[논문]클라우드 환경에서 데이터베이스 통합을 위한 DBaaS 허브 시스템에 관한 연구

정계동; 황치곤; 이종용; 신효영

doi:10.14400/jdc.2014.12.9.201

클라우드 환경에서 데이터베이스 통합을 위한 DBaaS 허브 시스템에 관한 연구
The Study of DBaaS Hub System for Integration of Database In the Cloud Environment 원문보기

디지털융복합연구 = Journal of digital convergence, v.12 no.9, 2014년, pp.201 - 207

정계동 (광운대학교 교양학부) , 황치곤 (광운대학교 컴퓨터과학과) , 이종용 (광운대학교 교양학부) , 신효영 (경복대학교 IT 보안학과)

초록
AI-Helper

클라우드 환경에서 기업은 의사결정이나 기업의 정책을 결정하기 위해 데이터 통합 및 분석이 필요하다. 그러나 이 환경에서 새로운 시스템이 추가되면 데이터 통합 측면에서 기존 시스템이 가진 이질적인 특성 때문에 많은 비용과 시간이 필요로 하게 된다. 따라서 본 논문에서 멀티 데이터베이스 서비스를 위하여 DBaaS 허브 시스템을 제안한다. 이러한 DBaaS는 서로 다른 데이터베이스를 요구할 수도 있으며, 연관성이 있는 서비스를 위하여 데이터를 통합해야할 필요가 있다. DBaaS의 데이터 상호운용성 문제를 해결하기 위해 온톨로지를 이용한 메타 쿼리를 제안한다. 메타 쿼리는 실제 데이터에 접근하기 위한 쿼리가 아닌 상위의 쿼리이다. 이는 실제 데이터베이스에 접근할 때 온톨로지를 통하여 변환된 질의로 접근함으로써 데이터 통합을 기할 수 있다. 또한 메타 데이터를 이용하여 문서 지향 데이터베이스 시스템을 구축한다.

Abstract ▼ AI-Helper

In the cloud environment, the company needs data integration and analysis to make decision and policy. If new system is added to this environment, a lot of time and cost is needed due to disparate properties among systems when data is integrated. Therefore, in this paper, we propose a DBaaS hub system for multi-database service. The DBaaS may require a different database and need data integration for relevant service. Using the ontology, we propose a metadata query to resolve the interoperability issues between data of DBaaS. The meta-query is not a query to access the real data, but the query for the upper level. This method provides data integration by accessing the data with the converted query through an ontology when we access the actual database.We also constructs a document-oriented database system using the metadata.

주제어

AI 본문요약
AI-Helper

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

문제 정의

본 논문에서는 멀티 데이터베이스 환경에서 시스템을 통합할 때, 로컬시스템의 영향을 최소화하기 위하여 DBaaS 허브 시스템을 제안했다. 본 시스템은 기존 시스템의 변경 없이 데이터를 통합함으로써 비용과 시간을 절감하고, 실시간 데이터 추출 및 정제 작업을 통한 일관성 있는 정보를 생성하여 정보의 품질을 향상시킬 수 있다.

제안 방법

데이터의 이질성은 표준 스키마 문서와 로컬 데이터베이스의 접근 및 구조 정보를 사전에 등록한다. 다음은 쿼리 작성 및 분석기를 이용하여 표준 스키마 문서를 기준으로 메타 쿼리로 생성하였고, 메타 쿼리는 로컬 데이터베이스 시스템의 쿼리로 변환하여 이질성을 해결할 수 있도록 하였다. 이는 데이터 수집에 따른 문제를 프록시에 파일 형태로 저장하여 데이터 이질성을 해결할 수 있다.
• STEP 2. 데이터 변형 : 메타 쿼리를 로컬 쿼리로 변형하여 쿼리를 실행하고, 실행 결과는 메타 쿼리의 표준형으로 변형 문서 지향 파일로 생성한다.
제안된 DBaaS는 데이터 간의 상호운용성 문제를 해결하기 위해 온톨로지를 이용하여 상호운용을 위한 메타 쿼리를 제안하였으며, 이를 통해 위치 투명성을 제공하였고, 실제 데이터베이스 접근은 표준 메타 온톨로지를 통하여 변환된 질의로 접근하게 함으로써 데이터 통합을 기할 수 있다. 또한 표준 메타 데이터를 이용하여 문서 지향 데이터베이스 시스템을 구축하였다.
본 논문에서 설계된 시스템은 클라우드 환경에서 발생할 수 있는 데이터베이스의 이질적인 문제를 DBaaS 메타데이터를 이용하여 해결하였다. 데이터의 이질성은 표준 스키마 문서와 로컬 데이터베이스의 접근 및 구조 정보를 사전에 등록한다.
본 논문에서 클라우드 환경의 멀티데이터베이스 통합을 위한 데이터 수집 결과는 몽고 DB 형태의 문서 지향 데이터 형태로 만든다.
제안된 DBaaS는 데이터 간의 상호운용성 문제를 해결하기 위해 온톨로지를 이용하여 상호운용을 위한 메타 쿼리를 제안하였으며, 이를 통해 위치 투명성을 제공하였고, 실제 데이터베이스 접근은 표준 메타 온톨로지를 통하여 변환된 질의로 접근하게 함으로써 데이터 통합을 기할 수 있다. 또한 표준 메타 데이터를 이용하여 문서 지향 데이터베이스 시스템을 구축하였다.
• procQry(): Collection->Proxy Acess. 쿼리 결과를 처리하여 결과를 사용자에게 리턴하기 위해 프록시 관리를 수행한다. 병합된 결과를 리턴받는다.
• 단계5. 프록시에 문서 지향 화일 생성 [srandard field list]를 기반으로 하여 사용자 정보를 통해 PROXY에 결과를 생성한다.

성능/효과

DBaaS 허브시스템은 데이터베이스 응용 프로그램의 가장 중요한 구성 요소이며, 가장 진보된 전문 지식을 동적 클라우드 환경에서 효과적으로 관리할 수 있고, 데이터베이스로서의 서비스(DBaaS) 솔루션과 PaaS를 솔루션에 묶여 DB의 가용성과 확장성을 보장 할 수 있다.
세 번째로 본 시스템의 질의 유형은 FROM 절이 없는 메타 SQL을 사용한다. 그리고 결과 데이터는 문서 지향 파일로 생성하며, 개발유형은 동적으로 생성을 할 수 있다.
클라우드 환경에서 멀티데이터베이스는 ACID속성을 유지하기 힘들기 때문에 기본 로컬 데이터베이스는 그대로 유지하여야 한다[6]. 따라서 본 논문에서의 DBaaS 허브시스템은 데이터 웨어하우스 기반으로 하는 대용량 데이터들에 대한 접근, 데이터의 분할, 복제 및 분산처리가 가능하도록 하기위해 No-SQL 인터페이스를 제공할 수 있다.
본 논문에서는 멀티 데이터베이스 환경에서 시스템을 통합할 때, 로컬시스템의 영향을 최소화하기 위하여 DBaaS 허브 시스템을 제안했다. 본 시스템은 기존 시스템의 변경 없이 데이터를 통합함으로써 비용과 시간을 절감하고, 실시간 데이터 추출 및 정제 작업을 통한 일관성 있는 정보를 생성하여 정보의 품질을 향상시킬 수 있다. 이는 서비스에 따라 서로 다른 데이터베이스를 요구할 수 있으며, 연관된 서비스가 사용하는 데이터베이스는 서로 통합 할 수 있다.
• 단계3. 연관관계에서 IS-A, HAS-A, Equal 추가를 통한 글로벌 쿼리 확장하고 WHERE절을 확장함으로써, 검색의 효율을 향상시킨다.
두 번째 항목은 데이터 확장성과 이질성 극복에 대한 항목이다. 제안된 DBaaS는 시스템은 수집정보 일원화뿐만 아니라 수집 정보 확장을 위해 데이터 항목 추가 삭제가 용이하다. 세 번째로 본 시스템의 질의 유형은 FROM 절이 없는 메타 SQL을 사용한다.

후속연구

이는 데이터 수집에 따른 문제를 프록시에 파일 형태로 저장하여 데이터 이질성을 해결할 수 있다. 추후 연구는 클라우드 환경에서 실시간 서비스를 위한 트랜잭션 처리 기법을 적용 할 수 있다.

질의응답

핵심어	질문	논문에서 추출한 답변
	클라우드 환경에서 기업이 데이터 통합 및 분석을 필요로 하는 목적은 무엇인가?	클라우드 환경에서 기업은 의사결정이나 기업의 정책을 결정하기 위해 데이터 통합 및 분석이 필요하다. 그러나 이 환경에서 새로운 시스템이 추가되면 데이터 통합 측면에서 기존 시스템이 가진 이질적인 특성 때문에 많은 비용과 시간이 필요로 하게 된다.
	빅데이터는 무엇인가?	빅데이터란 데이터 양이 급격히 증가함에 따라 관리상 문제점을 유발시켜 별도의 관리가 필요한 데이터를 말하며, RDBMS 데이터베이스 관리 도구를 가지고 다루기에는 힘든 데이터 세트 규모를 말한다[7].
	클라우드에서 DBaaS의 두 가지 유형은 무엇인가?	클라우드에서 DBaaS의 유형은 두 가지가 있다. 첫째 유형은 스키마 레벨에서의 통합이고, 둘째 유형은 데이터베이스 레벨에서 RAC(Real Application Clusters)로 통합하는 것이다.

참고문헌 (12)

Aisling O'Driscolla, Jurate Daugelaiteb, Roy D. Sleator, 'Big data', Hadoop and cloud computing in genomics, Journal of Biomedical Informatics, 46, 5, pp.774-781, 2013.

상세보기
Zohreh Sanaei, Saeid Abolfazli, Abdullah Gani,Rajkumar Buyya, Heterogeneity in Mobile Cloud Computing: Taxonomy and Open Challenges, IEEE Communications Surveys & Tutorials, 16, 1, pp.369-392, 2014.

상세보기
Subashini, S., Kavitha, V., A survey on security issues in service delivery models of cloud computing, Journal of Network and Computer Applications. 34, 1, pp.1-11. 2011.

상세보기
Soror Sahri, Rim Moussa, Darrell D. E. Long, Salima Benbernou, DBaaS-Expert: A Recommender for the Selection of the Right Cloud Database, Foundations of Intelligent Systems, Lecture Notes in Computer Science, 8502, pp.315-324, 2014.
Pathak, Ajeet Ram, and B. Padmavathi, Analysis of Security Techniques Applied in Database Outsourcing, International Journal of Computer Science and Information Technologies, 5, 1, pp.665-670, 2014.
H. Hacigumus, B. Iyer and S. Mehrotra, Providing database as a service, in Proc. of IEEE 18th ICDE, pp. 29-38, 2002.
Manyika, J., Chui, M., Brown, B., Bughin, J., Dobbs, R., Roxburgh, C., and Byers, A. H, Big Data: The Next Frontier for Innovation, Competition, and Productivity, McKinsey Global Institute, 2011.
Sunil Soares, Big Data Governance, Sunilsoares, 2012.
Ward, Jonathan Stuart, and Adam Barker. "Undefined By Data: A Survey of Big Data Definitions." arXiv preprint arXiv:1309.5821, 2013.
Kian Win Ong, Yannis Papakonstantinou, Romain Vernoux, The SQL++ Unifying Semi-structured Query Language, and an Expressiveness Benchmark of SQL-on-Hadoop, NoSQL and NewSQL Databases, arXiv preprint arXiv:1405.3631, 2014.
Elif Dede, Madhusudhan Govindaraju, Daniel Gunter, Richard Shane Canon, Lavanya Ramakrishnan, Performance evaluation of a mongodb and hadoop platform for scientific data analysis, In Proceedings of the 4th ACM workshop on Scientific cloud computing, pp.13-20, 2013.
Jing Han, Haihong E, Guan Le, Jian Du, "Survey on NoSQL database", Pervasive Computing and Applications (ICPCA) 6th International Conference on(2011), pp. 363-366, 2011.

저자의 다른 논문 :

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