오픈스택 클라우드 환경 OGC WPS 2.0 기반 위성영상처리 성능측정 시험 Performance Testing of Satellite Image Processing based on OGC WPS 2.0 in the OpenStack Cloud Environment원문보기
웹 환경에서 위성영상정보를 포함하는 대용량 공간정보를 공유하거나, 상호호환성에 따라 처리하기 위한 공간정보 웹 표준들이 OGC에서 개발되어 다양한 분야에서 활용되고 있다. 한편 물리적인 컴퓨팅 자원을 직접 구매하지 않고도 웹을 통해 할당받아 필요할 때에만 접속하여 사용할 수 있는 클라우드 컴퓨팅 환경을 기반으로 하는 응용 서비스가 계속 증가하고 있다. 그러나 원격탐사 분야에서 이와 같은 두 가지의 중요한 기술 동향을 반영하는 연구 개발은 국제적으로도 초기 단계이다. 이번 연구에서는 실제로 이 두 가지 컴퓨팅 기술을 연계하는 사례를 제시하고 구름추출 서비스 구현 결과를 기반으로 하는 성능측정 시험결과를 제시하고자 한다. 실험에 적용한 대상 표준은 WPS 2.0 표준이며 성능측정 시험대상은 하나의 웹 서버 운영환경과 오픈소스OpenStack 클라우드 컴퓨팅에 기반을 둔 가상서버운영 환경이다. JMeter를 이용한 성능측정 시험은 WPS 2.0의 GetCapabilities, DescribeProcess, Execute, GetStatus, GetResult 응답시간에 대한 실험을 수행하였다. 실험 결과로 다중 원격 서버와 가상 서버를 지원하는 클라우드 환경에서 상호운영 공간정보 처리를 위한 WPS 2.0 표준 적용의 경우도 좋은 성능을 나타냄을 알 수 있고, 추후 서버와 처리 알고리즘 기능 확장을 통하여 실무 적용이 가능할 것으로 기대한다.
웹 환경에서 위성영상정보를 포함하는 대용량 공간정보를 공유하거나, 상호호환성에 따라 처리하기 위한 공간정보 웹 표준들이 OGC에서 개발되어 다양한 분야에서 활용되고 있다. 한편 물리적인 컴퓨팅 자원을 직접 구매하지 않고도 웹을 통해 할당받아 필요할 때에만 접속하여 사용할 수 있는 클라우드 컴퓨팅 환경을 기반으로 하는 응용 서비스가 계속 증가하고 있다. 그러나 원격탐사 분야에서 이와 같은 두 가지의 중요한 기술 동향을 반영하는 연구 개발은 국제적으로도 초기 단계이다. 이번 연구에서는 실제로 이 두 가지 컴퓨팅 기술을 연계하는 사례를 제시하고 구름추출 서비스 구현 결과를 기반으로 하는 성능측정 시험결과를 제시하고자 한다. 실험에 적용한 대상 표준은 WPS 2.0 표준이며 성능측정 시험대상은 하나의 웹 서버 운영환경과 오픈소스 OpenStack 클라우드 컴퓨팅에 기반을 둔 가상서버운영 환경이다. JMeter를 이용한 성능측정 시험은 WPS 2.0의 GetCapabilities, DescribeProcess, Execute, GetStatus, GetResult 응답시간에 대한 실험을 수행하였다. 실험 결과로 다중 원격 서버와 가상 서버를 지원하는 클라우드 환경에서 상호운영 공간정보 처리를 위한 WPS 2.0 표준 적용의 경우도 좋은 성능을 나타냄을 알 수 있고, 추후 서버와 처리 알고리즘 기능 확장을 통하여 실무 적용이 가능할 것으로 기대한다.
Many kinds of OGC-based web standards have been utilized in the lots of geo-spatial application fields for sharing and interoperable processing of large volume of data sets containing satellite images. As well, the number of cloud-based application services by on-demand processing of virtual machine...
Many kinds of OGC-based web standards have been utilized in the lots of geo-spatial application fields for sharing and interoperable processing of large volume of data sets containing satellite images. As well, the number of cloud-based application services by on-demand processing of virtual machines is increasing. However, remote sensing applications using these two huge trends are globally on the initial stage. This study presents a practical linkage case with both aspects of OGC-based standard and cloud computing. Performance test is performed with the implementation result for cloud detection processing. Test objects are WPS 2.0 and two types of geo-based service environment such as web server in a single core and multiple virtual servers implemented on OpenStack cloud computing environment. Performance test unit by JMeter is five requests of GetCapabilities, DescribeProcess, Execute, GetStatus, GetResult in WPS 2.0. As the results, the performance measurement time in a cloud-based environment is faster than that of single server. It is expected that expansion of processing algorithms by WPS 2.0 and virtual processing is possible to target-oriented applications in the practical level.
Many kinds of OGC-based web standards have been utilized in the lots of geo-spatial application fields for sharing and interoperable processing of large volume of data sets containing satellite images. As well, the number of cloud-based application services by on-demand processing of virtual machines is increasing. However, remote sensing applications using these two huge trends are globally on the initial stage. This study presents a practical linkage case with both aspects of OGC-based standard and cloud computing. Performance test is performed with the implementation result for cloud detection processing. Test objects are WPS 2.0 and two types of geo-based service environment such as web server in a single core and multiple virtual servers implemented on OpenStack cloud computing environment. Performance test unit by JMeter is five requests of GetCapabilities, DescribeProcess, Execute, GetStatus, GetResult in WPS 2.0. As the results, the performance measurement time in a cloud-based environment is faster than that of single server. It is expected that expansion of processing algorithms by WPS 2.0 and virtual processing is possible to target-oriented applications in the practical level.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
0) 표준은 공간정보처리기능 서비스 구현을 지원하는 기술사양이다. 이번 연구에서는 OGC WPS 2.0을 준수한 위성영상처리 시스템을 서로 다른 웹 환경에 적용하여 성능측정 시험을 수행해 효율적인 시스템 구조를 제시하고자 한다. 비교 대상이 되는 웹 환경은 단일서버와 클라우드 컴퓨팅 기반의 웹 환경이다.
제안 방법
0의 성능측정 시험을 위해 OpenStack을 설치하고 클라우드 웹 애플리케이션을 구축 하였다 . 2016년 10월을 기준으로 하여 최신 OpenStack 버전은 Newton이지만 이 연구에서는 2016년 4월에 발표된 Mitaka를 활용하여 구축하였다. 기본적으로 IaaS 환경을 구성하기 위한 프로젝트 구성 모듈은 모두 설치하였고 추가로 Manila 서비스를 설치하였다.
0을 준수하면서 오픈소스를 기반으로 구현하였다. 52 North, PyWPS, GeoServer 등과 같이 개발자를 위한 WPS 지원 오픈소스 도구들이 있으나 WPS 1.0을 기반으로 한 오픈소스들이 대부분이며 WPS 2.0을 지원하는 오픈소스로 ZOO 프로젝트가 존재해 이를 활용하였다. ZOO 프로젝트는 C 언어, 파이썬, 자바 스크립트와 같이 다양한 언어로 개발된 오픈소스 기반의 WPS 플랫폼으로 WPS 서버 구축에 필요한 4개의 구성요소로 이루어져 있다(ZOO-Project, 2016).
WPS 표준을 준수한 시스템의 성능측정을 위하여 데스크톱 환경에서 구성한 단일 서버와 클라우드 서버 환경을 기반으로 하여 여러 개의 가상서버 환경을 설계하고 구축하였다. IaaS 환경은 컴퓨팅 자원을 요청한 만큼 할당받을 수 있어 분산처리가 가능한 시스템 환경을 구축할 수 있다.
성능측정을 위한 처리 기능으로는 구름 추출(Cloud Detection) 알고리즘을 대상으로 하였다. 구름 추출 알고리즘은 Jedlovec(2009)과 Champion(2012) 등의 연구와 같이 원격탐사 정보처리 분야에서 중요한 연구 주제로 많은 처리기법이 개발되고 있으나 이 연구에서는 구름 추출 알고리즘 자체를 주제로 하지는 않았고 오픈소스 기반 위성영상정보 처리도구인 OTB에서 제공 하는 기능을 직접 적용하였다.
0 표준을 적용한 위성영상처리 시스템을 시험적으로 구축하였고 이를 유사한 시스템 구조를 가진 단일서버와의 성능측정을 수행하였다. 성능측정은 JMeter을 활용하여 평가 흐름도를 설정해 수행하였으며 성능측정 시험 대상은 WPS 2.0의 5가지 인터페이스 요청에 대해 측정하였다. 전체적인 성능측정결과 단일서버보다 클라우드 환경에서 더 좋은 성능을 내는 것을 확인하였다.
3은 JMeter를 이용한 측정 계획으로 스포이드 기호로 표시된 부분이 측정대상이 되는 요청항목을 나타낸다. 이 내용을 측정 흐름도로 도식화하여 웹 시스템 접속 후에 위성영상처리를 수행하는 과정에서 사용되는 WPS 2.0 표준 요청과정을 표현하였다. 이 측정 흐름도를 각각 단일서버와 클라우드 환경 시스템에 적용하였으며 전체 200명의 사용자가 5초 안에 사용하는 경우를 기본적인 측정 조건으로 설정하였다.
0 표준 요청과정을 표현하였다. 이 측정 흐름도를 각각 단일서버와 클라우드 환경 시스템에 적용하였으며 전체 200명의 사용자가 5초 안에 사용하는 경우를 기본적인 측정 조건으로 설정하였다. 성능측정에서 사용자는 쓰레드(Thread)에 대응한다.
이번 연구에서 적용된 웹 시스템은 WPS 2.0을 준수하면서 오픈소스를 기반으로 구현하였다. 52 North, PyWPS, GeoServer 등과 같이 개발자를 위한 WPS 지원 오픈소스 도구들이 있으나 WPS 1.
이번 연구에서는 기반 플랫폼 서비스를 의미하는 IaaS를 중심으로 WPS 2.0의 성능측정 시험을 위해 OpenStack을 설치하고 클라우드 웹 애플리케이션을 구축 하였다 . 2016년 10월을 기준으로 하여 최신 OpenStack 버전은 Newton이지만 이 연구에서는 2016년 4월에 발표된 Mitaka를 활용하여 구축하였다.
IaaS 환경은 컴퓨팅 자원을 요청한 만큼 할당받을 수 있어 분산처리가 가능한 시스템 환경을 구축할 수 있다. 이번 연구에서는 이러한 사항을 고려하여 기존 단일 서버에 구축한 모듈을 별도 계층으로 구분하고 각 계층별로 가상서버를 구성하였다.
이번 연구에서는 클라우드 컴퓨팅 서비스 구축 환경으로 OpenStack을 적용하였다. OpenStack은 파이썬으로 개발된 클라우드 컴퓨팅 오픈소스로 일반 컴퓨터에서도 IaaS 유형의 클라우드 환경을 구축할 수 있고, 다양한 분야에서 사용되어 그 활용성 및 안정성이 입증된 클라우드 환경이다(OpenStack, 2016).
이번 연구에서는 클라우드 환경 기반의 WPS 2.0 표준을 적용한 위성영상처리 시스템을 시험적으로 구축하였고 이를 유사한 시스템 구조를 가진 단일서버와의 성능측정을 수행하였다. 성능측정은 JMeter을 활용하여 평가 흐름도를 설정해 수행하였으며 성능측정 시험 대상은 WPS 2.
가져온 위성영상은 공간정보 입출력 라이브러리인 GDAL을 사용하여 위성영상에서 필요한 부분만을 추출하는 전처리 과정을 거치게 된다. 전처리 과정이 수행이 끝나면 위성영상처리 라이브러리인 OTB를 통해 영상처리를 수행하여 Manila에 저장한 후 GeoServer에 결과영상을 등록하도록 하였다. 위성영상처리 완료 여부는 클라이언트에서 계속 요청하게 되어있으며 영상처리 완료 반환 값을 받게 될 경우 클라이언트는 GeoServer에 처리가 완료된 결과 영상을 요청해 시각화하게 된다.
대상 데이터
0을 준수한 위성영상처리 시스템을 서로 다른 웹 환경에 적용하여 성능측정 시험을 수행해 효율적인 시스템 구조를 제시하고자 한다. 비교 대상이 되는 웹 환경은 단일서버와 클라우드 컴퓨팅 기반의 웹 환경이다.
이 구성요소들은 ZOO-Services에 등록할 공간정보처리 기능을 만들거나 실행시키는 API를 제공하거나 클라이언트에서 WPS 요청을 수행할 수 있는 API를 제공하는 역할을 한다. 이러한 구성요소 중에서 WPS 2.0의 준수 및 성능 측정 시험에 대한 관심과 다른 WPS 오픈소스 및 서버와의 연계성을 고려하기 위하여 핵심 구성요소들만을 사용하였다. 성능측정을 위한 처리 기능으로는 구름 추출(Cloud Detection) 알고리즘을 대상으로 하였다.
데이터처리
웹 시스템은 단일서버와 클라우드 환경에서 운용되는 가상서버 구축과정에서 시스템 설계를 재구성하였고, 사용된 오픈소스 버전을 갱신했다. 성능측정의 경우 오픈소스 성능측정 도구인 JMeter을 활용하여 WPS 2.0 요청에 대하여 개별적으로 비교 시험하였다.
이론/모형
단일서버와 클라우드 환경에서의 성능 비교를 위한 도구로 Apache Jakarta 프로젝트 목적으로 만들어진 JMeter를 사용하였다. JMeter는 자바로 개발된 오픈소스 소프트웨어로 웹 시스템의 성능측정 및 부하 테스트를 수행하는 도구이다(JMeter, 2016).
0의 준수 및 성능 측정 시험에 대한 관심과 다른 WPS 오픈소스 및 서버와의 연계성을 고려하기 위하여 핵심 구성요소들만을 사용하였다. 성능측정을 위한 처리 기능으로는 구름 추출(Cloud Detection) 알고리즘을 대상으로 하였다. 구름 추출 알고리즘은 Jedlovec(2009)과 Champion(2012) 등의 연구와 같이 원격탐사 정보처리 분야에서 중요한 연구 주제로 많은 처리기법이 개발되고 있으나 이 연구에서는 구름 추출 알고리즘 자체를 주제로 하지는 않았고 오픈소스 기반 위성영상정보 처리도구인 OTB에서 제공 하는 기능을 직접 적용하였다.
성능/효과
전체적인 평균 응답시간은 단일서버에서 1,917 ms가 클라우드 환경에서 391 ms가 측정되어, 응답시간이 급격히 증가한 구간을 제외하면 전체적인 성능은 클라우드 환경에서 좋게 나타났다. 각각의 요청에 대하여 단일서버나 클라우드 환경 모두 사용자가 증가하면 평균 응답시간도 증가하나, 전체적으로 클라우드 환경이 단일서버보다 처리 결과를 얻는 성능이 더 좋게 나타남을 알 수 있다.
4는 GetCapabilities 요청에 대한 성능측정 결과이다. 단일서버에서 최소 평균응답시간은 활성화된 사용자가 3명일 때 31 ms이며, 최대 평균 응답시간은 198명일 때 18,122ms로 나타났다. 클라우드 환경에서는 활성화된 사용자가 24명일 때 35 ms의 최소 평균 응답시간을 나타내고, 191명에서는 2,910 ms로 측정되었다.
성능측정결과 중 GetStatus와 GetResult를 제외한 요청은 사용자 수가 많아지면서 어떤 임계값을 기준으로 평균 응답시간이 급격히 증가하는 현상이 나타난다. 두 개의 요청에 대해서 단일서버는 변동이 심하게 나타나는 현상이 있고 클라우드 환경에서는 극단적으로 늘어나는 현상을 보였다. 마찬가지로 GetResult 요청의 경우에도 GetStatus의 반복요청이 끝난 후에 이루어지는 요청이기 때문에 응답시간이 갑자기 증가하는 현상이 나타나는 것으로 보인다.
그러나 미리 충분한 근거 없이 서버를 증설하는 경우에도 시스템 소모를 발생하게 되므로 클라우드 컴퓨팅 환경에서 구동되는 웹 서비스는 사전에 충분한 성능측정 및 정량적 평가가 필요하다. 이번 연구를 통해 단일서버와 클라우드 환경에서의 WPS 2.0 기반의 위성영상처리 시스템의 성능을 측정하고 그 결과를 확인하였으며, 이 결과는 클라우드 환경과 WPS 2.0을 기반으로 위성영상처리 웹 서비스 시스템 구축에 필요한 근거가 될 수 있다.
0의 5가지 인터페이스 요청에 대해 측정하였다. 전체적인 성능측정결과 단일서버보다 클라우드 환경에서 더 좋은 성능을 내는 것을 확인하였다. 이는 단일서버에서는 사용자 요청 수신 및 응답, 위성영상 처리, 데이터 관리의 역할을 하나의 서버에서 수행 하지만, 클라우드 환경에서는 WPS Webframework, WPS Server, Geospatial Data Manager 등과 같이 여러 계층으로 서비스 시스템을 구성하고 계층별로 가상서버와 별도의 인스턴스를 필요할 때마다 생성하여 서버 부하가 감소하는 구조이다.
클라우드 환경에서는 6명일 때 33ms의 최소 평균응답시간을 보이나 최대 평균 응답시간은 119 명일 때 12,923 ms로 측정되어 응답시간이 급격히 증가하는 현상이 나타난다. 전체적인 평균 응답시간은 단일 서버에서 3,167 ms가 클라우드 환경에서 586 ms가 측정돼 전체적인 평균 응답시간으로 보면 클라우드 환경이 좋은 성능을 보이나, 급격히 증가하는 구간이 존재함을 알 수 있다. Fig.
클라우드 환경에서는 최소, 최대 평균 응답 시간이 각각 36명일 때 68 ms, 189명일 때 2,305 ms으로 측정되었다. 전체적인 평균 응답시간은 단일서버는 9,421 ms, 클라우드 환경에서는 1,664 ms이다. Execute 요청이 경우도 다른 요청과 마찬가지로 클라우드 환경에서 좋은 성능을 내고 있었다.
클라우드 환경에서는 5명일 때 20 ms의 최소 평균응답시간을, 최대 평균 응답 시간은 179명일 때 11,927 ms로 급격히 평균 응답시간이 증가하는 양상을 보인다. 전체적인 평균 응답시간은 단일서버에서 1,917 ms가 클라우드 환경에서 391 ms가 측정되어, 응답시간이 급격히 증가한 구간을 제외하면 전체적인 성능은 클라우드 환경에서 좋게 나타났다. 각각의 요청에 대하여 단일서버나 클라우드 환경 모두 사용자가 증가하면 평균 응답시간도 증가하나, 전체적으로 클라우드 환경이 단일서버보다 처리 결과를 얻는 성능이 더 좋게 나타남을 알 수 있다.
클라우드 환경에서는 50명이 활성화되었을 때 39 ms의 평균응답시간을 보이며, 191명이 활성화되었을 때 2,006 ms의 평균 응답시간을 나타낸다. 전체적인 평균 응답시간은 단일서버에서 10,374 ms, 클라우드 환경에서 1,186 ms으로 측정되어 DescribeProcess 요청에서도 클라우드 환경이 우수한 성능을 보임을 알 수 있다. Fig.
클라우드 환경에서는 활성화된 사용자가 24명일 때 35 ms의 최소 평균 응답시간을 나타내고, 191명에서는 2,910 ms로 측정되었다. 전체적인 평균 응답시간은 단일서버의 경우는 6,287 ms이며, 클라우드 환경에서는 891 ms로 측정돼 GetCapabilities 요청에 있어서 클라우드 환경이 좋은 성능을 보인다. Fig.
질의응답
핵심어
질문
논문에서 추출한 답변
클라우드 컴퓨팅이란?
클라우드 컴퓨팅은 컴퓨팅 자원을 필요한 만큼 받고 지급하는 서비스를 뜻하며 이를 통해 필요한 웹 시스템 구축이 되는 서버를 필요한 만큼 할당받는 것이 가능하다. OGC에서 클라우드 환경을 기반으로 OGC 웹 표준의 성능측정을 한 바 있다(OGC, 2014).
클라우드 컴퓨팅에 따른 웹 시스템의 여러 기술적 정책적 장점에는 어떤 것이 있는가?
Chou (2015)는 클라우드 컴퓨팅에 따른 웹 시스템의 여러 기술적 정책적 장점을 정리한 바 있다. 첫 번째 장점으로 웹 시스템을 구성하기 위한 기본조건인 물리적인 컴퓨팅 자원을 웹을 통해서 할당 받기 때문에 정보통신 환경 구축비용을 절감할 수 있다. 두 번째는 컴퓨팅 자원 활용의 확장성과 유연성이다. 클라우드 컴퓨팅을 기반으로 하는 웹 시스템은 사용자의 접속에 따라 가상 서버를 새롭게 증설하거나 줄이는 것이 가능하다. 이는 원활한 서비스를 제공할 수 있도록 도와주며, 컴퓨팅 자원을 효율적으로 사용할 수 있다. 세 번째로는 접근성이다. 컴퓨팅 자원을 제공받은 사용자는 인터넷이 연결 된 어디서든지 해당 컴퓨팅 자원에 접근하는 것이 가능해 유동적으로 컴퓨팅 자원을 관리할 수 있도록 해준다. 이외에도 여러 가지 장점을 얻을 수 있으며 활용 여부에 따라 다양하게 사용할 수 있다.
민간 활용을 확대하고자 위성영상정보의 공유 및 보급, 배포를 위한 웹 서비스에는 무엇이 있는가?
위성영상정보는 전통적인 활용분야 뿐 만 아니라 최근 새로운 응용분야가 개발되면서 그 부가가치가 증가하고 있다(KARI, 2016). 미국 지질조사국에서 운영 하는 위성영상 검색 및 다운로드 웹 사이트(http:// earthexplorer.usgs.gov), 한국 항공우주연구원의 위성영상 분석 서비스(http://ksatdb.kari.re.kr) 등과 같이 민간 활용을 확대하고자 위성영상정보의 공유 및 보급, 배포를 위한 웹 서비스도 증가하고 있다. 이러한 웹 서비스를 효과적으로 운영하기 위해 정보 상호 호환성을 전제로 시스템 개발을 고려해야 한다.
참고문헌 (20)
Champion, N., 2012. Automatic Cloud Detection from Multi-Temporal Satellite Images: Towards The Use of PLIADES Time Series, ISPRSInternational Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, 1: pp. 559-564.
Chou, D. C., 2015. Cloud Computing: A Value Creation Model, Computer Standards and Interfaces, 38: 72-77.
Giuliani, G., S. Nativi, A. Lehmann and N. Ray, 2012. WPS Mediation: An Approach To Process Geospatial Data on Different Computing Backends, Computers and Geosciences, 47: 20-33.
Jedlovec, G., 2009. Automated Detection of Clouds in Satellite Imagery, http://weather.msfc.nasa.gov/sport/journal/pdfs/2009_GRS_Jedlovec.pdf (Accessed November 16, 2016).
JMeter. 2016. Apache JMeter Overview, http://jmeter.apache.org (Accessed November 16, 2016).
Kang, S. and K. Lee, 2016. Auto-Scaling of Geo-Based Image Processing in an OpenStack Cloud Computing Environment, Remote Sensing, 8(8): 662.
KARI, 2016. Utilization of Satellite Images, http://www.kari.re.kr/kor/sub03_05.do (Accessed November 16, 2016).
Li, W., S. Wang and V. Bhatia, 2016. Polarhub: A Large-Scale Web Crawling Engine For OGC Service Discovery In Cyberinfrastructure, Computers, Environment and Urban Systems, 59: 195-207.
Mell, P. and T. Grance, 2011. The NIST Definition of Cloud Computing, NIST Special Publication 800-145, 7pp.
Mueller, M. and B. Pross, 2015. OGC WPS 2.0 Interface Standard, Open Geospatial Consortium Inc., 133pp.
OGC, 2014. Testbed 10 Performance of OGC $^{(R)}$ Services in the Cloud: The WMS, WMTS, and WPS cases, OGC 14-028r1, 47pp.
OpenStack, 2016. OpenStack Software, https://www.openstack.org/software/ (Accessed November 16, 2016).
Rautenbach, V., S. Coetzee and A. Iwaniak, 2013. Orchestrating OGC Web Services To Produce Thematic Maps In A Spatial Information Infrastructure, Computers, Environment and Urban Systems, 37: 107-120.
Tan, X., L. Di, M. Deng, J. Fu, G. Shao, M. Gao, Z. Sun, X. Ye, Z. Sha and B. Jin, 2015. Building an Elastic Parallel OGC Web Processing Service on a Cloud-Based Cluster: A Case Study of Remote Sensing Data Processing Service, Sustainability, 7(10): 14245-14258.
Westerholt, R. and B. Resch, 2014. Asynchronous Geospatial Processing: An Event-Driven Push-Based Architecture for the OGC Web Processing Service, Transactions in GIS, 19(3): 455-479.
Xavier, E. M. A., F. J. Ariza-Lopez, and M. A. Urena-Camara, 2015. Web Service For Positional Quality Assessment: The Wps Tier, ISPRS Annals of the Photogrammetry, Remote Sensing and Spatial Information Sciences, 1: 257-262.
Yoon, G. and K. Lee, 2015a. Testing Application of Web Processing Service (WPS) Standard to Satellite Image Processing, Korean Journal of Remote Sensing, 31(3): 245-254.
Yoon, G. and K. Lee, 2015b. WPS-based Satellite Image Processing on Web Framework and Cloud Computing Environment, Korean Journal of Remote Sensing, 31(6): 561-570.
Yoon, G. and K. Lee, 2016. Application of OGC WPS 2.0 to Geo-Spatial Web Services, Journal of the Korean Association of Geographic Information Studies, 19(3): 16-28.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.