$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

라즈베리파이를 이용한 빅 데이터 처리 학습 환경 구축

On Implementing a Learning Environment for Big Data Processing using Raspberry Pi

디지털융복합연구 = Journal of digital convergence, v.14 no.4, 2016년, pp.251 - 258  

황보람 (안양대학교 컴퓨터공학과) ,  김성규 (안양대학교 컴퓨터공학과)

초록
AI-Helper 아이콘AI-Helper

빅 데이터 처리는 데이터의 크기나 복잡도가 커서 기존의 전통적인 데이터 처리 기법으로는 다루기 힘든 데이터의 처리를 의미한다. 싱글보드 컴퓨터를 포함하는 스마트 기기의 보급은 데이터를 처리하는 방법에 많은 영향을 미치고 있으며 이 들을 활용하여 데이터를 처리하는 기법에 대한 연구가 진행되고 있다. 본 연구에서는 빅 데이터 처리에 필요한 분산처리 시스템을 데스크톱 기기 환경이 아니라 라즈베리파이를 활용하여 하둡 분산처리 환경을 구축하는 방안을 제시한다. 또한 제안하는 시스템의 다양한 테스트를 통한 성능 분석과 스케일링의 용이성을 통해 구축한 학습 환경 구성의 효율성을 보인다.

Abstract AI-Helper 아이콘AI-Helper

Big data processing is a broad term for processing data sets so large or complex that traditional data processing applications are inadequate. Widespread use of smart devices results in a huge impact on the way we process data. Many organizations are contemplating how to incorporate or integrate tho...

주제어

AI 본문요약
AI-Helper 아이콘 AI-Helper

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

문제 정의

  • 네트워크 구성은 데이터 노드 5개 까지는 하나의 스위치 허브에 연결 했지만, 8개로 증가했을 때는 두 개의 스위치 허브에 나누어 연결하였다. 네트워크 구성에 따라 데이터 처리 시간에 손실이 발생되는지 확인하기 위해 별도로 테스트를 수행하였다.
  • 본 논문에서 구현한 빅 데이터 학습용 시스템에 좀 더 효율적인 노드 구성을 제안하기 위해 다음과 같이 세 가지 테스트를 수행하였다. 첫 번째는 Word Count 테스트로 데이터 노드 수와 데이터 크기에 변화를 주어 처리 시간을 측정하였다.
  • 본 논문에서는 라즈베리파이2 모델B를 활용하여 빅 데이터 학습을 위한 분산처리 시스템을 구축한다. 다양한 테스트를 수행하고 결과를 분석하여 데이터 처리 및 실습에 효율적인 노드 구성을 제안한다.
본문요약 정보가 도움이 되었나요?

질의응답

핵심어 질문 논문에서 추출한 답변
하둡은 무엇인가? 하둡(Hadoop)이란 대용량 데이터를 분산 처리 할 수 있도록 해주는 아파치 톱 레벨의 오픈 소스 프로젝트이다. 하둡은 분산파일시스템(HDFS)과 분산처리시스템(MapReduce)으로 구성되어있다.
하둡 버전 2와 이전 버전은 어떤 차이가 있는가? 하둡 버전 2부터는 YARN(Yet Another Resource Negotiator) 시스템을 지원한다. 이전의 하둡 버전에서는 반드시 맵리듀스 API로 구현된 프로그램만 실행이 가능했지만 하둡 버전 2는 YARN을 통해 다양한 데이터 처리 애플리케이션을 수용할 수 있게 되었다[11, 12].
하둡의 분산파일시스템이 로컬 서버의 하드 디스크보다 큰 규모의 데이터를 저장할 수 있는 이유는 무엇인가? 하둡은 분산파일시스템(HDFS)과 분산처리시스템(MapReduce)으로 구성되어있다. 분산파일시스템이란 블록구조의 파일 시스템이며, 여러 개의 블록은 여러 서버에 나눠서 저장되기 때문에 로컬 서버의 하드 디스크보다 큰 규모의 데이터를 저장할 수 있다. 분산처리시스템은 크게 맵(Map)과 리듀스(Reduce) 단계로 데이터를 처리한다.
질의응답 정보가 도움이 되었나요?

참고문헌 (17)

  1. IDC Digital Universe Study: Korean Digital Data Survey, 2014. 

  2. G. Fox, S. Kamburugamuve, H. He, Current and Planned IoT Cloud Research at Digital Science Center, 2015. 

  3. T. Plunkett et al., Oracle Big Data Handbook, Oracle Press, 2013. 

  4. E. Dumbill, What is Big Data?, https://www.oreilly.com/ideas/what-is-big-data, 2012. 

  5. Jung-Hoon Kim, Jun-Young Go, Keun-Ho Lee, "A Scheme of Social Engineering Attacks and Countermeasures Using Big Data based Conversion Voice Phishing", Journal of the Korea Convergence Society, Vol. 6, No. 1, pp. 85-91, 2015. 

  6. Yun-A Hur, Keun-Ho Lee, "A Study on Countermeasures of Convergence for Big Data and Security Threats to Attack DRDoS in U-Healthcare Device", Journal of the Korea Convergence Society, Vol. 6, No. 4, pp. 243-248, 2015. 

  7. I. Foster and C. Kesselman (Eds), The Grid: Blueprint for a Future Computing Infrastructure, 1998. 

  8. G. Fox and D. Cannon, Computational Grids, Computing in Science and Engineering Magazine, 2001. 

  9. T. Phan, L. Huang and C. Dulan, Challehge: Integrating Mobile Wireless Devices Into the Computational Grid, Proceedings of 8th international conference on Mobile Computing and Networking, 2002. 

  10. L. T. Yang et. al., A Lightweight Platform for Integration of Mobile Devices into Pervasive Grids, First International Conference HPCC 2005, LNCS 3726, pp 1058-1063, 2005. 

  11. Dhruba Borthakur, The Hadoop Distributed File System: Architecture and Design, Apache Software Foundations, 2007. 

  12. Hadoop Apache, Hadoop Cluster Setup, The Apache Software Foundation, 2013. 

  13. Chanwit Kaewkasi, Big Data Processing on ARM Cluster, Cubieboard, 2014. 

  14. K. O'Dell, How-to: Select Right Hardware for Your New Hadoop Cluster, https://blog.cloudera.com/blog/2013/08/how-to-select-the-right-hardware-for-your-new-hadoop-cluster/, 2013. 

  15. Jonas Widriksson, How to build a 7 node Raspberry Pi Hadoop Cluster, http://www.widriksson.com/raspberry-pi-hadoop-cluster, 2014. 

  16. Understanding Hadoop Cluster and the Network, http://bradhedlund.com/2011/09/10/understanding-hadoop-clusters-and-the-network/, 2011. 

  17. S. Seshachala, Big data - Understanding Hadoop and its Ecosystem, http://devops.com/2015/06/01/bigdata-understanding-hadoop-ecosystem/, 2015. 

저자의 다른 논문 :

관련 콘텐츠

오픈액세스(OA) 유형

BRONZE

출판사/학술단체 등이 한시적으로 특별한 프로모션 또는 일정기간 경과 후 접근을 허용하여, 출판사/학술단체 등의 사이트에서 이용 가능한 논문

이 보고서와 함께 이용한 콘텐츠

섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트