[논문]SDN 환경에서의 데이터 생성 형태를 고려한 효율적인 부하분산 기법

윤지영; 권태욱

doi:10.9717/kmms.2020.23.2.247

SDN 환경에서의 데이터 생성 형태를 고려한 효율적인 부하분산 기법
An Efficient Load Balancing Technique Considering Forms of Data Generation in SDNs 원문보기

멀티미디어학회논문지 = Journal of Korea Multimedia Society, v.23 no.2, 2020년, pp.247 - 254

윤지영 (Dept. of Computer Eng., Graduate School, Korea National Defence University) , 권태욱 (Dept. of Computer Eng., School of National Defence Science, Korea National Defence University)

Abstract ▼ AI-Helper

The recent Internet environment is characterized by the explosion of certain types of data, as the data that people want is affected by certain issues. In this paper, we propose a load balancing technique that considers the data generation forms. The concept of this technique is to prioritize some type of data when it suddenly explodes. This is a technique to build an add-on middle box on a switch to monitor packets and give priority to a queue for load balancing. This technique worked when certain types of data exploded. SDN(Software Defined Networking) has the advantage of efficiently managing a number of network equipment. However, load balancing in the SDN environment has not been studied much. Applying the proposed load balancing technique in the SDN environment can save time and budget and easily implement our policies. When the proposed load balancing technique is applied to the SDN environment, it has been found that the techniques we want can be easily applied to the network systems, and that efficient data processing is possible when certain types of data explosion.

주제어

표/그림 (8)

그림 Fig. 1. Middle box processing.
그림 Fig. 2. Middle box flowchart.
그림 Fig. 3. Experiment design.
그림 Fig. 4. Burst data latency measurement result.
그림 Fig. 5. Random data latency measurement result.
그림 Fig. 6. Burst data latency measurement result.
그림 Fig. 7. Random data latency measurement result.
표 Table 1. Overall measurement result

AI 본문요약
AI-Helper

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

문제 정의

기존 네트워크 체계에서의 부하분산은 매우 전통적인 연구 주제로써 과거부터 수많은 연구가 이루어져 온 것과는 대조적으로, SDN이라는 획기적인 개념의 새로운 네트워크 체계가 등장한 것은 불과 10년도 되지 않았고, 지금까지는 주로 기존 네트워크 체계에서의 SDN 환경 구축 등 개괄적인 내용 위주로 연구가 이루어져 왔을 뿐 부하분산 분야는 현재까지 활발한 연구가 진행되지 않은 것이 사실이다[2]. 따라서 본 논문에서는 컨트롤 영역과 데이터 영역을 분리하여 네트워크 운영자가 원하는 정책을 손쉽게 적용할 수 있는 SDN의 장점을 활용하는 한편, 이슈 발생에 따라 특정 데이터가 폭증하는 최근 인터넷 환경의 특수성을 고려하는 새로운 부하분산 기법을 제안하는데 목적이 있다. SDN 환경에서는 기존의 네트워크 장비의 교체 없이 우리가 원하는 부하분산 기법을 소프트웨어를 통해 적용하여 이전보다 효율적인 네트워크를 구현할 수 있다.
본 논문에서 SDN 환경 하 제안하는 부하분산 기법을 적용하는 것은 이러한 SDN의 특성이자 장점을 활용하기 위함이다.
다만, SDN의 Openflow에서는 서비스별 우선 순위를 지정할 수 없는 것처럼 QoS 처리가 어려운 제한사항이[3] 있어 이를 손쉽게 극복하기 위해 Middle Box를 구축한 후 스위치와 연결(Add-on)하여 우리가 원하는 부하분산 정책을 쉽고 빠르게 적용하는 방안을 제안한다. 본 논문에서는 Middle Box를 구축하여 입력되는 다양한 데이터의 유형을 분석한 후 데이터가 일정 기준 이상 폭증될 때 이를 우선 처리하는 기법을 제안한다. 이를 평시 일반적인 네트워크 환경으로 가정한 무작위(Random) 데이터와 데이터가 폭증하는 상황을 가정하기 위한 군집(Burst) 데이터 등 두 가지 유형의 데이터를 전송했을 때 각각의 결과를 비교 분석 후 그 효과를 검증하였다.
본 논문에서는 우리의 인터넷 환경에서 어떤 이슈가 발생했을 때 네트워크 내 특정 데이터가 폭증한다는 가정 아래 폭증하는 데이터를 식별하여 이를 우선 처리하는 부하분산 기법을 제안하였다. 실험 결과를 통해 폭증 데이터의 처리 결과를 살펴보면 우리가 제안하는 기법이 본 연구의 배경과 목적으로 삼았던 데이터가 폭증하여 몰려들어오는 상황에서 효율적인 부하분산을 통해 효과가 있었음을 확인할 수 있으며, 일반적인 네트워크 환경에서도 역시 지연시간이 감소하는 것을 식별할 수 있었다.
정치·사회·경제적인 사안들에 대해 대중들은 높은 관심을 보이게 되는데, 이러한 이슈가 발생하게 되면 이에 대한 정보요구가 급속히 증가하게 된다. 이를 위해 본 논문에서는 SDN을 기반으로 하여 데이터 생성 형태를 고려한 효율적인 부하분산 기법을 연구하였다. SDN이란 기존의 라우터나 스위치와 같이 소프트웨어 기반의 컨트롤 영역 (Control Plane)을 하드웨어 기반의 데이터 영역(Data Plane)과 분리하는 개념으로써 컨트롤 영역을 중앙 SDN 컨트롤러를 통해 중앙집중화하여 데이터 영역의 네트워크 장비를 제어하는 기술이다[1].

가설 설정

본 논문에서는 제안하는 부하분산 기법의 효과를 검증하기 위해 일반적인 네트워크 상황과 데이터가 폭증하는 두 가지 상황을 가정하여 다양한 조건 아래 실험을 하였다.
본 논문에서는 총 8가지 상황을 가정하여 실험하였다. 우선 전송하는 데이터를 모두 처리했을 경우의 지연시간을 측정하는데 제안하는 부하분산 기법을 적용하여 처리한 것과 일반적인 라운드로빈 방식으로 처리한 결과를 비교한다.
3과 같이 패킷 생성기 역할을 하는 h1에서 패킷을 전송하여 Middle Box를 거쳐 데이터를 분류 및 우선 처리한 후 h2에서 패킷을 받아 출력할 때까지의 지연시간(Latency)을 측정하는 방식으로 실시한다. 실험은 크게 두 가지 유형의 데이터를 전 송하여 측정하는데 일반적인 네트워크 상황을 가정한 무작위 데이터와 데이터가 폭증하는 상황을 가정한 군집 데이터이다. 이를 각각 제안하는 부하분산 기법과 일반적인 라운드로빈 방식으로 처리한 결괏값을 비교 분석한다.

제안 방법

이를 평시 일반적인 네트워크 환경으로 가정한 무작위(Random) 데이터와 데이터가 폭증하는 상황을 가정하기 위한 군집(Burst) 데이터 등 두 가지 유형의 데이터를 전송했을 때 각각의 결과를 비교 분석 후 그 효과를 검증하였다.
SDN 환경에서는 기존의 네트워크 장비의 교체 없이 우리가 원하는 부하분산 기법을 소프트웨어를 통해 적용하여 이전보다 효율적인 네트워크를 구현할 수 있다. 다만, SDN의 Openflow에서는 서비스별 우선 순위를 지정할 수 없는 것처럼 QoS 처리가 어려운 제한사항이[3] 있어 이를 손쉽게 극복하기 위해 Middle Box를 구축한 후 스위치와 연결(Add-on)하여 우리가 원하는 부하분산 정책을 쉽고 빠르게 적용하는 방안을 제안한다. 본 논문에서는 Middle Box를 구축하여 입력되는 다양한 데이터의 유형을 분석한 후 데이터가 일정 기준 이상 폭증될 때 이를 우선 처리하는 기법을 제안한다.
이때 전송되는 데이터를 폭증하는 데이터(실험1)와 일반적인 데이터(실험2) 두 가지 유형으로 구분하여 실험한다. 다음은 제안하는 기법이 실제로 픅증 데이터를 처리하는 것에 효과적인지 확인하기 위해서 폭증 데이터만 처리한 지연 시간을 측정한다. 이때 역시 두 가지 정책을 각각 적용하여 결과를 비교 분석하며, 입력되는 데이터도 폭증 데이터(실험3)와 일반 데이터(실험4)를 구분하여 처리 결과를 확인한다.
단대단 호스트간의 폭증하는 데이터 전달의 효율적인 부하분산 기법을 확인하기 위해 패킷 생성기 역할을 하는 Client host와 분류기 및 큐의 기능을 담당하는 Middle Box, Client host가 보낸 데이터를 받아들여 출력하는 Server host를 각각의 파이썬 스크립트로 구성하였으며, 미니넷 환경에서 구동한다.
이를 각각 제안하는 부하분산 기법과 일반적인 라운드로빈 방식으로 처리한 결괏값을 비교 분석한다. 또한, 전체 데이터가 아닌 폭증 (군집) 데이터만 처리한 결괏값을 분리 측정하여 비교한 후 본 연구에서 제안하는 부하분산 기법이 폭증 데이터를 실제로 얼마나 효과적으로 처리했는지 확인한다.
전송하는 데이터의 형태는 우선순위를 5가지 유형으로 제한하였고, 1차례 전송 시 총 10,000개의 패킷을 보내며, 이를 100차례 반복하여 최곳값과 최솟값을 제외한 지연시간의 평균값을 측정한다. 분류기에서는 두 가지의 패킷 처리 정책을 수행하는데, 첫 번째 정책은 데이터 생성 형태를 고려한 우선 처리 방식으로써 본 실험에서는 동일한 유형의 데이터가 5개 이상 연이어 전송될 시 이를 폭증하는 데이터로 간주하여 우선 처리한다. 두 번째 정책은 일반적인 라운드로빈 방식으로 패킷을 처리하는 정책이다.
실험은 Fig. 3과 같이 패킷 생성기 역할을 하는 h1에서 패킷을 전송하여 Middle Box를 거쳐 데이터를 분류 및 우선 처리한 후 h2에서 패킷을 받아 출력할 때까지의 지연시간(Latency)을 측정하는 방식으로 실시한다. 실험은 크게 두 가지 유형의 데이터를 전 송하여 측정하는데 일반적인 네트워크 상황을 가정한 무작위 데이터와 데이터가 폭증하는 상황을 가정한 군집 데이터이다.
다음은 제안하는 기법이 실제로 픅증 데이터를 처리하는 것에 효과적인지 확인하기 위해서 폭증 데이터만 처리한 지연 시간을 측정한다. 이때 역시 두 가지 정책을 각각 적용하여 결과를 비교 분석하며, 입력되는 데이터도 폭증 데이터(실험3)와 일반 데이터(실험4)를 구분하여 처리 결과를 확인한다.
우선 전송하는 데이터를 모두 처리했을 경우의 지연시간을 측정하는데 제안하는 부하분산 기법을 적용하여 처리한 것과 일반적인 라운드로빈 방식으로 처리한 결과를 비교한다. 이때 전송되는 데이터를 폭증하는 데이터(실험1)와 일반적인 데이터(실험2) 두 가지 유형으로 구분하여 실험한다. 다음은 제안하는 기법이 실제로 픅증 데이터를 처리하는 것에 효과적인지 확인하기 위해서 폭증 데이터만 처리한 지연 시간을 측정한다.
우선 입력되는 패킷은 무작위 데이터와 군집 데이터로 구분하여 두 가지 형태의 데이터를 전송한다. 전송하는 데이터의 형태는 우선순위를 5가지 유형으로 제한하였고, 1차례 전송 시 총 10,000개의 패킷을 보내며, 이를 100차례 반복하여 최곳값과 최솟값을 제외한 지연시간의 평균값을 측정한다. 분류기에서는 두 가지의 패킷 처리 정책을 수행하는데, 첫 번째 정책은 데이터 생성 형태를 고려한 우선 처리 방식으로써 본 실험에서는 동일한 유형의 데이터가 5개 이상 연이어 전송될 시 이를 폭증하는 데이터로 간주하여 우선 처리한다.
제안하는 부하분산 기법을 가상 네트워크 환경에 구현하여 그 성능과 효용성을 평가하였다. 실험 환경은 Intel (R) Core (TM) i5-8250U @ 1.
제안하는 부하분산 기법이 폭증 데이터 처리에 효과가 있는지 명확히 확인하기 위해 폭증 데이터를 처리한 결과만 선별하여 지연시간을 측정하였다. 이번 실험에서도 제안하는 기법과 라운드로빈 방식으로 처리한 결과를 비교하였으며, 폭증 데이터를 전송한 결과는 Fig.
첫 번째 정책인 데이터 생성 형태를 고려한 부하 분산 방식은 분류기에서 입력되어 들어오는 데이터를 모니터링하다가 동일한 형태의 데이터가 군집 되어 들어오게 되면 이를 폭증하는 것으로 판단하고 제안하는 기법으로 동작한다. 본 연구의 실험 환경에 서는 입력되는 데이터 중 동일한 패킷이 5개 이상 군집되어 들어오는 경우를 폭증 데이터로 판단한다.
우선 패킷이 순서대로 들어오게 되면 분류기는 두 가지 정책으로 처리하는데, 하나는 데이터 생성 형태를 고려하여 폭증하는 유형의 데이터를 우선 처리하는 정책이고, 다른 하나는 대조군으로서 일반적인 라운드로빈 방식으로 패킷을 분류하여 큐로 넘기는 정책이다. 큐는 총 5개로 설계하였으며, 본 연구에서 제안하는 정책을 실행하는 경우에는 1개의 우선 처리 큐와 4개의 정상처리 큐로 구성하였고, 라운드로빈 방식에서는 5개 모두 정상처리하는 큐로 구성하였다.

대상 데이터

첫 번째 정책인 데이터 생성 형태를 고려한 부하 분산 방식은 분류기에서 입력되어 들어오는 데이터를 모니터링하다가 동일한 형태의 데이터가 군집 되어 들어오게 되면 이를 폭증하는 것으로 판단하고 제안하는 기법으로 동작한다. 본 연구의 실험 환경에 서는 입력되는 데이터 중 동일한 패킷이 5개 이상 군집되어 들어오는 경우를 폭증 데이터로 판단한다. 5개 이상의 데이터가 군집되어 입력되면 분류기는 그 폭증 데이터의 시작 패킷부터 20개의 패킷을 큐로 보내는데, 이때 전술한 두 가지 유형의 큐 중 우선 처리 큐로 보낸다.

데이터처리

본 논문에서는 총 8가지 상황을 가정하여 실험하였다. 우선 전송하는 데이터를 모두 처리했을 경우의 지연시간을 측정하는데 제안하는 부하분산 기법을 적용하여 처리한 것과 일반적인 라운드로빈 방식으로 처리한 결과를 비교한다. 이때 전송되는 데이터를 폭증하는 데이터(실험1)와 일반적인 데이터(실험2) 두 가지 유형으로 구분하여 실험한다.
실험은 크게 두 가지 유형의 데이터를 전 송하여 측정하는데 일반적인 네트워크 상황을 가정한 무작위 데이터와 데이터가 폭증하는 상황을 가정한 군집 데이터이다. 이를 각각 제안하는 부하분산 기법과 일반적인 라운드로빈 방식으로 처리한 결괏값을 비교 분석한다. 또한, 전체 데이터가 아닌 폭증 (군집) 데이터만 처리한 결괏값을 분리 측정하여 비교한 후 본 연구에서 제안하는 부하분산 기법이 폭증 데이터를 실제로 얼마나 효과적으로 처리했는지 확인한다.

성능/효과

실험 결과를 통해 폭증 데이터의 처리 결과를 살펴보면 우리가 제안하는 기법이 본 연구의 배경과 목적으로 삼았던 데이터가 폭증하여 몰려들어오는 상황에서 효율적인 부하분산을 통해 효과가 있었음을 확인할 수 있으며, 일반적인 네트워크 환경에서도 역시 지연시간이 감소하는 것을 식별할 수 있었다.
이는 폭증 데이터 처리에 있어 우리가 제안하는 기법이 효과가 있음을 증명한다. 또한, 무작위 데이터 처리 부분에서도 약 26.3%의 지연시간 감소 효과가 있어 평상시 정상적인 네트워크 환경에서도 우리가 제안하는 기법이 효용 가치가 있다고 할 수 있다.
실험 결과를 통해 폭증 데이터의 처리 결과를 살펴보면 우리가 제안하는 기법이 본 연구의 배경과 목적으로 삼았던 데이터가 폭증하여 몰려들어오는 상황에서 효율적인 부하분산을 통해 효과가 있었음을 확인할 수 있으며, 일반적인 네트워크 환경에서도 역시 지연시간이 감소하는 것을 식별할 수 있었다. 또한, 전체 데이터의 전송 결과를 살펴보더라도 본 논문에서 제안하는 부하분산 기법을 적용하였을 때 유의미한 효과가 있음이 실험을 통해 증명되었다. 이를 통해 네트워크 운영 시 본 연구에서 제안하는 기법을 적용한다면 데이터가 폭증하는 예외적인 상황에서는 물론 평시 정상적인 네트워크 환경에서도 그 효용성이 있다고 할 수 있다.
9%의 지연시간 감소 효과가 있었다. 무작위 데이터를 입력한 실험 4에서도 지연시간이 각각 0.0769초 와 0.1121초가 측정되면서 역시 제안하는 기법이 31.3%의 지연시간 단축 효과가 있음을 확인하였다. 제시한 그래프를 보면 앞서 실험했던 전체 지연시간의 결과와 비교해보았을 때 우리가 제시한 부하분산 기법과 라운드로빈 기법 간의 편차가 큰 것을 확인할 수 있는데, 이는 정상적으로 입력되는 데이터의 처리 결과를 제거하고 폭증하는 데이터 처리만 선별한 결과이기 때문에 폭증 데이터 처리에 있어 본 기법의 실질적인 효과를 보여주는 결과임을 알 수 있다.
또한, 전체 데이터의 전송 결과를 살펴보더라도 본 논문에서 제안하는 부하분산 기법을 적용하였을 때 유의미한 효과가 있음이 실험을 통해 증명되었다. 이를 통해 네트워크 운영 시 본 연구에서 제안하는 기법을 적용한다면 데이터가 폭증하는 예외적인 상황에서는 물론 평시 정상적인 네트워크 환경에서도 그 효용성이 있다고 할 수 있다.
전체 데이터의 결과를 분석해 보면, 전체 데이터를 전송한 지연시간의 경우 우리가 제안하는 기법이 라운드로빈 방식과 비교했을 때 약 23.2% 더 빨리 처리되었으며, 폭증 데이터만 처리한 결과를 보면 약 36%의 지연시간 감소가 있었음을 확인할 수 있다.
3%의 지연시간 단축 효과가 있음을 확인하였다. 제시한 그래프를 보면 앞서 실험했던 전체 지연시간의 결과와 비교해보았을 때 우리가 제시한 부하분산 기법과 라운드로빈 기법 간의 편차가 큰 것을 확인할 수 있는데, 이는 정상적으로 입력되는 데이터의 처리 결과를 제거하고 폭증하는 데이터 처리만 선별한 결과이기 때문에 폭증 데이터 처리에 있어 본 기법의 실질적인 효과를 보여주는 결과임을 알 수 있다. 이상 4종의 실험 결과를 정리하면 Table 1과 같다.
5)의 경우에는 무작위 데이터를 전송하여 실험하였는데, 여기서도 역시 우리가 제안하는 기법이 라운드로빈 방식보다 빠른 처리속도를 보였다. 제안하는 기법은 평균 0.4195초, 라운드로빈 방식은 평균 0.5327초의 지연시간이 측정됨에 따라 약 21.2%의 지연시간 감소 효과가 있음을 알 수 있는데, 이는 무작위 데이터 중에서도 군집되어 몰려 들어오는 데이터가 일부 발생할 수 있으므로 역시 이러한 군집 데이터를 우선 처리하여 큐에서의 정체 현상을 차단하고 기타 정상적인 데이터의 흐름을 원활히 하였기 때문에 이와 같은 지연시간 감소 효과가 나타났다고 할 수 있다. 또한, 앞서 실험 1의 그래프 Fig.
측정 결과, 실험 3과 실험 4 모두 전체 데이터의 지연시간을 측정했던 실험 1과 실험 2와 비교하여 제안하는 부하분산 기법의 효과가 크게 나타났다. 폭증 데이터를 전송한 실험 3에서는 제안하는 기법의 경우 평균 0.
측정 결과, 폭증하는 데이터를 전송하는 실험 1의 경우 Fig. 4와 같이 제안하는 기법으로 처리했을 때는 지연시간이 최저 0.3660초에서 최대 0.4921초의 분포를 보이며 평균 0.4045초의 지연시간이 측정되었고, 라운드로빈 방식의 경우에는 0.4896초에서 0.5925초의 분포를 보이며 평균 0.5407초의 지연시간이 측정됨에 따라 본 연구에서 제안하는 방식이 라운드로빈 방식 대비 약 25.2% 적은 지연시간이 발생하는 것을 확인할 수 있었다. 이는 폭증해서 밀려 들어오는 데이터를 분리하여 우선 처리함은 물론, 큐에서도 우선 처리 큐를 운영하여 폭증 데이터의 쏠림과 지연 현상을 방지하는 한편, 그 외 기타 유형의 정상적인 데이터가 큐에서 정체되는 현상을 예방한 결과임을 알 수 있다.
측정 결과, 실험 3과 실험 4 모두 전체 데이터의 지연시간을 측정했던 실험 1과 실험 2와 비교하여 제안하는 부하분산 기법의 효과가 크게 나타났다. 폭증 데이터를 전송한 실험 3에서는 제안하는 기법의 경우 평균 0.0887초의 지연시간이 측정되었으며, 라 운드로빈 방식은 평균 0.1501초가 측정되어 약 40.9%의 지연시간 감소 효과가 있었다. 무작위 데이터를 입력한 실험 4에서도 지연시간이 각각 0.

후속연구

또한, 군과 같이 전ㆍ평시가 구분되는 조직에서 다양한 상황에 맞춰 유연한 네트워크를 운용할 수 있다는 측면에서 그 가치가 있다고 할 수 있다.
이를 군 조직에 적용한다면 불시 상황이나 훈련, 전시와 같은 상황에서 특정 데이터에 사용자들의 정보요구가 집중될 때 효과적일 것이며, 네트워크 운용에 유연성을 부여하면서 보다 효율적이고 원활한 전산망을 구축할 수 있을 것으로 보인다. 또한, 본 논문에서 제시한 것과 같이 Middle Box를 구축하여 운용한다면 기존 장비와의 손쉬운 연동은 물론 신규 네트워크 장비를 구축하기 위한 예산과 시간 소요를 최소화할 수 있을 것으로 판단된다. 향후에는 군 전산망 역시 민간 기업처럼 SDN 도입이 예상되는 가운데 부하분산을 위한 Middle Box와 같은 소프트웨어 컨트롤 개념을 선제적으로 구축하여 운용한다면 SDN으로의 전환에서도 큰 장점이 있을 것으로 기대된다.
이러한 부하분산 정책 운용의 기본 배경은 SDN 환경하에서의 구축을 전제로 하고 있다. 본 연구의 실험에서는 네트워크 체계를 단순화하여 비교적 단순한 형태의 네트워크를 시뮬레이션했지만, 이를 실제 환경에 적용한다면 네트워크 운용자는 수많은 네 트워크 장비들을 제어해야만 하는 상황에 직면하게 된다. SDN에서는 컨트롤 영역과 데이터 영역의 분리를 통해 컨트롤러와 연동하여 중앙집중적인 네트워크 정책 설정이 가능하기 때문에 기존 네트워크 체계와 비교하여 관리자 측면에서 매우 유리하였고, 우리의 부하분산 정책을 이전보다 빠르고 손쉽게 적용할 수 있는 배경이 되었다.
이렇듯 네트워크 운영자 중심의 중앙집중적 네트워크 관리가 가능한 SDN의 장점을 활용한다면 우리가 제안하는 부하분산 기법을 소프트웨어 프로그래밍을 통해 네트워크 내의 모든 장비에 손쉽게 적용할 수 있을 것으로 기대된다.
이를 군 조직에 적용한다면 불시 상황이나 훈련, 전시와 같은 상황에서 특정 데이터에 사용자들의 정보요구가 집중될 때 효과적일 것이며, 네트워크 운용에 유연성을 부여하면서 보다 효율적이고 원활한 전산망을 구축할 수 있을 것으로 보인다. 또한, 본 논문에서 제시한 것과 같이 Middle Box를 구축하여 운용한다면 기존 장비와의 손쉬운 연동은 물론 신규 네트워크 장비를 구축하기 위한 예산과 시간 소요를 최소화할 수 있을 것으로 판단된다.
또한, 본 논문에서 제시한 것과 같이 Middle Box를 구축하여 운용한다면 기존 장비와의 손쉬운 연동은 물론 신규 네트워크 장비를 구축하기 위한 예산과 시간 소요를 최소화할 수 있을 것으로 판단된다. 향후에는 군 전산망 역시 민간 기업처럼 SDN 도입이 예상되는 가운데 부하분산을 위한 Middle Box와 같은 소프트웨어 컨트롤 개념을 선제적으로 구축하여 운용한다면 SDN으로의 전환에서도 큰 장점이 있을 것으로 기대된다.

질의응답

핵심어	질문	논문에서 추출한 답변
	부하분산이란?	부하분산이란 트래픽이 많을 때 여러 서버가 분산처리하여 서버의 부하율 증가, 부하량, 등을 고려하여 적절히 분산처리하여 해결해 주는 서비스를 말한다[7]. 부하분산의 몇 가지 대표적인 기법을 소개한다.
	SDN이란?	이를 위해 본 논문에서는 SDN을 기반으로 하여 데이터 생성 형태를 고려한 효율적인 부하분산 기법을 연구하였다. SDN이란 기존의 라우터나 스위치와 같이 소프트웨어 기반의 컨트롤 영역 (Control Plane)을 하드웨어 기반의 데이터 영역(Data Plane)과 분리하는 개념으로써 컨트롤 영역을 중앙 SDN 컨트롤러를 통해 중앙집중화하여 데이터 영역의 네트워크 장비를 제어하는 기술이다[1]. 이 두 영역의 분리를 통해 네트워크 관리자는 네트워크 정책의 변경이 필요할 때 체계 내의 많은 장비들을 일일이 수정할 필요 없이 중앙에서 손쉽게 원하는 정책을 주입하고 관리할 수 있게 되었다.
	부하분산의 대표적인 기법 중 라우드로빈 스케쥴링의 특징은 무엇인가?	순차 방식으로 사용자의 요구를 차례대로 각 서버에 균등하게 분배하는 방식으로 일반적인 다른 기법에 비해 빠른 특성이 있다. 서버 커넥션 수나 응답시간과는 무관하게 그룹 내의 모든 서버를 동일하게 처리하여 일반적인 구성에 있어 다른 기법에 비해 간단하고 빠른 장점이 있는 반면, 요청이 폭주할 경우 실제 서버 사이에 동적인 부하 불균형 상태가 생길 수 있다[8].

참고문헌 (9)

S.H. Baek, I.S. Jang, D.E. Seo, and J.H. Lee, "A New Paradigm for Future Networks," The Journal of Korean Institute of Communication Sciences, Vol. 32, No. 7, pp. 82-92, 2015.
H.H. Lim, K.T. Kim, B.J. Lee, and H.Y. Youn "Feature Selection Method for the Classification of Traffic in SDN," The Journal of Korean Institute of Communications and Information Science, Vol. 44, No. 1, pp. 106-116, 2019.

상세보기
Open Networking Foundation White Paper, https://www.opennetworking.org/ images/stories/downloads/sdn-resources/whitepapers/wp-sdn-newnorm.pdf (accessed August 7, 2019).
Y.J. Choi, "Design and Implementation of The EIGRP based on the SDN," Journal of Korea Multimedia Society, Vol. 22, No. 2, pp. 178-185, 2019.

원문보기 상세보기
SDN Structure, https://www.opennetworking.org/sdn-definition (accessed August 1, 2019).
N.G. Kang, Unauthorized SW Blocking Method in SDN Environment, Master's Thesis of Korea National Defence University, 2018.
J.S. Bae and B.H. Lee, "A Virtual Machine Allocation Scheme based on CPU Utilization in Cloud Computing," Journal of Korea Institute of Information and Communication Engineering, Vol. 15, No. 3, pp. 567-575, 2011.

원문보기 상세보기
M.K. Ji, The Method of Run Time Prediction Simulation-based Load Balancing, Master's Thesis of Sungkyunkwan University of Technology, 2015.
S. Kim, Design and Implementation of Dynamic Load Balancing Model for Distributed Streaming Server, Master's Thesis of Chonnam National University of Computer Engineering, 2002.

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