초록

용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

본 논문에서는 높은 대역폭(Bandwidth)을 가지는 싱글채널(Single Channel)로 결합될 수 없는 낮은 대역폭의 멀티채널(Multi Channel) 환경에서의 브로드캐스트(Broadcast)를 위한 효과적인 인덱스 방법을 제안한다. 최근에 들어 멀티채널에서 데이터 브로드캐스트의 인덱스 방법에 대한 많은 연구가 행하여 졌는데, 트리구조의 사용 여부에 따라 두 가지 방법으로 구분해 볼 수 있다. 트리 구조를 이용한 방법은 서버의 부담을 증가시키지만 트리 구조를 이용하지 않은 방법보다 모바일 유저에게 낮은 대기시간을 제공할 수 있다. 이 논문에서는 기존의 방법들이 가지는 채널의 수나 데이터의 크기에 제한을 두는 단점을 해결하고 접근 빈도가 높은 데이터에 대한 인덱스들의 반복 정도를 높여서 모든 인덱스에 대한 대기시간(Latency)의 평균값을 현저하게 줄일 수 있는 효과적인 인덱스 스케줄 생성 방법을 제시한다.

본 논문에서는 높은 대역폭(Bandwidth)을 가지는 싱글채널(Single Channel)로 결합될 수 없는 낮은 대역폭의 멀티채널(Multi Channel) 환경에서의 브로드캐스트(Broadcast)를 위한 효과적인 인덱스 방법을 제안한다. 최근에 들어 멀티채널에서 데이터 브로드캐스트의 인덱스 방법에 대한 많은 연구가 행하여 졌는데, 트리구조의 사용 여부에 따라 두 가지 방법으로 구분해 볼 수 있다. 트리 구조를 이용한 방법은 서버의 부담을 증가시키지만 트리 구조를 이용하지 않은 방법보다 모바일 유저에게 낮은 대기시간을 제공할 수 있다. 이 논문에서는 기존의 방법들이 가지는 채널의 수나 데이터의 크기에 제한을 두는 단점을 해결하고 접근 빈도가 높은 데이터에 대한 인덱스들의 반복 정도를 높여서 모든 인덱스에 대한 대기시간(Latency)의 평균값을 현저하게 줄일 수 있는 효과적인 인덱스 스케줄 생성 방법을 제시한다.

AI 본문요약

엑셀 다운로드 AI-Helper

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

• 연구 주제
• 연구 방법
• 연구 결과

문제 정의

• 이러한 온도가 낮은 인덱스에 대한 대기시간의 증가는 데이터와 인덱스의 수가 증가할수록 커지게 뇐다[口 이리한 것-은 방지하기 위해 만약 sub index schedule들읖 full index schedule사이에 위치시킨다면 온도가 낮은 인덱스에 대한 대기시간의 증가륵 완화시킬 수 있을 것이라 싱각함 수 있다. 다음 장에서는 index latency름 보다 줄일 수 있는 주어진 index broadcast cycle에서의 최적의 배열을 찾는 방법에 대해 알아본다.
• 본 논문에서는 앞에서 언금한 기존의 브로드캐스트 생성 방법듩이 가지는 단점인 채널 수와 인덱스 크기에 대한 제한을 두는 것을 해결하면서 접근 빈도가 높은 데이터에 대한 인덱스들의 반복 정도를 높여서 인덱스에 대한 대기시간을 현저하게 줄이는 효과적인 인덱스 스케줄 생성 알고리즘을 제시한다. 또한 브로드캐스트 되는 인덱스들의 보다 효율적인 인덱스 배열 방법을 제시한다.
• 본 논문에서는 앞에서 언금한 기존의 브로드캐스트 생성 방법듩이 가지는 단점인 채널 수와 인덱스 크기에 대한 제한을 두는 것을 해결하면서 접근 빈도가 높은 데이터에 대한 인덱스들의 반복 정도를 높여서 인덱스에 대한 대기시간을 현저하게 줄이는 효과적인 인덱스 스케줄 생성 알고리즘을 제시한다. 또한 브로드캐스트 되는 인덱스들의 보다 효율적인 인덱스 배열 방법을 제시한다.

가설 설정

• 1. sub index s아*eduie은 최대 끄]개 까지 연속적으로 위치할 수 있 다.
• 이럼 게 함으로서 데이터에 대한 접근 빈도를 이용하여 인덱스의 접근 빈도 를 결정할 수 있다. 또한 인덱스는 각각 포인트하는 다음 인덱스나 데이터가 브로드一캐스트 되는 채널의 번호와 각 채널에서 브로드 캐스트 되는 시간을 포함하고, 포인트하고 있는 블록이 인덱스 또는 데이터인지룐 구변하기 위해 타입 정보를 유지한다고 가정한다.
• 우선 인덱스에 대한 접근 빈도를 나다내기 위해, 제한된 수의 데이터 채널에 접仍 빈도에 따라 데이터를 분배시키기 위한 방법이 있다고 가정한다. 이 가정은 인덱스에 대한 접湼 빈도가 :1 인덱스가 포인트하고 있는 데이터에 대한 접注 빈도에 의해 결정되기 때문에 필요하다.

이론/모형

• 데이터 채널에서의 분배 방법을 사용하여 index replication set을 구성한다.
• index repliaition set 은 인덱스 巨리의 모든 인덱스블 온도에 따라 구분한 인덱스들의 집합이다. 이때 인덱스 구분의 방법은 데이터 채넌에서의 데이터 분배 방법 을 사용한다. index block은 index replication set에 채널의 제한을 반영한 인덱스들의 집합을 말한다.

성능/효과

• 기존의 연구된 멀티채널에서의 인렉스 방법들은 자체적으로 채널수와 데이터의 크기에 대한 제한을 가지고 있었다. 본 논문에서 제시한 알고리츸을 통해 기존의 제시된 방법들의 단점들을 해결하고 접云 빈도가 논은 인덱스를 자주 반복시킴으로서 전체 인덱스에 대한 index latency감소시키고 재배열 과정을 통해서 index latency를 춰적화 시킬 수 있었다. 하지만 접근 빈도가 높은 인텍스의 반복 정도를 높이 는 방법을 사용함으로서 온도가 낮은 인덱스에 대해서는 접근시간이 증가하는 오버헤드가 발생할 수 있다.
• 위의 알고리즘을 통헤 온도가 높은 인덱스를 자주 반복시켜 index latency를 감소시킬 수 있었다. 또한 Phase 3에서 채널에 대한 제한을 반영함으로서 제한된 인덱스 채널의 수에 맞는 인덱스의 스케줄을 작성할 수 있으며, 데이터와 인덱스 채널이 분리된 상태에서의 브로드캐스트룐 가정하므로 인벡스의 크기에 대한 제한을 가정할 필요가 없으므로 대역폭의 臣율적인 사용이 가능하다.
• 지금 까지 살펴본 방법과 같이 인덱스에 대한 접근 빈도에 따라 반복 정도를 다르■게 하여 index broadcast cycle을 생성하고, 재배열 과정을 거침으로서 주어진 index broadcast cycle안에서 최적인 index latency 를 얻을 수 있었다. 실험 결과틀 통해서도 같은 결과를 확인해 봅 수 있는데 이에 대해서는 [1]를 참조하기 바란다.

후속연구

• 향후 연구 과제로 제한된 수의 채널이 주어진 상태에서 인덱스와 데이터 처널의 최적의 분배 방법과, 제한된 데이터 채널에서의 데이터 브로드 캐스트를 위한 효율적인 데이터 브로드캐스트 스케줄 방법에 대해 연구 중이다.

본문요약 정보가 도움이 되었나요? 예 아니오 제출

이 논문을 인용한 문헌

더보기