| 한글제목(Korean Title) |
관계형 데이터베이스 워크로드 분석을 통한 NoSQL 시스템 추천 |
| 영문제목(English Title) |
Recommendation of NoSQL Systems Based on RDB Workload Analysis |
| 저자(Author) |
박효주
고은정
이기훈
Hyo-Ju Park
Eun-Jeong Ko
Ki-Hoon Lee
|
| 원문수록처(Citation) |
VOL 33 NO. 03 PP. 0061 ~ 0071 (2017. 12) |
한글내용
(Korean Abstract) |
관계형 데이터베이스 관리 시스템(RDBMS)으로 처리하기 어려운 규모의 빅데이터를 효과적으로 처리할 수 있는 NoSQL이 등장하였으며, 많은 기업들이 자사의 데이터베이스를 RDBMS에서 NoSQL로 마이그레이션 하고자 한다. 그러나 다양한 NoSQL 시스템들이 존재하기 때문에 주어진 RDB 워크로드에 어떤 NoSQL 시스템이 적합한지를 평가하는 데 많은 시간과 비용이 소요된다. 본 논문에서는 관계형 데이터베이스(RDB)의 워크로드를 분석하여 적합한 NoSQL을 추천해주는 시스템을 제안한다. 제안하는 시스템은 NoSQL 성능 평가 결과와 RDB 워크로드 데이터를 결합하여 학습 데이터를 생성한다. 다양한 기계학습 분류기를 적용하여 제안한 NoSQL 추천 시스템의 정확도를 측정한 결과, 사전에 학습되지 않은 워크로드 유형을 사용하여 테스트하였을 때는 LDA+SVM 분류기가 82.36%, 학습된 워크로드 유형을 사용하여 테스트하였을 때는 Decision Tree 분류기가 96.53%의 가장 높은 정확도를 보였다. |
영문내용
(English Abstract) |
Big data is difficult to process using Relational Database Management Systems (RDBMSs), and NoSQL has emerged to effectively process big data. Many enterprises plan to migrate their databases from RDBMS to NoSQL. Because there are so many NoSQL systems, it takes a lot of time and cost to evaluate which NoSQL system is appropriate for a given RDB workload. In this paper, we propose a system that recommends NoSQL systems based on RDB workload analysis. The proposed system generates training data by combining performance evaluation results for NoSQL systems and RDB workload data. We evaluate the proposed system using various machine learning classifiers. Experimental results show that for unlearned workload types, the LDA SVM classifier achieves the highest accuracy of 82.36%. For learned workload types, the Decision Tree classifier achieves the highest accuracy of 96.53%. |
| 키워드(Keyword) |
관계형 데이터베이스
워크로드
NoSQL
성능 평가
추천 시스템
Relational Database
Workload
NoSQL
Performance Evaluation
Recommendation System
|
| 파일첨부 |
PDF 다운로드
|
