$\require{mediawiki-texvc}$

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.

마이크로 서비스 아키텍처를 지원하는 데이터 프로파일링 소프트웨어의 개발
Development of Data Profiling Software Supporting a Microservice Architecture 원문보기

The journal of the institute of internet, broadcasting and communication : JIIBC, v.21 no.5, 2021년, pp.127 - 134  

장재영 (한성대학교 컴퓨터공학부) ,  김지훈 (한성대학교 컴퓨터공학부) ,  지서우 (한성대학교 컴퓨터공학부)

초록
AI-Helper 아이콘AI-Helper

최근 빅데이터 산업의 확대로 고품질의 데이터를 확보하는 것이 중요한 이슈로 떠오르고 있다. 고품질의 데이터를 확보하기 위해서는 데이터에 품질에 대한 정확한 평가가 선행되어야 한다. 데이터의 품질은 데이터에 대한 통계와 같은 메타정보를 통해 평가할 수 있는데 이러한 메타정보를 자동으로 추출하는 기능을 데이터 프로파일링이라고 하다. 지금까지 데이터 프로파일링 소프트웨어는 기존의 데이터 품질 또는 시각화 관련 소프트웨어의 부품이나 추가적인 서비스로 제공되는 것이 일반적이었다. 따라서 프로파일링이 요구되는 다양한 환경에서 직접적으로 사용하기에는 적합하지 않았다. 본 논문에서는 이를 해결하기 위해 마이크로 서비스 아키텍처를 적용하여 다양한 환경에서 서비스가 가능한 데이터 프로파일링 소프트웨어의 개발 결과를 제시한다. 개발된 데이터 프로파일러는 restful API를 통해 데이터의 메타정보에 대한 요청과 응답을 제공하여 사용하기 쉬운 서비스를 제공한다. 또한, 특정 환경에 종속되지 않고 다양한 빅데이터 플랫폼이나 데이터 분석 도구들과 원활한 연계가 가능하다는 장점이 있다.

Abstract ▼ AI-Helper 아이콘AI-Helper

Recently, acquisition of high quality data has become an important issue as the expansion of the big data industry. In order to acquiring high quality data, accurate evaluation of data quality should be preceded first. The quality of data can be evaluated through meta-information such as statistics ...

주제어

#Data Profiling   #Data Lake   #Big Data   #MicroService Architecture   #Restful API   #Data Quality   #Metadata  

표/그림 (6)

AI 본문요약
AI-Helper 아이콘 AI-Helper

문제 정의

  • 본 논문에서는 마이크로 서비스 아키텍처를 지원하는 데이터 프로파일러의 개발 결과를 제시하였다. 마이크로서비스 아키텍처는 독립적으로 수행되는 컴포넌트들이 결합하여 하나의 큰 서비스가 이루어지도록 설계하는 형태로 최근 많은 관심을 받는 소프트웨어 아키텍처 설계방안 중의 하나이다.
본문요약 정보가 도움이 되었나요?

참고문헌 (17)

  1. L. Cai and Y. Zhu, "The Challenges of Data Quality and Data Quality Assessment in the Big Data Era", Data science journal, Vol. 14, 2015. DOI: http://doi.org/10.5334/dsj-2015-002 

    상세보기 crossref

  2. F. Sidi, Fatimah, et al. "Data quality: A Survey of Data Quality Dimensions", International Conference on Information Retrieval & Knowledge Management. IEEE, 2012. DOI: 10.1109/ InfRKM.2012.6204995 

    crossref

  3. Z. Abedjan, L. Golab, and F. Naumann. "Data Profiling: A Tutorial" Proceedings of the 2017 ACM International Conference on Management of Data. 2017. DOI: https://doi.org/10.1145/3035918.3054772 

    crossref

  4. M. Kalske, N. Makitalo, and T. Mikkonen. "Challenges When Moving from Monolith to Microservice Architecture." International Conference on Web Engineering. Springer, Cham, 2017. DOI: 10.1007/978-3-319-74433-9_3 

    crossref

  5. Panoply, Modern Data Management, Panoply Ltd., https://panoply.io/ 

  6. M. Miloslavskaya, and A. Tolstoy. "Big data, Ffast Data and Data Lake Concepts", Procedia Computer Science 88, 2016. DOI: https://doi.org/10.1016/j.procs.2016.07.439 

    상세보기 crossref

  7. W. Hasselbring, and G. Steinacker. "Microservice Aarchitectures for Scalability, Agility and Reliability in E-commerce" IEEE International Conference on Software Architecture Workshops (ICSAW). IEEE, 2017. DOI: 10.1109/ICSAW.2017.11 

    crossref

  8. P. Di Francesco, P. Lago, and I. Malavolta. "Migrating Towards Microservice Architectures: an Industrial Survey" IEEE International Conference on Software Architecture (ICSA). IEEE, 2018. DOI: 10.1109/ICSA.2018.00012 

    crossref

  9. H.-Y. Hsueh, C.-N. Chen, and K.-F. Huang, "Generating Metadata from Web Documents: a Systematic Approach", Human-centric Computing and Information Sciences, Vol. 3, No. 1, 2013, DOI: https://doi.org/10.1186/2192-1962-3-7 

    상세보기 crossref

  10. R. Kimball, et al. The Data Warehouse Lifecycle Toolkit (Second ed.). Wiley, 2008, 

  11. G. Fletcher,, P. Groth, and J. Sequeda. "Knowledge Scientists: Unlocking the Data-Driven Organization" arXiv preprint arXiv:2004.07917, 2020. 

  12. Copeland, Marshall, et al. "Microsoft Azure" New York, NY, USA:: Apress, 2015. 

  13. T. Erl, Service-oriented architecture. Pearson Education Incorporated, 1900. 

  14. A. Cockcroft. "NetflixOSS-A Cloud Native Architecture" LASER Sessions 2&3-Overview, 10th Laser Summer School on Software Engineering, XP055276156, 2013. 

  15. P. Sbarski, and S. Kroonenburg, Serverless Architectures on Aws: with Examples Using Aws Lambda, Simon and Schuster, 2017. 

  16. Y. Han, "Two-dimensional Automatic Transformation Template Matching for Image Recognition", Journal of the Korea Academia- Industrial cooperation Society, Vol. 20, No. 9, 2019, DOI: https://doi.org/10.5762/KAIS.2019.20.9.1 

    원문보기 상세보기 crossref

  17. G. Jo, H.-W. Cho and Y. J. Son, "Implementation of 360-degree Image Recognition System Using Lidar Sensors and Yolo v3 Libraries in Cloud Server Environment", The Journal of Korean Institute of Information Technology, Vol. 18, No. 2, 2020, DOI: https://doi.org/10.14801/jkiit.2020.18.2.1 

    상세보기 crossref

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 논문과 함께 이용한 콘텐츠

저작권 관리 안내
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

맨위로