KR101831959B1 - Bigdata analysis cloud service system - Google Patents

Bigdata analysis cloud service system Download PDF

Info

Publication number
KR101831959B1
KR101831959B1 KR1020160106889A KR20160106889A KR101831959B1 KR 101831959 B1 KR101831959 B1 KR 101831959B1 KR 1020160106889 A KR1020160106889 A KR 1020160106889A KR 20160106889 A KR20160106889 A KR 20160106889A KR 101831959 B1 KR101831959 B1 KR 101831959B1
Authority
KR
South Korea
Prior art keywords
big data
data analysis
cloud
server
central
Prior art date
Application number
KR1020160106889A
Other languages
Korean (ko)
Inventor
나교민
이혁주
조철용
이정훈
우상수
정혜원
김명진
Original Assignee
주식회사 이노그리드
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 주식회사 이노그리드 filed Critical 주식회사 이노그리드
Priority to KR1020160106889A priority Critical patent/KR101831959B1/en
Application granted granted Critical
Publication of KR101831959B1 publication Critical patent/KR101831959B1/en

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F15/00—Digital computers in general; Data processing equipment in general
    • G06F15/16—Combinations of two or more digital computers each having at least an arithmetic unit, a program unit and a register, e.g. for a simultaneous processing of several programs
    • G06F17/30—

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Theoretical Computer Science (AREA)
  • Software Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computer And Data Communications (AREA)

Abstract

The present invention discloses a cloud service system providing a big data analysis module. According to an embodiment of the present invention, the big data analysis cloud service system comprises: a plurality of cloud local servers providing the big data analysis module, and performing a big data analysis with respect to cloud data; and a central big data analysis server performing a central big data analysis based on big data analysis data received from the cloud local servers, and providing an analyzed result to the cloud local servers.

Description

빅데이터 분석 클라우드 서비스 시스템{Bigdata analysis cloud service system}Big data analysis cloud service system {Bigdata analysis cloud service system}

본 발명은 클라우드 서비스에 관한 것으로서, 좀 더 상세하게는 빅데이터 분석 모듈을 구비하여 빅데이터 분석 환경을 즉시 제공하는 클라우드 서비스 시스템에 관한 것이다.The present invention relates to a cloud service, and more particularly, to a cloud service system that provides a big data analysis environment by providing a big data analysis module.

최근에는 클라우드 시스템에 대한 보급과 사용자의 수가 증가하고 있다. 클라우드 시스템은 크게 3가지로 분류되는데, 클라우드를 통해 플랫폼을 제공해주는 플랫폼형 서비스(PaaS, Platform as a Service), 프로세싱, 스토리지, 네트워크와 같은 클라우드 인프라를 제공하는 인프라형 서비스(IaaS, Infrastructure as a Service) 및 응용프로그램을 제공하는 소프트웨어 서비스(SaaS, Software as a Service)가 있다.In recent years, the popularity of cloud systems and the number of users has increased. Cloud systems fall into three broad categories: Platform as a Service (PaaS) that provides the platform through the cloud; Infrastructure services (IaaS, Infrastructure as a Service) that provide the cloud infrastructure such as processing, Service) and Software as a Service (SaaS).

또한, 클라우드 시스템이 널리 이용됨에 따라, 많은 양의 데이터가 쌓이게 되고, 그 데이터에 대한 분석의 필요성이 대두되면서 빅데이터 분석에 대한 시장의 규모도 커지고 있다. 전 세계적으로 빅데이터 시장 규모는 IDC에 따르면 2015년 169억 달러로 예상되며, 특히 빅데이터 관련 소프트웨어, 하드웨어, 서비스 지출액이 1,250억 달러로 증가할 전망된다(출처. K-ICT 빅데이터센터 2015년 세계 빅데이터 시장 전망).Also, as the cloud system is widely used, a large amount of data is accumulated, and the need for analysis of the data is growing, so that the market size for big data analysis is also increasing. Worldwide, the Big Data market is expected to reach $ 16.9 billion by 2015, with IDC estimating $ 125 billion in software, hardware, and service spending for Big Data (Source: K-ICT Big Data Center, 2015 World Big Data Market Forecast).

국내 클라우드 플랫폼들은 아직 인프라 제공(IaaS) 위주로, 사용자들이 활용 가능한 기업용 응용 SW가 부족한 상황이며, 빅데이터 분석 플랫폼은 제공하지 못하거나 미약한 상태다. 공공 및 민간의 클라우드 이용 활성화를 위해, 빅데이터 분석 솔루션을 최적화하여 탑재한 클라우드 플랫폼 및 서비스 개발이 필요한 상황이다.Domestic cloud platforms are still in need of infrastructure application (IaaS), users are not able to utilize enterprise application software, and big data analysis platform is not available or feeble. To enable public and private cloud use, it is necessary to develop cloud platforms and services that are optimized with big data analysis solutions.

대한민국 등록특허 제10-1306891 (등록일자 2013년09월04일) 클라우드 서비스를 이용한 운전자를 위한 빅 데이터 서비스 방법 및 그에 따른 시스템Korean Registered Patent No. 10-1306891 (Registration date: September 04, 2013) Big data service method for drivers using cloud service and system therefor

따라서, 본 발명은 상술한 문제점을 해결하기 위해 안출된 것으로서, 빅데이터 분석 모듈을 구비한 클라우드 서비스 시스템을 제공하기 위한 것이다.SUMMARY OF THE INVENTION Accordingly, the present invention has been made keeping in mind the above problems occurring in the prior art, and an object of the present invention is to provide a cloud service system having a big data analysis module.

또한, 본 발명은 타 클라우드 시스템의 분석 결과를 함께 활용하여 보다 정확성이 높은 빅데이터 분석 기능을 제공하는 빅데이터 분석 클라우드 서비스 시스템을 제공하기 위한 것이다.In addition, the present invention is to provide a big data analysis cloud service system that provides a big data analysis function with higher accuracy by utilizing analysis results of a second cloud system.

본 발명의 다른 목적들은 이하에 서술되는 바람직한 실시예를 통하여 보다 명확해질 것이다.Other objects of the present invention will become more apparent through the following preferred embodiments.

본 발명의 일 측면에 따르면, 빅데이터 분석 모듈을 구비하여, 클라우드 데이터에 대한 빅데이터 분석을 수행하는 복수개의 클라우드 로컬서버들; 및 상기 클라우드 로컬서버들로부터 수신되는 빅데이터 분석 데이터를 기반으로 하는 중앙 빅데이터 분석을 수행하고, 분석 결과를 상기 클라우드 로컬서버들에게 제공하는 중앙 빅데이터 분석서버를 포함하는 빅데이터 분석 클라우드 서비스 시스템이 제공된다.According to an aspect of the present invention, there is provided a data processing system including a plurality of cloud local servers, each having a big data analysis module, for performing big data analysis on cloud data; And a central big data analysis server for performing central big data analysis based on the big data analysis data received from the cloud local servers and providing analysis results to the cloud local servers. / RTI >

여기서, 상기 중앙 빅데이터 분석서버는 상기 중앙 빅데이터 분석 결과에 따라 검사대상을 선정하고, 상기 검사대상으로 선정된 클라우드 로컬서버로부터 클라우드 데이터를 수신하여 빅데이터 분석을 수행하여 상기 검사대상으로 선정된 클라우드 로컬서버의 빅데이터 분석 모듈의 교체 여부를 결정할 수 있다.Here, the central big data analysis server selects an inspection target according to the central big data analysis result, receives cloud data from the cloud local server selected as the inspection target, performs big data analysis, You can decide whether to replace the big data analysis module in the cloud local server.

또한, 상기 클라우드 로컬서버들은 자신의 클라우드 데이터에 대한 빅데이터 분석 결과인 로컬 분석 결과와 타 클라우드 로컬서버의 로컬 분석 결과를 비교하고, 미리 설정된 수치 이상 차이가 있는 것으로 판단되는 경우, 상기 중앙 빅데이터 분석서버로 관련 자료를 전송하여 상기 중앙 빅데이터 분석을 요청할 수 있다.In addition, the cloud local servers compare the local analysis result, which is the result of the big data analysis on the own cloud data, with the local analysis results of the other cloud local servers. If it is determined that there is a difference more than the predetermined value, And transmit the related data to the analysis server to request the central big data analysis.

또한, 상기 클라우드 로컬서버들은 상기 중앙 빅데이터 분석을 요청할 때, 자신의 빅데이터 분석 시에 이용한 클라우드 데이터 중 표본 데이터를 추출하여 상기 중앙 빅데이터 분석서버로 제공할 수 있다.In addition, the cloud local servers may extract the sample data among the cloud data used in analyzing the big data when the central local data analysis is requested, and provide the sampled data to the central big data analysis server.

또한, 상기 중앙 빅데이터 분석서버는 상기 클라우드 로컬서버들에 저장된 클라우드 데이터 중 미리 설정된 규칙에 따른 일부를 주기적으로 수집하고, 수집된 데이터를 기반으로 주기적 빅데이터 분석을 수행하여 상기 클라우드 로컬서버들에게 제공할 수 있다.The central big data analysis server periodically collects a part of the cloud data stored in the cloud local servers according to predetermined rules and performs periodic big data analysis based on the collected data, .

또한, 상기 중앙 빅데이터 분석서버는 상기 주기적 빅데이터 분석에 따른 결과를 유료 비용으로 상기 클라우드 로컬서버들로 제공하되, 상기 클라우드 로컬서버들에 저장된 클라우드 데이터의 량이 많을 수록 상기 유료 비용의 금액을 낮게 책정할 수 있다. Also, the central big data analysis server provides the result of the periodic big data analysis to the cloud local servers at a chargeable cost, and the larger the amount of cloud data stored in the cloud local servers, It can be settled.

본 발명에 따르면, 빅데이터 분석 기능을 제공하는 클라우드 서비스를 제공할 수 있는 효과가 있다. According to the present invention, it is possible to provide a cloud service that provides a big data analysis function.

또한, 본 발명에 따르면, 타 클라우드 시스템의 분석 결과를 함께 활용하여 보다 정확성이 높은 빅데이터 분석 기능을 제공할 수 있다.In addition, according to the present invention, it is possible to provide a big data analysis function with higher accuracy by using the analysis results of the other cloud system together.

또한, 본 발명에 따르면, 로컬서버에서 수행되는 빅데이터 분석이 정상적으로 잘 수행되는지를 중앙 서버에서 수시로 체크할 수 있어, 잘못된 빅데이터 분석에 의한 여러 가지 오류를 예방할 수 있는 효과도 있다.In addition, according to the present invention, it is possible to frequently check whether a big data analysis performed in a local server is normally performed by a central server, thereby preventing various errors caused by erroneous big data analysis.

도 1은 본 발명의 일 실시예에 따른 빅데이터 분석 클라우드 서비스 시스템의 구성을 개략적으로 도시한 구성도.
도 2는 본 발명의 일 실시예에 따른 클라우드 로컬서버의 그룹화를 도시한 예시도.
도 3은 본 발명의 일 실시예에 따른 클라우드 로컬서버에서 수행되는 빅데이터 분석 클라우드 서비스 과정을 도시한 흐름도.
도 4는 본 발명의 일 실시예에 따른 중앙 빅데이터 분석서버(20)에서 수행되는 빅데이터 분석 과정을 도시한 흐름도.
도 5는 본 발명의 다른 실시예에 따른 중앙 빅데이터 분석서버에서 수행되는 빅데이터 분석 과정을 도시한 흐름도.
도 6은 본 발명의 또 다른 실시예에 따른 중앙 빅데이터 분석서버에서 수행되는 빅데이터 분석 과정을 도시한 흐름도.1 is a block diagram schematically illustrating a configuration of a big data analysis cloud service system according to an embodiment of the present invention;
FIG. 2 is an exemplary diagram illustrating grouping of cloud local servers in accordance with an embodiment of the present invention. FIG.
3 is a flowchart illustrating a procedure of a big data analysis cloud service performed in a cloud local server according to an embodiment of the present invention.
FIG. 4 is a flowchart illustrating a big data analysis process performed by the central big data analysis server 20 according to an embodiment of the present invention.
FIG. 5 is a flowchart illustrating a big data analysis process performed by a central big data analysis server according to another embodiment of the present invention; FIG.
6 is a flowchart illustrating a process of analyzing big data performed by a central big data analysis server according to another embodiment of the present invention.

본 발명은 다양한 변경을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 특정 실시예들을 도면에 예시하고 상세한 설명에 상세하게 설명하고자 한다. 그러나 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다.While the invention is susceptible to various modifications and alternative forms, specific embodiments thereof are shown by way of example in the drawings and will herein be described in detail. It is to be understood, however, that the invention is not to be limited to the specific embodiments, but includes all modifications, equivalents, and alternatives falling within the spirit and scope of the invention.

어떤 구성요소가 다른 구성요소에 "연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는, 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다. It is to be understood that when an element is referred to as being "connected" or "connected" to another element, it may be directly connected or connected to the other element, . On the other hand, when an element is referred to as being "directly connected" or "directly connected" to another element, it should be understood that there are no other elements in between.

제1, 제2 등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다. 예를 들어, 후술될 제1 임계값, 제2 임계값 등의 용어는 실질적으로는 각각 상이하거나 일부는 동일한 값인 임계값들로 미리 지정될 수 있으나, 임계값이라는 동일한 단어로 표현될 때 혼동의 여지가 있으므로 구분의 편의상 제1, 제2 등의 용어를 병기하기로 한다. The terms first, second, etc. may be used to describe various components, but the components should not be limited by the terms. The terms are used only for the purpose of distinguishing one component from another. For example, terms such as a first threshold value, a second threshold value, and the like which will be described later may be previously designated with threshold values that are substantially different from each other or some of which are the same value, Because there is room, the terms such as the first and the second are to be mentioned for convenience of division.

본 명세서에서 사용한 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 명세서에서, "포함하다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.The terminology used herein is for the purpose of describing particular embodiments only and is not intended to be limiting of the invention. The singular expressions include plural expressions unless the context clearly dictates otherwise. In this specification, the terms "comprises" or "having" and the like refer to the presence of stated features, integers, steps, operations, elements, components, or combinations thereof, But do not preclude the presence or addition of one or more other features, integers, steps, operations, elements, components, or combinations thereof.

또한, 각 도면을 참조하여 설명하는 실시예의 구성 요소가 해당 실시예에만 제한적으로 적용되는 것은 아니며, 본 발명의 기술적 사상이 유지되는 범위 내에서 다른 실시예에 포함되도록 구현될 수 있으며, 또한 별도의 설명이 생략될지라도 복수의 실시예가 통합된 하나의 실시예로 다시 구현될 수도 있음은 당연하다.It is to be understood that the components of the embodiments described with reference to the drawings are not limited to the embodiments and may be embodied in other embodiments without departing from the spirit of the invention. It is to be understood that although the description is omitted, multiple embodiments may be implemented again in one integrated embodiment.

또한, 첨부 도면을 참조하여 설명함에 있어, 도면 부호에 관계없이 동일한 구성 요소는 동일하거나 관련된 참조부호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다. 본 발명을 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다. DETAILED DESCRIPTION OF THE PREFERRED EMBODIMENTS Reference will now be made in detail to the preferred embodiments of the present invention, examples of which are illustrated in the accompanying drawings, wherein like reference numerals refer to the like elements throughout. DETAILED DESCRIPTION OF THE PREFERRED EMBODIMENTS Hereinafter, exemplary embodiments of the present invention will be described in detail with reference to the accompanying drawings. In the following description, well-known functions or constructions are not described in detail since they would obscure the invention in unnecessary detail.

도 1은 본 발명의 일 실시예에 따른 빅데이터 분석 클라우드 서비스 시스템의 구성을 개략적으로 도시한 구성도이고, 도 2는 본 발명의 일 실시예에 따른 클라우드 로컬서버의 그룹화를 도시한 예시도이다.FIG. 1 is a schematic diagram illustrating a configuration of a big data analysis cloud service system according to an embodiment of the present invention, and FIG. 2 is a diagram illustrating grouping of a cloud local server according to an embodiment of the present invention .

도 1을 참조하면, 본 실시예에 따른 빅데이터 분석 클라우드 서비스 시스템(이하 BACS(Bigdata Analysis Cloud Service) 시스템이라 칭함)은 각각의 빅데이터 분석모듈(12-1, 12-2, ..., 12-n, 이하 12로 통칭)을 구비한 복수개의 클라우드 로컬서버(10-1, 10-2, ..., 10-n, 이하 10으로 통칭) 및 중앙 빅데이터 분석서버(20)를 포함한다.1, a Big Data Analysis Cloud Service (BACS) system according to the present embodiment includes a plurality of large data analysis modules 12-1, 12-2, ..., (Collectively referred to as 10 hereinafter) and a central big data analysis server 20 having a plurality of cloud local servers 10-1, 10-2, ..., 10-n do.

클라우드 로컬서버(10)는 빅데이터 분석 모듈을 구비하여, 관리되는 클라우드 데이터에 대한 빅데이터 분석을 수행할 수 있다. 빅데이터 분석이란 소셜 빅데이터, 실시간 사물지능통신(M2M：Machine　to　Machine) 센서 데이터, 기업 고객관계 데이터 등 도처에 존재하는 다양한 성격의 빅데이터를 효과적으로 분석하는 것을 말한다. 현재 서비스되고 있는 빅데이터 분석 솔류션으로는 Tajo, Hadoop 등이 있다. The cloud local server 10 may include a big data analysis module to perform big data analysis on the managed cloud data. Big Data Analysis refers to the effective analysis of various types of big data that exist all over the world such as social big data, machine to machine (M2M) sensor data, and corporate customer relationship data. Big data analysis solutions currently being offered include Tajo and Hadoop.

다시 말해, 본 실시예에 따른 BACS 시스템의 클라우드 로컬서버(10)는 SaaS, IaaS 또는 PaaS 형태의 클라우드 서비스를 제공할 뿐 아니라, 상술한 바와 같은 빅데이터 분석 솔루션이 탑재된 빅데이터 분석 모듈을 포함하여, 클라우드 서비스에 따른 데이터(이하 클라우드 데이터라 칭함)에 대한 빅데이터 분석 서비스를 함께 제공한다. 따라서, 운영사 입장에서는 클라우드 플랫폼의 제공과 함께 빅데이터 분석 서비스를 제공할 수 있어, 두 시스템을 각각 구축하는 것에 비해 비용적인 측면과 운영 측면에서 이점을 가지게 된다.In other words, the cloud local server 10 of the BACS system according to the present embodiment not only provides a cloud service of SaaS, IaaS, or PaaS type, but also includes a big data analysis module equipped with the big data analysis solution as described above And provides a big data analysis service for data according to the cloud service (hereinafter referred to as cloud data). As a result, operators can provide big data analysis services with cloud platform, which is advantageous in terms of cost and operation compared with building two systems separately.

중앙 빅데이터 분석서버(20)는 각 클라우드 로컬서버(10)들로부터 수신되는 빅데이터 분석 데이터를 기반으로 하는 중앙 빅데이터 분석을 수행하고, 분석 결과를 클라우드 로컬서버(10)들에게 제공한다. 즉, 클라우드 로컬서버(10)에서 단독으로 빅데이터 분석을 수행할뿐 아니라, 중앙 빅데이터 분석서버(20)가 각 클라우드 로컬서버(10)에서 수행된 빅데이터 분석 결과를 기반으로, 종합적인 빅데이터 분석을 수행하여 제공하는 것이다. 따라서, 일부 집단에서만 수행된 빅데이터 분석과 함께 전체 집단의 빅데이터 분석을 제공함으로써, 보다 객관적인 분석 결과를 얻을 수 있게 된다.The central big data analysis server 20 performs central big data analysis based on the big data analysis data received from each of the cloud local servers 10 and provides analysis results to the cloud local servers 10. In other words, not only the big data analysis is performed in the cloud local server 10, but the central big data analysis server 20 performs the large data analysis on the basis of the big data analysis result performed in each cloud local server 10, And provide data analysis. Thus, by providing big data analysis of the whole group together with big data analysis performed only in some groups, more objective analysis results can be obtained.

중앙 빅데이터 분석서버(20)는 각 클라우드 로컬서버(10)들을 그룹화하여 분류할 수 있는데, 일례를 도시한 도 2를 참조하면 클라우드 로컬서버(10)가 어떤 형태의 클라우드 서비스를 제공하는지에 따라 각 클라우드 로컬서버(10)들을 그룹화하여 분류할 수 있다.The central big data analysis server 20 can group and classify each of the cloud local servers 10. Referring to FIG. 2, which is an example of the structure, the cloud local server 10 may be classified according to the type of cloud service provided by the cloud local server 10 Each of the cloud local servers 10 can be grouped and classified.

그리고, 중앙 빅데이터 분석서버(20)는 각 그룹마다 중앙 빅데이터 분석을 수행할 수도 있다. 즉, 3개의 그룹이 존재한다면, 각 그룹마다 분석을 수행함으로써 총 3번의 중앙 빅데이터 분석을 수행하며, 또한 일례에 따르면 그룹과 상관없이 전체 클라우드 로컬서버(10)의 빅데이터 분석을 이용한 중앙 빅데이터 분석을 추가적으로 수행할 수도 있다.Then, the central big data analysis server 20 may perform central big data analysis for each group. That is, if there are three groups, analysis is performed for each group to perform a total of three central big data analyzes. In addition, according to one example, central data of the entire cloud local server 10 Data analysis may be performed additionally.

그리고, 일례에 따르면 상술한 바와 같이 각 클라우드 로컬서버(10)들이 각각의 빅데이터 분석모듈(12)을 구비하여 직접 빅데이터 분석을 수행할 수 있다. 이와 다른 일례에 따르면 실시간 분산 병렬 처리가 가능한 빅데이터 분석 솔루션을 중앙 빅데이터 분석서버(20)가 보유하고, 중앙 빅데이터 분석서버(20)가 클라우드 로컬서버(10)의 빅데이터 분석모듈(12)과 연동하여 빅데이터 분석을 수행할 수도 있다. 이에 대한 일례를 들자면, 클라우드 로컬서버(10)의 빅데이터 분석모듈(12)은 빅데이터 분석에 필요한 클라우드 데이터를 추출하여 실시간으로 중앙 빅데이터 분석서버(20)로 제공하고, 중앙 빅데이터 분석서버(20)는 수신된 클라우드 데이터를 이용하여 해당 클라우드 로컬서버(10)에 대한 빅데이터 분석(이하 로컬 빅데이터 분석이라 칭함)을 수행하는 것이다. According to an example, as described above, each of the cloud local servers 10 can directly perform a big data analysis by having each of the big data analysis modules 12. According to another example, the central big data analysis server 20 has a big data analysis solution capable of real-time distributed parallel processing, and the central big data analysis server 20 has a big data analysis module 12 of the cloud local server 10 ) To perform big data analysis. For example, the big data analysis module 12 of the cloud local server 10 extracts the cloud data required for the big data analysis and provides the extracted cloud data to the central big data analysis server 20 in real time, (Hereinafter referred to as " local big data analysis ") on the cloud local server 10 using the received cloud data.

또한, 클라우드 로컬서버(10)는 물리적인 장치로 구현될 수 있으며, 이와 다른 실시예에 따르면, 클라우드 로컬서버(10)들은 중앙 빅데이터 분석서버(20) 또는 별도의 서버 장치에서 가상화 서버로 구현될 수도 있다. 일례에 따르면, 중앙 빅데이터 분석서버(20)에 운용되는 가상화 서버로 클라우드 로컬서버(10)가 운영되는 경우, 중앙 빅데이터 분석서버(20)는 복수개의 가상화 형태로 클라우드 로컬서버(10) 및 각 빅데이터 분석 모듈을 운영하는 것이다. In addition, the cloud local server 10 may be implemented as a physical device, and according to another embodiment, the cloud local servers 10 may be implemented as a virtualization server in the central big data analysis server 20 or a separate server device. . According to an example, when the cloud local server 10 is operated as a virtualization server operated in the central big data analysis server 20, the central big data analysis server 20 may manage the cloud local server 10 and / And run each big data analysis module.

이하에서는 설명의 편의상 도 1에 도시된 바와 같이 클라우드 로컬서버(10)는 물리적인 형태로 구현되고, 중앙 빅데이터 분석서버(20)와 통신망을 통해 결합된 형태를 위주로 설명하기로 한다.Hereinafter, as illustrated in FIG. 1, the cloud local server 10 is implemented in a physical form, and is coupled to the central big data analysis server 20 through a communication network.

이하 도면을 참조하여 그 처리 과정에 대해 상세히 설명하기로 한다.Hereinafter, the processing procedure will be described in detail with reference to the drawings.

도 3은 본 발명의 일 실시예에 따른 클라우드 로컬서버에서 수행되는 빅데이터 분석 클라우드 서비스 과정을 도시한 흐름도이고, 도 4는 본 발명의 일 실시예에 따른 중앙 빅데이터 분석서버(20)에서 수행되는 빅데이터 분석 과정을 도시한 흐름도이다.FIG. 3 is a flowchart illustrating a procedure of a big data analysis cloud service performed in a cloud local server according to an embodiment of the present invention. FIG. 4 is a flowchart illustrating a procedure of a large data analysis cloud service performed by a central big data analysis server 20 according to an exemplary embodiment of the present invention. FIG. 2 is a flowchart showing a big data analysis process.

도 3을 참조하면, 클라우드 로컬서버(10)는 운영중인 클라우드 서비스에 따른 클라우드 데이터에 대한 빅데이터 분석을 수행한다(S310).Referring to FIG. 3, the cloud local server 10 performs a big data analysis on cloud data according to an operating cloud service (S310).

분석결과가 도출되면, 유사 빅데이터 분석을 수행하는 타 클라우드 로컬서버로 빅데이터 분석결과를 취득한다(S320). 이해의 편의를 위해 하나의 예를 들자면, 홈 네트워크 사물인터넷 시스템에 대한 클라우드 서비스를 제공하는 클라우드 로컬서버 A가, 동일한 홈 네트워크 사물인터넷 시스템을 제공하는 다른 클라우드 로컬서버 B 및 C에게 2016년8월1일부터 3일까지의 빅데이터 분석 결과를 요청하는 것이다.When the analysis result is obtained, the big data analysis result is obtained with the other cloud local server performing the similar big data analysis (S320). For convenience of understanding, a cloud local server A providing a cloud service for a home network object Internet system may request another cloud local server B and C, which provide the same home network object Internet system, And to request the results of the big data analysis from the 1st to the 3rd day.

클라우드 로컬서버(10)는 하나 이상의 타 클라우드 로컬서버로부터 수신된 빅데이터 분석 결과와 자신의 분석 결과를 비교하고, 그 유사 수치를 산출한다(S330). 여기서 유사성을 분석하는 것은 다양한 방식으로 수행될 수 있는데, 일례를 들자면 동일한 분석 항목간의 유사성을 분석할 수 있으며, 유사성은 수치로 산출될 수 있다. 구체적인 예를 하나 들자면, 홈네트워크 사물인터넷 시스템에서 TV가 구동된 시간, 구동 기간, 구동되는 시간대 등에 대한 빅데이터 분석을 수행하고, 이에 대한 타 클라우드 로컬서버의 분석결과의 비교가 수행될 수 있다.The cloud local server 10 compares the analysis result of the big data received from one or more other cloud local servers with its analysis result, and calculates the similar value (S330). The analysis of similarity can be performed in various ways, for example, the similarity between the same analysis items can be analyzed, and the similarity can be calculated numerically. For example, a big data analysis can be performed on the time, the driving period, and the driving time of the TV in the home network object Internet system, and the comparison result of the analysis results of the other cloud local server can be performed.

미리 설정된 수치 이상 유사하다 판단되는 경우, 클라우드 로컬서버(10)는 자신의 빅데이터 분석 결과를 출력한다(S340).If it is determined that the similarity is equal to or greater than the predetermined value, the cloud local server 10 outputs its own big data analysis result (S340).

이와 달리 유사성이 일정 수치 미만인 경우, 클라우드 로컬서버(10)는 중앙 빅데이터 분석서버(20)로 자신의 분석결과와 관련된 정보를 제공하며 중앙 빅데이터 분석을 요청한다(S350). 여기서, 일례에 따르면 클라우드 로컬서버(10)는 자신의 분석결과를 중앙 빅데이터 분석서버(20)로 제공할 수 있으며, 또한 자신이 빅데이터 분석한 대상인 클라우드 데이터 전부 또는 표본 데이터를 추출하여 중앙 빅데이터 분석서버(20)로 제공할 수도 있다.Otherwise, if the similarity is less than a predetermined value, the cloud local server 10 provides the central big data analysis server 20 with information related to its analysis result and requests the central big data analysis (S350). According to an example, the cloud local server 10 can provide its analysis result to the central big data analysis server 20, and also extracts all or the sample data of the cloud data that is the subject of the big data analysis, To the data analysis server 20.

중아 빅데이터 분석서버(20)에서의 처리 과정을 도시한 도 4를 참조하면, 중앙 빅데이터 분석을 요청받은 중앙 빅데이터 분석서버(20)는 각 클라우드 로컬서버(10)로부터 분석결과를 수집한다(S510). 전술한 바와 같이, 중앙 빅데이터 분석서버(20)는 그룹별로 분류된 클라우드 로컬서버(10)를 대상으로 분석결과를 수집할 수 있으며, 또는 전체를 대상으로도 분석결과를 수집할 수도 있다.Referring to FIG. 4 showing a processing procedure in the middle / large data analysis server 20, the central big data analysis server 20, which is requested to analyze the central big data, collects analysis results from each cloud local server 10 (S510). As described above, the central big data analysis server 20 can collect analysis results for the cloud local server 10 classified by group or collect the analysis results for the whole.

중앙 빅데이터 분석서버(20)는 수집된 각 클라우드 로컬서버(10)의 분석결과를 기반으로, 각 유형별 분석 결과를 비교 분석한다(S520). 예를 들어, 사용 시간, 사용 기간, 사용 형태, 사용자 분류 등의 유형별 비교 분석을 수행할 수 있을 것이다. 구체적인 예를 하나 들자면, 클라우드 로컬서버 A,B,C로부터 각각 분석결과를 수집한 상태라면, 동일한 분석 항목 a에 대해서 그 분석결과를 서로 비교하고, 그 차이, 평균 등을 측정할 수 있을 것이다.The central big data analysis server 20 compares and analyzes the analysis results of each type based on the analysis results of the collected cloud local servers 10 (S520). For example, a comparison analysis may be performed for each type of usage time, usage period, usage type, and user classification. As a specific example, if the analysis results are collected from the cloud local servers A, B, and C, the analysis results for the same analysis item a can be compared with each other, and the difference, average, and the like can be measured.

여기서, 중앙 빅데이터 분석서버(20)는 전술한 바와 같이 각 클라우드 로컬서버(10)로부터 클라우드 데이터를 수신하는 경우, 이를 기반으로 하는 빅데이터 분석을 수행할 수도 있다.Here, when receiving the cloud data from each cloud local server 10 as described above, the central big data analysis server 20 may perform a big data analysis based on the cloud data.

중앙 빅데이터 분석서버(20)는 분석 처리된 중앙 빅데이터 분석결과를 각 클라우드 로컬서버(10)에게 제공한다(S530).The central big data analysis server 20 provides the analyzed central large data analysis results to each cloud local server 10 (S530).

도 3 및 도 4를 참조하여 설명한 클라우드 서비스에 따르면, 각 클라우드 로컬서버(10)를 운영하는 사용자 입장에서는 자신의 클라우드 데이터에 대한 빅데이터 분석을 독립적으로 수행하여 그 결과를 확인할 수 있으며, 또한 유사한 타 클라우드 로컬서버에서 수행된 빅데이터 분석결과와의 비교 결과를 추가적으로 확인할 수 있어, 보다 객관적인 분석결과를 확보할 수 있게 된다.According to the cloud service described with reference to FIG. 3 and FIG. 4, a user operating each cloud local server 10 can independently perform a big data analysis on his / her own cloud data and confirm the result thereof. It is possible to additionally confirm the comparison result with the big data analysis result performed in the other cloud local server, and thus it is possible to obtain a more objective analysis result.

도 5는 본 발명의 다른 실시예에 따른 중앙 빅데이터 분석서버에서 수행되는 빅데이터 분석 과정을 도시한 흐름도이다.5 is a flowchart illustrating a procedure of analyzing big data performed by a central big data analysis server according to another embodiment of the present invention.

도 5를 참조하면, 중앙 빅데이터 분석서버(20)는 중앙 빅데이터 분석 결과, 다른 클라우드 로컬서버의 분석결과와 가장 차이가 큰 분석결과를 도출한 클라우드 로컬서버를 이상 로컬서버로서 선정한다(S510). 다시 말해, 유사 클라우드 서비스를 제공하고 있는 클라우드 로컬서버들의 빅데이터 분석결과에 대한 비교 결과, 가장 다른 분석결과를 도출한 클라우드 로컬서버를 이상 로컬서버로서 선정하는 것이다.Referring to FIG. 5, the central big data analysis server 20 selects the cloud local server that has the largest difference from the analysis results of the other cloud local servers as a result of the central big data analysis, as the ideal local server (S510 ). In other words, as a result of a comparison of big data analysis results of cloud local servers providing similar cloud services, the cloud local server that derived the most different analysis result is selected as ideal local server.

중앙 빅데이터 분석서버(20)는 선정된 이상 로컬서버의 클라우드 데이터를 수집하여 빅데이터 분석을 수행한다(S520). 여기서, 중앙 빅데이터 분석서버(20)는 이상 로컬서버에서 수행된 빅데이터 분석의 분석대상인 클라우드 데이터를 모두 수집할 수 있으며, 또는 표본이 되는 일부 데이터만을 수집할 수도 있다. 예를 들어, 전체 데이터 중 1/10에 해당하는 분량으로 각 항목별 표본 데이터로서 수집할 수 있다.The central big data analysis server 20 collects the cloud data of the selected ideal local server and performs big data analysis (S520). Here, the central big data analysis server 20 may collect all of the cloud data that is an analysis target of the big data analysis performed in the abnormal local server, or may collect only some of the sample data. For example, it can be collected as sample data for each item in a fraction corresponding to 1/10 of the total data.

중앙 빅데이터 분석서버(20)는 이상 로컬서버로부터의 클라우드 데이터를 이용한 빅데이터 분석 결과를 이상 로컬서버로부터 미리 수신된 빅데이터 분석결과와 비교하고, 그 유사수치가 미리 설정된 수치 이상인지 여부를 판단한다(S530). 유사성 판단 방식은 도 3을 참조하여 설명한 S330과 동일 또는 유사하게 수행될 수 있을 것이므로, 중복되는 설명은 생략한다.The central big data analysis server 20 compares the big data analysis result using the cloud data from the ideal local server with the big data analysis result previously received from the local server and judges whether or not the similar numerical value is equal to or larger than a preset numerical value (S530). The similarity determination method may be performed in the same or similar manner as that of S330 described with reference to FIG. 3, and redundant description will be omitted.

비교 결과 유사한 것으로 판단되는 경우엔 해당 이상 로컬서버의 빅데이터 분석모듈(12)을 그대로 유지한다(S550). If the comparison result is determined to be similar, the big data analysis module 12 of the relevant abnormal server is maintained as it is (S550).

이와 달리 유사하지 않은 것으로 판단되는 경우, 중앙 빅데이터 분석서버(20)는 이상 로컬서버로 선정된 해당 클라우드 로컬서버의 빅데이터 분석모듈(12)에 대한 교체를 결정한다(S540). 따라서, 해당 클라우드 로컬서버의 빅데이터 분석모듈(12)은 보다 객관적인 빅데이터 분석이 수행되도록 다른 솔류션으로 교체될 수 있다.Otherwise, the central big data analysis server 20 determines to replace the big data analysis module 12 of the corresponding cloud local server selected as the abnormal local server at operation S540. Accordingly, the big data analysis module 12 of the corresponding cloud local server can be replaced with another solution so that a more objective big data analysis can be performed.

본 실시예에 따르면, 클라우드 로컬서버(10)에서 수행되는 빅데이터 분석이 정상적으로 잘 수행되는지를 중앙 빅데이터 분석서버(20)에서 수시로 체크할 수 있어, 잘못된 빅데이터 분석에 의한 여러 가지 오류를 예방할 수 있는 효과가 있다.According to this embodiment, the central big data analysis server 20 can frequently check whether or not the big data analysis performed in the cloud local server 10 is normally performed, thereby preventing various errors due to erroneous big data analysis There is an effect that can be.

도 6은 본 발명의 또 다른 실시예에 따른 중앙 빅데이터 분석서버에서 수행되는 빅데이터 분석 과정을 도시한 흐름도이다.6 is a flowchart illustrating a procedure of analyzing big data performed by a central big data analysis server according to another embodiment of the present invention.

도 6을 참조하면, 중앙 빅데이터 분석서버(20)는 각 클라우드 로컬서버(10)로부터 주기적으로 클라우드 데이터 중 일부(예를 들어, 전술한 바와 같은 표본 데이터 등)를 수집한다(S610).Referring to FIG. 6, the central big data analysis server 20 periodically collects a part of cloud data (for example, sample data as described above) periodically from each cloud local server 10 (S610).

그리고, 수집된 데이터를 기반으로 빅데이터 분석(이하 주기적 빅데이터 분석이라 칭함)을 수행한다(S620). 즉, 본 실시예에 따르면 중앙 빅데이터 분석서버(20)는 주기적으로 각 클라우드 로컬서버(10)에 저장되는 클라우드 데이터를 일부를 수집하여, 전체적인 빅데이터 분석을 수행하는 것이다.Then, a big data analysis (hereinafter referred to as periodic big data analysis) is performed based on the collected data (S620). That is, according to the present embodiment, the central big data analysis server 20 collects a part of the cloud data stored in each of the cloud local servers 10 periodically and performs overall big data analysis.

중앙 빅데이터 분석서버(20)는 수행된 주기적 빅데이터 분석의 결과를 클라우드 로컬서버(10)에게 제공하는데, 이때 주기적 빅데이터 분석 결과는 유료로 제공한다(S630). 즉 주기적 빅데이터 분석 결과를 수신한 클라우드 로컬서버(10)에게는 유료 비용에 대한 금액을 정산하는 것이다. 이 때, 일례에 따르면, 중앙 빅데이터 분석서버(20)는 주기적 빅데이터 분석의 대상이 되는 클라우드 데이터의 제공량에 따라 다른 유료비용을 적용할 수 있다. 예를 들어, 클라우드 로컬서버 A가 제공한 클라우드 데이터량이 1기가바이트(1GByte)이고, 클라우드 로컬서버 B가 제공한 클라우드 데이터량이 3기가바이트인 경우, 중앙 빅데이터 분석서버(20)는 클라우드 로컬서버 B에게 좀더 저렴한 금액의 유료비용을 정산할 수 있다. 많은 량의 데이터를 제공한다는 것은 보다 활발하게 클라우드 서비스를 제공하고 있다는 것을 의미하며, 그로 인한 자체적인 빅데이터 분석도 보다 객관적일 수 있기 때문에, 비용을 낮게 적용하는 것이다. 물론 이는 일례일 뿐이며, 다양한 방식에 의해 주기적 빅데이터 제공에 따른 비용이 책정되어 정산될 수 있을 것이다.The central big data analysis server 20 provides the result of the performed periodic big data analysis to the cloud local server 10, in which the periodic big data analysis result is provided for a fee (S630). That is, to the cloud local server 10 receiving the periodical big data analysis result, the amount for the fee cost is settled. In this case, according to an example, the central big data analysis server 20 can apply a different fee cost according to the amount of cloud data to be subjected to periodic big data analysis. For example, if the amount of cloud data provided by the cloud local server A is 1 gigabyte (1 GByte) and the amount of cloud data provided by the cloud local server B is 3 gigabytes, then the central big data analysis server 20 determines B can be settled at a lower cost. Providing a large amount of data means that we are actively providing cloud services, and the resulting big data analysis can be more objective, so the cost is low. Of course, this is merely an example, and the costs associated with providing periodic big data may be settled by various methods.

상술한 본 발명에 따른 빅데이터 분석 클라우드 서비스 방법은 컴퓨터로 읽을 수 있는 기록 매체에 컴퓨터가 읽을 수 있는 코드로서 구현되는 것이 가능하다. 컴퓨터가 읽을 수 있는 기록매체로는 컴퓨터 시스템에 의하여 해독될 수 있는 데이터가 저장된 모든 종류의 기록 매체를 포함한다. 예를 들어, ROM(Read Only Memory), RAM(Random Access Memory), 자기 테이프, 자기 디스크, 플래쉬 메모리, 광 데이터 저장장치 등이 있을 수 있다. 또한, 컴퓨터가 읽을 수 있는 기록매체는 컴퓨터 통신망으로 연결된 컴퓨터 시스템에 분산되어, 분산방식으로 읽을 수 있는 코드로서 저장되고 실행될 수 있다. The above-described big data analysis cloud service method according to the present invention can be implemented as computer-readable code on a computer-readable recording medium. The computer-readable recording medium includes all kinds of recording media storing data that can be decoded by a computer system. For example, it may be a ROM (Read Only Memory), a RAM (Random Access Memory), a magnetic tape, a magnetic disk, a flash memory, an optical data storage device, or the like. In addition, the computer-readable recording medium may be distributed and executed in a computer system connected to a computer network, and may be stored and executed as a code readable in a distributed manner.

또한, 상기에서는 본 발명의 바람직한 실시예를 참조하여 설명하였지만, 해당 기술 분야에서 통상의 지식을 가진 자라면 하기의 특허 청구의 범위에 기재된 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다.It will be apparent to those skilled in the art that various modifications and variations can be made in the present invention without departing from the spirit or scope of the invention as defined in the appended claims. It will be understood that various modifications and changes may be made.

10-1, 10-2, ..., 10-n : 클라우드 로컬서버
12-1, 12-2, ..., 12-n : 빅데이터 분석모듈
20 : 중앙 비데이터 분석서버10-1, 10-2, ..., 10-n: cloud local server
12-1, 12-2, ..., 12-n: Big Data Analysis Module
20: Centralized data analysis server

Claims (6)

빅데이터 분석 모듈을 구비하여, 클라우드 데이터에 대한 빅데이터 분석을 수행하는 복수개의 클라우드 로컬서버들; 및
상기 클라우드 로컬서버들로부터 수신되는 빅데이터 분석 데이터를 기반으로 하는 중앙 빅데이터 분석을 수행하고, 분석 결과를 상기 클라우드 로컬서버들에게 제공하는 중앙 빅데이터 분석서버를 포함하되,
상기 중앙 빅데이터 분석서버는 상기 중앙 빅데이터 분석 결과에 따라 검사대상을 선정하고, 상기 검사대상으로 선정된 클라우드 로컬서버로부터 클라우드 데이터를 수신하여 빅데이터 분석을 수행하여 상기 검사대상으로 선정된 클라우드 로컬서버의 빅데이터 분석 모듈의 교체 여부를 결정하는 것을 특징으로 하는 빅데이터 분석 클라우드 서비스 시스템.
A plurality of cloud local servers having a big data analysis module for performing big data analysis on cloud data; And
And a central big data analysis server that performs central big data analysis based on the big data analysis data received from the cloud local servers and provides analysis results to the cloud local servers,
The central big data analysis server selects an object to be inspected according to the central big data analysis result, receives cloud data from the cloud local server selected as the object of inspection, performs big data analysis, And the large data analysis module of the server is replaced or not.
삭제delete 청구항 1에 있어서,
빅데이터 분석 모듈을 구비하여, 클라우드 데이터에 대한 빅데이터 분석을 수행하는 복수개의 클라우드 로컬서버들; 및
상기 클라우드 로컬서버들로부터 수신되는 빅데이터 분석 데이터를 기반으로 하는 중앙 빅데이터 분석을 수행하고, 분석 결과를 상기 클라우드 로컬서버들에게 제공하는 중앙 빅데이터 분석서버를 포함하되,
상기 클라우드 로컬서버들은 자신의 클라우드 데이터에 대한 빅데이터 분석 결과인 로컬 분석 결과와 타 클라우드 로컬서버의 로컬 분석 결과를 비교하고, 미리 설정된 수치 이상 차이가 있는 것으로 판단되는 경우, 상기 중앙 빅데이터 분석서버로 관련 자료를 전송하여 상기 중앙 빅데이터 분석을 요청하는 것을 특징으로 하는 빅데이터 분석 클라우드 서비스 시스템.
The method according to claim 1,
A plurality of cloud local servers having a big data analysis module for performing big data analysis on cloud data; And
And a central big data analysis server that performs central big data analysis based on the big data analysis data received from the cloud local servers and provides analysis results to the cloud local servers,
The cloud local servers compare the local analysis result of the big data analysis result of the cloud data with the local analysis result of the other cloud local server. If it is determined that there is a difference more than the predetermined value, And transmits the related data to the central data analysis server.
청구항 3에 있어서,
상기 클라우드 로컬서버들은 상기 중앙 빅데이터 분석을 요청할 때, 자신의 빅데이터 분석 시에 이용한 클라우드 데이터 중 표본 데이터를 추출하여 상기 중앙 빅데이터 분석서버로 제공하는 것을 특징으로 하는 빅데이터 분석 클라우드 서비스 시스템.
The method of claim 3,
Wherein the cloud local servers extract sample data of cloud data used in analyzing the big data when the central local big data analysis is requested and provide the sampled data to the central big data analysis server.
청구항 1에 있어서,
상기 중앙 빅데이터 분석서버는 상기 클라우드 로컬서버들에 저장된 클라우드 데이터 중 미리 설정된 규칙에 따른 일부를 주기적으로 수집하고, 수집된 데이터를 기반으로 주기적 빅데이터 분석을 수행하여 상기 클라우드 로컬서버들에게 제공하는 것을 특징으로 하는 빅데이터 분석 클라우드 서비스 시스템.
The method according to claim 1,
The central big data analysis server periodically collects a part of the cloud data stored in the cloud local servers according to predetermined rules and performs periodic big data analysis based on the collected data to provide the data to the cloud local servers Big Data Analysis Cloud Service System.
청구항 5에 있어서,
상기 중앙 빅데이터 분석서버는 상기 주기적 빅데이터 분석에 따른 결과를 유료 비용으로 상기 클라우드 로컬서버들로 제공하되,
상기 클라우드 로컬서버들에 저장된 클라우드 데이터의 량이 많을 수록 상기 유료 비용의 금액을 낮게 책정하는 것을 특징으로 하는 빅데이터 분석 클라우드 서비스 시스템.
The method of claim 5,
Wherein the central big data analysis server provides the results of the periodic big data analysis to the cloud local servers at a fee,
Wherein the amount of the fee charge is set to be lower as the amount of cloud data stored in the cloud local servers is larger.
KR1020160106889A 2016-08-23 2016-08-23 Bigdata analysis cloud service system KR101831959B1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020160106889A KR101831959B1 (en) 2016-08-23 2016-08-23 Bigdata analysis cloud service system

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020160106889A KR101831959B1 (en) 2016-08-23 2016-08-23 Bigdata analysis cloud service system

Publications (1)

Publication Number Publication Date
KR101831959B1 true KR101831959B1 (en) 2018-02-26

Family

ID=61531359

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020160106889A KR101831959B1 (en) 2016-08-23 2016-08-23 Bigdata analysis cloud service system

Country Status (1)

Country Link
KR (1) KR101831959B1 (en)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101916799B1 (en) 2018-06-18 2018-11-08 주식회사 에프아이티 Apparatus And Method For Big Data Server Load Balancing Control
EP3825873A1 (en) 2019-11-15 2021-05-26 Commencis Teknoloji A.S. System with big data analysis device for cloud platforms and the operation method thereof
KR20230099444A (en) 2021-12-27 2023-07-04 주식회사 이노그리드 Cloud multi-tenant-based big data analysis service system and its operation method

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101539736B1 (en) * 2014-02-10 2015-07-28 (주)에이치엠솔루션 Method and apparatus for verifying charge of mobile internet

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101539736B1 (en) * 2014-02-10 2015-07-28 (주)에이치엠솔루션 Method and apparatus for verifying charge of mobile internet

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101916799B1 (en) 2018-06-18 2018-11-08 주식회사 에프아이티 Apparatus And Method For Big Data Server Load Balancing Control
EP3825873A1 (en) 2019-11-15 2021-05-26 Commencis Teknoloji A.S. System with big data analysis device for cloud platforms and the operation method thereof
KR20230099444A (en) 2021-12-27 2023-07-04 주식회사 이노그리드 Cloud multi-tenant-based big data analysis service system and its operation method

Similar Documents

Publication Publication Date Title
CN107609708B (en) User loss prediction method and system based on mobile game shop
JP6841910B2 (en) User abnormal behavior detection method, device and system
US10932173B2 (en) Access point selection
CA2881780C (en) System and method for measuring and improving the efficiency of social media campaigns
SG11201808770SA (en) Agent allocation method and device, server, and storage medium
US9846811B2 (en) System and method for video-based determination of queue configuration parameters
KR101831959B1 (en) Bigdata analysis cloud service system
CN109492571B (en) Method and device for identifying human age and electronic equipment
JP2015508543A (en) Processing store visit data
CN107547266B (en) Method and device for detecting online quantity abnormal point, computer equipment and storage medium
US20220156795A1 (en) Segment content optimization delivery system and method
JP2017529575A (en) Disk capacity prediction method, apparatus, device, and non-executable computer storage medium
US20180097705A1 (en) Backend Resource Costs For Online Service Offerings
US20190043068A1 (en) Virtual net promoter score (vnps) for cellular operators
CN112101692B (en) Identification method and device for mobile internet bad quality users
CN107093092B (en) Data analysis method and device
CN105471938B (en) Server load management method and device
CN113098912A (en) User account abnormity identification method and device, electronic equipment and storage medium
CN107545347B (en) Attribute determination method and device for risk prevention and control and server
US11243833B2 (en) Performance event troubleshooting system
JP2018022305A (en) Boundary value determination program, boundary value determination method, and boundary value determination device
CN110569475A (en) Evaluation method, device, equipment and storage medium for netizen influence
CN113608909B (en) Data processing method, apparatus, device, system, storage medium and program product
CN113724023B (en) Media resource pushing method and device, electronic equipment and storage medium
US11297593B2 (en) Identifying fixed WLAN devices using mobility patterns

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant