 방식으로 Control 노드 1대, Network 노드 1대, Compute 노드 3대를 사용하여 구축하였다.
한편 오픈소스 데이터베이스인 MongoDB는 사용자의 로그인, 회원 가입, 데이터 관리 등과 같은 작업을 위하여 사용하였다. 이밖에도 Python 스크립트와 MongoDB를 연계하기 위해서 PyMongo 라이브러리, Apache 웹 서버 등을 사용하였다. 모바일 앱은 iOS 7.
이번 연구에서 시험 구현한 클라우드 컴퓨팅 서비스의 적용 시나리오는 다음과 같이 간단한 모델을 대상으로 하고 있으며, 추가 기능이나 사용자 요구 항목의 추가 수정은 실제 목표 서비스의 설계 과정에서 가능하다. 먼저, 서비스의 운영 주체는 위성영상정보 또는 파생 콘텐츠 정보를 수집하거나 보유하고 이러한 정보의 서비스를 제공하려는 기관으로 설정하였고, 서비스 사용자는 위성영상정보 전문가와 위성영상정보처리 실습을 하고자 하는 학생 또는 일반인을 대상으로 하였다.
이론/모형
위성영상정보 분석처리 알고리즘과 처리 기능은 Kang et al.(2012)과 Lee and Kang(2013)의 경우와 같이 OTB(Orfeo Tool Box)에서 제공되는 오픈소스 위성영상 분석 함수들을 사용하였고, 위성영상정보에 대한 기본정보 수집, 변환, 분할 저장을 위해서 GDAL (Geospatial Data Abstraction Library)을 사용하였다. 한편 오픈소스 데이터베이스인 MongoDB는 사용자의 로그인, 회원 가입, 데이터 관리 등과 같은 작업을 위하여 사용하였다.
후속연구
이는 기존 Google Map과 같은 대형 포털 서비스에서 제공되는 지도 서비스와는 차별화된 기능이며, 개인 사용자 또는 위성정보 콘텐츠를 다루는 기관이 보유한 위성영상정보를 공유하고, 실시간으로 모바일 상에서 활용할 수 있다는 점이 주요 특징이라고 할 수 있다. 향후 연구로, 생성 객체의 저장 서비스와 직접적으로 연계되는 위성영상정보 관리, 사용자 요구분석을 통한 분석처리 알고리즘 추가, 다양한 출처와 유형을 갖는 공간정보의 연계, 세부적인 기능 개선 및 시스템 안정성 성능 평가 연구 등이 필요하다.
질의응답
핵심어
질문
논문에서 추출한 답변
클라우드 컴퓨팅 서비스란 무엇인가?
포괄적 개념으로 클라우드 컴퓨팅 서비스는 사용자가 웹 기반 시스템에서 정보통신기술(ICT: Information Communication Technology) 자원을 포함한 어떤 서비스를 이용하고자 할 때 자신이 필요한 서비스 요소를 대여하여 사용하고, 사용한 만큼의 사용료를 내는 서비스를 의미한다. 이러한 클라우드 컴퓨팅 서비스는 기존의 서버 기반 웹 서비스에 비하여 동적 확장성 (scalability), 장치 독립성, 업무 중심의 컴퓨팅 자원 사용, ICT 자원 도입 및 관리 비용의 절감 등의 장점을 가지고 있다.
클라우드 컴퓨팅 서비스에 적용되는 기술 요소에는 어떤 것들이 있는가?
그러나 독자적인 클라우드 컴퓨팅 서비스를 구축하기 위해서는 당연히 여러 기술 요소들이 적용되고 상호 연계되어야 한다. 이러한 기술 요소는 하드웨어 가상화 기술, 클라우드 서비스 관리 기술, 클라우드 사용 인터페이스 기술, 서비스 품질 관리 기술, 사용자 인증 기술, 스토리지 가상화 기술 등과 같이 다양하고 복잡하다. OpenStack, CloudStack, Eucalyptus 등은 이러한 기술들은 통합해서 클라우드 컴퓨팅 서비스를 구축 및 활용 할 수있도록 하는 오픈소스 클라우드 플랫폼이다 (Jeong et al.
클라우드 컴퓨팅 서비스의 장점은 무엇인가?
포괄적 개념으로 클라우드 컴퓨팅 서비스는 사용자가 웹 기반 시스템에서 정보통신기술(ICT: Information Communication Technology) 자원을 포함한 어떤 서비스를 이용하고자 할 때 자신이 필요한 서비스 요소를 대여하여 사용하고, 사용한 만큼의 사용료를 내는 서비스를 의미한다. 이러한 클라우드 컴퓨팅 서비스는 기존의 서버 기반 웹 서비스에 비하여 동적 확장성 (scalability), 장치 독립성, 업무 중심의 컴퓨팅 자원 사용, ICT 자원 도입 및 관리 비용의 절감 등의 장점을 가지고 있다. 이러한 클라우드 컴퓨팅 서비스는 최근에 모바일, 빅데이터 등과 같은 ICT 분야의 핵심 서비스들과 연계되어 플랫폼 시장과 응용 서비스 시장이 급속히 성장하고 있다.
참고문헌 (14)
Almeer, M.H. 2012. Cloud hadoop map reduce for remote sensing image analysis. Journal of Emerging Trends in Computing and Information Sciences 3:637-644.
Barnatt, C. (Yoon, S.H. and K.H. Lee translation) 2011. A Brief Guide to Cloud Computing. Miraebook, 312pp (크리스토퍼 버냇 (윤성호, 이경환 옮김). 2011. 클라우드 컴퓨팅 당신이 알고 있는 컴퓨터의 시대는 끝났다. 미래의창, 312쪽).
Jeong, U.J., D.J. Kang and S.I. Jung. 2011. Trend of open source sw-based cloud computing technology. Electronics and Telecommunications Trends 26(5):43-54 (정의정, 강동재, 정성인. 2011. 공개 SW기반 클라우드 기술 현황, 전자통신동향분석 26(5):43-54).
Kang, S.G., K.W. Lee and Y.S. Kim. 2012. Preliminary performance testing of geo-spatial image parallel processing in the mobile cloud computing service. Korean Journal of Remote Sensing 28(4):467-475 (강상구, 이기원, 김용승. 2012. 모바일 클라우드 컴퓨팅 서비스를 위한 위성영상 병렬 정보처리 성능 예비실험. 대한원격탐사학회지 28(4):467-475).
Kim, K.S. and K.W. Lee. 2012. Overlay rendering of multiple geo-based images using WebGL blending technique. Journal of the Korean Association of Geographic Information Studies 15(4):104-113 (김광섭, 이기원. 2012. WebGL 블렌딩 기법을 이용한 다중 공간영상정보 중첩 가시화. 한국지리정보학회지 15(4):104-113).
Lance A. 2012. Comparing open source private cloud (IaaS) platforms. http://cdn.oreillystatic.com/en/assets/1/event/80/Comparing Open Source PrivateCloud Platforms Presentation.pdf.
Lee, K.W. and S.G. Kang. 2013. Mobile cloud service of geo-based image processing functions: a test iPad implementation. Remote Sensing Letters 4(9):910-919. http://www.tandfonline. com/doi/abs/10.1080/2150704X.2013.810821.
Lim, Y.J., S.K. Baek, S.I. Jung and H.S. Won. 2013. Cloud & big data for the smart internet services. Korea Communications Agency PM Issue Report 2013 3(1):1-34 (임용재, 백선경, 정성인, 원희선. 2013. 스마트인터넷 서비스를 위한 클라우드와 빅데이터. 한국방송통신전파진흥원 PM Issue Report 2013 3(1):1-34).
Nielsen, A.A. 2011. Kernel maximum autocorrelation factor and minimum noise fraction transformations. IEEE Transactions on Image Processing 20:612-624.
NIPA. 2013. ICP Spot Issue, August 2013. 24pp (정보통신산업진흥원. 2013. ICT Spot Issue, 2013년 8월, 24쪽).
OpenStack. 2013. OpenStack community welcome guide. http://www.openstack.org/assets/welcome-guide/OpenStackWelcomeGuide.pdf.
Yang, C., Y. Xu and D. Nebert. 2013. Redefining the possibility of digital Earth and geosciences with spatial cloud computing. International Journal of Digital Earth 6:297-312.
Yue, P., H. Zhou, J. Gong and L. Hu. 2013. Geoprocessing in cloud computing platforms- a comparative analysis. International Journal of Digital Earth 6:404-425.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.