초록 ▼

□ 연구의 목적 및 내용
1. 연구의 목적
최근 급격하게 발전하는 AI, 빅데이터, IoT와 같은 4차 산업혁명 환경에서 처리해야 하는 데이터는 폭발적으로 증가하고 있습니다. 이러한 환경에 맞는 데이터베이스는 대량의 데이터를 수용하기 위해 Scale-Out 아키텍처를 가지고 있어야 하고, 미션크리티컬한 서비스에 이용 가능한 완벽한 ACID 트랜젝션 보장과 Active-Active 서비스 제공이 가능한 가용성 확보가 있어야 하고, 또한 표준 SQL 지원을 통해 개발의 편의성을 제공 할 수 있는 Scale-Out이 가능한 고

□ 연구의 목적 및 내용
1. 연구의 목적
최근 급격하게 발전하는 AI, 빅데이터, IoT와 같은 4차 산업혁명 환경에서 처리해야 하는 데이터는 폭발적으로 증가하고 있습니다. 이러한 환경에 맞는 데이터베이스는 대량의 데이터를 수용하기 위해 Scale-Out 아키텍처를 가지고 있어야 하고, 미션크리티컬한 서비스에 이용 가능한 완벽한 ACID 트랜젝션 보장과 Active-Active 서비스 제공이 가능한 가용성 확보가 있어야 하고, 또한 표준 SQL 지원을 통해 개발의 편의성을 제공 할 수 있는 Scale-Out이 가능한 고성능 클러스터 데이터베이스 플랫폼 DBMS 아키텍처에 대한 연구 개발이 필요함.
In Memory 기반의 선형적 성능향상이 가능한 데이터관리 시스템과 고성능 분산 처리 기술을 융합하여 최적화 시킨 1,000 코어 이상을 지원하는 고성능 Scale-Out 클러스터 데이터베이스 플랫폼을 개발함.
○ 다중서버로 분산된 시스템과 데이터베이스를 그룹핑하여 하나의 통합 View로 인메모리 기반의 클러스터 DBMS 구현
○ Scale-Out DBMS 구현에 핵심기반 S/W를 데이터층에서 구현
○ 다중 데이터베이스간에 부하분산(Load Balancing)기능으로 성능 배가
○ 노드 장애, 추가, 삭제작업과 주요 상황에서도 비즈니스 연속성 유지
○ Block I/O 가속기, Cache와 같은 시스템 최적화로 고성능 데이터 처리 플랫폼 구현
○ DMTF 표준기반의 다중 시스템, 데이터베이스에 대한 관리 및 모니터링

2. 연구의 내용
대규모 데이터·트랜잭션 처리가 가능한 인 메모리기반의 선형적 성능향상이 가능한 Scale-Out 클러스터 데이터베이스 플랫폼 개발 및 최적화
가. Scale-Out 클러스터 데이터베이스 시스템 개발
○ 다중 노드간 글로벌 트랜잭션 처리 기술
○ 무중단 데이터베이스 시스템의 확장/축소 가능한 클러스터 기술
○ 분산 환경에서의 질의 최적화 기술 및 Legacy SQL 호환성 유지 기술
○ 다중노드 사이에 세션의 부하 분산 기술
○ 시스템의 가용성 증가를 위한 Shared Nothing 데이터 복제 기술
○ 고성능 질의 처리를 위한 데이터 분배 기술
○ 분산 데이터 및 스키마에 대한 실시간 동기화 기술
○ 클러스터링 시스템 및 데이터베이스를 관리와 성능모니터링 S/W
나. 고성능 데이터처리 처리 시스템 소프트웨어 개발
○ 클러스터 DB 플랫폼 기반 블록 I/O 가속기
○ 클러스터 DB 플랫폼 기반 Block 가속 Cache 모듈
○ 클러스터 DB 플랫폼 기반 분산 파일 시스템
○ SMI-S 규격기반 클러스터 분산 노드 관리 기술
다. DBMS 벤치마크 기술 개발
○ TPC-C, TPC-H 규격기반 DBMS 성능평가 기술

□ 연구개발성과
1. 주관기관(선재소프트)
가. 클러스터링 DBMS 기능 개발
1) 클러스터링 DBMS 확장성
가) 기존 Cluster 아키텍처 연구
나) Shared-nothing Cluster 구조 연구
다) 가용성 극복 방안 연구
라) Shared-nothing 클러스터 구조 설계
2) 클러스터링 DBMS 프로세스 구조 설계
가) 클러스터 기능을 세분화하여, 각 구성요소들에 대한 프로세스 설계
나) 프로세스 간 정보 교환 프로토콜 설계 및 구현
3) 트랜잭션 관리 기술 개발
가) Commit 전략
나) Operation 범위에 따른 트랜잭션 종료 조건 연구
다) Global Transaction, Domain Transaction
나. 클러스터링 DBMS를 위한 그룹, 멤버 관리 시스템 개발
1) Cluster database를 위한 startup phase 확장
가) Global Mount, Global Open 상태 확장
2) 그룹, 멤버 관리를 위한 각종 DCL 개발
가) On-line 그룹 추가
나) On-line 그룹 삭제
다) On-line 그룹 내 멤버 추가
라) On-line 그룹 내 멤버 삭제
3) 그룹, 멤버 관리를 위한 메타 정보
가) Cluster Object에 대한 Dictionary 구조
4) Fail-Over 기능 개발
가) 장애 감지 후 처리
(1) 메타 테이블의 변경
(2) Driver node 처리
(3) Coordinator 서버
(4) 노드 상태 전이
나) Coordinator Fail-Over
(1) New Coordinator 선정
(2) 트랜잭션 재전파(Transaction Retransmission)
(3) 멤버 정리(Member clean-up)
다) 노드 장애 해결
(1) Drive node 장애 발생 시, Coordicator에 의해서 진행되는 Fail-Over 수행
(2) Coordinator 장애 발생 시, Coordicator Fail-Over를 수행
5) 데이터 재분배(Data Rebalance) 기능 개발
가) 데이터 저널링 기법
• 테이블 동기화를 위하여, 특정 테이블의 특성 Shard에 대한 변경 데이터를 별도록 저장하는 기법
• 변경을 적용할 때는, Traget node에서 replay를 실행
나) 온라인 데이터 자동 재분배(Auto rebalance) 기능 개발
다. 클러스터링 DBMS를 위한 분산질의 처리기 개발
1) 분산질의 처리 기반 기술
가) Node 정보를 포함한 ROWID 확장
나) Global unique index
다) @domain 지원
라) Dictionary 확장
마) Database Object(Table, View, Sequence, Constraint 등)의 클러스터 기능확장
2) Shard 테이블 개발
가) 클러스터링 DBMS의 분산 테이블 저장 구조 개발
나) 다양한 형태의 분산 테이블 개발
3) TPC-H 질의에 대한 분산 처리 기술 개발
가) 다양한 형태의 Join 기법 개발
나) Non-deterministic SQL 지원
4) 성능 최적화된 각종 구문 처리 기술 개발
가) Optimizer 기능 및 처리
나) Cost 계산 시 고려할 요소 정의
다) Optimization 단계 정의
라. 클러스터링 DBMS 서버간 연결을 위한 디스패처 고도화
1) 서버간 통신 관리자 개발
가) 노드, 디스패처 간 개념도
나) 요청/응답 방식 네트워킹 모델
2) 대용량 데이터 전송을 위한 디스패처 다중화
가) 디스패처 개념도
나) 디스패처 다중화 개발
마. 클러스터 DBMS 관련 메타 테이블, 주요 성능뷰 개발
1) Cluster table, Shard 관련 메타 테이블
2) DBMS 운영 관리 관련 메타 테이블 및 성능 뷰
3) 객체 관리 관련 메타 테이블 및 성능 뷰
바. 클러스터 DBMS 모니터링 요소 분석 및 개발
1) 클러스터링 DBMS 모니터링 사용자 요구 사항 정립 및 분석
가) 각 Node 별 H/W 자원 상태 정보를 수집
나) Goldilocks DB의 상태 정보를 수집
2) 클러스터링 DBMS 모니터링 프로세스 구조 설계
사. 클러스터 관리 툴 개발
1) Cluster 구성 정보
2) 자원 사용량
3) 노드 별 정보
4) 세션 정보

2. 참여기관 1(전자부품연구원)
가. 클러스터 DBMS 기반 블록 I/O 가속기 개발
1) 데이터 고속 액세스 지원을 위한 시스템 통합형 블록 I/O 가속기 개발
가) 데이터 고속 입출력 지원을 위한 BIO 벡터 확장형 입출력 S/W 모듈 개발
나) 블록 단위 병렬 입출력 지원을 위한 BIO의 재매핑(remapping) & 재조합 (reassemble) 루틴 개발
나. 클러스터 DBMS 기반 데이터 가속 Cache 구조 개발
1) 인메모리 DB 운용 데이터의 액세스 패턴 기반 데이터 가속 Cache 메커니즘 개발
가) S/W 데이터 캐싱 제공을 위한 데이터 가속 Cache 메커니즘 개발
나) 데이터 액세스 패턴 기반 데이터 가속 Cache 운용 정책 개발
2) 인메모리 DB 운용 데이터의 고속 액세스 지원을 위한 블록 I/O 가속기와의 Cache 결합 구조 개발
가) 리눅스 Block 레이어 기반 블록 I/O 가속기와 데이터 가속 Cache 결합구조 개발
다. 클러스터 DBMS 기반 스토리지 비용 절감 기법 개발
1) 분산 파일시스템 환경에서의 스토리지 비용 절감을 위한 Erasure Code 기반가변 복제 기법 개발
가) 스토리지 저장 공간의 효율적 사용을 위한 Erasure Code 기반 패리티 생성/저장 메커니즘 개발
나) Erasure Code 기반 스토리지 비용 절감을 위한 가변 복제 기법 개발 (접근 빈도별 1 ∼ 3개의 차등 복제 수행)
라. 클러스터 DBMS 기반 시스템 관리 I/F S/W 개발
1) 클러스터 DBMS 관리를 위한 CIM 규격 기반 관리/제어 구조 개발
가) 표준 관리 규격 CIM(Common Information Model) 기반 클러스터 DB 시스템 관리 S/W 최적화
나) 클러스터 DBMS 관리를 위한 사용자 인터페이스를 위한 CIM 표준 API개발 (Client Side)
2) SMI-S기반 클러스터 노드 관리를 위한 CIM Provider 모듈 개발(Server Side)

3. 참여기관 2(단국대학교 산학협력단)
가. 클러스터 DBMS의 TPC-C 성능 분석
1) 클러스터 DBMS 성능의 자체 평가를 위한 Standalone에서의 TPC-C 테스트 DB 구축 및 질의어 처리 성능 측정
나. Scale-out 클러스터 DB간 TPC-C 성능 비교
1) MySQL과 비 클러스터 (Non-cluster, Standalone) 성능 비교
2) 샤딩 기법에 따라 로컬 트랜잭션 발생
3) 샤딩 기법에 따라 로컬 및 글로벌 트랜젝션 발생
다. 클러스터 DBMS의 TPC-H 성능분석
1) 클러스터 DBMS 성능의 자체 평가를 위한 TPC-H 테스트 DB 구축 및 질의어 처리 성능 측정
라. Scale-out 클러스터 DB간 TPC-H 성능 비교
1) MySQL과 비 클러스터 성능 비교
2) 클러스터에서 Goldilocks와 MySQL Cluster TPC-H 성능 비교
가) Goldilocks의 Range 샤딩 기법과 MySQL Cluster 오토샤딩 기법 성능 비교
나) Goldilocks의 Range 샤딩 기법과 MySQL Cluster 오토샤딩 기법 성능 비교

□ 연구개발성과의 활용계획 (기대효과)
1. 기술적 활용계획
“1000Cores 이상 Scale Out 가능한 클러스터 데이터베이스 플랫폼”은 우리나라 IT역사에 기리 남을 역작이 금번 GCS과제를 통하여 드디어 세상에 빛을 보게 되었다고 당당하게 말씀드리고 싶습니다. 회사 내부에서 과연 실현가능한 아이디어 인가? 우리가 해낼 수 있을까? Mock Up을 진행하며 가능성을 확인 했던 차에 정부에서 추진하는 글로벌 사업이 가능한 창조과제에 응모한 것이 부싯돌이 되어 세상 어디에 내 놓아도 자랑스런 대작이 탄생하게 되었습니다.
IT업계의 훌륭한 옥동자를 잉태하고, 진자리 마른자리 갈아 뉘며 애쓴 노력들이 헛되지 않도록 향후 본과제의 결과물이 미래 우리사회 발전에 높은 기여를 할 것으로 기대합니다. 특별히 본과제의 결과물이 중요한 것은 데이터베이스 플랫폼이 우리 IT업계에서는 핵심 중에 핵심 기술로써 주변에 연관 하드웨어 및 소프트웨어 솔루션과의 융합 및 연계를 통하여 국가 컴퓨팅산업 동반 성장의 동력이 될 수 있습니다. 따라서 기술적인 측면에서 본 과제의 결과물은 국가적인 차원에서 추진되는 다양한 원천기술개발 및 과제에 연계함으로써 보다 높은 목표 달성이 가능합니다. 즉 최근 화제가 되고 있는 인공지능, 빅데이터 세계도 오랫동안 기초기술과 아이디어로 숙면하다 주변의 다양한 산업 기술의 발전으로 드디어 IT 르네상스를 열게 된 것처럼 데이터를 중심으로 한 세상에서 본 과제의 활용계획,확장 계획을 마련하는 것은 어렵지 않은 일입니다.
그간 우리 IT업계에서 불가능 것으로 알려져 왔던 강력한 트랜잭션과 데이터의 정합성을 보장하면서 수평적으로 확장 가능한 분산 데이터베이스가 불가능하지 않다는 것을 입증하며, 더 이상 미지의 세계가 아님을 증명하였습니다.
기술적 활용 계획으로 우선 생각해 볼 수 있는 것은
가. 반도체 메모리 산업과의 융합
반도체 메모리 산업과의 연계로 시장의 패러다임을 바꾸고, 이것이 국가산업은 물론 세계 IT시장을 선도하도록 하는 것입니다.
즉 데이터의 저장관리 처리의 주매체 미디어를 하드디스크에서 반도체로 전환하는 것이 가능하며 저장용량과 처리능력을 무제한 확장 가능함을 입증함으로써 우리나라가 선도하는 메모리 반도체 산업 발전에 핵심 기술 컨텐츠로 부각 하도록 하는 것이다.
이를 실천하기 위해 삼성전자와 SK하이닉스 차세대 반도체 사업부와 연결 되어 비휘발성 메모리, 고속메모리, 대용량 메모리 등 차세대 반도체가 제작됨에 따라서 이를 활용한 대용량 고속처리 클러스터 데이터베이스를 구현하여 그 실용성과 우수성을 입증하는 응용 콘텐츠S/W에 적용하고, 이를 기반으로 글로벌시장에 동반 진출함으로써 세계시장을 H/W뿐만 아니라 S/W까지도 선도하는 자리 매김이 가능함.

나. 국산 서버(H/W)산업과의 융합
기업용 및 데이터센터용 서버와 데이터베이스를 직접 개발 조달 할수 있는 상태로 발전시켜야 합니다. 최근 국가연구과제로 ETRI에서 마이크로 그리드 64Node/5U서버를 발표하였고, 동시에 한 중소기업에서는 인텔 X86(Xeon)기반 2Socket 마더보드 개발 정부 연구 과제를 수주하여 개발하고 있다고 합니다. 또한 KIST에서 HPC 병렬 수퍼컴퓨터를 개발하고 있음이 언론을 통해 알려졌습니다. 이는 우리나라 H/W산업이 조만간 완벽히 국산화 된다는 전조를 말하고 있습니다. 분명 그 시스템들은 아주 우수한 품질과 성능을 보일 제품으로 예상됩니다. 이들 시스템들이 데이터센터용 초고속 시스템 적합성을 시험하고 여기에 본 과제 산출물을 융합 최적화한다면 데이터센터에 모든 H/W 및 S/W솔루션을 국산화는 것이 가능합니다. 이미 H/W서버와 S/W가 완성되어 있으니 최근 판교에 TTA(HPC센터)에서 직접 연동하여 상호운용성을 검증함으로써 이를 국가연구과제산출물들을 평가하고, 보완 할 수 있는 KPI를 만들어 새로운 우리나라 컴퓨팅 산업발전의 방향을 정하는 한축으로 소임을 다 하도록 계획임.

다. 정부시스템의 국산화에 대한 표준 프로세스 및 제도화
본과제의 우수한 산출물이 민.관 산업현장에서 범용적으로 적용 되려면 반드시 고객들이 사용하는 응용시스템에 접목되어야 합니다. 그런데 공학적으로 아무리 우수한 제품이라 하더라도 현장의 고객들은 자기들이 현재 사용하고 있는 시스템과 직접 접목하여 성능, 품질, 안정성, 상호운용성이 입증되지 않는다면 고객들은 이를 외면할 것이고, 지금처럼 외산H/W, S/W에 의존하여 결과적으로 기술종속성을 벗어나지 못 할 것입니다.
문제는 현장 고객들이 직접 이를 인증하기 위한 환경을 구축하고(비용문제), 인증절차를 만들고(인증 능력), 공정하게 평가하고(시간문제)하는 것은 불가능에 가깝다고 생각합니다. 정부는 이를 표준화, 절차화하고 나아가서는 전자정부 시스템만이라도 법제화하여 추진하는 것이 필요합니다.
이렇게 되면 현장에서 직접 응용시스템을 운용하는 고객들이 국산 S/W를 꺼려하는 근본적인 문제점을 불식 시킬 수 있다고 봅니다.
근본적으로 고객 현장의 접점에서 일하시는 고객 분들은 자기들이 오랫동안 익숙한 시스템을 고집하는 분들인데, 현장 응용시스템과의 상호운용성이 입증되지 않은 상태에서 시스템을 도입하라고 하는 것은 현업을 몰라도 너무 모르는 일이다. 그들에게서 외면의 불씨를 제거하지 못한다면 막대한 국가 연구과제 산출물이 빛이 바랠 수 있음을 우리는 알아야 함.

라. TPC-H 국제인증에 도전
향후 본과제의 산출물을 확장하였으면 하는 영역은 단기적으로는 기존의 OLTP시스템 뿐만 아니라 데이터웨어하우스, CRM, BI/OLAP시스템,정보계 시스템에 원활이 적용 될 수 있음을 입증하는 노력을 경주함으로써 명실상부하게 범용 RDBMS로써 우수성을 확고히 하는 것입니다. 이를 위해 TPC-H국제 공인인증에 도전하는 것입니다. 이를 통해서 대용량데이터 처리능력을 한층 Upgrade하는 하는 계기가 될 것입니다. 그리고 나아가서 중.장기적으로 빅데이터, 사물인터넷, 인공지능 분야에 적합한 데이터베이스로 변신과 확장하는 계획을 가지고 있습니다. 이의 실천방안으로는 빅데이터 분야에 생태계속으로 진입하는 것입니다. 다양한 빅데이터 프로젝트에 참여함으로써 명확한 R&R을 정의하고, 정의된 R&R속에서 연관시스템 및 솔루션과의 연동을 무리 없이 진행함은 물로 우리만의 분명한 차별화 요소를 만들어 내는 일이 중요합니다. 이는 글로벌 데이터베이스 보다도 원천 기술을 확보한 우리가 분명 유리한 고지에서 잘 할 수 있는 일인 것임.
4차 산업혁명의 핵심 솔루션이며, 역량으로 자리 매김하기 위해서는 원천 기술과 우리 것을 고집하는 노력 못지않게 유관 시스템, 경쟁기업들과의 연계 노력 또한 중요한 요인이라 생각합니다. 이 같은 맥락에서 오픈소스 세계와 유연하게 연동함으로써 상호간에 장.단점을 보완하여 4차산업의 완성도를 높일 수 있음.

마. 고성능 데이터 처리를 위한 블록 I/O 가속기 & 데이터 가속 Cache S/W
블록 I/O 가속기 & 데이터 가속 Cache S/W에는 클러스터 DBMS 기반 데이터 고속 액세스 지원을 위한 기능들이 존재. 블록 I/O 가속기 S/W는 다량의 데이터 및 BIO request에 대해 기 개발된 1MB의 BIO vector를 더욱 확장하여 BIO 요청을 줄이는 고도화 연구를 진행 할 예정입니다. 또한 BIO 요청의 재매핑, 재조합 과정에서 디스크 스케쥴러의 특성을 고려한 최적의 재매핑, 재조합 설정 및 구조 연구 고도화를 진행 할 것입니다.
데이터 가속 Cache는 기 개발된 부분에서 사용이 점차 줄어들고 있는 Device mapper를 이용하지 않는 방법을 강구하여 데이터 가속 Cache의 빠른 생성과 제거를 지원하도록 고도화 할 것입니다.

바. SMI-S 규격기반 시스템 관리 I/F S/W
SMI-S 규격을 만족하는 시스템 관리 I/F S/W를 구성하는 CLI, RESTful API, Storagemanager TUI, WEB UI 각각의 기능 및 안정성 고도화를 진행 할 것입니다. CLI는 기능 확장, 사용자 편의성 확대, 사용자가 의도하지 않은 예상 밖의 동작 수정 등 사용자 친화적인 고도화를 진행할 것입니다. RESTful API는 REST 서버의 안정성 강화 및 라이브러리 변경으로 사용자가 조금 더 쉽게 RESTful API에 접근 할 수 있도록 편의성에 중점을 두고 고도화를 진행할 것입니다. Storagemanager TUI는 명령 수행 시 응답 시간을 줄이며, 사용자의 명령에 즉각적으로 반응하는 반응형, 대화형 사용자 인터페이스 고도화를 진행 할 것입니다. WEB UI는 동적으로 변하는 시스템 자원 및 스토리지 변화 상태를 계속해서 나타낼수 있도록 실시간 모니터링 기능 추가를 통해 사용자 및 관리자가 즉각적으로 시스템 상태 변화에 대처할 수 있도록 고도화 할 것입니다.

2. 사업적 활용계획
본 사업의 산출물로 개발 된 골디락스 DBMS는 품질과 안정성 그리고 성능을 인정받고 있으며, TPC 국제 공인 인증을 획득함으로써 마케팅적인 역량도 확보하였습니다. 선재소프트는 본 사업의 산출물을 적극 활용하여 2022년까지 수출 995억, 내수 435억 등 총 1,430억의 매출을 달성하겠습니다.
가. DBMS 수출에 주력
2015년 데이터베이스 산업의 규모는 약 696억 달러를 기록하였으며, 연평균 14%가량 성장하여 2020년에는 약 1,320억 달러에 이를 것으로 예상된다. 데이터베이스 산업 영역 중 규모에 따라 OLTP, 리포팅 DB, 분석DB가 Top3을 형성하고 있음.
(1) 온라인 트랜잭션 프로세싱 산업
2015년 OLTP 산업의 규모는 약 280억 달러를 기록하였으며, 연평균 13% 가량 성장하여 2020년에는 약 516억 달러에 이를 것으로 예상된다.
OLTP 산업은 데이터베이스 산업 중 가장 규모가 큰 산업으로 2015년에는 전체 산업에서 40.2%의 비중을 차지하였다. 또한 연평균 13%씩 고성장이 지속되어 2020년에는 39.1%의 비중을 차지할 것으로 예상된다. 최근에는 OLTP의 효율적인 운용을 위해 활용되는 환경에 최적화하는 것에 대해 관심이 높아지고 있다. 또한, OLTP 데이터를 통합･분석･가공하는 등 활용측면이 더욱 다양해지고 있음.
선재소프트의 골디락스 DBMS는 OLTP 시장 공략에 제일 적당한 형태로 개발되었다. 빠른 성능과 안정성을 요구하는 OLTP 시장에서 중국을 필두로 수출 증대 효과가 날 것임.

(2) 리포팅 DB 산업
리포팅 DB 산업은 리포팅 또는 분석을 통해 산출된 데이터베이스들이 거래되는 시장을 기반으로 한 산업, 즉, 원시 자료를 분석 및 가공하여 산출된 2차 데이터베이스가 상품이 되는 산업이다.2015년 리포팅 DB 산업의 규모는 약 169억 달러를 기록하였으며, 연평균 13%가량 성장하여 2020년에는 약 311억 달러에 이를 것으로 예상된다. 리포팅 DB 산업은 데이터베이스 산업 중 OLTP 산업에 이어 두 번째로 규모가 큰 산업으로 2015년에는 전체 산업에서 24.3%의 비중을 차지하였다. 또한 연평균 13%씩 고성장이 지속되어 2020년에는 23.6%의 비중을 차지할 것으로 예상됨.
데이터베이스 서비스라고도 불릴 수 있는 리포팅 DB 산업에 필요한 DBMS의 기능은 안정성과 확장의 유연성이라고 볼 수 있다. 초기 서비스를 오픈 한 후 서비스되는 데이터 증가 또는 이용 사용자 증가에 유연하게 DB 노드를 증설 할 수 있어야 함.
선재소프트의 골디락스 DBMS는 데이터베이스 서비스 제공 중에도 DB노드를 증설함 으로써 서비스 데이터의 용량을 늘릴 수 있고 동시 접속자를 늘릴 수도 있음.

(3) 분석 DB(Analytical DB) 산업
분석 DB 산업은 리포팅 DB의 근간이 되는 원시 자료들이 상품으로서 거래되는 시장을 기반으로 한 산업이다. 예를 들어, 기업의 경영분석을 위해 필요한 매출액, 고객 수, 원가, 인건비 등 분석을 위해 필요한 데이터들이 원시 자료에 속한다. 2015년 분석 DB 산업의 규모는 약 162억 달러를 기록하였으며, 연평균 9%가량 성장하여 2020년에는 약 249억 달러에 이를 것으로 예상된다. 분석 DB 산업은 데이터베이스 산업 중 OLTP 산업과 리포팅 DB 산업에 이어 세 번째로 규모가 큰 산업으로 2015년에는 전체 산업에서 23.3%의 비중을 차지하였다. 또한 연평균 9%씩 고성장이 지속되어 2020년에는 18.9%의 비중을 차지할 것으로 예상된다. 한편, 데이터베이스 산업에서 분석 DB 산업의 성장률이 가장 낮을 것으로 예상되며, 이는 원시 자료의 생산보다 통합 및 세분화 등 가공을 통해 생성되는 데이터가 더 많을 것으로 예상됨.
인메모리 DBMS가 가장 적극적으로 시장을 파고드는 분야가 분석 DB 시장이다. 분석DB 시장은 안정성보다는 성능(Performance)과 용량(Capacity)가 더 중요하다. 주어진 시간 내에 Batch작업이 끝나야 다음 서비스 준비를 할 수 있기 때문이다. 선재소프트의 골디락스 DBMS는 인메모리 DBMS로서 성능이 빠르며, Scale–Out 아키텍처를 통하여 용량을 늘릴 수 있음.

나. DBMS 수입대체에 활용
최근 IT에서 가장 큰 화두는 제4차 산업혁명이며, 거론되는 기술은 인공지능, 빅데이터, 클라우드, 사물인터넷(IoT) 등 대부분이 소프트웨어와 관련된다. 이러한 혁명으로 말미암아 그간 20여년 동안 해외패키지 중심으로 구축되어 온 공공 및 기업 정보시스템들의 대대적인 교체 기회가올 것이며, 이러한 교체 핵심에 선재소프트의 기술이 자리 잡고 있음.
(1) 클라우드 시장
클라우드 초기에는 OS 가상화를 통해 하드웨어 자원 관리를 자동화·효율화시키는데 중점을 뒀으나, 최근 엔터프라이즈의 핵심 업무들이 클라우드 환경에서 운영되기 시작하면서 클라우드에서의 RDBMS의 중요성이 날로 강조되고 있음. 이에 따라 기존 온프레미스에서의 DBMS 성능과 가용성을 보장하면서 클라우드 환경에서 운영 가능한 기술들이 등장하고 있음.
앞으로의 DBMS 시장은 온프레미스 환경을 클라우드 환경으로 쉽게 마이그레이션 할 수 있고, 클라우드 환경에서 관리가 수월한 DBMS가 시장을 주도하게 될 것임.
본 사업을 통해 개발된 선재소프트 골디락스 DBMS는 클라우드 환경에서 자원을 자동으로 Scale Out 및 Scale In 을 할 수 있으면서, 온프레미스에서의 DBMS 성능과 가용성을 보장하는 DBMS라고 평가받고 있음
따라서 클라우드 시장에서 DBMS 교체 및 신규 DBMS 수요를 수입에 의존하지 않고 국산 솔루션으로 충분히 대체가 가능함.

(2) 빅데이터 시장
빅데이터 시장은 대량의 데이터를 낮은 비용으로 처리할 수 있는 스토리지 서버 기술이 매우 중요한 핵심임. DBMS 관점에서는 저렴한 수많은 노드에서 데이터를 관리 할 수 있는 오픈 소스 기반의 NoSQL 기술이 발전하고 있음. 또한 빅데이터 기술이 기존 데이터분석의 영역을 넘어 CRM(Customer Relationship Management), 보안, 모니터링, 운영관리 등의 서비스를 제공할 수 있는 기술로 발전하고 있음. 이러한 서비스 제공을 위해서는 기존의 RDBMS 기술이 필요함.
골디락스 DBMS는 온프레미스 환경 및 클라우드 환경에서 빅데이터 서비스를 할 수 있는 적합한 DBMS임. 따라서 빅데이터 서비스 시장에서 필요한 신규 DBMS 수요를 수입에 의존하지 않고 국산 솔루션으로 충분히 대체가 가능함.

(3)전통적 시장 (공공, 제조, 금융, 서비스)
DBMS 시장에서 라이선스 신규 매출 보다는 유지보수 및 기존 업그레이드 등의 비중이 높아지고 있는 가운데, IT 비용 절감 및 기술 종속으로부터 벗어나고자 하는 사용자의 요구로 국산 DBMS의 관심 증가하고 있음. 국내 DBMS 시장은 글로벌 벤더인 오라클, 마이크로소프트, IBM 3개 회사가 90%이상의 점유율을 보이고 있으며, 이중 오라클은 60%에 가까운 점유하고 있으며, 시장에서 독점적인 위치를 이용하여 사용자에게 라이선스 컴플라이언스 및 유지보수 계약 강화 등을 요구
한국은 메모리 부분에서 세계 TOP이며 기술이 비약적으로 발전하고 있음. 메모리 기술발전은 메모리가격 하락(1테라 당 천오백만원 수준) 용량 혁신(X86 기본 장비에 3테라 메모리 탑재),속도 향상(DDR4 20나노속도) 등의 효과로 나타나며, 전통적인 폰노이만의 "CPU-메모리-디스크" 아키텍처에서 인메모리 컴퓨팅 "CPU-메모리" 아키텍처로 급속도로 전이되고 있음.
HPE의 "THE-머신"프로젝트는 페타바이트 수준의 데이터를 여러 노드의 메모리에서 클러스터로 묶어 운영 할 수 있도록 하는 아키텍처로서 회사 설립 이후 가장 큰 투자를 하고 있고, SK하이닉스는 비휘발성메모리 NVDIMM에 대한 양산 준비가 끝났으며, 인텔은 한국의 메모리사업을 추격하기 위해 3D XPoint 기술로 용량을 많이 높인 SSD 스토리지를 PCI 슬롯이나 DIMM 슬롯에 장착하여 메인메모리로 사용 가능하도록 하는 제품을 출시함(2017년 6월 출시 제품 375GB / 2017년 12월 출시 예정 1.5TB)
글로벌 DBMS 업계도 급격하게 인메모리 DBMS 신제품을 출시하고 있고 (SAP HANA, 오라클 EXA 등) 시장에서 큰 반향을 일으키고 있음
세계에서 인메모리 DBMS 기술로 Top Class인 선재소프트도 본 과제를 통해 개발된 골디락스 Cluster를 소프트웨어 버전 및 H/W 어플라이언스 버전 2가지 모델을 가지고 시장에 대응하고 있으며, 외산 제품에 대한 수입대체의 대항마 역할을 하고 있음.

(출처 : 국문 요약문 5p)

Abstract ▼

□ Purpose & Contents
1. Purpose of Research
Recently, data that needs to be dealt with in the 4th industrial revolution, such as AI(Artificial intelligence), Big Data, and IoT(Internet Of Things),are exploding. The database for these environments must have a Scale-Out architecture to manipulat

□ Purpose & Contents
1. Purpose of Research
Recently, data that needs to be dealt with in the 4th industrial revolution, such as AI(Artificial intelligence), Big Data, and IoT(Internet Of Things),are exploding. The database for these environments must have a Scale-Out architecture to manipulate large amounts of data. And for using mission critical service, it must be fully guaranteed ACID transaction, Active-Active structure and SQL support. So we need to develop research and development of a high-performance cluster DBMS that enables Scale-Out.
In addition, we have developed a High-Performance Scale-Out cluster database platform that enables us to combine data management systems with High-Performance Scale-Based linear performance improvements and High-Performance distributed processing technologies that optimize performance.
○ Implement a single integrated view of cluster DBMS based on unified view by teaming up with multiple servers and databases.
○ Implement Core S/W in the Data layer for implementing the Scale-Out DBMS.
○ Load balancing capability between multiple databases increases performance.
○ Maintain business continuity in various situations, such as node failure, node addition, node elimination.
○ Deploy High-Performance data processing platforms with system optimization such as block I/O accelerators and cache.
○ Manage and monitor multiple systems based on standard DMTF.

2. Contents of Research
Develop and optimize Scale-Out cluster database platforms that enable In Memory based linear performance improvements.
A. Develop Scale-Out Cluster Database Systems
○ Global Transaction Processing Technologies in multi-node environment
○ Cluster Technologies that support Scale-Out and Scale-In
○ Query Optimization Technologies and Legacy SQL Compatible Technologies in multi-node environment
○ Load Balancing Technologies across sessions between multiple nodes
○ Shared Nothing Data Replication Technologies for increasing Availability of Systems
○ Data Distribution Technologies for High-Performance Query Process
○ Real Time Synchronization Technology for distributed Data and Schema
○ Managing & Monitoring S/W for clustering system and DBMS
B. Development of High-Performance Data Processing System Software
○ Block I/O accelerator based on Cluster DB Platform
○ Block acceleration Cache Module based on Cluster DB Platform
○ Distributed File System based on Cluster DB Platform
○ SMI-S Standard based Cluster Management Technologies
C. Development of DBMS Benchmark Technology
○ DBMS Performance Estimation Technologies based on TPC-C and TPC-H specification

□ Results
1. Leading Organization(Sunjesoft)
가. Development of clustering DBMS function
1) Clustering DBMS Scalability
가) Study on classic cluster architecture
나) Research on Shared-nothing Cluster architecture
다) Research on overcoming the availability
라) Design of Shared-nothing cluster architecture
2) Design of cluster DBMS process architecture
가) By granularizing the cluster function, the process design for each component
나) Design and implementation of inter-process information exchange protocol
3) Development of transaction management technology
가) Commit strategy
다) Research on transaction termination condition according to operation scope
라) Global Transaction, Domain Transaction

나. Development of Group, Member management system for cluster DBMS
1) The Expansion of start-up phase for cluster database
가) The addition of Global Mount, Global Open state
2) Various DCL development for group and member management
가) On-line Group Add
나) On-line Group Drop
다) On-line Member Add
라) On-line Member Drop
3) Meta information for group and member management
가) Dictionary design for Cluster Object
4) Development of Fail-Over function
가) Process after fault detection
(1) Changes to meta tables
(2) The process of driver node
(3) Coordinator server
(4) node state transition
나) Coordinator Fail-Over
(1) Selection of New Coordinator
(2) Transaction Retransmission
(3) Member clean-up
다) Resolve node failure
(1) Fail-over performed by the coordinator when a drive node failure occurs
(2) Coordinator Fail-over occurs when a fault occurs
5) Development of Data Rebalance
가) Data journaling
• For table synchronization, a technique for storing change data separately for the characteristic Shard of a specific table
• When applying changes, execute replay on the Traget node
나) Development of On-line data auto rebalance

다. Development of distributed query processor for clustering DBMS
1) Base technology of distributed query processing
가) ROWID expansion including node information
나) Global unique index
다) Support @domain
라) Extension of Dictionary
마) Cluster function extension of Database Object (Table, View, Sequence, Constraint, etc)
2) Development of shard table
가) Development of distributed table storage structure of clustering DBMS
나) Develop various types of shard table
3) Development of distributed processing technology for TPC-H query
가) Develop various types of join technique
가) Support Non-deterministic SQL
4) Development of various syntactic processing techniques optimized for performance
가) Optimizer Function and Processing Research
나) Define factors to consider when calculating cost
다) Define Optimization step

라. Develop advanced dispatcher for cluster DBMS server-to-server connections
1) Develope server-to-server communications manager
가) Conceptual diagram between node and dispatcher
나) Request / response networking model
2) Dispatcher multiplexing for large data transfer
가) Dispatcher concept diagram
나) Dispatcher multiplexing development

마. Cluster DBMS-related meta table, major performance view development
1) Cluster table, Shard related meta table
2) DBMS operation management related meta table and performance view
3) Object management meta tables and performance views

바. Analysis and development of cluster DBMS monitoring element
1) Clustering DBMS monitoring User requirements establishment and analysis
가) Collect H/W resource status information for each Node
나) Gather status information of Goldilocks DB
2) Design of clustering DBMS monitoring process structure

사. Cluster management tool development
1) Cluster configuration information
2) Resource usage
3) Information by node
4) Session information

2. Participating organization 1 (KETI)
가. Development block I/O accelerator based on cluster DBMS
(1) Development block I/O accelerator with system integration to support high-speed data access
(가) Development I/O software module with BIO vector expansion to support high-speed data I/O
(나) Development BIO remapping & reassemble routine to support parallel block unit I/O

나. Development data acceleration cache structure based on cluster DBMS
(1) Development data acceleration cache mechanism based on in-memory DB data access pattern
(가) Development data acceleration cache mechanism for S/W data caching
(나) Development operation policy of data acceleration cache based on data access pattern
(2) Development union structure with block I/O acceleration and cache to support high-speed data access for in-memory DB
(가) Development union structure with block I/O acceleration and data acceleration cache based on linux block layer

다. Development variable replication based on erasure code to reduce storage cost in distributed file system environment.
(1) Development parity creation / writing mechanism based on erasure code to efficient use for storage space
(2) Development variable replication to reduce storage cost based on erasure code
(1～3 differential replication classified access pattern)

라. Development system administration I/F S/W based on cluster DBMS
(1) Development administration/control structure with CIM standard
(가) Cluster DB system administration S/W optimization based on CIM standard
(나) Development CIM standard API to administrate cluster DBMS
(2) Development CIM provider module to administrate cluster nodes based on SMI-S

3. Participating organization 2 (Dankook University Industry-Academia Collaboration Foundation) :
가. TPC-C performance analysis of cluster DBMS
(1) Construction of TPC-C test DB and performance measure of SQL in standalone for evaluation of cluster DBMS performance

나. Performance comparison of TPC-C among Scale-Out cluster DB
(1) Performance comparison of MySQL and Non-cluster
(2) Local transaction by sharding technique
(3) Local and global transaction by sharding technique

다. TPC-H performance analysis of cluster DBMS
(1) Construction of TPC-H test DB and performance measure of SQL in standalone for evaluation of cluster DBMS performance.

라. Performance comparison of TPC-H among Scale-Out cluster DB
(1) Performance comparison of MySQL and Non-cluster
(2) Performance comparison of TPC-H between Goldilocks and MySQL in cluster
가) Performance Comparison between Goldilocks Range Sharding and MySQL Cluster auto-sharding
나) Performance Comparison between Goldilocks hash Sharding and MySQL Cluster auto-sharding

□ Expected Contribution
1. Technical Utilization Plan
The GCS task name 『Over 1,000Cores Scale-Out Clustered Database Platform Development』have a great influence on the history of our nation's IT history. And through this GCS task, it finally saw the light of day. "Is it feasible? Can we make it? " We had a lot of thought. While we were processing on the Mock-Up and checked the possibilities, we applied for a tack to the government. And finally, WE DID IT.
We expect the outcome of the task will contribute greatly to the future development of our society. The database platform is the key technology in our IT industry. As a outcome of this task, we can achieve higher objectives.
The first thing we can think about technical utilization plan,

A. Convergence of semiconductor & memory industry
With the convergence of semiconductor & memory industry, we can change the paradigm of the market. In other words, it is possible to switch the storage area from hard disk to semiconductors. And with this technology, we can expand Storage & Processing capacity without limits.
- Joint development with Samsung Electronics & Hynix semiconductor
- Creat emerging market using Non-Volatile, High speed, High capacity memory
- Join the global market together

B. Convergence of domestic server industry
Recently, one of the national research institute(Named ERTI) released Micro-Grid 64 node/5U sized Server. And one of the domestic server vendor started to design server motherboard with their own technologies.
Also, KIST(Korea Institute of Science and Technology) is developing a Parallel Super Computer, HPC. This is a proof to the fact that the Korean H/W Industry will be fully localized soon. If it is realized, it is possible to localize all H/W and S/W solutions in the Datacenter.
- Co-develop appliance machine w/ Cluster DBMS
- Prove Inter-Working test
- Localize H/W & S/W solutions
- Targeting to datacenter in enterprise and public market

C. Localizing process in e-Government system
In order to ensure that the best output of the task is universally applied to all markets, it must be applied to applications used bycustomers.
- Inter-Working with e-Government system(Portal, ERP, CRM, etc.)
- Support for performance, quality, reliability, and interoperability
- Technological independence from foreign technology

D. Certify TPC-H international certification
In the future, we would like to extend the scope of the task result is not only OLTP system, but also OLAP system such as DW,CRM and BI/OLAP system. For this purpose, we will challenge TPC-Hinternational
certification. Further more we also have plan to expand In Memory Cluster DBMS market such as BigData, IoT and AI.

E. Block I/O Accelerator & Data Cache S/W for High-Performance
Within the Block accelerator & Data Cache S/W there are many functions for fast processing of cluster DB. As for Block I/OAcceleration & Data Cache S/W, We will continue to develop further.

F. System Management I/O S/W based on SMI-S standard
System Management I/O S/W consists of CLI, RESTful API, Storagemanager TUI and WEB User Interface. We are going to develop each function and stability level. The CLI is intended to develop userfriendly features, such as extending functionality, increasing user convenience, and correcting errors. The RESTful API will be enhanced with emphasis on enhancing stability and reliability of the REST server.
The Storagemanager TUI will reduce response times when executing commands, and will respond immediately to the user's commands to respond to commands. The WEB UI will enable the user and administrator to instantly respond to changes in system status by adding real-time monitoring capabilities.

2. Business Utilization Plan
The Goldilocks DBMS developed as a result of this task is recognized for its quality, reliability and performance and by acquiring TPC international accreditation certification, we gained marketing capabilities.
By actively utilizing the output of this task, we will achieve a total of 143 billion won in exports and imports by 2022.(Export 99.5 billion, Domestic 43.5 billion)

A. Focus on exports of DBMS
In 2015, the Database industry grew about $69.6 billion, which is expected to grow by about $132 billion in 2020(CAGR 14%). Depending on the size of the Database industry, OLTP, reporting DB, and analytics DB are forming top 3.
(1) On-line transaction processing industry
In 2015, the OLTP market grew about $28 billion, which is expected to grow by about $51.6 billion in 2020(CAGR 13%). The OLTP industry is the largest industry in the Database market, accounting for 40.2% of the total industry in 2015. In addition, it is expected to account for 39.1%of the total annual growth rate, which is expected to grow by 13 percent in 2020.
More recently, it is becoming increasingly concerned about optimizing the environment for efficient operation of OLTP. Further, it is becoming more diversified, including consolidating, analyzing, and processing OLTPdata.
The Goldilocks DBMS has been developed as the most suitable form of penetration for OLTP markets. In an OLTP market that requires fast performance and reliability, it will increase exports by starting withChina.
(2) Reporting DB industry
The Reporting DB industry is based on the market where data produced by reports or analyses is processed. In other words, the secondary database produced and processed by the raw material is a commodity. In 2015, the Reporting DB market grew about $16.9 billion, which is expected to grow by about $31.1 billion in 2020(CAGR 13%).
The reporting DB industry is the second largest industry in the database industry after the OLTP industry, accounting for 24.3% of the total industry in 2015. The functionality of the DBMS industry required for reporting DB is considered to be the flexibility of stability and expansion.
After opening the initial service, users should be able to flexibly add the DB node, depending on the data growth or user growth. The Goldilocks DBMS can increase the capacity of service data by adding more DB nodes during database services.
(3) Analytical DB industry
The Analytical DB industry is based on a marketplace where raw materials, which form the basis of reporting DB. For example, the data needed to analyze the company's operations, the number of customer counts, costs and labor costs required for the management analysis are included in the raw materials. In 2015, the Analytical DB market grew about $16.2 billion, which is expected to grow by about $24.9 billion in 2020(CAGR 9%). The Analytical DB industry is the third-largest industry in the database industry and accounting for 23.3% of the total industry in 2015. It is expected to account for an annual average of 18.9% in 2020, with an annual average of 9%. Meanwhile, the Analytical database industry is expected to grow slowly in the database industry,which is expected to result in more data generated by processing and processing than the production of raw materials.
The Analytical DB is the most attractive market of In Memory DBMS.
In the analysis DB market, performance and capacity are more important than reliability. It ia because batch work must be completed within a given time to prepare for the next service. The Goldilocks In memory DBMS enables faster performance through a Scale-Out architecture.

B. Substitution of DBMS Import
The latest topic in IT is the 4th industrial revolution, and the technology is related mostly to software, such as Artificial Intelligence,Big Data, Cloud, and IoT. Such a revolution will lead to massive replacement opportunities for public and corporate information systems that have been deployed overseas for over 20 years, and SUNJESOFT's technology is sitting on top of this shift.
(1) Cloud Market
In the early days of the cloud, we focused on automating and streamlining hardware resource management with O/S virtualization but As the core business of the enterprise begins to operate in the cloud, the importance of RDBMS in the cloud is emphasized. Accordingly, there are technologies available in the cloud environment, while ensuring the availability of DBMS performance and availability in existing On-premise. The future DBMS market can easily migrate the On-Premise environment to a cloud environment, and a database that is easy-to-manage in a cloud environment will lead to market. The SUNJESOFT's DBMS, Goldilocks, can automatically perform the Scale-Out / Scale-In in the cloud environment and considered to be a product guaranteeing performance and availability in the On-Premise environment. Thus, the replacement of DBMS in the cloud market and the demand for new DBMS is not dependent on importing new solutions.
(2) Big Data Market
Big data markets are critical to storage server technologies where large amounts of data can be handled at low cost. From a DBMS perspective, an Open-Source based NoSQL technology is evolving to manage data from low-cost. Big Data technologies are also evolving into technologies that can provide services such as CRM(Customer Relationship Management), Security, Monitoring and Operations Management, beyond the realm of traditional data analytics. And these services require an existing RDBMS technology. The Goldilocks DBMS is a suitable DBMS for performing Big Data services in the On-Premise Environment and Cloud environments.
Thus, it is possible to replace the demand for new DBMS in the Big Data service market without relying on imports and replacing it with domestic solutions.


(3) Traditional DBMS Market(Public, Enterprise, Finance and Service)
In the DBMS market, maintenance and traditional upgrades are increasing rather than licensing new licenses. Demand for internal DBMS is increasing due to the need for users to reduce IT costs and strive to emerge from technology dependency. The local DBMS market was occupied more than 90% by the global vendor, such as Oracle, Microsoft and IBM, while Oracle is occupied by 60%. Using a monopoly in the market, Oracle requires users to increase license compliance and enforce maintenance contracts. Korea is the world's top stepping up memory and technology is rapidly developing. Advances in memory technology tend to decrease memory prices(KRW 15 million per terabyte), and increase speed of memory (3TB capacity in x86 basic equipment), increasing speed (DDR4 20 nano speed). The " There-Machine " project in HPE is an architecture that allows aggregation of petabyte-level data into clusters of multiple nodes. They have made the biggest investment since the establishment of the company. SK Hynix is ready for the nonvolatile memory NVDIMM, In order to track Korea's memory business, Intel has launched a product that uses 3D technology to introduce SSD storage as a PCI slot or DIMM slot to serve as mainstream memory.(In June 2017 launched 375GB product / In December 2017 1.5TB product will be released).
Global DBMS vendors are also launching new products in the fast lane(SAP HANA, Oracle EXA, etc.) and are experiencing significant repercussions in the market. In the world, SUNJESOFT, a top class DBMS technology, is also meeting the market with two models(the software version and appliance version), and it serves as a substitute for import replacement products for foreign products.

(출처 : SUMMARY 29p)

목차 Contents

• 표지 ... 1
• 제 출 문 ... 2
• 보고서 요약서 ... 3
• 연구개발사업 주요 연구성과 ... 4
• 국문 요약문 ... 5
• SUMMARY ... 29
• Table of Contents ... 53
• 목차 ... 54
• 제1장. 연구개발과제의 개요 ... 55
• 1. 연구개발 목적 ... 55
• 2. 연구개발의 필요성 ... 56
• 3. 연구개발 범위 ... 57
• 제2장. 국내외 기술 개발 현황 ... 62
• 1. 국내외 기술 현황 ... 62
• 2. 국내 기술 동향 및 수준(신청 기관 포함) ... 62
• 3. 국외 기술 동향 및 수준 ... 63
• 제3장. 연구 수행 내용 및 성과 ... 65
• 1. Scale-Out 클러스터 데이터베이스 시스템 개발(선재소프트) ... 65
• 2. 전자부품연구원 ... 122
• 3. 단국대학교 산학협력단 ... 155
• 제4장. 목표 달성도 및 관련 분야 기여도 ... 186
• 1. 목표 달성도 ... 186
• 2. 관련 분야 기여도 ... 188
• 제5장. 연구개발성과의 활용계획 ... 203
• 1. 기술적 활용계획 ... 203
• 2. 사업적 활용계획 ... 205
• 제6장. 연구 과정에서 수집한 해외 과학기술 정보 ... 209
• 1. 인텔의 차세대 메모리와 스토리지 ... 209
• 2. HP의 새로운 컴퓨팅 아키텍처 “The Machine” ... 211
• 제7장. 연구개발성과의 보안등급 ... 212
• 제8장. 국가과학기술종합정보시스템에 등록한 연구시설·장비 현황 ... 212
• 제9장. 연구개발과제 수행에 따른 연구실 등의 안전 조치 이행 실적 ... 213
• 1. 연구실 안전 점검 실시 ... 213
• 제10장. 연구개발과제의 대표적 연구 실적 ... 214
• 제11장. 기타 사항 ... 215
• 1. 연구개발비 집행 실적 (2차년도) ... 215
• 2. 외부용역과제 (2차년도) ... 218
• 제12장. 참고 문헌 ... 219
• 첨부 1. 자체 보안관리 진단표 ... 220
• 첨부 2. 연구실 안전조치 이행표 ... 221
• 첨부 3. 연구과제 성과(기술성) 증빙자료 ... 222
• 끝페이지 ... 225