본문 바로가기 주메뉴 바로가기
22대 대한민국 국회 국회정보길라잡이 국회의원검색
회원가입 로그인
HOME

정보검색

소장정보 검색

국회도서관 홈으로 정보검색 소장정보 검색

결과 내 검색

동의어 포함

고급검색

인명/단체명

저자정보 상세정보
인명/단체명을 입력하세요.

키워드

  • 대표어

  • 외국어

-

초록보기

최근 데이터의 폭발적인 증가로 인해 대규모 데이터의 분석에 대한 요구를 충족할 수 있는 방법들이 계속 연구되고 있다. 본 논문에서는 맵리듀스를 이용한 분산 병렬 처리를 통해 대규모 데이터 큐브의 효율적인 계산이 가능한 MRIterativeBUC 알고리즘을 제안하였다. MRIterativeBUC 알고리즘은 기존의 BUC 알고리즘을 맵리듀스의 반복적 단계에 따른 효율적인 동작이 가능하도록 개발되었고, 기존의 대규모 데이터 큐브 계산에 따른 문제인 데이터 크기와 저장 및 처리 능력의 한계를 해결하였다. 또한, 분석자의 관심 부분에 대해서만 계산하는 빙산 큐브 개념의 도입과 파티셔닝, 정렬과 같은 큐브 계산을 분산 병렬 처리하는 방법 등의 장점들을 통해 데이터 방출량을 줄여서 네트워크 부하를 줄이고, 각 노드의 처리량을 줄이며, 궁극적으로 전체 큐브 계산 비용을 줄일 수 있다. 본 연구결과는 맵리듀스를 이용한 데이터 큐브 계산에 대해서 상향식 처리와 반복적 알고리즘을 통해 다양한 확장이 가능하며, 여러 응용 분야에서 활용이 가능할 것으로 예상된다.

Due to the recent data explosion, methods which can meet the requirement of large data analysis has been studying. This paper proposes MRIterativeBUC algorithm which enables efficient computation of large data cube by distributed parallel processing with MapReduce framework.

MRIterativeBUC algorithm is developed for efficient iterative operation of the BUC method with MapReduce, and overcomes the limitations about the storage size and processing ability caused by large data cube computation. It employs the idea from the iceberg cube which computes only the interesting aspect of analysts and the distributed parallel process of cube computation by partitioning and sorting. Thus, it reduces data emission so that it can reduce network overload,processing amount on each node, and eventually the cube computation cost. The bottom-up cube computation and iterative algorithm using MapReduce, proposed in this paper, can be expanded in various way, and will make full use of many applications.

권호기사

권호기사 목록 테이블로 기사명, 저자명, 페이지, 원문, 기사목차 순으로 되어있습니다.
기사명 저자명 페이지 원문 목차
STW를 이용한 웹 문서 장르 분류에 관한 연구 고병규, 김판구, 오군석 pp.413-422

TBMD를 위한 협동교전 기능아키텍처 도출 권용수, 엄진욱, 정소연, 이용욱, 최관선 pp.391-400

HTML5를 이용한 물류기업의 모바일 오피스 구현에 관한 연구 임용택, 유우식, 변해권 pp.433-442

The Impact of Information Sharing Under Opportunism in Supplier-Buyer Relationships: An Empirical Analysis Young Bong Chang, Wooje Cho pp.365-376

An Incremental, Iterative and Interative Ontology Matching Approach Fernando Wagner, Jose A.F.Macedo, Bernadette Lócio pp.357-363

클라우드 서비스 사용자 관점에서의 취약점과 보안관리체계 최영진, 이상학, 홍필기, 나종회 pp.401-411

2·3차 협력기업 동반성장 네트워크 구축에 관한 정책적 방향성 김주미 pp.465-476

안전필수 시스템을 위한 시간기반 MDA 아키텍처 모델링 임유진, 최은미 pp.443-453

맵리듀스를 이용한 데이터 큐브의 상향식 계산을 위한 반복적 알고리즘 이수안, 김진호, 조선화 pp.455-464

PMS 연계를 통한 EA 현행화 개선 사례 연구 : 국토해양부 정보화프로젝트 관리시스템을 중심으로 강재화, 김승관 pp.423-432

범정부 정보화 투자관리 문제점 및 개선방안에 관한 연구 : 아키텍처적 방법을 중심으로 오승운, 김충영 pp.377-389

참고문헌 (25건) : 자료제공( 네이버학술정보 )

참고문헌 목록에 대한 테이블로 번호, 참고문헌, 국회도서관 소장유무로 구성되어 있습니다.
번호 참고문헌 국회도서관 소장유무
1 Gray, J., et al., “Data Cube: A Relational Aggregation Operator Generalizing Group-By, Cross-Tab, and Sub-Totals,” In Proc. Conf. on Data Engineering, New Orleans, LA, pp. 152-199, Feb. 1996. 미소장
2 Implementing Data Cubes Efficiently 네이버 미소장
3 Agarwal, S., et al., “On the Computation of Multidimensional Aggregates,” In Proc. the 22nd Int'l Conf. on Very Large Data Bases, pp. 506-521, Sept. 1996. 미소장
4 Ross, K. A. and Srivastava, D., “Fast Computation of Sparse Datacubes,” In Proc. the 23rd Int'l Conf. on Very Large Data Bases, pp. 116-125, Aug. 1997. 미소장
5 Li, X., Han, J., and Gonzalez, H., “High-dimensional OLAP: A Minimal Cubing Approach,” In Proc. the 30th Int'l Conf. on Very Large Data Bases, Toronto, Canada, pp. 528-539, Aug. 2004. 미소장
6 Bottom-up computation of sparse and Iceberg CUBE 네이버 미소장
7 Efficient Computation of Iceberg Cubes with Complex Measures 네이버 미소장
8 Shao, Z., Han, J., and Xin, D., “MM-Cubing: Computing Iceberg Cubes by Factorizing the Lattice Space,” In Proc. 16th Int'l Conf. of Scientfic and Statistical Database Management, p. 213, June 2004. 미소장
9 Xin, D., Han, J., Li, X., and Wah, B W., “Star-cubing: Computing Iceberg Cubes by Top-down and Bottomup Integration,” In Proc. 29th Int'l Conf. of Very Large Data Bases, Berlin, Germany, pp. 476-487, Sept, 2003. 미소장
10 MapReduce 네이버 미소장
11 Parallel ROLAP Data Cube Construction on Shared-Nothing Multiprocessors 네이버 미소장
12 The cgmCUBE project: Optimizing parallel data cube generation for ROLAP 네이버 미소장
13 No 네이버 미소장
14 Iceberg-cube Computation with PC Clusters 네이버 미소장
15 Mining Association Rules between Sets of Items in Large Databases 네이버 미소장
16 Jinguo, Y., Jianging, X., Pingjian, Z., and Hu, C., “A Parallel Algorithm for Closed Cube Computation,” In Proc. 7th Int'l Conf. on Computer and Information Science, Portland, OR, pp. 95-99, May 2008. 미소장
17 Yuxiang, W., Aibo, S., and Junzhou, L., “A Map- ReduceMerge-based Data Cube Construction Method,” In Proc. 9th Int'l Conf. on Grid and Cooperative Computing, Nanjing, China, pp. 1-6, Nov. 2010. 미소장
18 Suan, L., Yang-Sae, M., and Jinho, K., “Distributed Parallel Top-Down Computation of Data Cube using MapReudce,” In Proc. 3rd Int'l Conf. on Emerging Databases, Incheon, Korea, pp. 303-306, Aug. 2011. 미소장
19 Arnab, N., Cong, Y., Philip, B., and Raghu, R., “Distrubuted Cube Materialization on Holistic Measures,” In Proc. 27th Int'l Conf. on Data Engineering, Hannover, Germany, pp. 183-194, April 2011. 미소장
20 Ghemawat, S., Gobioff, H., and Leung, S. T., “The Google File System,” In Proc. 19th on Operating Systems Principles, Bolton Landing, NY, pp. 29-43, Dec. 2003. 미소장
21 Hadoop, http://hadoop.apache.org/ 미소장
22 HDFS, http://hadoop.apache.org/hdfs/ 미소장
23 A Study on Utilizing Technical Reference Model by Applying Ontology and Visualization 소장
24 Mobile Web Navigation in Digital Ecosystems Using Rooted Directed Trees 네이버 미소장
25 Architectural Measurements on the World Wide Web as a Graph 소장

추천서가 (다양한 추천 자료를 만나보세요)

권호기사보기

권호기사 목록 테이블로 기사명, 저자명, 페이지, 원문, 기사목차 순으로 되어있습니다.
기사명 저자명 페이지 원문 기사목차

권호

기사명 원문보기 기사목차
닫기