KR102174190B1 - 5g 기반의 네트워크 성능 시각화 방법, 장치 및 시스템 - Google Patents
5g 기반의 네트워크 성능 시각화 방법, 장치 및 시스템 Download PDFInfo
- Publication number
- KR102174190B1 KR102174190B1 KR1020190111513A KR20190111513A KR102174190B1 KR 102174190 B1 KR102174190 B1 KR 102174190B1 KR 1020190111513 A KR1020190111513 A KR 1020190111513A KR 20190111513 A KR20190111513 A KR 20190111513A KR 102174190 B1 KR102174190 B1 KR 102174190B1
- Authority
- KR
- South Korea
- Prior art keywords
- network
- performance
- server
- information
- user terminal
- Prior art date
Links
- 238000007794 visualization technique Methods 0.000 title claims abstract description 17
- 230000000007 visual effect Effects 0.000 claims abstract description 61
- 238000000034 method Methods 0.000 claims abstract description 57
- 238000012800 visualization Methods 0.000 claims abstract description 47
- 230000014509 gene expression Effects 0.000 claims abstract description 36
- 238000004891 communication Methods 0.000 claims description 83
- 238000004458 analytical method Methods 0.000 claims description 54
- 230000005540 biological transmission Effects 0.000 claims description 21
- 230000015556 catabolic process Effects 0.000 claims description 6
- 238000006731 degradation reaction Methods 0.000 claims description 6
- 230000007774 longterm Effects 0.000 claims description 5
- 230000004044 response Effects 0.000 description 149
- 230000006870 function Effects 0.000 description 53
- 238000010586 diagram Methods 0.000 description 45
- 238000012545 processing Methods 0.000 description 26
- 238000005516 engineering process Methods 0.000 description 25
- 238000013528 artificial neural network Methods 0.000 description 14
- 238000003745 diagnosis Methods 0.000 description 14
- 238000007726 management method Methods 0.000 description 13
- 238000010801 machine learning Methods 0.000 description 11
- 230000009471 action Effects 0.000 description 9
- 230000008569 process Effects 0.000 description 9
- 230000003190 augmentative effect Effects 0.000 description 8
- 238000013473 artificial intelligence Methods 0.000 description 7
- 210000002569 neuron Anatomy 0.000 description 7
- 238000012549 training Methods 0.000 description 7
- 239000003795 chemical substances by application Substances 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 5
- 238000013461 design Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 230000003068 static effect Effects 0.000 description 5
- 235000014510 cooky Nutrition 0.000 description 4
- 238000013135 deep learning Methods 0.000 description 4
- 230000003111 delayed effect Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 210000004027 cell Anatomy 0.000 description 3
- 210000000225 synapse Anatomy 0.000 description 3
- 238000012546 transfer Methods 0.000 description 3
- 230000004913 activation Effects 0.000 description 2
- 238000004873 anchoring Methods 0.000 description 2
- 239000000969 carrier Substances 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 2
- 238000002485 combustion reaction Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000002452 interceptive effect Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000010295 mobile communication Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000008520 organization Effects 0.000 description 2
- 230000002787 reinforcement Effects 0.000 description 2
- 238000013468 resource allocation Methods 0.000 description 2
- 230000008685 targeting Effects 0.000 description 2
- 206010000117 Abnormal behaviour Diseases 0.000 description 1
- VYZAMTAEIAYCRO-UHFFFAOYSA-N Chromium Chemical compound [Cr] VYZAMTAEIAYCRO-UHFFFAOYSA-N 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000003466 anti-cipated effect Effects 0.000 description 1
- 230000009118 appropriate response Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010835 comparative analysis Methods 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000012447 hatching Effects 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000005226 mechanical processes and functions Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
- 230000011664 signaling Effects 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 238000012358 sourcing Methods 0.000 description 1
- 230000005477 standard model Effects 0.000 description 1
- 208000024891 symptom Diseases 0.000 description 1
- 230000000946 synaptic effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L43/00—Arrangements for monitoring or testing data switching networks
- H04L43/04—Processing captured monitoring data, e.g. for logfile generation
- H04L43/045—Processing captured monitoring data, e.g. for logfile generation for graphical visualisation of monitoring data
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/14—Network analysis or design
- H04L41/145—Network analysis or design involving simulating, designing, planning or modelling of a network
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/16—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks using machine learning or artificial intelligence
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L43/00—Arrangements for monitoring or testing data switching networks
- H04L43/08—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/10—Scheduling measurement reports ; Arrangements for measurement reports
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Environmental & Geological Engineering (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
본 발명의 일 양태는 5G 기반의 네트워크에 접속된 스위칭 장치와 연결된 네트워크 성능 시각화 장치에서의 5G 기반의 네트워크 성능 시각화 방법을 개시하고 있다. 상기 방법은, 상기 스위칭 장치로부터 미러링하는 것을 기반으로 하여, 적어도 하나의 기지국에 접속되는 사용자 단말로부터 송수신되는 적어도 하나의 패킷들에 대한, 미러링된 적어도 하나의 패킷들을 획득하는 단계, 상기 미러링된 적어도 하나의 패킷 내에 포함된 정보들 중 적어도 일부를 기반으로 상기 사용자 단말과 상기 적어도 하나의 기지국과 연관된 네트워크의 성능을 나타내는 성능 관련 지표를 산출하는 단계, 상기 사용자 단말의 위치 정보를 획득하는 단계 및 제 1 시각화 공간 상의 상기 사용자 단말의 위치 정보에 대응하는 위치에 상기 사용자 단말의 성능 관련 지표에 대응하는 시각적 표현으로 상기 사용자 단말을 표시하는 단계를 포함한다.
Description
본 발명은 네트워크 성능 시각화 방법에 관한 것으로, 보다 상세하게는, 5G 기반의 네트워크에서 네트워크 성능을 효율적으로 시각화하는 방법에 관한 것이다.
더욱 많은 통신 기기들이 더욱 큰 통신 용량을 요구하게 됨에 따라 기존의 무선 접속 기술(radio access technology; RAT)에 비해 향상된 모바일 브로드밴드(mobile broadband) 통신에 대한 필요성이 대두되고 있다. 또한 다수의 기기 및 사물들을 연결하여 언제 어디서나 다양한 서비스를 제공하는 매시브 MTC(massive Machine Type Communications) 역시 차세대 통신에서 고려될 주요 이슈 중 하나이다. 뿐만 아니라 신뢰도(reliability) 및 지연(latency)에 민감한 서비스/단말을 고려한 통신 시스템 디자인이 논의되고 있다. 이와 같이 확장된 모바일 브로드밴드 커뮤니케이션(enhanced mobile broadband communication), massive MTC, URLLC (Ultra-Reliable and Low Latency Communication) 등을 고려한 차세대 무선 접속 기술의 도입이 논의되고 있으며, 본 발명에서는 편의상 해당 기술(technology)을 new RAT, NR(NEW RADIO) 또는 5G 통신이라고 부른다.
이러한 5G 통신과 관련된 네트워크는 통신 링크 및 통신링크에 접속된 통신능력을 가진 다양한 장치들을 전반적으로 포함한다. 여기서, 네트워크와 관련된 장치들은, 컴퓨터, 주변장치, 라우터, 저장장치, 및 프로세서와 통신 인터페이스를 갖는 여러 전기제품을 포함한다. 여기서, "장치"라는 용어는 전형적으로 논리 장치들 혹은 기능성 및 데이터를 처리 및 교환할 수 있는 능력을 갖는 다른 장치들을 포함하며, 가정용 장치들뿐만 아니라 일반 목적의 컴퓨터들을 포함할 수 있다.
특히, 5G 통신 네트워크에서는 장치 간의 통신이 5G가 요구하는 성능 범위 내에서 이루어지는 것을 가정하고 5G 네트워크 내의 장치들이 동작하기 때문에, 장치 간의 통신이 얼마나 신속하게 이루어지고 있는지, 만약 통신이 잘 이루어지고 있지 않다면, 성능 저하의 원인이 어디인지에 대한 신속한 파악이 매우 중요하다. 하지만, 이러한 성능 저하의 원인이 어디에 있는지를 명확히 파악하는 데에는 마땅한 서비스가 없어서 적절한 대응이 이루어지지 못하는 실정이다. 이러한 문제점은 결국 성능 저하의 문제에 적절히 대응하지 못하게 하고 성능 개선의 골든 타임(golden time)을 놓치게 되어 전체적인 시스템의 운영을 어렵게 하는 문제점을 야기한다.
상술한 문제점을 해결하기 위한 본 발명의 일 양태에 따른 목적은 5G 통신과 관련된 네트워크 시스템 상에서 5G 기반 네트워크 서비스를 관리하기 위한 네트워크 성능 시각화 장치에서의 네트워크 성능 시각화 방법을 제공하는 것이다.
상기한 목적을 달성하기 위한 본 발명의 일 양태에 따른, 5G 기반의 네트워크에 접속된 스위칭 장치와 연결된 네트워크 성능 시각화 장치에서의 5G 기반의 네트워크 성능을 시각화하는 방법은, 상기 스위칭 장치로부터 미러링하는 것을 기반으로 하여, 적어도 하나의 기지국에 접속되는 사용자 단말로부터 송수신되는 적어도 하나의 패킷들에 대한, 미러링된 적어도 하나의 패킷들을 획득하는 단계, 상기 미러링된 적어도 하나의 패킷 내에 포함된 정보들 중 적어도 일부를 기반으로 상기 사용자 단말과 상기 적어도 하나의 기지국과 연관된 네트워크의 성능을 나타내는 성능 관련 지표를 산출하는 단계, 상기 사용자 단말의 위치 정보를 획득하는 단계 및 제 1 시각화 공간 상의 상기 사용자 단말의 위치 정보에 대응하는 위치에 상기 사용자 단말의 성능 관련 지표에 대응하는 시각적 표현으로 상기 사용자 단말을 표시하는 단계를 포함할 수 있다.
상기 적어도 하나의 기지국은, 5G 네트워크의 기지국인 gNB(Next Generation nodeB), 5G 코어와의 연결뿐만 아니라 LTE(Long Term Evolution) 코어와의 연결도 지원하는 en-gNB 및 ng-eNB 중 적어도 하나를 포함할 수 있다.
상기 제 1 시각화 공간은 상기 적어도 하나의 기지국이 관할하는 네트워크 영역을 시각화한 맵(map)을 포함할 수 있다.
복수 개의 사용자 단말로부터 획득된 위치 정보와 성능 관련 지표를 기반으로, 상기 맵 상에 상기 복수 개의 사용자 단말 각각의 네트워크 성능 정보에 대응하는 시각적 표현을 표시함에 의해, 상기 네트워크 영역에 대한 네트워크 음영 영역이 구분되도록 표시하는 네트워크 음영영역 표시 맵을 생성할 수 있다.
상기 네트워크 성능 시각화 방법은 상기 복수 개의 사용자 단말이 배치된 위치의 성능 관련 지표를 기반으로 상기 복수 개의 사용자 단말이 배치되지 않은 위치의 네트워크 성능을 추론하는 단계 및 상기 추론된 네트워크 성능을 기반으로 상기 네트워크 음영영역 표시 맵을 생성하는 단계를 포함할 수 있다.
상기 복수 개의 사용자 단말이 배치되지 않은 위치의 네트워크 성능을 추론하는 단계는, 상기 제 1 시각화 공간 상에서 상기 사용자 단말이 실제 배치된 영역에서의 위치와 상기 성능 관련 지표를 입력으로, 상기 제 1 시각화 공간 상의 위치와 상기 성능 관련 지표와의 관계성을 추론하는 인공지능 모델을 트레이닝(training)시키는 단계 및 트레이닝 완료된 인공지능 모델에 기반하여 상기 사용자 단말이 배치되지 않은 위치의 네트워크 성능을 추론하는 단계를 포함할 수 있다.
상기 네트워크 음영 영역 표시 맵은 네트워크 영역 내의 기저장된 장애물의 위치 및 상기 적어도 하나의 기지국의 셀 영역의 위치를 기반으로 예상 음영영역을 추론함에 의해 생성될 수 있다.
상기 네트워크 음영 영역 표시 맵 상에서 제 2 사용자 단말의 이동 방향 및 이동 속도 중 적어도 하나를 이용하여 상기 제 2 사용자 단말의 네트워크 성능 저하를 예측할 수 있다.
상기 성능 관련 지표에 대응하는 시각적 표현은, 상기 사용자 단말과, 제 1 개체 또는 적어도 하나의 기지국과의 패킷 왕복 시간에 대응하는 시각적 표현을 포함할 수 있다.
상기 성능 관련 지표에 대응하는 시각적 표현은, 초당 데이터의 전송 비트 크기를 나타내는 BPS(Bit Per Second)에 대응하는 시각적 표현을 포함할 수 있다.
상기 시각적 표현은 5G 통신 서비스에서 요구하는 네트워크 성능과 관련된 기저장된 적어도 하나의 기준값을 기준으로 다르게 표시될 수 있다.
상기 사용자 단말에 대한 시각적 표현과 관련하여, 접속한 네트워크의 종류에 따라 상기 사용자 단말의 제 1 시각적 표현을 다르게 표현하면서, 상기 성능 관련 지표에 따라 상기 사용자 단말의 제 2 시각적 표현을 다르게 표현할 수 있다.
상기 제 1 시각적 표현은 상기 사용자 단말의 외곽선이고, 상기 제 2 시각적 표현은 상기 사용자 단말의 색상일 수 있다.
상기 사용자 단말의 위치 정보는 기저장된 단말 위치 정보를 통해 획득된 정보이거나 또는 상기 사용자 단말의 측위 정보를 상기 사용자 단말로부터 수신함에 의해 획득된 정보일 수 있다.
상기 스위칭 장치는, 네트워크 코어(Network Core)와 적어도 하나의 기지국 간에 구비될 수 있다.
상기한 목적을 달성하기 위한 본 발명의 다른 양태에 따른, 5G 기반의 네트워크에 접속된 스위칭 장치와 연결된 네트워크 성능 시각화 장치는, 상기 스위칭 장치로부터 미러링하는 것을 기반으로 하여, 적어도 하나의 기지국에 접속되는 사용자 단말로부터 송수신되는 적어도 하나의 패킷들에 대한, 미러링된 적어도 하나의 패킷들을 획득하는 포트(port), 상기 미러링된 적어도 하나의 패킷 내에 포함된 정보들 중 적어도 일부를 기반으로 상기 사용자 단말과 상기 적어도 하나의 기지국과 연관된 네트워크의 성능을 나타내는 성능 관련 지표를 산출하여 상기 사용자 단말의 위치에 대응하는 제 1 시각화 공간 상의 위치에 상기 사용자 단말의 성능 관련 지표에 대응하는 시각적 표현으로 상기 사용자 단말을 표시하는 패킷 분석 모듈 및 상기 프로세서의 동작과 관련된 명령어를 저장하고, 상기 산출된 성능 관련 지표를 저장하는 메모리를 포함할 수 있다.
상기한 목적을 달성하기 위한 본 발명의 또 다른 양태에 따른, 5G 기반의 네트워크 성능 시각화 시스템은, 5G 기반의 네트워크에 접속된 스위칭 장치 및 상기 스위칭 장치로부터 미러링하는 것을 기반으로 하여, 적어도 하나의 기지국에 접속되는 사용자 단말로부터 송수신되는 적어도 하나의 패킷들에 대한, 미러링된 적어도 하나의 패킷들을 획득하고, 상기 미러링된 적어도 하나의 패킷 내에 포함된 정보들 중 적어도 일부를 기반으로 상기 사용자 단말과 상기 적어도 하나의 기지국과 연관된 네트워크의 성능을 나타내는 성능 관련 지표를 산출하여 상기 사용자 단말의 위치에 대응하는 제 1 시각화 공간 상의 위치에 상기 사용자 단말의 성능 관련 지표에 대응하는 시각적 표현으로 상기 사용자 단말을 표시하는 네트워크 성능 시각화 장치를 포함할 수 있다.
본 발명의 네트워크 성능 시각화 장치에서의 네트워크 성능 시각화 방법에 따르면, 5G와 관련된 네트워크 서비스의 전체 영역에 대한 가시성 및 직관성을 확보하여, 5G 기반 네트워크 서비스의 문제에 선제적 징후관리(예방)이 이루어지게 하는 효과가 있다.
도 1은 본 발명이 적용될 수 있는 무선통신 시스템을 예시한 개념도,
도 2는 사용자 평면(user plane)에 대한 무선 프로토콜 구조(radio protocol architecture)를 나타낸 블록도,
도 3은 제어 평면(control plane)에 대한 무선 프로토콜 구조를 나타낸 블록도,
도 4는 NR이 적용되는 차세대 무선 접속 네트워크(New Generation Radio Access Network: NG-RAN)의 시스템 구조를 예시한 개념도,
도 5는 NG-RAN과 5GC 간의 기능적 분할을 예시한 블록도,
도 6은 본 발명의 기술적 특징이 적용될 수 있는 무선 통신 시스템의 다른 예를 나타낸 도면,
도 7은 본 발명의 기술적 특징이 적용될 수 있는 무선 통신 시스템의 또 다른 예를 나타낸 도면.
도 8은 본 발명의 기술적 특징이 적용될 수 있는 5G 사용 시나리오의 예를 나타낸 도면,
도 9는 본 발명의 일 실시예에 따른 패킷 미러링 장치가 포함된 시스템을 나타낸 개념도,
도 10은 본 발명의 일 실시예에 따른 패킷 미러링 장치와 네트워크의 다른 장치와의 연결 구성을 나타낸 블록도,
도 11은 본 발명의 일 실시예에 따른 패킷 미러링 장치의 각 구간별 동작을 설명하기 위한 개념도,
도 12는 본 발명의 일 실시예에 따른 패킷 미러링 장치를 구체적으로 나타낸 블록도,
도 13은 본 발명의 일 실시예에 따른 패킷 미러링 장치의 네트워크 성능 진단 방법을 개략적으로 나타낸 흐름도,
도 14a 및 도 14b는 본 발명의 일 실시예에 따른 패킷 미러링 장치에서 산출되는 사용자와 서버 간의 네트워크 RTT(Round Trip Time) 지표를 나타낸 개념도,
도 15는 본 발명의 일 실시예에 따른 패킷 미러링 장치에서 산출되는 지연지표를 나타낸 개념도,
도 16은 본 발명의 일 실시예에 따른 패킷 미러링 장치에서 산출되는 서버 응답대기 세션 수 지표를 나타낸 개념도,
도 17은 본 발명의 일 실시예에 따른 패킷 미러링 장치에서 산출되는 CPS/TPS(Connection Per Second/Transaction Per Second) 지표를 나타낸 개념도,
도 18은 본 발명의 일 실시예에 따른 패킷 미러링 장치에서 산출되는 성능 지표를 기반으로 생성되는 플로우 맵(Flow map)을 나타낸 도면,
도 19는 본 발명의 일 실시예에 따른 패킷 미러링 장치에서의 네트워크 성능과 연관된 경고 발생 여부를 판단하는 설정값의 예시를 나타낸 표,
도 20은 5G 통신 시스템에서 요구하는 기준값을 나타낸 도면,
도 21은 경고에 따른 주요페이지 대상 사용자의 체감 응답속도를 시각화한 페이지를 나타낸 도면,
도 22는 지연 웹 페이지의 세부 내용을 진단 및 분석하는 페이지를 나타낸 도면,
도 23은 5G 시스템에서 네트워크 성능 진단 장비가 접속 가능한 영역을 표시한 개념도,
도 24는 본 발명의 일 실시예에 따른 네트워크 성능 진단 장비가 5G 기반 통신 서비스의 성능과 관련하여 산출하는 정보를 나타낸 개념도,
도 25는 본 발명의 일 실시예에 따른 네트워크 성능 진단 장비가 네트워크 성능을 시각화하는 방법을 나타낸 흐름도,
도 26은 도 25의 방법에 따라 네트워크 성능을 시각화한 네트워크 음영영역 표시 맵을 예시적으로 나타낸 도면,
도 27a는 본 발명의 일 실시예에 따라 네트워크 성능 진단 장비가 전제 네트워크의 구역별 성능을 산출하기 위한 방법을 설명하기 위한 개념도,
도 27b는 본 발명의 다른 실시예에 따라 네트워크 성능 진단 장비가 전제 네트워크의 구역별 성능을 산출하기 위한 방법을 설명하기 위한 개념도이다.
도 2는 사용자 평면(user plane)에 대한 무선 프로토콜 구조(radio protocol architecture)를 나타낸 블록도,
도 3은 제어 평면(control plane)에 대한 무선 프로토콜 구조를 나타낸 블록도,
도 4는 NR이 적용되는 차세대 무선 접속 네트워크(New Generation Radio Access Network: NG-RAN)의 시스템 구조를 예시한 개념도,
도 5는 NG-RAN과 5GC 간의 기능적 분할을 예시한 블록도,
도 6은 본 발명의 기술적 특징이 적용될 수 있는 무선 통신 시스템의 다른 예를 나타낸 도면,
도 7은 본 발명의 기술적 특징이 적용될 수 있는 무선 통신 시스템의 또 다른 예를 나타낸 도면.
도 8은 본 발명의 기술적 특징이 적용될 수 있는 5G 사용 시나리오의 예를 나타낸 도면,
도 9는 본 발명의 일 실시예에 따른 패킷 미러링 장치가 포함된 시스템을 나타낸 개념도,
도 10은 본 발명의 일 실시예에 따른 패킷 미러링 장치와 네트워크의 다른 장치와의 연결 구성을 나타낸 블록도,
도 11은 본 발명의 일 실시예에 따른 패킷 미러링 장치의 각 구간별 동작을 설명하기 위한 개념도,
도 12는 본 발명의 일 실시예에 따른 패킷 미러링 장치를 구체적으로 나타낸 블록도,
도 13은 본 발명의 일 실시예에 따른 패킷 미러링 장치의 네트워크 성능 진단 방법을 개략적으로 나타낸 흐름도,
도 14a 및 도 14b는 본 발명의 일 실시예에 따른 패킷 미러링 장치에서 산출되는 사용자와 서버 간의 네트워크 RTT(Round Trip Time) 지표를 나타낸 개념도,
도 15는 본 발명의 일 실시예에 따른 패킷 미러링 장치에서 산출되는 지연지표를 나타낸 개념도,
도 16은 본 발명의 일 실시예에 따른 패킷 미러링 장치에서 산출되는 서버 응답대기 세션 수 지표를 나타낸 개념도,
도 17은 본 발명의 일 실시예에 따른 패킷 미러링 장치에서 산출되는 CPS/TPS(Connection Per Second/Transaction Per Second) 지표를 나타낸 개념도,
도 18은 본 발명의 일 실시예에 따른 패킷 미러링 장치에서 산출되는 성능 지표를 기반으로 생성되는 플로우 맵(Flow map)을 나타낸 도면,
도 19는 본 발명의 일 실시예에 따른 패킷 미러링 장치에서의 네트워크 성능과 연관된 경고 발생 여부를 판단하는 설정값의 예시를 나타낸 표,
도 20은 5G 통신 시스템에서 요구하는 기준값을 나타낸 도면,
도 21은 경고에 따른 주요페이지 대상 사용자의 체감 응답속도를 시각화한 페이지를 나타낸 도면,
도 22는 지연 웹 페이지의 세부 내용을 진단 및 분석하는 페이지를 나타낸 도면,
도 23은 5G 시스템에서 네트워크 성능 진단 장비가 접속 가능한 영역을 표시한 개념도,
도 24는 본 발명의 일 실시예에 따른 네트워크 성능 진단 장비가 5G 기반 통신 서비스의 성능과 관련하여 산출하는 정보를 나타낸 개념도,
도 25는 본 발명의 일 실시예에 따른 네트워크 성능 진단 장비가 네트워크 성능을 시각화하는 방법을 나타낸 흐름도,
도 26은 도 25의 방법에 따라 네트워크 성능을 시각화한 네트워크 음영영역 표시 맵을 예시적으로 나타낸 도면,
도 27a는 본 발명의 일 실시예에 따라 네트워크 성능 진단 장비가 전제 네트워크의 구역별 성능을 산출하기 위한 방법을 설명하기 위한 개념도,
도 27b는 본 발명의 다른 실시예에 따라 네트워크 성능 진단 장비가 전제 네트워크의 구역별 성능을 산출하기 위한 방법을 설명하기 위한 개념도이다.
본 발명은 다양한 변경을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 특정 실시예들을 도면에 예시하고 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.
제 1, 제 2 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, 본 발명의 권리 범위를 벗어나지 않으면서 제 1 구성요소는 제 2 구성요소로 명명될 수 있고, 유사하게 제 2 구성요소도 제 1 구성요소로 명명될 수 있다. 및/또는 이라는 용어는 복수의 관련된 기재된 항목들의 조합 또는 복수의 관련된 기재된 항목들 중의 어느 항목을 포함한다.
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.
본 출원에서 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 출원에서, "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.
다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가지고 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 의미를 가진 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
이하, 첨부한 도면들을 참조하여, 본 발명의 바람직한 실시예를 보다 상세하게 설명하고자 한다. 본 발명을 설명함에 있어 전체적인 이해를 용이하게 하기 위하여 도면상의 동일한 구성요소에 대해서는 동일한 참조부호를 사용하고 동일한 구성요소에 대해서 중복된 설명은 생략한다.
용어 정의
본 명세서에 걸쳐서, 개체(entity)는 네트워크와 연관된 각종 장치들을 포함하고, 이는 사용자 단말("클라이언트 단말"이라고 부를 수 있음) 및/또는 서버 장치를 포함하는 용어이다.
사용자는 기본적으로 사용자 단말의 사용자를 의미한다. 다만, 경우에 따라 본 발명의 일 실시예에 따른 패킷 미러링 장치의 사용자를 의미하기도 한다. 네트워크 운영자 및/또는 네트워크 관리자는 패킷 미러링 장치와 관련된 네트워크를 관리하는 자로, 패킷 미러링 장치의 사용자를 의미할 수 있다.
네트워크 성능과 관련된 성능 관련 지표를 산출하는 네트워크 성능 진단 장치는 패킷 미러링 장치라고 불릴 수 있다. 또한, 네트워크 서비스의 상기 성능 관련 지표를 시각화하는 장치로써 구현될 수 있으므로, 네트워크 성능지표 시각화 장치로 불릴 수 있다. 이하, 상기 다양한 구현 예에도 불구하고, 패킷 미러링 장치로 부른다.
또한, 네트워크 성능이라는 용어는 서버, 통신망 및 클라이언트에서의 통신 성능과 관련하여, 포괄적으로 사용될 수 있다.
LTE 및 5G 기반 통신 시스템
도 1은 본 발명이 적용될 수 있는 무선통신 시스템을 예시한다. 이는 E-UTRAN(Evolved-UMTS Terrestrial Radio Access Network), 또는 LTE(Long Term Evolution)/LTE-A 시스템이라고도 불릴 수 있다.
E-UTRAN은 단말(10: User Equipment, UE)에게 제어 평면(control plane)과 사용자 평면(user plane)을 제공하는 기지국(20: Base Station, BS)을 포함한다. 단말(10)은 고정되거나 이동성을 가질 수 있으며, MS(Mobile station), UT(User Terminal), SS(Subscriber Station), MT(mobile terminal), 무선기기(Wireless Device) 등 다른 용어로 불릴 수 있다. 기지국(20)은 단말(10)과 통신하는 고정된 지점(fixed station)을 말하며, eNB(evolved-NodeB), BTS(Base Transceiver System), 액세스 포인트(Access Point) 등 다른 용어로 불릴 수 있다.
기지국(20)들은 X2 인터페이스를 통하여 서로 연결될 수 있다. 기지국(20)은 S1 인터페이스를 통해 EPC(Evolved Packet Core, 30), 보다 상세하게는 S1-MME를 통해 MME(Mobility Management Entity)와 S1-U를 통해 S-GW(Serving Gateway)와 연결된다.
EPC(30)는 MME, S-GW 및 P-GW(Packet Data Network-Gateway)로 구성된다. MME는 단말의 접속 정보나 단말의 능력에 관한 정보를 가지고 있으며, 이러한 정보는 단말의 이동성 관리에 주로 사용된다. S-GW는 E-UTRAN을 종단점으로 갖는 게이트웨이이며, P-GW는 PDN을 종단점으로 갖는 게이트웨이이다.
단말과 네트워크 사이의 무선인터페이스 프로토콜(Radio Interface Protocol)의 계층들은 통신시스템에서 널리 알려진 개방형 시스템간 상호접속(Open System Interconnection: OSI) 기준 모델의 하위 3개 계층을 바탕으로 L1(제1계층), L2(제2계층), L3(제3계층)로 구분될 수 있는데, 이 중에서 제1계층에 속하는 물리계층은 물리채널(Physical Channel)을 이용한 정보전송서비스(Information Transfer Service)를 제공하며, 제 3계층에 위치하는 RRC(Radio Resource Control) 계층은 단말과 네트워크 간에 무선자원을 제어하는 역할을 수행한다. 이를 위해 RRC 계층은 단말과 기지국간 RRC 메시지를 교환한다.
도 2는 사용자 평면(user plane)에 대한 무선 프로토콜 구조(radio protocol architecture)를 나타낸 블록도이고, 도 3은 제어 평면(control plane)에 대한 무선 프로토콜 구조를 나타낸 블록도이다. 사용자 평면은 사용자 데이터 전송을 위한 프로토콜 스택(protocol stack)이고, 제어 평면은 제어신호 전송을 위한 프로토콜 스택이다.
도 2 및 3을 참조하면, 물리계층(PHY(physical) layer)은 물리채널(physical channel)을 이용하여 상위 계층에게 정보 전송 서비스(information transfer service)를 제공한다. 물리계층은 상위 계층인 MAC(Medium Access Control) 계층과는 전송채널(transport channel)을 통해 연결되어 있다. 전송채널을 통해 MAC 계층과 물리계층 사이로 데이터가 이동한다. 전송채널은 무선 인터페이스를 통해 데이터가 어떻게 어떤 특징으로 전송되는가에 따라 분류된다.
서로 다른 물리계층 사이, 즉 송신기와 수신기의 물리계층 사이는 물리채널을 통해 데이터가 이동한다. 상기 물리채널은 OFDM(Orthogonal Frequency Division Multiplexing) 방식으로 변조될 수 있고, 시간과 주파수를 무선자원으로 활용한다.
MAC 계층의 기능은 논리채널과 전송채널간의 맵핑 및 논리채널에 속하는 MAC SDU(service data unit)의 전송채널 상으로 물리채널로 제공되는 전송블록(transport block)으로의 다중화/역다중화를 포함한다. MAC 계층은 논리채널을 통해 RLC(Radio Link Control) 계층에게 서비스를 제공한다.
RLC 계층의 기능은 RLC SDU의 연결(concatenation), 분할(segmentation) 및 재결합(reassembly)를 포함한다. 무선베어러(Radio Bearer: RB)가 요구하는 다양한 QoS(Quality of Service)를 보장하기 위해, RLC 계층은 투명모드(Transparent Mode, TM), 비확인 모드(Unacknowledged Mode, UM) 및 확인모드(Acknowledged Mode, AM)의 세 가지의 동작모드를 제공한다. AM RLC는 ARQ(automatic repeat request)를 통해 오류 정정을 제공한다.
RRC(Radio Resource Control) 계층은 제어 평면에서만 정의된다. RRC 계층은 무선 베어러들의 설정(configuration), 재설정(re-configuration) 및 해제(release)와 관련되어 논리채널, 전송채널 및 물리채널들의 제어를 담당한다. RB는 단말과 네트워크간의 데이터 전달을 위해 제1 계층(PHY 계층) 및 제2 계층(MAC 계층, RLC 계층, PDCP 계층)에 의해 제공되는 논리적 경로를 의미한다.
사용자 평면에서의 PDCP(Packet Data Convergence Protocol) 계층의 기능은 사용자 데이터의 전달, 헤더 압축(header compression) 및 암호화(ciphering)를 포함한다. 제어 평면에서의 PDCP(Packet Data Convergence Protocol) 계층의 기능은 제어 평면 데이터의 전달 및 암호화/무결정 보호(integrity protection)를 포함한다.
RB가 설정된다는 것은 특정 서비스를 제공하기 위해 무선 프로토콜 계층 및 채널의 특성을 규정하고, 각각의 구체적인 파라미터 및 동작 방법을 설정하는 과정을 의미한다. RB는 다시 SRB(Signaling RB)와 DRB(Data RB) 두가지로 나누어 질 수 있다. SRB는 제어 평면에서 RRC 메시지를 전송하는 통로로 사용되며, DRB는 사용자 평면에서 사용자 데이터를 전송하는 통로로 사용된다.
단말의 RRC 계층과 E-UTRAN의 RRC 계층 사이에 RRC 연결(RRC Connection)이 확립되면, 단말은 RRC 연결(RRC connected) 상태에 있게 되고, 그렇지 못할 경우 RRC 아이들(RRC idle) 상태에 있게 된다.
네트워크에서 단말로 데이터를 전송하는 하향링크 전송채널로는 시스템정보를 전송하는 BCH(Broadcast Channel)과 그 이외에 사용자 트래픽이나 제어메시지를 전송하는 하향링크 SCH(Shared Channel)이 있다. 하향링크 멀티캐스트 또는 브로드캐스트 서비스의 트래픽 또는 제어메시지의 경우 하향링크 SCH를 통해 전송될 수도 있고, 또는 별도의 하향링크 MCH(Multicast Channel)을 통해 전송될 수도 있다. 한편, 단말에서 네트워크로 데이터를 전송하는 상향링크 전송채널로는 초기 제어메시지를 전송하는 RACH(Random Access Channel)와 그 이외에 사용자 트래픽이나 제어메시지를 전송하는 상향링크 SCH(Shared Channel)가 있다.
전송채널 상위에 있으며, 전송채널에 매핑되는 논리채널(Logical Channel)로는 BCCH(Broadcast Control Channel), PCCH(Paging Control Channel), CCCH(Common Control Channel), MCCH(Multicast Control Channel), MTCH(Multicast Traffic Channel) 등이 있다.
물리채널(Physical Channel)은 시간 영역에서 여러 개의 OFDM 심벌과 주파수 영역에서 여러 개의 부반송파(Sub-carrier)로 구성된다. 하나의 서브프레임(Sub-frame)은 시간 영역에서 복수의 OFDM 심벌(Symbol)들로 구성된다. 자원블록은 자원 할당 단위로, 복수의 OFDM 심벌들과 복수의 부반송파(sub-carrier)들로 구성된다. 또한 각 서브프레임은 PDCCH(Physical Downlink Control Channel) 즉, L1/L2 제어채널을 위해 해당 서브프레임의 특정 OFDM 심벌들(예, 첫번째 OFDM 심볼)의 특정 부반송파들을 이용할 수 있다. TTI(Transmission Time Interval)는 서브프레임 전송의 단위시간이다.
이하, 새로운 무선 접속 기술(new radio access technology: new RAT, NR)("5G"라고 부를 수 있음)에 대해 설명한다.
더욱 많은 통신 기기들이 더욱 큰 통신 용량을 요구하게 됨에 따라 기존의 무선 접속 기술(radio access technology; RAT)에 비해 향상된 모바일 브로드밴드(mobile broadband) 통신에 대한 필요성이 대두되고 있다. 또한 다수의 기기 및 사물들을 연결하여 언제 어디서나 다양한 서비스를 제공하는 매시브 MTC(massive Machine Type Communications) 역시 차세대 통신에서 고려될 주요 이슈 중 하나이다. 뿐만 아니라 신뢰도(reliability) 및 지연(latency)에 민감한 서비스/단말을 고려한 통신 시스템 디자인이 논의되고 있다. 이와 같이 확장된 모바일 브로드밴드 커뮤니케이션(enhanced mobile broadband communication), massive MTC, URLLC (Ultra-Reliable and Low Latency Communication) 등을 고려한 차세대 무선 접속 기술의 도입이 논의되고 있으며, 본 발명에서는 편의상 해당 기술(technology)을 new RAT, NR 또는 5G라고 부른다.
도 4는 NR이 적용되는 차세대 무선 접속 네트워크(New Generation Radio Access Network: NG-RAN)의 시스템 구조를 예시한다.
도 4를 참조하면, NG-RAN은, 단말에게 사용자 평면 및 제어 평면 프로토콜 종단(termination)을 제공하는 gNB 및/또는 eNB를 포함할 수 있다. 도 4에서는 gNB만을 포함하는 경우를 예시한다. gNB 및 eNB는 상호 간에 Xn 인터페이스로 연결되어 있다. gNB 및 eNB는 5세대 코어 네트워크(5G Core Network: 5GC)와 NG 인터페이스를 통해 연결되어 있다. 보다 구체적으로, AMF(access and mobility management function)과는 NG-C 인터페이스를 통해 연결되고, UPF(user plane function)과는 NG-U 인터페이스를 통해 연결된다.
도 5는 NG-RAN과 5GC 간의 기능적 분할을 예시한다.
도 5를 참조하면, gNB는 인터 셀 간의 무선 자원 관리(Inter Cell RRM), 무선 베어러 관리(RB control), 연결 이동성 제어(Connection Mobility Control), 무선 허용 제어(Radio Admission Control), 측정 설정 및 제공(Measurement configuration & Provision), 동적 자원 할당(dynamic resource allocation) 등의 기능을 제공할 수 있다. AMF는 NAS 보안, 아이들 상태 이동성 처리 등의 기능을 제공할 수 있다. UPF는 이동성 앵커링(Mobility Anchoring), PDU 처리 등의 기능을 제공할 수 있다. SMF(Session Management Function)는 단말 IP 주소 할당, PDU 세션 제어 등의 기능을 제공할 수 있다.
도 6은 본 발명의 기술적 특징이 적용될 수 있는 무선 통신 시스템의 다른 예를 나타낸 도면이다. 구체적으로, 도 6은 5G NR(new radio access technology) 시스템에 기초한 시스템 아키텍처를 도시한다. 5G NR 시스템(이하, 간단히 "NR"이라 칭함)에서 사용되는 개체는 도 1에서 소개된 개체(예를 들어, eNB, MME, S-GW)의 일부 또는 모든 기능을 흡수할 수 있다. NR 시스템에서 사용되는 개체는 LTE와 구별하기 위해 "NG"라는 이름으로 식별될 수 있다.
이하 NR에 대하여, 후술하는 설명의 이해를 돕기 위해, 3GPP TS 38 시리즈(3GPP TS 38.211, 38.212, 38.213, 38.214, 38.331 등)가 참조될 수 있다.
도 6을 참조하면, 무선 통신 시스템은 하나 이상의 UE(11), NG-RAN(next-generation RAN) 및 5세대 코어 네트워크(5GC)를 포함한다. NG-RAN은 적어도 하나의 NG-RAN 노드로 구성된다. NG-RAN 노드는 도 1에 도시된 BS(20)에 대응하는 개체이다. NG-RAN 노드는 적어도 하나의 gNB(21) 및/또는 적어도 하나의 ng-eNB (22)로 구성된다. gNB(21)는 UE(11)를 향한 NR 사용자 평면 및 제어 평면 프로토콜의 종단을 제공한다. Ng-eNB(22)는 UE(11)를 향한 E-UTRA 사용자 평면 및 제어 평면 프로토콜의 종단을 제공한다.
5GC는 AMF(access and mobility management function), UPF(user plane function) 및 SMF(session management function)을 포함한다. AMF는 NAS 보안, 아이들 상태 이동성 처리 등과 같은 기능을 호스트 한다. AMF는 종래 MME의 기능을 포함하는 개체이다. UPF는 이동성 앵커링, PDU(protocol data unit) 처리와 같은 기능을 호스트 한다. UPF는 종래의 S-GW의 기능을 포함하는 개체이다. SMF는 UE IP 주소 할당, PDU 세션 제어와 같은 기능을 호스트 한다.
gNB와 ng-eNB는 Xn 인터페이스를 통해 상호 연결된다. gNB 및 ng-eNB는 또한 NG 인터페이스를 통해 5GC에 연결된다. 보다 구체적으로는, NG-C 인터페이스를 통해 AMF에, 그리고 NG-U 인터페이스를 통해 UPF에 연결된다.
도 7은 본 발명의 기술적 특징이 적용될 수 있는 무선 통신 시스템의 또 다른 예를 나타낸 도면이다. 구체적으로, 도 7은 LTE 시스템에 기초한 시스템 아키텍처를 도시한다. NR에서 사용되는 개체는 도 4에서 소개된 개체(예를 들어, gNB, AMF, UPF)의 일부 또는 모든 기능을 흡수할 수 있다. LTE 시스템에서 사용되는 개체는 NR과 구별하기 위해 "EN"라는 이름으로 식별될 수 있다.
도 7을 참조하면, 무선 통신 시스템은 하나 이상의 UE(11), E-UTRAN 및 EPC를 포함한다. E-UTRAN은 적어도 하나의 E-UTRAN 노드로 구성된다. E-UTRAN 노드는 도 1에 도시된 BS(20)에 대응하는 개체이다. E-UTRAN 노드는 적어도 하나의 en-gNB(23) 및/또는 적어도 하나의 eNB(20)로 구성된다. en-gNB(23)는 UE(11)를 향한 NR 사용자 평면 및 제어 평면 프로토콜의 종단을 제공한다. eNB(20)는 UE(11)를 향한 E-UTRAN 사용자 평면 및 제어 평면 프로토콜의 종단을 제공한다.
EPC는 MME 및 S-GW를 포함한다. en-gNB와 eNB는 X2 인터페이스를 통해 상호 연결된다. en-gNB 및 eNB는 S1 인터페이스를 통해 EPC에 연결된다. 보다 구체적으로는, S1-U 및/또는 S1 인터페이스를 통해 MME 및/또는 S-GW에 연결된다.
도 8은 본 발명의 기술적 특징이 적용될 수 있는 5G 사용 시나리오의 예를 나타낸 도면이다. 도 8에 도시된 5G 사용 시나리오는 단지 예시적인 것이며, 본 발명의 기술적 특징은 도 8에 도시되지 않은 다른 5G 사용 시나리오에도 적용될 수 있다.
도 8을 참조하면, 5G의 세 가지 주요 요구 사항 영역은 (1) 개선된 모바일 광대역(eMBB; enhanced mobile broadband) 영역, (2) 다량의 머신 타입 통신(mMTC; massive machine type communication) 영역 및 (3) 초-신뢰 및 저 지연 통신(URLLC; ultra-reliable and low latency communications) 영역을 포함한다. 일부 사용 예는 최적화를 위해 다수의 영역을 요구할 수 있고, 다른 사용 예는 단지 하나의 핵심 성능 지표(KPI; key performance indicator)에만 포커싱 할 수 있다. 5G는 이러한 다양한 사용 예들을 유연하고 신뢰할 수 있는 방법으로 지원하는 것이다.
eMBB는 데이터 속도, 지연, 사용자 밀도, 모바일 광대역 접속의 용량 및 커버리지의 전반적인 향상에 중점을 둔다. eMBB는 10Gbps 정도의 처리량을 목표로 한다. eMBB는 기본적인 모바일 인터넷 접속을 훨씬 능가하게 하며, 풍부한 양방향 작업, 클라우드 또는 증강 현실에서 미디어 및 엔터테인먼트 애플리케이션을 커버한다. 데이터는 5G의 핵심 동력 중 하나이며, 5G 시대에서 처음으로 전용 음성 서비스를 볼 수 없을 수 있다. 5G에서, 음성은 단순히 통신 시스템에 의해 제공되는 데이터 연결을 사용하여 응용 프로그램으로서 처리될 것으로 기대된다. 증가된 트래픽 양의 주요 원인은 콘텐츠 크기의 증가 및 높은 데이터 전송률을 요구하는 애플리케이션 수의 증가이다. 스트리밍 서비스(오디오 및 비디오), 대화형 비디오 및 모바일 인터넷 연결은 더 많은 장치가 인터넷에 연결될수록 더 널리 사용될 것이다. 이러한 많은 애플리케이션은 사용자에게 실시간 정보 및 알림을 푸쉬하기 위해 항상 켜져 있는 연결성을 필요로 한다. 클라우드 스토리지 및 애플리케이션은 모바일 통신 플랫폼에서 급속히 증가하고 있으며, 이것은 업무 및 엔터테인먼트 모두에 적용될 수 있다. 클라우드 스토리지는 상향링크 데이터 전송률의 성장을 견인하는 특별한 사용 예이다. 5G는 또한 클라우드 상의 원격 업무에도 사용되며, 촉각 인터페이스가 사용될 때 우수한 사용자 경험을 유지하도록 훨씬 더 낮은 단-대-단(end-to-end) 지연을 요구한다. 엔터테인먼트에서 예를 들면, 클라우드 게임 및 비디오 스트리밍은 모바일 광대역 능력에 대한 요구를 증가시키는 또 다른 핵심 요소이다. 엔터테인먼트는 기차, 차 및 비행기와 같은 높은 이동성 환경을 포함하여 어떤 곳에서든지 스마트폰 및 태블릿에서 필수적이다. 또 다른 사용 예는 엔터테인먼트를 위한 증강 현실 및 정보 검색이다. 여기서, 증강 현실은 매우 낮은 지연과 순간적인 데이터 양을 필요로 한다.
mMTC는 배터리에 의해 구동되는 다량의 저비용 장치 간의 통신을 가능하게 하기 위하여 설계되며, 스마트 계량, 물류, 현장 및 신체 센서와 같은 애플리케이션을 지원하기 위한 것이다. mMTC는 10년 정도의 배터리 및/또는 1km2 당 백만 개 정도의 장치를 목표로 한다. mMTC는 모든 분야에서 임베디드 센서를 원활하게 연결할 수 있게 하며, 가장 많이 예상되는 5G 사용 예 중 하나이다. 잠재적으로 2020년까지 IoT 장치들은 204억 개에 이를 것으로 예측된다. 산업 IoT는 5G가 스마트 도시, 자산 추적(asset tracking), 스마트 유틸리티, 농업 및 보안 인프라를 가능하게 하는 주요 역할을 수행하는 영역 중 하나이다.
URLLC는 장치 및 기계가 매우 신뢰성 있고 매우 낮은 지연 및 높은 가용성으로 통신할 수 있도록 함으로써 차량 통신, 산업 제어, 공장 자동화, 원격 수술, 스마트 그리드 및 공공 안전 애플리케이션에 이상적이다. URLLC는 1ms의 정도의 지연을 목표로 한다. URLLC는 주요 인프라의 원격 제어 및 자율 주행 차량과 같은 초 신뢰/지연이 적은 링크를 통해 산업을 변화시킬 새로운 서비스를 포함한다. 신뢰성과 지연의 수준은 스마트 그리드 제어, 산업 자동화, 로봇 공학, 드론 제어 및 조정에 필수적이다.
다음으로, 도 8의 삼각형 안에 포함된 다수의 사용 예에 대해 보다 구체적으로 살펴본다.
5G는 초당 수백 메가 비트에서 초당 기가 비트로 평가되는 스트림을 제공하는 수단으로 FTTH(fiber-to-the-home) 및 케이블 기반 광대역(또는 DOCSIS)을 보완할 수 있다. 이러한 빠른 속도는 가상 현실(VR; virtual reality)과 증강 현실(AR; augmented reality) 뿐 아니라 4K 이상(6K, 8K 및 그 이상)의 해상도로 TV를 전달하는 데에 요구될 수 있다. VR 및 AR 애플리케이션은 거의 몰입형(immersive) 스포츠 경기를 포함한다. 특정 애플리케이션은 특별한 네트워크 설정이 요구될 수 있다. 예를 들어, VR 게임의 경우, 게임 회사가 지연을 최소화하기 위해 코어 서버를 네트워크 오퍼레이터의 에지 네트워크 서버와 통합해야 할 수 있다.
자동차(Automotive)는 차량에 대한 이동 통신을 위한 많은 사용 예와 함께 5G에 있어 중요한 새로운 동력이 될 것으로 예상된다. 예를 들어, 승객을 위한 엔터테인먼트는 높은 용량과 높은 모바일 광대역을 동시에 요구한다. 그 이유는 미래의 사용자는 그들의 위치 및 속도와 관계 없이 고품질의 연결을 계속해서 기대하기 때문이다. 자동차 분야의 다른 사용 예는 증강 현실 대시보드이다. 운전자는 증강 현실 대비보드를 통해 앞면 창을 통해 보고 있는 것 위에 어둠 속에서 물체를 식별할 수 있다. 증강 현실 대시보드는 물체의 거리와 움직임에 대해 운전자에게 알려줄 정보를 겹쳐서 디스플레이 한다. 미래에, 무선 모듈은 차량 간의 통신, 차량과 지원하는 인프라구조 사이에서 정보 교환 및 자동차와 다른 연결된 장치(예를 들어, 보행자에 의해 수반되는 장치) 사이에서 정보 교환을 가능하게 한다. 안전 시스템은 운전자가 보다 안전한 운전을 할 수 있도록 행동의 대체 코스를 안내하여 사고의 위험을 낮출 수 있게 한다. 다음 단계는 원격 조종 차량 또는 자율 주행 차량이 될 것이다. 이는 서로 다른 자율 주행 차량 사이 및/또는 자동차와 인프라 사이에서 매우 신뢰성이 있고 매우 빠른 통신을 요구한다. 미래에, 자율 주행 차량이 모든 운전 활동을 수행하고, 운전자는 차량 자체가 식별할 수 없는 교통 이상에만 집중하도록 할 것이다. 자율 주행 차량의 기술적 요구 사항은 트래픽 안전을 사람이 달성할 수 없을 정도의 수준까지 증가하도록 초 저 지연과 초고속 신뢰성을 요구한다.
스마트 사회로서 언급되는 스마트 도시와 스마트 홈은 고밀도 무선 센서 네트워크로 임베디드 될 것이다. 지능형 센서의 분산 네트워크는 도시 또는 집의 비용 및 에너지 효율적인 유지에 대한 조건을 식별할 것이다. 유사한 설정이 각 가정을 위해 수행될 수 있다. 온도 센서, 창 및 난방 컨트롤러, 도난 경보기 및 가전 제품은 모두 무선으로 연결된다. 이러한 센서 중 많은 것들이 전형적으로 낮은 데이터 전송 속도, 저전력 및 저비용을 요구한다. 하지만, 예를 들어, 실시간 HD 비디오는 감시를 위해 특정 타입의 장치에서 요구될 수 있다.
<인공 지능(AI: Artificial Intelligence)>
인공 지능은 인공적인 지능 또는 이를 만들 수 있는 방법론을 연구하는 분야를 의미하며, 머신 러닝(기계 학습, Machine Learning)은 인공 지능 분야에서 다루는 다양한 문제를 정의하고 그것을 해결하는 방법론을 연구하는 분야를 의미한다. 머신 러닝은 어떠한 작업에 대하여 꾸준한 경험을 통해 그 작업에 대한 성능을 높이는 알고리즘으로 정의하기도 한다.
인공 신경망(ANN: Artificial Neural Network)은 머신 러닝에서 사용되는 모델로써, 시냅스의 결합으로 네트워크를 형성한 인공 뉴런(노드)들로 구성되는, 문제 해결 능력을 가지는 모델 전반을 의미할 수 있다. 인공 신경망은 다른 레이어의 뉴런들 사이의 연결 패턴, 모델 파라미터를 갱신하는 학습 과정, 출력값을 생성하는 활성화 함수(Activation Function)에 의해 정의될 수 있다.
인공 신경망은 입력층(Input Layer), 출력층(Output Layer), 그리고 선택적으로 하나 이상의 은닉층(Hidden Layer)를 포함할 수 있다. 각 층은 하나 이상의 뉴런을 포함하고, 인공 신경망은 뉴런과 뉴런을 연결하는 시냅스를 포함할 수 있다. 인공 신경망에서 각 뉴런은 시냅스를 통해 입력되는 입력 신호들, 가중치, 편향에 대한 활성 함수의 함숫값을 출력할 수 있다.
모델 파라미터는 학습을 통해 결정되는 파라미터를 의미하며, 시냅스 연결의 가중치와 뉴런의 편향 등이 포함된다. 그리고, 하이퍼파라미터는 머신 러닝 알고리즘에서 학습 전에 설정되어야 하는 파라미터를 의미하며, 학습률(Learning Rate), 반복 횟수, 미니 배치 크기, 초기화 함수 등이 포함된다.
인공 신경망의 학습의 목적은 손실 함수를 최소화하는 모델 파라미터를 결정하는 것으로 볼 수 있다. 손실 함수는 인공 신경망의 학습 과정에서 최적의 모델 파라미터를 결정하기 위한 지표로 이용될 수 있다.
머신 러닝은 학습 방식에 따라 지도 학습(Supervised Learning), 비지도 학습(Unsupervised Learning), 강화 학습(Reinforcement Learning)으로 분류할 수 있다.
지도 학습은 학습 데이터에 대한 레이블(label)이 주어진 상태에서 인공 신경망을 학습시키는 방법을 의미하며, 레이블이란 학습 데이터가 인공 신경망에 입력되는 경우 인공 신경망이 추론해 내야 하는 정답(또는 결과 값)을 의미할 수 있다. 비지도 학습은 학습 데이터에 대한 레이블이 주어지지 않는 상태에서 인공 신경망을 학습시키는 방법을 의미할 수 있다. 강화 학습은 어떤 환경 안에서 정의된 에이전트가 각 상태에서 누적 보상을 최대화하는 행동 혹은 행동 순서를 선택하도록 학습시키는 학습 방법을 의미할 수 있다.
인공 신경망 중에서 복수의 은닉층을 포함하는 심층 신경망(DNN: Deep Neural Network)으로 구현되는 머신 러닝을 딥 러닝(심층 학습, Deep Learning)이라 부르기도 하며, 딥 러닝은 머신 러닝의 일부이다. 이하에서, 머신 러닝은 딥 러닝을 포함하는 의미로 사용된다.
<로봇(Robot)>
로봇은 스스로 보유한 능력에 의해 주어진 일을 자동으로 처리하거나 작동하는 기계를 의미할 수 있다. 특히, 환경을 인식하고 스스로 판단하여 동작을 수행하는 기능을 갖는 로봇을 지능형 로봇이라 칭할 수 있다.
로봇은 사용 목적이나 분야에 따라 산업용, 의료용, 가정용, 군사용 등으로 분류할 수 있다.
로봇은 액츄에이터 또는 모터를 포함하는 구동부를 구비하여 로봇 관절을 움직이는 등의 다양한 물리적 동작을 수행할 수 있다. 또한, 이동 가능한 로봇은 구동부에 휠, 브레이크, 프로펠러 등이 포함되어, 구동부를 통해 지상에서 주행하거나 공중에서 비행할 수 있다.
<자율 주행(Self-Driving, Autonomous-Driving)>
자율 주행은 스스로 주행하는 기술을 의미하며, 자율 주행 차량은 사용자의 조작 없이 또는 사용자의 최소한의 조작으로 주행하는 차량(Vehicle)을 의미한다.
예컨대, 자율 주행에는 주행중인 차선을 유지하는 기술, 어댑티브 크루즈 컨트롤과 같이 속도를 자동으로 조절하는 기술, 정해진 경로를 따라 자동으로 주행하는 기술, 목적지가 설정되면 자동으로 경로를 설정하여 주행하는 기술 등이 모두 포함될 수 있다.
차량은 내연 기관만을 구비하는 차량, 내연 기관과 전기 모터를 함께 구비하는 하이브리드 차량, 그리고 전기 모터만을 구비하는 전기 차량을 모두 포괄하며, 자동차뿐만 아니라 기차, 오토바이 등을 포함할 수 있다.
이때, 자율 주행 차량은 자율 주행 기능을 가진 로봇으로 볼 수 있다.
<확장 현실(XR: eXtended Reality)>
확장 현실은 가상 현실(VR: Virtual Reality), 증강 현실(AR: Augmented Reality), 혼합 현실(MR: Mixed Reality)을 총칭한다. VR 기술은 현실 세계의 객체나 배경 등을 CG 영상으로만 제공하고, AR 기술은 실제 사물 영상 위에 가상으로 만들어진 CG 영상을 함께 제공하며, MR 기술은 현실 세계에 가상 객체들을 섞고 결합시켜서 제공하는 컴퓨터 그래픽 기술이다.
MR 기술은 현실 객체와 가상 객체를 함께 보여준다는 점에서 AR 기술과 유사하다. 그러나, AR 기술에서는 가상 객체가 현실 객체를 보완하는 형태로 사용되는 반면, MR 기술에서는 가상 객체와 현실 객체가 동등한 성격으로 사용된다는 점에서 차이점이 있다.
XR 기술은 HMD(Head-Mount Display), HUD(Head-Up Display), 휴대폰, 태블릿 PC, 랩탑, 데스크탑, TV, 디지털 사이니지 등에 적용될 수 있고, XR 기술이 적용된 장치를 XR 장치(XR Device)라 칭할 수 있다.
패킷 미러링 및 패킷 분석에 따른 네트워크 성능 지표 산출
도 9는 본 발명의 일 실시예에 따른 패킷 미러링 장치가 포함된 시스템을 나타낸 개념도이다. 도 9에 도시된 바와 같이, 본 발명의 일 실시예에 따른 패킷 미러링 시스템은 사용자 단말(앞선 도면의 UE와 같음)(910-1~910-3), 네트워크(920), 서버단(930~950) 및 패킷 미러링 장치(900)를 포함할 수 있다.
도 9를 참조하면, 사용자 단말(910-1~910-3)은 네트워크(920)를 통해 특정 웹 사이트 및/또는 웹 애플리케이션에 접속한다. 여기서, 사용자 단말(910-1~910-3)은 5G 네트워크 상의 휴대용 단말, 로봇, IoT 기기(예컨대, 센서) 등이 될 수 있다. 접속은 상기 웹 사이트 및/또는 웹 애플리케이션과 연관된 서버단(930~950)에서 수행된다.
도 9의 실시예에 따르면, 사용자 단말(910-1~910-3)은 웹 브라우저를 통해 특정 웹 페이지에 접속하여 원하는 페이지 또는 애플리케이션의 실행을 요청한다. 상기 요청은, html 문서와 같은 정적인 콘텐츠뿐만 아니라, 동영상, 오디오와 같은 멀티미디어 콘텐츠, 및/또는 기타 다른 애플리케이션의 실행을 포함할 수 있다.
본 발명의 일 실시예에 따르면, 사용자 단말(910-1~910-3)은 사용자에 의해 동작하고, 통신 기능(인터넷 접속 및 웹 브라우저 실행 기능 포함) 및 데이터 처리 기능을 포함하는 임의의 장치를 포함할 수 있다. 사용자 단말(910-1~910-3)은, 이동국(MS), 사용자 장비(또는 사용자 단말)(UE; User Equipment), 사용자 터미널(UT; User Terminal), 무선 터미널, 액세스 터미널(AT), 터미널, 고정 또는 이동 가입자 유닛(Subscriber Unit), 가입자 스테이션(SS; Subscriber Station), 셀룰러 전화, 무선 기기(wireless device), 무선 통신 디바이스, 무선송수신유닛(WTRU; Wireless Transmit/Receive Unit), 이동 노드, 모바일, 모바일국, 개인 휴대 정보 단말(personal digital assistant; PDA), 스마트폰, 랩톱, 넷북, 개인용 컴퓨터, 무선 센서, 소비자 전자기기(CE), 로봇, IoT 기기 또는 다른 용어들로서 지칭될 수 있다. 사용자 단말(910-1~910-3)의 다양한 실시예들은 셀룰러 전화기, 무선 통신 기능을 가지는 스마트 폰, 무선 통신 기능을 가지는 개인 휴대용 단말기(PDA), 무선 모뎀, 무선 통신 기능을 가지는 휴대용 컴퓨터, 무선 통신 기능을 가지는 디지털 카메라와 같은 촬영장치, 무선 통신 기능을 가지는 게이밍 장치, 무선 통신 기능을 가지는 음악저장 및 재생 가전제품, 무선 인터넷 접속 및 브라우징이 가능한 인터넷 가전제품뿐만 아니라 그러한 기능들의 조합들을 통합하고 있는 휴대형 유닛 또는 단말기들을 포함할 수 있으나, 이에 한정되는 것은 아니다.
각 사용자 단말(910-1~910-3)은 사용자 입력을 수신하기 위한 마우스 및 키보드와 같은 입력 장치들 및 사용자가 네트워킹된 장치들과 상호작용하기 위한 제어 사용자 인터페이스를 제공하기 위한 디스플레이를 포함하는 사용자 통신 인터페이스를 포함할 수 있다. 사용자 인터페이스는 사용자에게 정보를 제공하기 위해 그래픽 사용자 인터페이스(GUI: Graphical User Interface)를 포함할 수 있다.
네트워크(920)는 유선 및/또는 무선 네트워크를 포함한다. 네트워크(920)는 인터넷(internet)을 포함할 수 있고, 5G SA(Stand Alone) 시스템이거나, 5G NSA(Non-Stand Alone) 및/또는 4G 시스템을 포함한다. 네트워크(920)는 다양하게 접속된 사용자 단말(910-1~910-3)과 서버단(930~950) 간에 데이터를 송신하고 수신하기 위해 물리층(매체)을 제공하는 시리얼 버스를 포함할 수 있다. 여기서 시리얼 버스는 1394 시리얼 버스를 포함할 수 있다. 이는 시간-다중송신(Time-multiplexed) 오디오/비디오(A/V) 스트림 및 표준 아이피(IP: Internet Protocol) 통신(예컨대, IETF REC 2734)을 양쪽 모두 지원할 수 있고, 다만 반드시 이에 한정되는 것은 아니다. 네트워크(920)는 비-1394 네트워크(예컨대, 이더넷 등)도 포함할 수 있다. 또한, 네트워크(920)는 홈 네트워크를 포함할 수도 있다. 각 사용자 단말(910-1~910-3)들은 네트워크(920)에서 하나 이상의 서버 장치들(930~950)과 통신할 수 있다.
서버단(930~950)은 사용자에게 서비스들을 제공하기 위해 네트워크(920) 자원을 이용하여 사용자들의 요청에 응답한다. 서버단(930~950)이라고 표현하지만, 반드시 특정 웹 사이트와 관련된 서버일 필요는 없다. 하나의 서버 장치여도 무방하다. 본 명세서 상에서, "서버"라는 용어는 특정 사용자 단말(910-1~910-3)과 통신하는 다른 개체, 상기 사용자 단말(910-1~910-3)이 통신 요청한 대상 개체(entity), 사용자 단말(910-1~910-3)을 제어하는 콘트롤러 장치(로봇 또는 IoT 기기 등을 콘트롤하는 중앙 제어 장치), 및/또는 기지국(eNB, gNB 등) 등을 의미할 수 있다.
서버단(930~950)은 사용자 단말(910-1~910-3)의 요청에 대응하여 정보(데이터)의 리턴(return)을 수행한다. 또한, 기능의 성능(예컨대, 기계적인 기능) 및 상태의 리턴, 데이터 스트림 및 상태의 리턴, 데이터 스트림의 수용 및 상태의 리턴, 또는 각종 행위에 대한 상태의 저장을 포함한다. 서버단(930~950)은 그 자신의 하드웨어의 제어를 구현하기 위해, 주문형, 내장형, 제어 프로그램을 포함할 수 있다.
서버단(930~950)은 특정 웹 사이트 및/또는 웹 애플리케이션과 연관될 수 있고, 각 웹 사이트 및/또는 웹 애플리케이션에서 수행되는 작업과 관련된 연산 및 관리를 수행한다. 서버단(930~950)은 사용자 단말들(910-1~910-3) 및 다른 서버들(930~950)과 상호작용할 수 있다. 예시적인 서비스들은 MPEG 소싱/싱킹(sourcing/sinking), 및 디스플레이 서비스를 포함할 수 있다.
서버단(930~950)은 네트워크(920)를 통해 장치의 명령 및 제어를 위한 인터페이스를 제공하는 인터페이스 데이터(예컨대, HTML, XML, 자바, 자바스크립트, GIF, JPEG, MPEG, 그래픽 파열 또는 의도한 목적에 사용되는 임의의 다른 포맷)와 같은 정보를 처리할 수 있다. 특정 실시예에서, 각 서버들(930~950)은 그 장치의 명령 및 제어를 제공하는 하나 이상의 하이퍼텍스트 마크업 언어(HTML: Hypertext Markup Language)와 같은 정보를 처리할 수 있다. 서버단(930~950)은 브라우저 기법을 이용하여 HTML 페이지를 나타내는 인터넷 표준을 사용할 수 있다.
본 발명의 실시예에 따르면, 서버단(930~950)은 웹 서버(930), 앱 서버(940: APP server), 및 데이터베이스 서버(950: DB 서버)를 포함할 수 있다. 다만, 반드시 서버단이 3개 서버의 조합으로만 구성되어야 하는 것은 아니다. 웹 서버(930)만 존재하고, 앱 서버(940) 및 데이터베이스 서버(950)는 존재하지 않는 것도 유효하고, 또는 앱 서버(940) 하나만 구성되는 것도 가능하고, 기타 다양한 형태 및 계층의 서버 조합도 가능하다.
웹 서버(930)는 웹 클라이언트(Web Client)에게 요청된 컨텐츠를 제공하는 서버이다. 웹 서버(930)는 정적인 HTML이나 JPEG, GIF같은 이미지를 HTTP 프로토콜을 통해 웹 브라우저에 제공할 수 있다. 경우에 따라, 웹 서버(930)도 내부 애플리케이션을 동작시킬 수 있는 컨테이너를 내장할 수 있다.
앱 서버(940)는 WAS(Web Application Server) 서버라고도 불릴 수 있고, 이는 클라이언트/서버 환경에서 트랜잭션 처리 및 관리와 애플리케이션 실행 환경을 제공하는 미들웨어 소프트웨어 서버를 나타낸다. 전형적으로, 서버단(930~950)은 웹 서버, 애플리케이션 서버, 데이터베이스의 3계층 웹 컴퓨팅 환경으로 구축될 수 있는데, 이때, 앱 서버(940)는 클라이언트/서버 환경의 애플리케이션 서버와 같은 역할을 한다. 앱 서버(940)는 애플리케이션 실행 환경과 데이터베이스 접속 기능을 제공하고, 트랜잭션을 관리하며, 업무를 처리하는 비즈니스 로직을 수행하고, 다른 기종 시스템 간의 애플리케이션 연동 등을 수행한다.
본 발명의 실시예에 따르면, 웹 서버(930)와 WAS(940)의 기능적 분류를 통해 효과적인 분산을 유도할 수 있다. 정적인 데이터는 구조적으로 앞에 존재하는 웹 서버(930)에서 처리하고, 동적인 데이터는 뒷단의 WAS(940)가 처리할 수 있다. 예컨대, 사용자의 요청에 대해서 정적 데이터인 HTML과 자바스크립트 파일, CSS, 이미지 등을 앞단의 웹 서버(930)에 위치시켜 처리함으로써 WAS(940)로 서비스 요청이 넘어가지 않게 한다. 또한, 웹 애플리케이션 서비스를 위치적으로 뒤편에 존재하는 WAS(940)에 넘겨줌으로써 WAS(940)는 웹 애플이케이션의 수행에 집중할 수 있다. 웹 서버(930)에서 처리할 것과 WAS(940)에게 넘겨질 것을 처리하는 방식은 웹 서버(930)의 컨피규어레이션(Configuration)을 통해 처리할 수 있다. 특정 확장자나 디렉토리 업무를 WAS(940)로 넘길지 여부는 웹 서버(230)에서 처리한다.
데이터베이스 서버(950)는 웹 서버(930) 및/또는 앱 서버(940)가 취급하는 각종 데이터가 저장되어 있는 저장소이다. 데이터베이스 서버(950)는 웹 서버(930) 및/또는 앱 서버(940)가 처리하는 작업, 웹 사이트, 웹 애플리케이션의 성격에 따라 그와 연관된 엄청난 양의 데이터가 저장될 수 있다. 이는 개인정보, 기관정보, 각종 콘텐츠(예컨대, 멀티미디어 콘텐츠)와 연관된 데이터 등을 포함할 수 있다.
패킷 미러링 장치(900)는 네트워크(920)와 웹 서버(930) 사이, 웹 서버(930)와 앱 서버(940) 사이 및 앱 서버(940)와 데이터베이스 서버(950) 사이 중 적어도 하나에 배치될 수 있다. 패킷 미러링 장치(900)는 네트워크(920)와 웹 서버(930) 사이, 웹 서버(930)와 앱 서버(940) 사이 및 앱 서버(940)와 데이터베이스 서버(950) 사이 중 적어도 하나에 배치된 스위칭 장치(미도시)와 연결되어 두 개체 간에 송수신되는 패킷을 미러링한 패킷을 기반으로 네트워크 서버스의 성능을 진단한다. 본 발명의 상기 실시예에 따르면, 미러링된 패킷은 실제 송수신되는 패킷(실제 사용되는 사용자 트래픽)을 기반으로 복사에 의해 생성될 수 있으므로, 네트워크 서비스의 성능 진단을 위해 별도의 인위적인 테스트 패킷을 생성할 필요가 없다. 특히, 패킷 미러링 장치(900)는 실시간으로 모든 패킷에 대한 모니터링이 가능하다.
패킷 미러링 장치(900)는 미러링된 패킷에 포함된 각종 정보들(예컨대, 소스 ID(source id), 목적지 ID(destination id) 및 시간 정보(time), 입력 포트 정보, 출력 포트 정보 등)을 기반으로 네트워크 서비스의 성능을 나타내는 각종 지표들을 실시간으로 산출한다. 지표의 산출은 트랜잭션(transaction) 단위로 이루어질 수 있다. 산출되는 지표는 120가지를 초과할 수 있고, 이는 이하 도 12를 참조하여 보다 상세히 설명한다. 패킷 미러링 장치(900)는 산출된 지표들을 기반으로, 어떤 구간에 속도 지연, 대기 지연, 트래픽 초과, 에러 발생과 같은 문제가 있는지 여부를 구간별로 판단하고, 판단결과를 운영자 또는 관리자가 확인할 수 있도록 시각화한다. 즉, 에러 구간을 신속하게 파악하고, 이를 기반으로 에러구간에 대한 대응이 신속하게 이루어질 수 있도록 한다.
더욱이, 패킷 미러링 장치(900)는 미러링된 패킷을 분석하여 악의적인 사용자로부터의 접근(보안 이슈 관련)을 추적할 수 있고, 이에 대한 대응도 실시간으로 이루어질 수 있도록 한다.
본 발명의 상기 실시예에 따르면, 패킷 미러링 장치(900)는 상기 스위칭 장치에 연결되므로, 서버단(930~950)에 실질적으로 부하를 주는 에이전트(agent) 설치를 요구하지 않을 수 있다. 즉, 서버단(930~950)의 작업속도를 늦추는 등의 부담을 주지 않는다. 다만, 본 발명의 패킷 미러링 장치(900)가 반드시 하드웨어적으로 구성되어야 하는 것은 아니고, 소프트웨어적으로, 스위칭 장치나 기타 다른 장치에 설치되어 동작할 수 있다.
도 10은 본 발명의 일 실시예에 따른 패킷 미러링 장치와 네트워크의 다른 장치와의 연결 구성을 나타낸 블록도이다.
도 10을 참조하면, 인터넷(1020)과 같은 네트워크에 라우터(1022)가 연결되어 있고, 라우터(1022)는 스위치(1024)와 연결되어 사용자 단말(미도시)의 요청과 관련된 서버들(1030-1~1030-3)로 상기 요청을 전송하고, 제 1 개체 내지 제 3 개체(1030-1~1030-3)로부터 요청에 대한 응답과 관련된 정보를 사용자 단말로 전송한다. 제 1 개체 내지 제 3 개체(1030-1~1030-3)는 서로 다른 서버일 수 있다. 또는, 제 1 개체 내지 제 3 개체(1030-1~1030-3)는 클라이언트 측에서 바라봤을 때, 서로 다른 사용자 단말일 수 있고, 사용자 단말 간의 통신을 위한 패킷도 스위치(1024)를 통과하기 때문에, 패킷 미러링 장치(1000)는 이를 미러링하여 패킷 관련 정보를 분석할 수 있다.
라우터(1022) 또는 라우팅 기능을 갖는 공유기(미도시)는 인터넷(1020)을 통해 사용자 단말로부터 전송된 패킷의 위치 및 수신처를 추출하여, 그 위치에 대한 최적의 경로를 지정하며, 이 경로를 따라 데이터 패킷을 스위치(1024)로 전향시킨다. 라우터(1022)는 IP 주소를 식별하여 데이터를 스위치(1024)로 포워딩한다.
제 1 개체 내지 제 3 개체가 서버인 경우, 스위치(1024)는 각 서버들(1030-1~1030-3)의 고유한 MAC 주소를 기억하고 있다가, 이 주소를 통해 어떤 패킷이 어디로 전송되어야 하는지 판단하여 라우터(1022)로부터 제공받은 패킷을 해당 서버(1030-1~1030-3)로 전송한다. 스위치(1024)는 OSI 2 계층, OSI 3계층, OSI 4계층 및/또는 다른 계층(예컨대, OSI 7계층)의 역할을 하는 스위치를 포함한다. 예컨대, 경로를 설정하는 기능을 수행할 수 있다. 또한, 로드밸런싱이나 포트포워딩, QoS 등의 기능을 수행할 수도 있다. 스위치(1024)는 네트워크 스위치, 스위칭 허브, 포트 스위칭 허브 등으로 불릴 수 있다.
패킷 미러링 장치(1000)는 스위치(1024)와 연결되어 스위치(1024)를 통해 서버(1030-1~1030-3)로 제공되는 거의 모든 패킷을 미러링하여 획득한다. 패킷 미러링은, 즉, 패킷의 복제 또는 캡처(capture)는 스위치(1024)에서 수행될 수 있다. 경우에 따라 패킷 미러링 장치(1000) 자체에서 이루어질 수도 있다. 스위치(1024)는 서버(1030-1~1030-3)로 제공되는 패킷을 복제한 후, 패킷 미러링 장치(1000)와 연결된 포트를 목적지 포트(destination port)로 설정하여 패킷 미러링 장치(1000)로 제공할 수 있다. 이때, 해당 포트를 분석용도로 지정하여 제공할 수 있다.
도 11은 본 발명의 일 실시예에 따른 패킷 미러링 장치의 각 구간별 동작을 설명하기 위한 개념도이다.
도 11을 참조하면, 도 9 및 도 10에서 설명한 바와 같이, 사용자 단말(1110)은 인터넷(1120)을 통해 패킷들을 서버단(1130, 1140, 1150)으로 전송하고, 이때, 인터넷(1120)과 서버(1130) 사이에는 라우터(1122) 및 스위치(1124)가 존재하며, 스위치(1124)에 패킷 미러링 장치(1100)가 연결된다.
패킷 미러링 장치(1100)는 미러링된 패킷을 분석하여 사용자 단말(1110)에서의 사용자 체감 지연시간을 확인할 수 있다. 또한, 인터넷(1120)을 통해 최초 서버(1130)까지의 트래픽과 연관된 정보를 파악할 수 있고, 서버단(1130, 1140, 1150)에서의 응답대기시간(latency)도 확인할 수 있다. 특히 서버단(1130, 1140, 1150)의 응답대기시간은 각 구간별로 판단된다. 웹 서버(1130)와 WAS(1140) 구간과 WAS(1140)와 DB 서버(1150) 구간의 응답대기시간은 별도로 산출되고 취급된다. 웹 응답대기시간(Web latency)과 앱 응답대기시간(App latency)은 별도 산출될 수 있다. 여기서, 웹 응답대기시간은 정적 URL(이미지(gif, png, jpg 등), css, js, 텍스트 등)이 웹 서버(1130)로부터 데이터를 받을 때까지의 응답지연시간을 나타내고, 앱 응답대기시간은 동적 URL(Dynamic URL)이나 포스트 URL(POST URL)로부터 생성된 페이지의 첫 번째 패킷을 받을 때까지의 응답지연시간을 의미한다. 앱 응답대기시간은 쿼리 파라미터(query parameter)가 포함된 동적인 컨텐츠, HTML, ASP, JSP, PHP 등 동적컨텐츠(page) 및/또는 HTTP POST 메서드(method)를 사용한 호출과 연관될 수 있다. 즉, 이는 WAS 서버(1140) 및/또는 DB 서버(1150)를 경유하여 리턴되는 작업과 연관된 응답대기시간을 나타낸다.
먼저, 사용자 단말(1110)에서 사용자의 체감 속도는 페이지 로딩 시간으로 파악된다. 이는 각 주요 웹 페이지에 대한 사용자별 체감속도로써 분석되고 시각화된다. 즉, 특정 웹 페이지에 접속하는 사용자가 다수인 경우, 다수의 사용자의 사용자 환경별, 및/또는 지역별 체감시간을 파악할 수 있다. 사용자 환경은 지역, 사용자 단말에 설치된 OS, 웹 브라우저의 종류 및 단말의 종류별로 다르게 파악될 수 있다. 또한, 지역별 접속현황 및 분포 모니터링 환경을 제공할 수 있다. 이때, 지역별 접속현황은 세계지역 전체를 대상으로 하는 글로벌 지역현황과 국내지역을 대상으로 하는 로컬 지역현황으로 구분하여 제공될 수 있다.
서버(1130)까지의 사용자 구간(네트워크 구간)에 대한 실제 트래픽 발생 현황은 네트워크 왕복도달시간(RTT: Round Trip Time)으로 표현될 수 있다. 이는 네트워크 소요시간으로도 불릴 수 있다. 여기에, 사용량과 관련하여, 초당 데이터 전송속도를 나타내는 BPS(Bit Per Second) 정보, 초당 연결되는 사용자의 수를 나타내는 UPS(User Per Second) 정보, 초당 연결되는 새로운 세션의 개수를 나타내는 CPS(Connection Per Second) 정보 및 초당 발생하는 트랜잭션의 개수를 나타내는 TPS(Transaction Per Second) 정보의 현황도 파악가능하다. 또한, 사용자 애플리케이션을 모니터링할 수 있고, 사용자에 의한 비정상 행위도 분석 및 추적가능하다. 이러한 성능관련지표들을 통해 네트워크 트래픽을 점유하고 있는 애플리케이션을 인지할 수 있고, 사용자, 애플리케이션 및 네트워크의 상관관계를 모니터링할 수 있다.
추가적으로, 패킷 미러링 장치(1100)는 각 서버들(1130, 1140, 1150) 사이의 응답지연시간도 파악가능하다. 즉, 서버 구간별 응답품질지표을 파악할 수 있는데, 여기에는, 서버별 응답 지연시간, 서버별 응답대기 세션수(wait) 및 어플리케이션 URI별 지표 및/또는 DB 서버의 쿼리(DB Query)별 지표를 파악할 수 있다.
도 12는 본 발명의 일 실시예에 따른 패킷 미러링 장치를 구체적으로 나타낸 블록도이다. 도 12에 도시된 바와 같이, 본 발명의 일 실시예에 따른 패킷 미러링 장치(1200)는 포트(1210), 패킷 분석 모듈(1220), 서비스 모듈(1230) 및 유저 인터페이스(1240)를 포함할 수 있다. 또한, 패킷분석 데이터베이스(1222) 및 서비스 데이터베이스(1232)를 더 포함할 수 있다.
도 12를 참조하면, 포트(1210)는 적어도 하나 이상 구비될 수 있고, 이는 스위치 장치들(1224-1, 1224-2, ...)과 연결된다. 하나의 포트는 하나의 스위치 장치와 연결될 수 있다. 연결된 포트들은 스위치 장치들(1224-1, 1224-2, ...)로부터 미러링된 패킷 정보를 수신하여 패킷 분석 모듈(1220)로 상기 미러링된 패킷을 전송한다.
패킷 분석 모듈(1220)은 미러링된 패킷을 수집하고, 실질적으로 패킷을 분석한다. 이는 분석 엔진(engine)이라 불릴 수 있다. 패킷 분석 모듈(1220)은 미러링된 패킷에서 1차적으로 패킷의 헤더를 분석한다. 이를 통해, HTTP 패킷인지, DB와 연관된 패킷인지, TCP와 연관된 패킷인지 구분한다. 즉, 어떤 프로토콜과 연관된 패킷인지 구분한다. 이를 통해 "GET/웹 주소/HTTP/1.1"과 같은 요청 정보를 어떤 서버로 전송했는지 확인할 수 있다. 패킷 분석 모듈(1220)은 이러한 패킷 헤더 정보를 파싱하여 구문해석한다. "GET"은 요청 메시지가 되고, "웹 주소"는 요청과 연관된 웹 주소를 나타낸다. 그리고, "HTTP/1.1"은 HTTP 1.1 버전인 것을 의미하며, 이외에 패킷과 연관된 언어 정보(예컨대, ko-kr)도 확인하여 저장할 수 있다. 요청 매소드는 GET 외에도, POST, HEAD, PUT, DELETE 등이 상황에 따라 전송될 수 있고, 패킷 분석 모듈(1220)을 이러한 정보를 시간정보, 관련 IP와 함께 저장한다.
패킷 분석 모듈(1220)은 각각의 패킷의 인덱스를 부여하고, 부여된 인덱스를 기반으로, 어떤 패킷인지, 해당 패킷인 HTTP 기반의 요청 패킷인지, 그에 대한 응답 패킷인지를 확인한다. 이때, 과거 수신했던 패킷들로부터 획득한 정보와의 비교분석도 수행된다. 즉, 제 1 개체로부터 획득된 요청 패킷이 존재하는 경우, 이후 제 2 개체로부터 그에 대한 응답 패킷이 존재할 수 있고, 이때, 시계열적인 적어도 둘 이상의 패킷, 제 1 개체와 제 2 개체로부터 송수신되는 패킷을 기반으로 하나의 세션확립, 트랜잭션의 흐름들을 분석할 수 있다.
또한, 패킷 분석 모듈(1220)은 사용자 단말이 어떤 브라우저를 사용했는지, HOST와 연관된 정보, 이전 URL 주소 정보, 브라우저 지원 언어 정보를 파싱할 수 있다. 이때, 헤더가 어떤 종류의 헤더(general header인지, request header인지, entity header인지)인지 분석할 수 있고, 헤더와 페이로드의 경계선을 나타내는 정보를 파싱할 수 있다.
그리고는, 패킷 분석 모듈(1220)은 2차적으로, 미러링된 패킷의 URL(Uniform Resource Locator)(또는 URI(uniform resource identifier)), 소스 IP(Source_ip), 목적지 IP(Dest_ip) 및 시간정보를 분석한다. 여기서, URL 값을 확인해 보면, "https://www.google.co.kr/?gws_rd=ssl"와 같이, 어떤 주소로 리디렉트(redirect)시켜주는 패킷인지 확인할 수 있다. 또한, 소스 IP는 사용자 단말의 IP 주소를, 목적지 IP는 요청의 최종 목적지 사이트와 연관된 서버의 IP를 나타낼 수 있다. 응답 패킷의 경우 반대의 정보를 나타낼 수 있다. 시간정보는 타임스탬프 형식으로 제공될 수 있다. 이외에 전체 패킷의 길이 정보(length)도 확인할 수 있다.
패킷 분석 모듈(1220)은 각각의 프로토콜, 예컨대, HTTP, IP, UDP, TCP, DNS 등 다양한 프로토콜에 대응한 패킷 분석 알고리즘을 포함하고 있고, 각 프로토콜에 맞게 적응적으로 패킷으로부터 URL, 소스 IP, 목적지 IP 및 시간정보를 추출하여 분석에 이용할 수 있다.
이렇게 2차 분석으로 추출된 패킷 관련 정보를 기반으로 1 트랜잭션당 약 120개 요소의 성능지표 정보를 생성할 수 있다. 바람직하게는, 1초에 6000개의 트랜잭션을 분석한다. 그리고는 상기 추출된 패킷 관련 정보 및 트랜잭션당 생성된 120여 개의 성능지표 정보를 데이터베이스(1222)에 저장한다. 이하, 미러링된 패킷의 패킷 관련 정보를 기반으로 생성되는 성능관련 지표를 보다 상세히 설명한다.
패킷 분석 모듈(1220)은 트랜잭션 단위로, 왕복도달시간 정보(RTT 정보)를 산출한다. 즉, 데이터 신호의 왕복시간 정보를 산출한다. RTT 정보의 산출과 관련된 알고리즘은 이하 도 14a 내지 도 14b를 통해 보다 상세히 설명한다.
그리고, 패킷 분석 모듈(1220)은 세션 정보를 생성한다. 이는 초당 확립되어 있는 소켓의 수, 즉, 끊지 않고 연결되어 있는 소켓의 수를 나타낼 수 있다. 또한, 패킷 분석 모듈(1220)은 사용자 단말이 요청을 보내고, 특정 서버로부터 응답을 받기 전까지 걸린 응답대기시간(Latency) 정보를 산출한다. 이는 데이터베이스를 쿼리하거나 애플리케이션이 수행되거나 기타 작업을 하면서 걸리는 대기시간이라고 볼 수 있다. 반대로, 서버 측에서 사용자 단말 측을 바라보는 관점에서는, 서버에서 요청을 보내고, 특정 사용자 단말로부터 응답을 받기 전짜기의 시간을 응답대기시간으로 산출할 수 있다.
패킷 분석 모듈(1220)은 초당 전송 또는 수신되는 비트(bit)의 크기를 나타내는 BPS 정보, 초당 전송 또는 수신되는 패킷의 개수 정보를 나타내는 PPS(Packet Per Second) 정보, 초당 연결되는 사용자의 수(IP 기준)를 나타내는 UPS 정보를 산출한다. 이는 1초에 몇 명의 사용자가 연결되고 있는지를 특정 목적지 IP에 연결되는 소스 IP의 수를 기반으로 산출할 수 있다. 이외에, 초당 연결되는 새로운 세션의 수를 나타내는 CPS 정보(1초에 몇 개의 세션이 새롭게 연결되는지를 나타냄), 초당 발생하는 트랜잭션의 개수를 나타내는 TPS 정보(1초에 몇 개의 트랜잭션이 발생하는지를 나타냄)를 산출한다. 그리고, 패킷 분석 모듈(1220)은 초당 요청하는 URL의 수를 나타내는 HPS(Hit Per Second) 정보를 산출한다. 이때, 패킷 분석 모듈(1220)은 서버 HPS의 경우, 해당 서버에서 초당 몇 개의 URL이 요청되는지를 기반으로 HPS를 산출하고, 클라이언트 HPS의 경우, 해당 클라이언트에서 초당 몇 개의 URL이 요청하고 있는지를 기반으로 HPS를 산출한다. 그리고, 패킷 분석 모듈(1220)은 초당 연결되는 서버의 개수 정보인 SPS(Server Per Second) 정보를 산출한다. 이는 클라이언트가 1초에 몇 개의 서버에 연결되어 있는지를 나타낸다.
이외에, 패킷 분석 모듈(1220)은 응답 대기 세션 수를 나타내는 wait 정보를 산출한다. 이는 클라이언트가 요청을 보내고 응답을 받지 못한 상태의 세션 수로써, 서버의 실시간 세션이 100개인데 이중 Wait가 10이면 100개 중 10개의 Session은 아직 응답을 받지 못한 상태라는 것을 나타낸다.
더욱이, 패킷 분석 모듈(1220)은 client_ip, server_ip, client_port, server_port 정보를 생성한다. 이는 각각 클라이언트의 IP 정보, 서버의 IP 정보, 클라이언트의 포트 정보 및 서버의 포트 정보를 나타낸다. 이때, client_ip 및 server_ip 정보는 스트링(string)을 단위로 사용하고(예컨대, 222.103.141.187), client_port 및 server_port 정보는 넘버(number)를 단위로 사용한다(예컨대, 1254 또는 80).
패킷 분석 모듈(1220)은 transaction_number 정보를 산출할 수 있다. transaction_number 정보는 세션이 맺어진 후 생성된 트랜잭션 번호이다. 세션이 맺어진 후 첫 번째 트랜잭션일 경우 1을 나타낸다. 보통, 세션을 한 번 맺은 후 여러 개의 트랜잭션이 발생하는데, 이때마다 1씩 숫자를 늘려가면서 인덱싱한다. 브라우저로 한 페이지를 볼 경우, 페이지 안의 각 컴포넌트들(js, css, image 등)을 요청할 때 한 세션으로 여러 트랜잭션을 처리하는 경우에 트랜잭션당 1씩 증가하면서 인덱싱하여 이를 구분할 수 있다. 예컨대, 8의 transaction_number 정보를 갖는 경우, 세션이 맺어진 후 8번째 Transaction 이었음을 나타낸다.
패킷 분석 모듈(1220)은 트랜잭션의 시작과 종료와 관련하여, start_time 정보, start_usec 정보, end_time 정보, end_usec 정보, fin_time 정보 및 fin_usec 정보를 생성한다. 이는, 미러링된 패킷의 소스 ip, 목적지 ip 및 타임 정보를 기반으로 동일한 소스(클라이언트)와 목적지(예컨대, 서버)에서 일정한 시간 구간 내에서 요청 패킷을 주고 그와 관련된 데이터를 모두 수신하였는지에 대한 세부내역을 분석함으로써 획득될 수 있다.
start_time 정보는 트랜잭션 시작 시간(년월일 시분초: 예컨대, 2012-07-18 22:33:06)을, start_usec 정보는 Transaction 시작 시간(백만분의 1초)을 나타낸다. start_usec 정보는 상기 start_time과 합쳐서 완성된 시간이 될 수 있다(예컨대, 2012-07-18 22:33:06.288370).
end_time 정보는 트랜잭션 종료 시간을 나타낸다. 즉, 데이터의 종료(트랜잭션의 마지막 Response Data를 받은 시간)을 나타낸다. 예컨대, 2012-07-18 22:33:12로 표현될 수 있다.
end_usec 정보는 트랜잭션 종료 시간을 백만 분의 1초 단위로 나타낸 것이다.
fin_time 정보는 트랜잭션이 종료된 후, 다음 트랜잭션이 오거나, 트랜잭션이 완료(Fin을 받음)되거나 타임아웃(Timeout)으로 끝나거나 하여 완전히 종료된 시간을 나타낸다. 예컨대, 2012-07-18 22:35:23로 표현될 수 있다.
fin_usec 정보: 트랜잭션 완전종료 시간을 백만 분의 1초 단위로 나타낸 것이다.
패킷 분석 모듈(1220)은 트랜잭션 상태를 "state"라는 정보 이름으로 저장한다. 이는 7개의 넘버로써 표현될 수 있으며, 다음과 같다.
트랜잭션 상태 코드(Code)
1 - session_finish : 초기상태
2 - 3whs_syn_sent : 3 handshake 중 클라이언트가 syn을 보낸상태
3 - 3whs_syn_received : 3 handshake 중 클라이언트가 syn/ack를 받은상태
4 - 3whs_ack_received : 3 handshake 중 서버가 ack를 받은상태
5 - session_connected : 세션이 맺어진 상태
6 - session_request : 클라이언트가 Request(요청)을 한 상태
7 - session_response : 서버가 Response(응답)을 한 상태
다음으로, 트랜잭션 결과를 "result"라는 정보 이름으로 저장한다. 이는 11개의 넘버로써 표현될 수 있으며, 다음과 같다.
트랜잭션 결과 코드
1 - trans_finish : 한 트랜잭션이 끝난 상태
2 - client_finish : 세션을 클라이언트가 종료한 상태 (Finish-FIN을 보냄)
3 - server_finish : 세션을 서버가 종료한 상태 (Finish-FIN을 보냄 )
4 - client_reset : 세션을 클라이언트가 종료한 상태 (Reset-RST를 보냄 )
5 - server_reset : 세션을 서버가 종료한 상태 (Reset-RST를 보냄 )
6 - client_timeout : 클라이언트가 요청을 보내는 중 Timeout에 걸려 종료된 상태
7 - server_timeout : 서버가 응답을 보내는 중 Timeout에 결려 종료된 상태
9 - session_error : HTTP 세션 오류
10 - req_parser_error : HTTP Request Header 오류
11 - rsp_parser_error : HTTP Response Header 오류
다음으로, 패킷 분석 모듈(1220)은 트랜잭션의 응답 지연과 관련된 시간 정보를 산출한다. 이는 tran_latency, tran_rsp_time, used_time, 및 fin_used_time 정보를 포함한다.
tran_latency 정보는 트랜잭션 응답대기시간을 나타낸다. 이는 클라이언트가 요청을 보낸 후 서버로부터 첫 데이터를 받기까지의 대기 시간을 나타낸다. 이는 백만 분의 1초를 단위로 한다. 예컨대, 76328 값을 가질 수 있다. tran_rsp_time는 트랜잭션 응답 시간으로써, 응답 데이터의 전송 시간을 나타낸다. 즉, 서버가 응답 데이터를 전송한 시간을 나타낸다. 이 역시, 백만 분의 1초를 단위로 사용한다. used_time 정보는 트랜잭션 전체 사용 시간으로, "End Time - Start Time"으로 산출될 수 있다. 이는 클라이언트와 서버간 세션이 맺어지고 클라이언트의 요청과 서버의 응답까지 모두 끝날 때까지 걸린 시간을 나타낸다. fin_used_time 정보는 트랜잭션 완전종료까지의 사용 시간으로, "Fin Time - Start Time"으로 산출된다.
패킷 분석 모듈(1220)은 session_req_pkts, session_req_bytes, session_rsp_pkts, session_rsp_bytes, session_bps, sess_max_bps, session_pps, sess_max_pps 정보를 산출한다.
session_req_pkts 정보는 트랜잭션 요청 데이터 패킷의 수를 나타내며, 이는 특정 클라이언트가 요청 데이터로써 보낸 패킷의 수를 기반으로 산출된다. 이는 넘버를 단위로 한다. session_req_bytes 정보는, 트랜잭션의 요청 데이터의 바이트를 나타내며, 특정 클라이언트가 요청 데이터로써 보낸 바이트의 양을 기반으로 산출된다. 단위는 byte이다. session_rsp_pkts 정보는, 트랜잭션 응답 패킷의 수를 나타내며, 특정 서버가 클라이언트로 보낸 응답 데이터의 패킷 수를 기반으로 산출된다. 넘버를 단위로 한다. session_rsp_bytes 정보는 트랜잭션의 응답 데이터의 바이트를 나타내며, 특정 서버가 응답 데이터로써 보낸 바이트의 양을 기반으로 산출된다. 단위는 byte이다. session_bps 정보는 세션의 실시간 BPS를 나타내며, 현재 맺어진 세션의 BPS를 기반으로 산출된다. 단위는 넘버이다. session_pps 정보는 세션의 실시간 PPS를 나타내며, 현재 맺어진 세션의 PPS를 기반으로 산출된다. 단위는 넘버이다. sess_max_pps 정보는 세션의 최대 PPS를 나타내며, 해당 세션이 사용될 기간동안의 최대 PPS를 기반으로 산출된다. 단위는 넘버이다.
다음으로, 패킷 분석 모듈(1220)은 domain, url, method, 및 response_code_number 정보를 생성한다.
domain 정보는 클라이언트가 요청한 Url 중 도메인과 연관된 정보를 나타낸다. 이는 스트링을 단위로 한다. 예컨대, "www.lgmobile.co.kr"과 같은 정보를 나타낸다.
url 정보는 클라이언트가 요청한 Url로써, "/jsp/front/search/include/akc.jsp"와 같은 정보를 나타낸다. 단위는 스트링이다.
method 정보는 요청 메소드(POST, GET, HEAD, PUT ...)의 종류로써, 클라이언트가 요청한 요청 메소드의 타입을 나타낸다. 단위는 스트링이다.
response_code_number 정보는 응답 결과로써, HTTP 상태 코드로 나타낸다. 예컨대, 서버가 응답한 Response Status Code로 "200, 304, 404, 500 …" 중 하나의 값으로 표현될 수 있다. 단위는 스트링이다.
패킷 분석 모듈(1220)은 특정 url과 관련하여, users, max_users, sessions, max_sessions, wait, max_wait, ups, max_ups, cps, max_cps, tps, max_tps, latency, max_latency, idle 정보를 산출한다.
users 정보는 해당 Url의 실시간 사용자(Client IP기준)의 수를 나타내며, 예컨대, "/jsp/front/search/include/akc.jsp의 실시간 사용자 수"를 나타낼 수 있다. 단위는 넘버이다.
max_users 정보는, Url이 사용되고 있을 시간 동안의 해당 Url의 최대 사용자수로서, 예컨대, "/jsp/front/search/include/akc.jsp의 최대 사용자 수"를 나타낸다. 단위는 넘버이다.
sessions 정보는 해당 Url의 실시간 세션 수를 나타내며, 예컨대, "/jsp/front/search/include/akc.jsp의 실시간 Session 수"를 나타낼 수 있다. 단위는 넘버이다.
max_sessions 정보는, Url이 사용되고 있을 시간 동안의 해당 Url의 최대 세션 수를 나타내며, 예컨대, "/jsp/front/search/include/akc.jsp의 최대 Session 수"를 나타낼 수 있다. 단위는 넘버이다.
wait 정보는 해당 Url의 실시간 Wait 수로써, 예컨대, "jsp/front/search/include/akc.jsp의 실시간 응답대기 세션 수"를 나타낼 수 있다. 단위는 넘버이다.
max_wait 정보는 Url이 사용되고 있을 시간 동안의 해당 Url의 최대 응답대기 세션 수로써, 예컨대, "/jsp/front/search/include/akc.jsp의 최대 응답대기 세션 수"를 나타낼 수 있다. 단위는 넘버이다.
ups 정보는 해당 Url의 실시간 UPS를 나타내며, 예컨대, "/jsp/front/search/include/akc.jsp의 실시간 UPS"를 나타낼 수 있다. 이는 "/jsp/front/search/include/akc.jsp에 초당 연결되는 사용자 수"를 의미한다. 단위는 넘버이다.
max_ups 정보는 해당 Url의 Max UPS를 나타내며, 예컨대, "/jsp/front/search/include/akc.jsp의 최대 UPS"를 나타낼 수 있다. 단위는 넘버이다.
cps 정보는 해당 Url의 실시간 CPS를 나타내며, 예컨대, "/jsp/front/search/include/akc.jsp의 실시간 CPS"를 나타낼 수 있다. 이는 "/jsp/front/search/include/akc.jsp에 초당 연결되는 세션 수"를 의미한다. 단위는 넘버이다.
max_cps 해당 Url의 Max CPS를 나타내며, 예컨대, "/jsp/front/search/include/akc.jsp의 최대 CPS"를 나타낼 수 있다. 단위는 넘버이다.
tps 정보는 해당 Url의 실시간 TPS를 나타내며, 예컨대, "/jsp/front/search/include/akc.jsp의 실시간 TPS"를 나타낼 수 있다. 이는 "/jsp/front/search/include/akc.jsp의 초당 발생하는 트랜잭션 수"를 의미한다. 단위는 넘버이다.
max_tps 정보는 해당 Url의 Max TPS를 나타내며, 예컨대, "/jsp/front/search/include/akc.jsp의 최대 TPS"를 나타낼 수 있다. 단위는 넘버이다.
latency 정보는 해당 Url의 Latency로써, 예컨대, "jsp/front/search/include/akc.jsp의 실시간 Latency(응답대기시간)"를 나타낼 수 있다. 단위는 넘버이다.
max_latency 정보는 해당 Url의 Max Latency를 나타내며, 예컨대, "/jsp/front/search/include/akc.jsp의 최대 Latency(응답대기시간)"을 나타낼 수 있다. 단위는 넘버이다.
idle 정보는 해당 Url의 Idle을 나타내며, 예컨대, "/jsp/front/search/include/akc.jsp의 요청이 없었던 시간"을 나타낼 수 있다. 해당 Url이 많이 쓰이는 Url일 경우 Idle은 짧아지고 반대로 많이 쓰이지 않는 Url일 경우 Idle이 길어진다. 단위는 넘버이다.
패킷 분석 모듈(1220)은 클라이언트의 요청 패킷 및 서버로부터의 응답 패킷의 헤더를 분석하여 content_len, mime, referrers, agent, cookie 정보를 생성할 수 있다.
content_len, 정보는 응답 헤더의 콘텐츠 길이를 나타내며, 서버가 보낸 응답 HTTP 헤더 중 포함된 콘텐츠의 길이를 나타낸다. 예컨대, "/jsp/front/search/include/akc.jsp의 byte"를 의미할 수 있다. 단위는 스트링이다.
mime 정보는 응답 헤더 콘텐츠 타입을 나타낸다. 예컨대, text/html 등 중 하나일 수 있다. 이는 서버가 보낸 응답 HTTP 헤더 중 포함된 콘텐츠 타입 정보이다. 단위는 스트링이다.
referrers 정보는 요청 헤더의 리퍼러(Referrer)를 나타내며, 클라이언트가 보낸 요청 HTTP 헤더 중 포함된 리퍼러(Referrer)를 나타낸다. 예컨대, "/jsp/front/search/include/akc.jsp의 리퍼러는 http://www.lgmobile.co.kr/jsp/front/search/include/miniAkc.html임"과 같은 의미로 고려될 수 있다. 단위는 스트링이다.
agent 정보는 요청 헤더의 에이전트(Agent)를 나타내며, 이는 클라이언트가 보낸 요청 HTTP 헤더 중 포함된 에이전트를 나타낸다. 이 정보는 브라우저가 포함시켜서 보내는 경우가 많고, OS 버전, 브라우저 종류, 버전 등의 정보를 포함할 수 있다.
cookie 정보는 요청 헤더의 쿠키(cookie)를 나타내며, 클라이언트가 보낸 요청 HTTP 헤더 중 포함된 쿠키와 연관된 정보를 담고 있다.
패킷 분석 모듈(1220)은 특정 서버의 네트워크 서비스와 관련된 정보로써, server_countrys, server_max_countrys, server_error, server_user, server_max_user, server_sessions, server_max_sessions, server_bps, server_max_bps, server_pps, server_max_pps, server_rtt, server_max_rtt, server_ups, server_max_ups, server_cps, server_max_cps, server_tps, server_max_tps, server_hps, server_max_hps, server_wait, server_max_wait, server_idle 정보를 생성할 수 있다.
server_countrys 정보는 해당 서버의 실시간 나라 수를 나타낸다. 예컨대, "203.247.157.199 서버에 연결된 사용자들의 실시간 나라 수"를 의미할 수 있다. 이를 기반으로 203.247.157.199 서버에는 현재 두 개의 나라가 연결되어 있다는 사실을 분석해낼 수 있다.
server_max_countrys 정보는 해당 서버의 Max Country 수를 나타낸다. 즉, 등록된 서버의 경우 Max 기준은 하루를 나타낼 수 있다. 이는 사용자 설정사항으로 변경 가능하다. 예컨대, "203.247.157.199 서버에 연결된 최대 나라 수"를 의미할 수 있다. 이를 통해, 203.247.157.199 서버에는 최대 10개의 나라에서 동시에 연결되었던 적이 있다는 사실을 분석해 낼 수 있다.
server_error 정보는 해당 서버의 실시간 에러(400, 500대 Response Code)의 수를 나타낸다. 예컨대, 203.247.157.199 서버가 응답한 Response Status Code 중 400~599까지의 사용자 에러 및/또는 서버 에러의 수를 나타낼 수 있다.
server_user 정보는 해당 서버의 실시간 사용자 수(Client IP 기준)를 나타낸다. 예컨대, "203.247.157.199 서버의 실시간 사용자 수"를 의미할 수 있다.
server_max_user 정보는 해당 서버의 최대 사용자 수를 나타낸다. 여기서, 등록된 서버의 경우 Max의 기준은 하루일 수 있다. 이는 사용자 설정사항으로 변경 가능하다. 예컨대, 이는 "203.247.157.199 서버의 최대 사용자 수"를 나타낼 수 있다.
server_sessions 해당 서버의 실시간 세션 수를 나타낸다. server_max_sessions 정보는 해당 서버의 Max 세션 수를 나타낸다. server_bps 정보는 해당 서버의 실시간 BPS를 나타낸다. server_max_bps 정보는 해당 서버의 Max BPS를 나타낸다. server_pps 정보는 해당 서버의 실시간 PPS를 나타낸다. server_max_pps 정보는 해당 서버의 Max PPS를 나타낸다.
server_rtt 정보는 해당 서버의 실시간 RTT를 나타낸다. server_max_rtt 정보는 해당 서버의 Max RTT를 나타내며, 예컨대, 이는 "203.247.157.199 서버의 최대 평균 RTT"로 해결될 수 있다. server_rtt 정보 및 server_max_rtt 정보의 단위는 micro sec이다.
server_ups 정보는 해당 서버의 실시간 UPS를 나타낸다. 이는 "203.247.157.199 서버의 실시간 UPS"를 나타낼 수 있고, 이는 203.247.157.199 서버에는 초당 1명 정도의 사용자가 연결되고 있음을 의미한다.
server_max_ups 정보는 해당 서버의 Max UPS를 나타낸다.
server_cps 정보는 해당 서버의 실시간 CPS를 나타내고, 예컨대, "203.247.157.199 서버의 실시간 CPS"를 나타낼 수 있다. 이는 203.247.157.199 서버에는 초당 15개 정도의 세션이 연결되고 있음을 의미한다.
server_max_cps 정보는 해당 서버의 Max CPS를 나타낸다.
server_tps 정보는 해당 서버의 실시간 TPS를 나타내며, 예컨대, "203.247.157.199 서버의 실시간 TPS"를 나타낼 수 있다. 이는 203.247.157.199 서버에는 초당 79개 정도의 트랜잭션이 발생되고 있음을 나타낸다.
server_max_tps 정보는 해당 서버의 Max TPS를 나타낸다.
server_hps 정보는 해당 서버의 실시간 HPS를 나타낸다. 예컨대, "203.247.157.199 서버의 실시간 HPS"를 나타낼 수 있다. 이는 203.247.157.199 서버r에는 초당 79개 정도의 Url이 요청되고 있음을 의미한다.
server_max_hps 정보는 해당 서버의 Max HPS를 나타낸다.
server_wait 정보는 해당 서버의 Wait 수를 나타낸다. 예컨대, "203.247.157.199 서버의 실시간 Wait 수"를 나타낼 수 있다. 이는 203.247.157.199 서버에는 현재 206개의 세션 중 46개의 세션이 응답대기 중임을 타나낼 수 있다.
server_max_wait 정보는 해당 서버의 Max Wait 수를 나타낸다.
server_idle 정보는 해당 서버의 Idle Time을 나타낸다. 예컨대, "203.247.157.199 서버에 요청이 없었던 시간"을 나타낼 수 있다. 해당 서버가 접속자가 많은 경우 Idle은 짧아지고 접속자가 작을 경우 Idle이 길어진다. 단위는 micro sec이다.
본 발명의 실시예에 따르면, server_countrys, server_max_countrys, server_error, server_user, server_max_user, server_sessions, server_max_sessions, server_bps, server_max_bps, server_pps, server_max_pps, server_ups, server_max_ups, server_cps, server_max_cps, server_tps, server_max_tps, server_hps, server_max_hps, server_wait, 및 server_max_wait 정보의 단위는 넘버이다.
패킷 분석 모듈(1220)은 특정 클라이언트의 네트워크 서비스와 관련된 정보로써, client_country_code, client_error, client_servers, client_max_servers, client_sessions, client_max_sessions, client_bps, client_max_bps, client_pps, client_max_pps, client_rtt, client_max_rtt, client_sps, client_max_sps, client_cps, client_max_cps, client_tps, client_max_tps, client_hps, client_max_hps, client_wait, client_max_wait 및 client_idle 정보를 생성할 수 있다.
client_country_code 정보는 클라이언트의 나라 코드(KR ..)를 나타낸다. 예컨대, "222.103.141.187 클라이언트의 나라는 KR"을 나타낼 수 있다.
client_error 정보는 클라이언트의 실시간 에러 수를 나타낸다. 예컨대 "222.103.141.187 클라이언트가 요청한 트랜잭션 중 Response Status Code의 400~599까지의 에러 수"를 나타낼 수 있다.
client_servers 정보는 클라이언트의 실시간 서버 접속 수를 나타내고, 이는 현재 패킷 분석 모듈(1220)이 모니터링 중인 서버를 기반으로 산출된다. 예컨대, "222.103.141.187 Client가 현재 접속 중인 서버의 수"를 나타낼 수 있다. client_max_servers 정보는 클라이언트의 최대 동시 서버의 수를 나타낸다. client_sessions 정보는 클라이언트의 실시간 세션 수를 나타낸다. client_max_sessions 정보는 클라이언트의 최대 세션 수를 나타낸다.
client_bps 정보는 클라이언트의 실시간 BPS를 나타내고, client_max_bps는 클라이언트의 최대 BPS를 나타내며, client_pps 정보는 클라이언트의 실시간 PPS를 나타내고, client_max_pps 정보는 클라이언트의 최대 PPS를 나타낸다.
client_rtt 정보는 클라이언트의 실시간 RTT를 나타내며, client_max_rtt 정보는 클라이언트의 최대 RTT를 나타낸다. client_rtt 정보 및 client_max_rtt 정보의 단위는 micro sec이다.
client_sps 정보는 클라이언트의 실시간 SPS를 나타내며, 현재 초당 몇 개의 서버에 연결되고 있는지를 나타낸다. client_max_sps 정보는 클라이언트의 최대 SPS를 나타낸다. client_cps 정보는 클라이언트의 실시간 CPS를 나타내고, 이는 초당 몇 개 정도의 세션이 연결되고 있는지를 나타낸다. client_max_cps 정보는 클라이언트의 최대 CPS를 나타낸다. client_tps 정보는 클라이언트의 실시간 TPS를 나타내고, 이는 현재 초당 몇개 정도의 트랜잭션이 발생하고 있는지를 나타낸다. client_max_tps 정보는 클라이언트의 최대 TPS를 나타낸다. client_hps 정보는 클라이언트의 실시간 HPS를 나타내고, client_max_hps 정보는 클라이언트의 최대 HPS를 나타낸다.
client_wait 정보는 클라이언트의 실시간 Wait 수를 나타내며, 현재 특정 클라이언트에서 응답 대기 중인 세션의 수를 나타낸다. client_max_wait 정보는 클라이언트의 최대 Wait 수를 나타내고, client_idle 정보는 클라이언트의 실시간 Idle Time을 나타내며, 이는 특정 클라이언트에서 요청이 없었던 시간을 나타낸다. client_idle 정보의 단위는 micro sec이다.
본 발명의 실시예에 따르면, client_country_code, client_error, client_servers, client_max_servers, client_sessions, client_max_sessions, client_bps, client_max_bps, client_pps, client_max_pps, client_sps, client_max_sps, client_cps, client_max_cps, client_tps, client_max_tps, client_hps, client_max_hps, client_wait, 및 client_max_wait 정보의 단위는 넘버이다.
추가적으로 패킷 분석 모듈(1220)은 org, city_id, isp_id, os_id, browser_id, mobile_id, telcom_id 정보를 생성할 수 있다.
org 정보는 IP 기반 클라이언트의 조직을 나타낸다. 예컨대, "222.103.141.187 Client의 조직"은 Korea Telecom임을 나타낼 수 있다.
city_id 정보는 IP 기반 클라이언트의 City Code를 나타낼 수 있다. 예컨대, "222.103.141.187 Client의 City"는 Seoul임을 나타낼 수 있다.
isp_id 정보는 IP 기반 클라이언트의 ISP Code를 나타낸다. 예컨대, "222.103.141.187 Client의 ISP"는 Korea Telecom임을 나타낼 수 있다.
os_id 정보는 클라이언트의 Client의 OS Code를 나타낸다. 이를 통해, 해당 클라이언트가 OS로 Win XP를 사용하는지, iOS를 사용하는지, 안드로이드를 사용하는지에 대한 정보를 확인할 수 있다.
browser_id는 클라이언트의 Browser Code를 나타낸다. 이를 통해, 해당 클라이언트가 웹 브라우저로, explorer를 사용하는지, chrome을 사용하는지, MSIE9를 사용하는지에 대한 정보를 확인할 수 있다.
mobile_id 정보는 클라이언트의 Mobile Code를 나타낸다. 이는 클라이언트의 기기 식별 정보로써, 삼성, 팬택, 애플 기기인지에 대한 정보를 나타낸다.
telcom_id 정보는 클라이언트의 TelCom Code를 나타낸다. 이는 클라이언트의 통신사가 SKT인지 KT인지, LGT인지에 대한 정보를 나타낸다.
상기한 120여 가지의 패킷과 연관된 네트워크 서비스 성능 관련 지표는 실시간으로 생성되어 데이터베이스(1222)에 저장된다.
서비스 모듈(1230)은 데이터베이스(1222)에 저장된 성능 관련 지표를 기반으로 통계를 낸다. 통계는 특정 서버단위로, 특정 사용자 단위로, URL 단위로, 세션 단위로, 특정 지역에 위치한 서버 그룹, 특정 지역에 위치한 클라이언트 그룹 단위로 및/또는 웹페이지 단위로, 이루어질 수 있다. 서비스 모듈(1230)은 미리 설정된 다양한 형태의 시각화 툴을 이용하여 사용자가 직관적으로 현재 네트워크에 따른 서비스의 성능을 파악할 수 있도록 상기 성능 관련 지표를 적절히 시각화한다. 시각화는 통계를 기반으로 수행된다. 즉, 특정 매개와 연관된 지표를 취합하여 의미있는 형태의 그래프 또는 테이블을 생성할 수 있다. 예컨대, 특정 클라이언트 또는 서버와 연관하여 특정 시간대에 생성된 세션들의 리스트를 생성한다거나, 그때 발생된 데이터베이스 쿼리에 대한 테이블을 생성하는 등의 작업을 수행한다. 즉, 네트워크 서비스와 연관된 상기 성능 관련 지표들은 해당 패킷의 시간 정보(타임스탬프 정보)와 함께 저장되므로, 특정 시간대의 패킷 흐름을 클라이언트 단말 및 서버단과의 관계 속에서 이해할 수 있도록 플로우 맵(flow map)을 생성할 수도 있다. 다양한 통계 및 그에 따른 시각화 방법은 이하의 도면들을 통해 보다 상세히 설명한다.
서비스 모듈(1230)은 사용자로부터의 입력에 대응하여 특정 그래프 또는 특정 테이블/리스트를 생성하기 위해서는, 원하는 시간 또는 원하는 환경(예컨대, 특정 웹 브라우저 타입 또는 특정 사용자 단말 종류(모바일인지, PC인지))과 같은 기준(criteria) 변수를 기반으로 검색 및 조회를 할 수 있다. 서비스 모듈(1230)은 선택된 기준변수를 기반으로 원하는 데이터를 분류하여 적절한 형태의 시각화 정보를 생성할 수 있다.
본 발명의 실시예에 따르면, 서비스 모듈(1230)은 네트워크 서비스에 있어서, 문제가 되는 부분을 찾아서 표시하는 알람 기능을 수행할 수 있다. 예컨대, wait의 수가 임계값 이상인 경우, 해당 구간의 응답속도에 문제가 있다고 판단하여, 해당구간에 문제가 있음을 시각적으로 표시할 수 있다. 문제발생에 따른 경고 수단은 반드시 시각적으로 다르게 표현하는 것 이외에도, 관련된 사용자 단말로 문자 메시지를 전송하거나 경고 신호를 전송하는 형태로 구현될 수 있다. 이는 도 19를 통해, 보다 상세히 설명한다.
서비스 모듈(1230)에서 생성된 각종 통계 데이터, 시각화 정보 데이터, 시각화 툴과 관련된 정보 및 사용자에 의해 설정된는 각종 임계값 정보는 서비스 데이터베이스(1232)에 저장되고, 유저 인터페이스(1240)를 통해 사용자가 임의의 가공된 정보를 요청할 때, 그에 대응되는 정보를 반환할 수 있다.
유저 인터페이스(1240)는 운영자로부터 각종 입력을 받고, 서비스 모듈(1230)에서 생성한 그래프 또는 테이블과 같은 시각화된 정보를 출력하는 장치를 포함한다. 이는 마우스, 키보드, 터치 패드와 같은 입력수단과 모니터, 터치 스크린과 같은 출력수단을 포함할 수 있다. 사용자는 서버에 대한 정보(예컨대, 서버 이름, 서버 IP, 연관된 URL, 포트, 소트 넘버(sort number), 서버의 위치 정보, 처리가능한 IP 영역 등)와 연관된 데이터베이스, 각종 서버단의 연결 관계(링크)와 연관된 플로우(flow) 데이터베이스 및 사용자에게 출력하기 위한 시각화 툴 및/또는 시각화와 연관된 메타데이터를 포함하는 UX/UI 데이터베이스 정보를 입력할 수 있다. 또한, 문제발생 판단을 위한 룰셋 및 룰셋과 연관된 각종 설정값을 입력할 수 있다.
도 13은 본 발명의 일 실시예에 따른 패킷 미러링 장치의 네트워크 성능 진단 방법을 개략적으로 나타낸 흐름도이다.
도 13을 참조하면, 패킷 미러링 장치는 스위칭 장치로부터 미러링된 패킷을 획득한다(S1310).
그리고는, 미러링된 패킷에서, 소스 IP, 목적지 IP 및 시간정보를 추출한 후, 각종 성능 관련 지표를 산출한다(S1320). 성능관련 지표 중 일부는 트랜잭션 단위로 산출될 수 있고, 특정 성능 관련 지표는 초 단위로 산출될 수도 있다.
그리고는, 패킷 미러링 장치 산출된 성능 관련 지표를 로컬 스토리지 및/또는 외부 데이터베이스에 저장할 수 있다(S1330). 그리고, 산출된 성능 관련 지표를 기반으로 클라이언트 단말의 사용자 및/또는 네트워크 관리자가 원하는 통계정보를 시각화하기 위해, 각 지표들에 대한 통계를 내고, 원하는 정보에 대한 검색 및 조회결과를 반환할 수 있다. 또한, 서비스와 연관하여 특정 값 이상인 경우, 네트워크 상의 문제라고 판단하고, 이를 구간별로 또는 웹 사이트별로 표시할 수 있다.
도 14a 및 도 14b는 본 발명의 일 실시예에 따른 패킷 미러링 장치에서 산출되는 사용자와 서버 간의 네트워크 RTT(Round Trip Time) 지표를 나타낸 개념도이다.
도 14a를 참조하면, 패킷 미러링 장치는 사용자 단말과 제 1 개체(예컨대, 서버) 간의 네트워크 상의 패킷의 왕복도달 시간(RTT) 정보를 산출한다. 이때, 패킷 미러링 장치는 클라이언트와 서버 사이에 있다고 가정한다. 기본적인 동기화 시나리오를 가정하여, 최초 클라이언트가 동기신호(SYN)를 전송하고, 서버는 이를 수신하며, 서버는 수신된 동기신호에 응답하여 동기신호와 응답신호(ACK)를 함께 전송하고, 클라이언트는 서버로부터의 신호에 응답하여 응답신호(ACK)를 전송할 수 있다. 이러한 3개 신호의 송수신을 3-way Handshake라고 부를 수 있다.
이러한 신호 전송 시나리오에서, 패킷 미러링 장치는 클라이언트와 서버 사이에 있기 때문에, 클라이언트에서 출발하여 실제 서버에 동기신호(SYN)가 도착하는 시간보다 이른 T1 시점에 패킷 미러링 장치에 미러링된 패킷이 도착한다. 그리고, 서버로부터의 동기신호 및 응답신호는 클라이언트 도착시점보다 이른 T2 시점에 패킷 미러링장치에 도착한다. 마지막으로, 클라이언트에서의 응답신호(ACK)는 서버에서의 도착시점보다 이른 T3 시점에 패킷 미러링 장치에 도착한다.
이러한 관계에서, 패킷 미러링 장치는 3개 패킷 송수신 시점과 관련하여, T1 내지 T3 시간 정보를 확보할 수 있고, 서버에서의 도달시간에서 일정 시간 이른시점으로 쉬프트된 RTT 값을 "T3-T1"을 이용하여 산출할 수 있다. 이는 네트워크 RTT라고 부를 수 있다.
도 14b를 참조하면, 네트워크 RTT를 보다 세분화하여, 서버에서의 RTT와 클라이언트에서의 RTT를 구분하여 산출할 수 있다. 서버에서의 RTT(sRTT)는 하나의 패킷에 대해 서버 단에서 지연되는 시간을 나타내고, 이는 "T2-T1"을 이용하여 산출할 수 있다.
또한, 클라이언트에서의 RTT(cRTT)는 클라이언트에서의 RTT로써, "T3-T2"를 이용하여 산출할 수 있다.
본 발명의 일 실시예에 따른 패킷 미러링 장치는 상기한 3개의 RTT, 네트워크 RTT, 서버 RTT 및/또는 클라이언트 RTT를 실시간으로 매 트랜잭션마다 산출하여 저장한다.
도 14a 및 도 14b의 실시예에서는, cRTT 및 sRTT를 클라이언트와 서버 사이에 위치한 패킷 미러링 장치의 클라이언트 측 RTT와 서버 측 RTT로 정의하여 산출하였는데, 이러한 cRTT와 sRTT는 5G 통신에 있어서는, 5G 기지국(예컨대, gNB)와 코어 네트워크 사이에 배치되어, 사용자 단말과 기지국 사이의 에어 네트워크(air network)의 RTT를 cRTT로 산출하고, 기지국과, 코어 네트워크 및 데이터 네트워크를 거쳐 서버로 연결되는 네트워크의 RTT를 sRTT로 산출하는 것도 가능하다. 즉, 패킷 미러링 장치가 접속된 위치를 고려하여 cRTT와 sRTT는 클라이언트 RTT와 서버 RTT 이외에 다른 의미로 해석될 수 있다.
도 15는 본 발명의 일 실시예에 따른 패킷 미러링 장치에서 산출되는 지연지표를 나타낸 개념도이다.
도 15를 참조하면, 패킷 미러링 장치는 다양한 지연지표를 산출할 수 있다. 이때, 패킷 미러링 장치는 클라이언트와 서버 사이에 존재하며, 클라이언트는 복수 개의 요청 패킷을 서버로 전송하고, 서버는 복수 개의 요청에 대응하여 복수 개의 응답 패킷을 클라이언트로 전송하는 실시예를 가정한다.
패킷 미러링 장치는 패킷 미러링 장치에 최초 클라이언트 요청 패킷이 도달한 T1 시간, 마지막 클라이언트 요청 패킷이 도달한 T2 시간, 서버로부터 최초 응답 패킷이 도달한 T3 시간, 및 서버로부터 마지막 응답 패킷이 도달한 T4 시간을 미러링된 패킷의 도착시간을 통해 획득할 수 있다.
이때, 지연지표 중 요청전송시간(request time) 정보는 클라이언트로부터 서버로의 복수 개의 요청을 전송 시작한 시간부터, 해당 요청이 서버에 도달한 시간을 나타낸다. 이와 관련하여, 패킷 미러링 장치는 cRTT를 반으로 나눈 값을 통해, T1 시점을 기준으로 최초 요청 패킷이 클라이언트에서 출발한 시간을 알 수 있다. 또한, sRTT를 반으로 나눈 값을 통해 마지막 요청 패킷이 실제 서버에 도달한 시간을 알 수 있다. 이러한 산술적인 분석을 통해, "request time = cRTT/2 + (T2-T1) + sRTT/2"를 이용하여 산출할 수 있고, 일반적으로 sRTT 값은 매우 작은 값이므로, cRTT/2 + (T2-T1) 값과 근사한 값으로 산출된다.
다음으로, 응답대기시간(latency)은 클라이언트의 요청과 연관된 URL로부터 요청과 연관된 컨텐츠 또는 데이터를 서버가 수신할 때까지의 응답지연시간을 나타낸다. 즉, 서버는 데이터를 수신하자마자 클라이언트로 전송을 수행한다고 보고, 서버가 해당 URL로부터 요청과 관련된 첫 데이터를 수신할 때까지의 시간을 나타낸다. 이는 결국 (T2-T3)에서 sRTT 값을 뺀 값으로 산출된다. 여기서, sRTT 값을 무시해도 될 정도로 작은 값일 수 있으므로, "T2-T3"가 응답대기시간이 될 수 있다.
다음으로, 응답데이터 전송시간(response time)은 서버가 클라이언트로 요청과 관련된 컨텐츠를 전송하는데 소요되는 시간을 나타낸다. 이는 "response time = sRTT/2 + (T4-T3) + cRTT/2"의 수학식을 이용하여 산출된다. sRTT가 매우 작은 값인 것을 고려하면, 이는 (T4-T3) + cRTT/2 값과 거의 일치한다.
클라이언트 측에서 요청을 전송한 후부터 요청과 관련된 전체 응답 데이터를 수신할 때까지의 이용시간(used time)을 산출하면, 이는 결국 요청전송시간과 응답대기시간 및 응답데이터 전송시간의 합이므로, "used time = (T4-T1) + cRTT"를 이용하여 산출된다.
도 16은 본 발명의 일 실시예에 따른 패킷 미러링 장치에서 산출되는 서버 응답대기 세션 수 지표를 나타낸 개념도이다.
도 16을 참조하면, 서버는 복수 개의 클라이언트로부터 적어도 하나의 요청을 처리하기 때문에, 하나의 서버에서도 상기 요청들과 관련하여 복수 개의 세션들을 처리한다. 이때, 서버에서의 처리 시간이 길어지면 클라이언트에서의 대기시간이 길어지게 되고, 이는 클라이언트 장치의 사용자로 하여금 인내심을 요구하게 된다. 따라서, 서버에서의 이러한 응답대기 세션 수 정보는 상당히 중요한 의미를 갖는다.
응답대기 세션수는 요청과 연관된 복수 개의 세션들 중 서버에서의 처리를 거쳐 실제 응답데이터가 클라이언트로 전송된 세션을 뺀 나머지 세션의 수로 산출된다. 예컨대, 3개의 세션에 대해 1개의 세션에 대한 응답만 이루어진 경우, 응답대기 세션 수, wait = 3-1 = 2로써 산출된다. 즉, 패킷 미러링 장치는 클라이언트와 서버 사이에 존재하여 양자 간에 송수신되는 실제 패킷에 대한 미러링 패킷들을 모두 확보 가능하므로 현재 서버 내에서 처리 중인 응답대기 세션의 수를 명확히 파악할 수 있다.
본 발명의 실시예에 따르면, 서버에서 특정 요청에 대한 처리가 완료되었는지 여부는, 소스 ip와 목적지 ip를 기반으로 특정 URL에 대한 요청에 대한 응답 패킷이 클라이언트로 전송되었는지를 기반으로 확인할 수 있다. 응답 패킷의 경우, 요청 패킷에서 나타난 상기 특정 URL과 연관되어 있으면서, 목적지 ip와 소스 ip가 요청 패킷과 반대로 포함되었는지 여부를 확인함으로써 파악 가능하다.
도 17은 본 발명의 일 실시예에 따른 패킷 미러링 장치에서 산출되는 CPS/TPS(Connection Per Second/Transaction Per Second) 지표를 나타낸 개념도이다.
도 17을 참조하면, 하나의 트랜잭션은 클라이언트와 서버 간에 적어도 하나의 요청과 상기 적어도 하나의 요청에 따른 적어도 하나의 응답데이터 패킷을 포함한다. 도 17의 실시예에서는 하나의 GET 요청에 대해 3개의 응답 데이터 패킷이 하나의 트랜잭션을 이루고 있는데, 이는 반드시 1:3의 관계를 가져야 하는 것은 아니고, 요청 패킷이 더 많고, 해당 요청 패킷에 대응 응답 데이터 패킷이 더 적은 관계를 가져도 무방하다.
이러한 트랜잭션도 네트워크 서비스의 속도 및 지연과 연관하여 중요한 의미를 갖는다. 이에, 패킷 미러링 장치는 초당 새롭게 시도되는 트랜잭션의 수를 산출한다. 이는 TPS라고 한다. 또한, 특정 클라이언트와 특정 서버 간의 연결의 수, 이를 커넥션(connection)이라 부를 수 있는데, 초당 새롭게 시도되는 커넥션의 수를 산출한다. 이는 CPS라고 한다.
이외에도, 초당 연결되는 사용자의 수를 나타내는 UPS(User Per Second) 정보 및 특정 클라이언트, 특정 서버 또는 특정 세션을 통해 초당 송수신되는 데이터의 양을 나타내는 BPS 정보도 주기적으로 산출한다. 초당 송수신되는 패킷의 수를 나타내는 PPS 정보, 초당 요청하는 URL의 수를 나타내는 HPS 정보 및 초당 연결되는 서버의 수를 나타내는 SPS 정보도 역시 주기적으로 산출한다.
도 14a 내지 도 17의 실시예에서, 패킷 미러링 장치가 클라이언트와 서버 사이에 존재하여 클라이언트와 서버 사이에서의 네트워크 지연과 연관된 각종 지표들을 산출하는 실시예를 예시로 들었는데, 패킷 미러링 장치는 서버단의 복수 개의 서버들 사이에 존재하여 서버 간의 지연을 산출할 수도 있다. 예컨대, 웹 서버와 WAS 서버 사이에 존재하여 웹 서버와 WAS 서버 간의 지연지표를 산출할 수 있고, WAS 서버와 DB 서버 사이에 존재하여, WAS 서버와 DB 서버 간의 지연 지표를 산출할 수도 있다. 또한, 복수 개의 패킷 미러링 장치가 복수 개의 서버들을 포함하는 서버단 내에 배치되어 각 구간별 지연지표를 산출하고, 산출된 지연지표를 서로 공유함으로써 전체 서버 네트워크 내의 구간별, 서버별 지연지표를 종합하여 표시할 수도 있다.
본 발명의 다른 실시예에 따르면, 하나의 패킷 미러링 장치를 클라이언트와 웹 서버 사이의 스위치, 웹 서버와 WAS 서버 사이의 스위치, 및 WAS 서버와 DB 서버 사이의 스위치에 각각 연결하여, 하나의 패킷 미러링 장치에서 복수 개의 서버 구간에서의 구간별 및/또는 서버별 지연지표를 산출하도록 할 수 있다.
도 18은 본 발명의 일 실시예에 따른 패킷 미러링 장치에서 산출되는 성능 지표를 기반으로 생성되는 플로우 맵(Flow map)을 나타낸 도면이다.
도 18을 참조하면, 플로우 맵은 사용자와 적어도 하나의 서버들 및 사용자와 서버 간의 링크(세션과 연관됨)들로 구성된다. 본 실시예에서는, 사용자가 3개의 웹 서버와 연결되고, 3개의 웹 서버가 3개의 WAS와 연결되며, 3개의 WAS가 하나의 DB와 연결되는 시스템 구성을 나타낸다.
본 발명의 실시예에 따르면, 패킷 미러링 장치의 성능 지표를 시각화하는 부분과 관련하여, 패킷 미러링 장치는 네트워크 성능 지표 시각화 장치로써 구현되고, 이때, 성능 관련 지표는 반드시 미러링된 패킷을 기반으로 생성된 지표를 이용해야만 하는 것은 아니다. 다른 방식으로 패킷을 획득한 후, 획득된 패킷 내의 정보를 기반으로 상술한 방식으로 성능관련지표를 산출한 후, 해당 성능관련지표를 오브젝트화하여 후술할 플로우 맵, 서버리스트, 사용자리스트, URL 리스트, 세션리스트 및 웹 페이지 분석 페이지 등을 생성할 수 있다.
먼저, 도 18의 실시예에 있어서, 패킷 미러링 장치는 산출된 성능관련지표를 기반으로 각 개체를 포함하는 네트워크의 트래픽 흐름을 나타내는 플로우 맵을 생성할 수 있다. 상기 플로우 맵의 상단에는 보고 싶은 시간 구간을 설정하는 부분이 존재한다. 실시간 설정을 하면, 현재 시점의 플로우 맵이 재생된다. 과거 특정 시점의 네트워크 서비스의 성능을 알아보기 위해, 과거 시점의 플로우 맵을 재생할 수도 있다. 예컨대, 과거 2017년 1월 2일 11:11부터 2017년 1월 3일 01:33까지의 구간을 보고 싶으면, 사용자는 시작시간 및 종료시간을 각각 설정하고, 그에 따라 해당 시점을 기준으로 생성된 플로우 맵과 연관된 콘텐츠를 재생한다. 이때, 설정된 시작시간과 종료시간에 따라 타임 바(time bar)가 생성되고, 생성된 타임 바에 대해, 빠른 전진 이동, 빠른 후진 이동, 재생/정지 등의 제어를 통해 원하는 시점의 플로우 맵을 재생시킬 수 있다. 이때, 각 링크, 각 사용자 및 각 서버를 통해 나타내고자 하는 지표를 선택할 수 있다. 예컨대, 응답대기시간(latency), 응답대기 세션 수 정보(wait), BPS, CPS, TPS, UPS 등 중 적어도 하나를 포함할 수 있다. 또한, 각 사용자 및 각 서버에는 IP 주소가 함께 표시되도록 선택할 수 있다.
본 발명의 실시예에 따르면, 플로우 맵에서, 사용자 및 각 서버는 앞서 산출된 성능 관련 지표를 표시한다. 이때, 성능 관련 지표 중 네트워크의 지연 및/또는 속도와 연관된 지표들이 사용될 수 있다. 각 성능 관련 지표들은 오브젝트화 되어 특정 시각화 공간 상에 표시된다. 여기서, 오브젝트는 데이터 오브젝트로, 플로우 맵 상에 나타날 수 있도록 상기 성능 관련 지표를 오브젝트화 한 것이다. 예컨대, 응답대기속도 또는 BPS와 같은 데이터를 포함할 수 있다. 각 성능 관련 지표는 시간 정보를 포함하고 있기 때문에, 오브젝트도 시간 정보를 포함하도록 구현하여 시각화 공간에 매핑될 수 있다. 시각화 공간은 오브젝트를 표시하는 디스플레이 공간을 나타내며, 시각화 공간 내에 복수 개의 오브젝트들이 표현될 수 있다.
패킷 미러링 장치는 플로우 맵을 생성함에 있어서, 성능관련지표가 어느 개체(예컨대, 클라이언트인지, 서버인지, 클라이언트와 서버 간 링크인지)와 관련된 것인지 판단하고, 어떤 성능관련지표인지 식별한 후, 식별된 성능관련지표의 내용(BPS인지, 응답대기세션 수(wait)인지, 응답대기속도(latency)인지)과 상기 성능관련지표의 개체를 기반으로 시각화 공간 상에 미리 정해진 메타데이터에 맞춰 플로우 맵을 생성한다. 특히 하나의 성능관련지표는 하나의 오브젝트에 대응되어 지표마다 어떤 시각적 형태를 가지고 표현되는 것이 원칙이나, 관련성이 높은 성능관련 지표(예컨대, 동일 사용자의 응답대기속도와 응답대기 세션 수와 같은 지표)는 하나의 시각적 형태를 가지고 오브젝트화될 수 있다. 즉, 하나의 클라이언트 아이콘 상에 두 개의 데이터가 일정한 형식을 가지고 함께 표시될 수 있다. 서버단과 링크와 연관된 성능관련지표도 마찬가지이다.
예컨대, 0.63ms의 사용자의 응답대기 속도(latency)와 같은 지연지표는 오브젝트화되어 플로우 맵과 연관된 시각화 공간 상에 표현된다. 링크는 복수 개의 개체 간의 성능관련 지표들 중 적어도 하나를 기반으로 오브젝트화된다. 서버는 서버와 연관된 성능 관련 지표들 중 적어도 하나를 기반으로 오브젝트화되어 상기 시각화 공간 상에 표현된다. 플로우 맵 상에 표시되는 지연지표는 반드시 응답대기 속도만을 포함하는 것은 아니고, 본 발명의 일 실시예에 따라 생성되는 약 120여개의 성능관련 지표 중 다른 적어도 하나의 지표를 표시할 수 있다. 이때, 표시되는 응답대기 속도는 현재 응답 대기 속도를 나타낼 수 있고, 복수 개의 링크에서 복수 개의 응답대기속도가 존재하는 경우, 사용자 설정에 따라 가장 빠른 응답대기속도, 평균 응답대기속도, 및/또는 가장 느린 응답대기 속도를 표시할 수 있다.
또한, 플로우 맵에서, 사용자 및 각 서버와 관련하여, 현재 사용자가 연관되어 있는 전체 세션의 수 정보 및 처리대기 중인 세션의 수 정보를 "1/203"과 같은 형태로 표시할 수 있다.
본 발명의 실시예에 따르면, 사용자는 특정 지역의 사용자 그룹으로 표시될 수 있다. 예컨대, 하나의 회사 내의 사용자들은 하나의 회사와 관련된 그룹사용자로 표시될 수 있고, 이때, 관련된 사용자들의 수를 별도 표기할 수 있다. 또한, 하나의 그룹 내에서 사용자들을 분류하여 그룹 1, 그룹 2 등으로 분류할 수 있다. 이때, 분류기준은 관리자가 직접 설정할 수도 있고, 지역, 조직 및/또는 IP과 관련된 정보를 기반으로 자동분류될 수도 있다. 그리고, 분류된 사용자들에 대한 성능관련지표는 별도로 처리될 수 있다. 별도 처리의 의미는 플로우 맵에서의 오브젝트화시 별도의 오브젝트로 생성됨을 의미할 수 있다. 즉, 회사원 50의 그룹에서 그룹 1은 15명이고, 그룹 2는 35명으로 분류될 수 있고, 이때, 사용자 1은 그룹 1의 15명의 성능관련지표를 나타내고, 그룹 2는 나머지 35명의 성능관련지표를 기반으로 오브젝트화되어 플로우 맵에 표시될 수 있다.
서버의 경우도, 해당 서버에 연결된 전체 세션의 수 대비 처리 완료되지 않고 현재 처리 중인 세션의 수 정보를 "1/122"와 같이 표시할 수 있다. 여기서, 세션과 연관된 정보는 사용자 설정에 따라 트랜잭션과 연관된 정보 및/또는 커넥션(또는 링크)과 연관된 정보 등으로 변경하여 나타낼 수 있다. 즉, 앞서 패킷 미러링 장치에서 산출되는 120여 개의 성능 관련 지표를 상기 플로우 맵에 적절히 도시할 수 있다.
도 18의 실시예에 있어서, 각각의 링크는 패킷 전송과 수신 양단의 세션들과 연관되어 있다. 링크 중간에 네모 박스 형태로 오브젝트화되어 표시되는 정보에는, 응답대기 속도, 응답대기 세션 수 정보, BPS 등과 같은 지연속도 지표들이 포함될 수 있다. 예컨대, 사용자와 도 11의 상단의 홈페이지_WEB 1의 경우, 현재 두 개체 간에는 특정 패킷에 대해 0.03s의 응답대기 속도를 보이고 있으며, 122개의 세션이 존재하는데, 대부분 처리되었고, 현재 1개의 세션만이 응답 대기 상태임을 한 눈에 알 수 있다. 또한, 401.4k의 BPS로 빠른 속도로 서비스가 이루어짐을 확인할 수 있다.
이와 반대로, 도 18의 하단의 포탈행정_WEB 1과 사용자 간에는 1.35s의 응답 대기속도로 매우 느린 속도를 보이고 있으며, 현재 0/65의 전체 세션 대비 응답대기 세션 수의 비율을 나타내고 있고, 28.61k로 비교적 낮은 BPS를 나타내고 있다. 따라서, 낮은 응답대기속도 및 BPS로 인해, 해당 링크는 "구간지연"과 관련된 경고 표시가 되어 있다. 경고 표시는 해당 링크를 나타내는 선의 색깔로 구분하는 방법과 선의 굵기, 또는 선의 형태를 달리하는 방법을 통해 표현할 수 있다. 예컨대, 복수 개의 응답대기속도와 연관된 임계값을 설정하고, 설정된 임계값과 현재 응답대기속도 값을 비교하여, 상태를 구분한다. 상태는 후술할 룰 셋(Rule set)에 의해 결정될 수 있고, 복수 개의 임계값을 통해 복수 개의 구간으로 구분될 수 있다. 예컨대, "정상", "경고", "문제발생" 등의 상태로 구분할 수 있고, 임계값과의 비교결과를 기반으로 상태를 결정할 수 있다. 결정된 상태에 대응하는 시각적 표현이 존재하며, 해당 상태는 상기 대응되는 시각적 표현으로 표시될 수 있다. 예컨대, 가장 안 좋은 상태는 "문제발생"을 나타내는 붉은 색으로, 그 다음 안 좋은 상태에 대해서는 "경고"를 나타내는 노란 색으로 표현하는 방식을 사용할 수도 있다. 즉, 복수 개의 임계값에 대응되는 복수 개의 구간별로 서로 다른 시각적 표현이 이루이지도록 할 수 있다. 시각적 표현은 오브젝트의 색상, 굵기, 형태 중 적어도 하나의 변경을 포함한다. 특히, 링크와 관련된 상태에 있어서, "정상" 상태는 검정 선으로, "지연" 상태는 붉은 선으로, "네트워크 문제" 상태는 검정 점선으로, "네트워크 지연" 상태는 붉은 점선으로 한눈에 직관적으로 운영자가 이해할 수 있도록 표시할 수 있다.
추가적으로, 플로우 맵에서, 웹 서버는 적어도 하나의 WAS 서버와 연계된다. 특히, 상단의 두 개의 웹 서버(홈페이지_WEB 1 및 홈페이지_WEB 2)는 두 개의 WAS 서버(홈페이지_WAS 1 및 홈페이지_WAS 2)와 복수 개의 링크를 형성하면서 연결된다. 즉, 웹 서버(홈페이지_WEB 1)도 두 개의 WAS(홈페이지_WAS 1 및 홈페이지_WAS 2)와 연결되고, 웹 서버(홈페이지_WEB 2)도 상기 두 개의 WAS(홈페이지_WAS 1 및 홈페이지_WAS 2)와 연결된다. 이에, 4개의 링크가 생성되고, 4개의 링크에 대해 각각 성능관련 지표를 표시한다.
이와 같은 방식으로, 사용자-웹 서버 구간뿐만 아니라, 웹 서버-WAS 구간과 WAS-DB 구간을 표현할 수 있고, 이러한 시각적인 표현으로 인해, 사용자는 직관적으로 현재 또는 과거에 네트워크 서버스 상 어느 구간에 어느 서버에 문제가 있는지 파악할 수 있다.
본 발명의 다른 실시예에 따르면, 반드시 사용자-웹 서버 구간, 웹 서버-WAS 구간과 WAS-DB 구간의 3개 구간으로 표현되어야 하는 것은 아니고, 이보다 적은 한 개 구간(예컨대, 사용자-서버 구간)으로 표현되어도 되고, DB 서버 구간을 복수 개로 계층화하여, DB 슬레이브(DB slave), DB 마스터(DB master) 및 DB 엔드(DB end)와 같이 복수 개로 표현할 수도 있다. 웹 서버나 WAS도 마찬가지다. 이러한 전체적인 플로우 맵의 구성은 사용자 설정(이는 메타데이터로써 저장되어 있을 수 있음)을 통해 생성될 수 있다.
플로우 맵의 생성과 관련하여, 패킷 미러링 장치는 중심의 되는 사용자(즉, 클라이언트 단말의 IP)를 기반으로 상기 사용자의 요청과 연관된 웹 서버, WAS 서버 및 DB 서버를 미러링된 패킷 분석 내용을 토대로 구성할 수 있다. 즉, 미러링된 패킷 내에 목적지 ip 및/또는 URL과 관련된 서버단을 플로우 맵의 구성요소로 추출하고, 추출된 각 서버의 ip를 기반으로 플로우 맵의 연결관계를 생성하여 이를 시각화할 수 있다. 또는 중심이 되는 특정 서버를 먼저 설정하고, 설정된 서버를 기반으로 서버에 요청을 보낸 사용자와 설정된 서버와 연관된 다른 서버들을 연계하여 플로우 맵을 생성할 수도 있다.
플로우 맵의 구성과 연관된 메타데이터는 서비스 데이터베이스(도 5의 532)에 미리 저장되어 있을 수 있다. 메타데이터에는 오브젝트화되는 대상 객체(예컨대, 사용자, 서버, 및 링크)의 형태 및 위치 좌표와 관련된 정보뿐만 아니라 색상, 폰트, 물리적인 파일의 위치, 타일 배경 등이 저장될 수 있다. 이는 이하 보다 상세히 설명한다.
도 19는 본 발명의 일 실시예에 따른 패킷 미러링 장치에서의 네트워크 성능과 연관된 경고 발생 여부를 판단하는 설정값의 예시를 나타낸 표이다.
도 19를 참조하면, 플로우 맵 또는 기타 다른 시각화된 표현에 있어서, 패킷 미러링 장치는 현재 네트워크 서비스와 연관된 성능 관련 지표들을 다양한 임계값들과 비교하여 경고 표시함으로써 사용자로 하여금 미리 큰 트래픽 문제를 예방할 수 있도록 지원한다. 이에 경고 판단과 관련하여, 다양한 임계값의 설정이 요구될 수 있다.
전반적으로 경고 상황에 대한 판단은 서버 경고와 구간 경고로 구분될 수 있다. 각각 별도의 사용가능한 룰 셋(Rule set)을 갖는다. 서버 구간에 대해서는 서버 상태(서비스 다운(Service Down), 서버 다운(Server Down))에 대한 부분, 세션의 수, 응답대기 세션의 수, 응답대기 시간, CPS, TPS, BPS, HTTP 40x 또는 50x 에러 등을 기반으로 판단될 수 있다. 구간 경고는 응답대기 세션의 수 및 응답대기시간을 기반으로 판단될 수 있다.
도 19에 표시된 바와 같이, 패킷 미러링 장치는 상기 성능 관련 지표 중 적어도 일부를 기반으로 네트워크 서비스의 문제 발생 여부를 판단한다. 클라이언트의 컨텐츠에 대한 요청과 연관된 URL로부터 상기 컨텐츠와 연관된 첫 데이터를 상기 서버가 수신할 때까지의 응답지연시간을 나타내는 응답대기시간(latency) 정보 및 클라이언트가 보낸 요청에 대해 응답을 받지 못한 상태의 세션의 수를 나타내는 응답대기 세션 수(wait) 정보를 기반으로 웹 트래픽 지연, WAS 트래픽 서버 지연, WAS 트래픽 Wait 과다, DB 트래픽 지연, 웹 WAS 구간 지연 발생 등을 판단할 수 있다. 패킷 미러링 장치는 성능 관련 지표와 임계값의 비교, 비교 결과 임계값보다 높은 성능 관련 지표의 값이 존재하는 지속시간(duration)에 대한 측정을 통해 문제발생 여부를 판단할 수 있다.
먼저, 웹 트래픽 지연은 모든 웹 서버를 대상으로, 전체 세션 중 응답대기 세션의 수가 70% 이상이면서, 응답대기시간이 5초를 넘는 경우, 발생할 수 있다. 사용자 설정에 따라 이러한 시간이 10초 이상되면 웹 트래픽 지연에 대한 문제가 있다고 판단할 수 있다.
또한, WAS 트래픽 서버 지연은 WAS 서버를 대상으로, 응답대기시간이 5초 이상되는 상태가 5초이상 지속될 때에 문제가 발생했다고 판단할 수 있다. WAS 트래픽 wait 과다 발생은 WAS 서버에 대해 응답대기 세션 수가 70% 이상인 상태가 5초 이상 지속될 때, 문제가 발생했다고 판단한다.
DB 트래픽 지연 발생은 모든 DB 서버를 대상으로, 전체 세션 중 응답대기 세션의 수가 30% 이상이면서, 응답대기시간이 5초를 넘는 경우, 발생할 수 있다. 사용자 설정에 따라 이러한 시간이 10초 이상되면 DB 트래픽 지연에 대한 문제가 있다고 판단할 수 있다.
더욱이, 웹 WAS 구간 지연 발생과 관련하여, 모든 웹서버 및 WAS 서버를 대상으로, 응답대기시간이 5초 이상인 상태가 약 5초 이상 계속되는 경우 문제가 있다고 판단할 수 있다.
또한, 패킷 미러링 장치는 BPS와 같은 속도 관련 지표를 임계값과 비교하여 문제 발생 여부를 판단할 수 있다. BPS 과다 발생은 모든 서버를 대상으로 하되, BPS가 50M가 넘는 상태가 5초 이상 계속되면 문제가 발생했다고 판단한다.
CPS 과다 발생은 모든 서버를 대상으로, CPS가 150이 넘는 상태가 약 10초 이상 계속되면 문제가 발생했다고 판단한다.
50X 및/또는 40X 에러의 경우, 모든 웹 서버에 대해, HTTP 50x 에러(또는 HTTP 40x 에러)가 5를 넘는 상태가 약 5초 이상 계속되는 경우, 문제가 발생했다고 판단한다.
wait 과다 발생의 경우, 모든 서버에 대해 전체 세션의 수가 1000을 넘고, 응답대기 세션 수의 비율이 80%를 넘는 상태가 약 10초 이상 계속되는 경우, 문제가 발생했다고 판단한다.
이러한 문제 발생과 관련된 다양한 임계값, 관련 지속시간 임계값, 대상 서버 IP, 그에 따른 경고 레벨은 사용자 설정에 의해 변경가능하도록 선택된다.
본 발명의 실시예에 따르면, 상기와 같은 문제 상황에 매칭되도록 경고 레벨이 정해질 수 있고, 경고 레벨에 따라 플로우 맵 및 기타 다양한 시각화 툴(네트워크 음영영역 표시 맵)에서 경고 상태를 상기 경고 레벨에 맞게 표현한다. 또한, 문제 상황에 매칭되는 조치로써, 기 설정된 당담자 계정과 연관된 SMS 문자, e-mail 및/또는 SNS(Social Network Service)로 경고 상황을 통보하는 동작을 수행할 수 있다. 또는, 문제 상황에 대응하는 사용자 단말에 직접 경고 신호를 송신할 수도 있다.
본 발명의 다른 실시예에 따르면, 패킷 미러링 장치는 시간에 따른 네트워크 성능 관련 지표에 대한 데이터를 지속적으로 저장하므로, 저장된 데이터는 빅 데이터를 이루게 된다. 이렇게 저장된 빅데이터에 대해 기계학습(machine learning) 알고리즘을 적용하여, 적응적으로 경고상황에 맞는 적절한 룰셋을 생성하게 할 수 있다. 예컨대, 패킷 미러링 장치가 WAS 트래픽 지연문제가 상시적으로 발생하는 WAS 서버에 대해, 과거 WAS 서버들의 평균적인 응답지연시간 및/또는 응답대기 세션 수에 대한 데이터를 기반으로 임계값을 보다 낮게 또는 보다 높게 설정하도록 할 수 있다. 이는 사용자 단말에도 유사하게 적용될 수 있다.
또한, 과거 빅 데이터를 통해 정상범주에서의 응답지연시간 및/또는 응답대기 세션 수, BPS, 또는 TPS 값들을 저장해두고 있는 상태에서, 정상 범주의 평균 응답지연시간 및/또는 응답대기 세션 수, BPS, 또는 TPS 값 대비 임계값 이상의 차이가 나는 경우, 문제발생을 판단하도록 할 수 있다.
아니면, 웹 서버와 WAS 서버, 또는 WAS 서버와 DB 서버의 연결관계에서, 어느 하나의 서버에만 집중적으로 서비스 속도 지연이 발생하는 경우, 타 서버들과의 평균 속도 지연 값 대비 임계값 이상의 속도 지연 발생을 판단하여, 경고를 표현하도록 할 수도 있다.
5G 기반 시스템에의 적용
도 20은 5G 통신 시스템에서 요구하는 기준값을 나타낸 도면이다.
도 20을 참조하면, 본 발명의 실시예에 있어서, 도 19의 정상범주와 경고를 위한 범위를 구분하기 위한 임계값으로, 5G에서 요구하는 기본 사양과 관련된 값이 사용될 수 있다. 이를 참고하기 위해, 도 20을 구체적으로 살펴보면, Network Latency 부분에서는 1ms 이하의 성능이 담보되는 것이 바람직하다. 다만, 5G 기반 통신에서 요구하는 Latency는 네트워크 레이턴시(network latency)로, 본 발명의 일 실시예에 따른 패킷 미러링 장치의 RTT에 대응하는 개념이다. 즉, 상기 패킷 미러링 장치의 응답대기시간이 서버의 지연시간 또는 프로세싱(processing)과 관련된 지연시간인데 반해, 도 20에서의 네트워크 레이턴시는 네트워크 상에서의 지연시간을 의미하기 때문에, 이 둘은 구분되는 개념이다. 이는 결국 패킷 미러링 장치의 RTT(cRTT+sRTT), cRTT, 또는 sRTT에 대응하는 개념이다. 이때, 상기 RTT는 제 1 개체(예컨대, 서버 또는 다른 패킷의 타겟(target) 개체)까지의 RTT 또는 사용자 단말로부터 기지국까지의 패킷의 RTT(즉, Air Net(도 27a 및 도 27b 참조)에서의 RTT)를 의미할 수 있다. 본 발명의 일 실시예에 따르면 5G 통신 시스템에서의 임계값과의 비교는 패킷 미러링 장치에서 산출된 성능 관련 지표와의 대응관계를 고려하여 이루어질 수 있다. 즉, 5G 레이턴시 임계값은 패킷 미러링 장치의 RTT, cRTT, 또는 sRTT에 대응되고, 특히, Air Net에서의 RTT에 대응되므로, 장치는 이러한 대응관계를 고려하여 산출된 성능관련 지표와 비교하는 것이 바람직하다.
도 20의 실시예에 따르면, 5G 기반 통신 시스템에서는, 네트워크 레이턴시와 관련된 에러검출을 위한 임계값이 1ms이 될 수 있다. 또한, Data Traffic의 값은 50 Exabytes/Month이고, 최대 데이터 전송 속도(Peak Data Rates)와 관련하여 5G에서 요구하는 20Gb/s는 초당 데이터 전송 속도(BPS: Bit Per Second) 값에 대한 임계값을 사용될 수 있다.
다만, 5G 통신과 관련된 상기 임계값이 반드시 위의 1ms 및 20Gb/s로 한정되어야 하는 것은 아니다. 네트워크 레이턴시에 대한 임계값은 1ms 외에 2ms, 3ms, 5ms, 8ms, 10ms, 15ms, 20ms, 30ms, 40ms, 50ms, 60ms, 70ms, 80ms, 90ms 및 100ms 등 다른 임계값으로 설정되어도 무방하다. 또한, 최대 BPS와 관련된 임계값은 1Gbps, 2Gbps, 5Gbps, 10Gbps, 15Gbps, 25Gbps, 30Gbps, 40Gbps, 50Gbps, 100Gbps 등이 되어도 무방하다. 특히, 사용자 데이터 레이트(User data rate)(최소한의 요구 BPS)와 관련된 임계값은 10Mbps, 20Mbps, 30Mbps, 40Mbps, 50Mbps, 75Mbps, 100Mbps, 150Mbps, 200Mbps, 500Mbps, 1Gbps 등이 될 수 있다. 100Mbps 내지 1Gbps가 될 수 있다.
5G 통신 시스템에서 사용가능한 대역폭은 30GHz가 되는 것이 적절하고, 연결 밀도는 km당 약 100백만 개의 연결을 처리할 수 있는 것이 적절하다. 이러한 수치가 5G 통신을 위한 임계값으로 사용될 수 있다.
또한, 본 발명의 일 실시예에 따른 패킷 미러링 장치의 응답대기시간(latency)에 대응하는 5G 통신 서비스의 임계값은 5ms, 10ms, 20ms, 30ms, 40ms, 50ms, 100ms, 200ms, 300ms, 400ms, 500ms, 750ms, 1000ms 중 하나의 임계값으로 설정될 수 있다.
본 발명의 실시예에 따르면, 이러한 임계값은 5G 통신 서비스에만 특화되어야 하는 것은 아니고, 4G 통신 서비스에 특화된 임계값을 사용하여도 된다. 5G 통신 서비스의 임계값과 4G 통신 서비스의 임계값은 서로 다를 수 있다. 이는 본 발명의 일 실시예에 따른 패킷 미머링 장치가 사용되는 환경에 맞게 패킷 미러링 장치의 사용자가 임의로 설정 및 변경할 수 있다. 이때, 사용자 단말마다 서로 다른 임계값으로 네트워크 성능의 정상 동작 여부를 판단하도록 설정할 수도 있다.
도 20의 4G와 관련된 기준값들이 4G 통신 서비스와 관련된 임계값으로 활용될 수 있다. 4G와 관련된 기준값들은 네트워크 레이턴시에서 10ms, 데이터 트래픽 양에서는 7.2Exabytes/Month, 최대 데이터 속도 값에서는 1Gbps, 가용 대역폭은 3GHz, 연결 밀도는 10만 연결들/km2의 값을 가질 수 있다.
도 21은 경고에 따른 주요페이지 대상 사용자의 체감 응답속도를 시각화한 페이지를 나타낸 도면이다.
도 21을 참조하면, 경고 상태의 웹 사이트를 클릭하면, 패킷 미러링 장치는 경고에 따른 성능 분석 페이지가 표시되도록 한다. 예컨대, 상기 성능 분석 페이지는 웹-WAS 지연에 관한 경고 내용일 수 있고, 이에 대해, 분석 페이지에서는, 해당 시점의 속도 지연과 연관된 미러링된 패킷들 내의 정보들 기반으로, 관련 행위들을 정리하여 리스트로 표시한다.
이때, 특정 웹 사이트와 연관된 세션들을 분석하여 해당 시점에 일어난 행위들을 정리하여 나타낼 수 있다. 예컨대, 해당 웹 페이지와 연관된 서버(또는 개체)의 IP로의 접속 행위를 추출할 수 있다. 그리고, 해당 접속 행위의 주체인 클라이언트의 IP(국가, OS 및 모바일 여부도 함께 표시될 수 있음) 및 해당 접속 행위에 소요된 시간을 산출하여 함께 표시할 수 있다. 특히, 소요 시간은 앞서 설명한 바와 같이, cRTT, sRTT, 요청 시간, 응답 대기시간 및 응답데이터 전송시간으로 구분하여 타임 바 형태로 표현할 수 있다.
이를 보다 구체화하면 특정 웹 페이지에 대해, 특정 시간에 발생한 세션 또는 트랜잭션(또는 커넥션)에 대한 상세정보를 표시할 수 있다. 해당 페이지에는, T상기 세션(또는 트랜잭션)과 연관된 클라이언트 IP, 페이지 시작 시간, 페이지 종료 시간, OS, 브라우저, 모바일 기기 여부 정보, 통신사 정보, ISP 정보, 및 도시 정보가 표시된다.
또한, 페이지 로드 시간 정보가 cRTT, sRTT, 요청 시간, 서버응답대기시간 및 응답데이터 전송시간을 구분한 타임 바 형태로 제공될 수 있다. 또는 클라이언트 시간, 네트워크 시간 및 서버 시간으로 구분한 타임 바 형태로도 표시될 수 있다. 그리고, 클라이언트 시간, 네트워크 시간 및 서버 시간을 각각 표시할 수 있다. 클라이언트 시간은 클라이언트 단에서 소요된 시간을 의미하고 페이지 디자인 시간과 클라이언트 자체 소요 시간을 포함한다. 네트워크 시간은 cRTT 정보, sRTT 정보, 요청 시간 및 다운로드 시간을 포함한다. 서버 시간은 응답대기시간을 포함한다. 이때, 페이지 디자인 시간은 수신된 웹 디자인과 연관된 데이터를 클라이언트 단말에서 재생하는데 소요되는 시간을 나타내고, 클라이언트 자체 소요시간은 네트워크 상태와 관계없이, 클라이언트에서 웹 페이지와 연관된 요청 정보를 생성하는 시간 등 클라이언트 장치 내부적으로 페이지 로딩을 위해 소요되는 시간을 의미할 수 있다. 이는, 패킷 미러링 장치에서 생성된 성능 관련 지표 중 트랜잭션 상태 코드를 기반으로 세션이 맺어진 상태를 의미하는 상태 코드 5의 상태에서, 세션 요청이 수행되는 상태 코드 6과 연관된 상태까지의 소요 시간을 고려하여 산출될 수 있다. 또는 세션 결과 코드를 기반으로 산출될 수도 있다.
또한, 웹 페이지의 사용과 관련하여, 사용 컴포넌트 정보, 요청 패킷의 양, 응답 데이터의 양, 사용자 정보, 세션 정보, 응답대기세션 수 정보, TPS 정보 및 에러 관련 정보도 표시된다.
추가적으로, 해당 시간에 포함된 복수 개의 세션에 대해 시간순으로 정렬하여 세부내역(컴포넌트 별 분석)을 표시하되, cRTT, sRTT, 요청 시간, 서버응답 대기시간 및 응답데이터 전송시간을 구분한 타임 바 형태로 제공되며, 여기에는, URL 정보, 이용시간(used time) 정보, 응답대기시간 정보 등이 표현될 수 있다. 이를 기반으로 지연 컴포넌트를 추출할 수 있다.
도 22는 지연 웹 페이지의 세부 내용을 진단 및 분석하는 페이지를 나타낸 도면이다.
도 22를 참조하면, 패킷 미러링 장치는 특정 값 이상의 체감속도를 갖는 지연 웹 페이지(slow page)에 대한 세부 진단 분석 페이지를 생성할 수 있다. 하나의 웹 페이지는 복수 개의 컴포넌트를 포함한다. 이때, 지연 웹 페이지는 특정 값 이상의 체감속도를 갖는 웹 페이지를 도시하고 그와 연관된 클라이언트 정보, 시간 정보 등을 표시하면, 이때, 시간정보에는 전체 페이지 로딩 시간이 표시된다. 패킷 미러링 장치는 전체 페이지 로딩 시간 중 클라이언트 시간이 차지하는 비중, 네트워크 시간이 차지하는 비중 및 서버시간이 차지하는 비중을 기반으로 최상위 지연원인을 추출할 수 있다. 이는 타임 바로 시각적으로 표현된다.
이때, 특정 웹 페이지에 대해 상세 분석을 수행할 수 있다. 사용자로부터의 상세 분석요청에 대응하여 패킷 미러링 장치는 컴포넌트별 분석을 수행한다. 즉, 해당 웹 페이지가 보유한 각 컴포넌트별로 URL 정보, 타임 바 정보, 이용시간, 응답대기시간, 수신되는 데이터의 양, 결과 코드 값, 타입, 상태 정보를 표시한다. 이때, 타임 바 정보는 cRTT, sRTT, 요청시간, 서버시간 및 응답시간으로 구분하여 표시될 수 있다.
도 23은 5G 시스템에서 네트워크 성능 진단 장치가 접속 가능한 영역을 표시한 개념도이다.
도 23을 참조하면, 네트워크 성능 진단 장치(패킷 미러링 장치)는 5G 시스템의 제어 평면(control plane)의 NSSF(Network Slice Selection Function), NEF(Network Exposure Function), NRF(NF Repository Function), UDM(Unified Data Management), AUSF(Authentication Server Function), PCF(Policy Control Function) 및 AF(Application Function)을 잇는 버스(bus)와 AMF(Access and Mobility management Function) 사이 또는 상기 버스와 SMF(Session Management Function) 사이의 스위칭 장치와 연결되어 배치될 수 있다. 또는, UPF(User plane Function)와 DN(Data Network) 사이의 스위칭 장치와 연결되어 배치될 수도 있다.
본 발명의 다른 실시예에 따르면, AMF와 ng-eNB 및/또는 gNB 사이의 스위칭 장치와 연결되어 배치될 수도 있고, SMF와 UPF 사이 및/또는 ng-eNB 및/또는 gNB와 UPF 사이의 스위칭 장치와 연결되어 배치될 수도 있다.
도 24는 본 발명의 일 실시예에 따른 네트워크 성능 진단 장치가 5G 기반 통신 서비스의 성능과 관련하여 산출하는 정보를 나타낸 개념도이다.
도 24를 참조하면, 상기 네트워크 성능 진단 장치(2404)는 eNB(2420-3) 및 gNB(2420-1, 2420-2)와 EPC 또는 5GC(2410) 사이의 스위칭 장치(2402)에 연결된 상태로 배치될 수 있다. 네트워크 성능 진단 장치(2404)는 스위칭 장치(2402)에 연결되어 스위칭 장치(2402)를 거쳐 EPC 또는 5GC(2410)에 송수신되는 적어도 일부의 패킷을 미러링하고 패킷 분석을 수행할 수 있다.
도 24의 실시예에서, 사용자 단말(UE1) 및 사용자 단말(UE4)은 eNB(2420-3)에 접속하여 EPC(2410)로 패킷을 전송하고, 사용자 단말(UE2) 및 사용자 단말(UE4)은 gNB(2420-1)에 접속하여 5GC(2404)로 패킷을 전송하며, 사용자 단말(UE5) 및 사용자 단말(UE6)은 eNB(2420-3)에 접속하여 5GC(2404)로 패킷을 전송할 수 있다.
이때, 네트워크 성능 진단 장치(2404)는 기지국들(2420-1, 2420-2, 2420-4)과의 접속 정보를 기반으로 4G 네트워크에 접속되었는지 5G 네트워크에 접속되었는지를 판단하여 시각적으로 표시할 수 있다. 이때, 시각적 표현은 해당 사용자 단말(UE1~UE6)의 위치 정보를 기반으로 이루어질 수 있다. UE들의 위치는 고정식일 수도 있다. 장치는 고정식 UE의 위치 정보를 미리 저장하고 있을 수 있다. 이에 따라, 네트어크 접속과 관련된 시각화 맵에 있어서, 고정식 UE들은 UE들이 표시되는 시각적 공간 상에 기저장된 위치에 표시된다. 만약 이동식의 UE들이라면, UE들의 위치 정보를 실시간으로 수신하여 상기 시각적 공간 상에 이를 반영함에 의해 UE들의 접속 정보를 표시할 수 있다. UE들의 실시간 위치 정보는 각 UE가 GPS를 통해 획득할 수 있으며, 네트워크 성능 진단 장치(2404)는 UE로부터 실시간 위치 정보를 주기적으로 수집하여 획득한다. 또는, UE, 기지국 또는 다른 액세스 포인트들의 실내 측위 기술을 통해 UE의 실시간 위치를 획득할 수 있다.
상기 시각적 공간은 이미지로 특정 공간을 표시한 맵(map)일 수 있다. 이러한 맵 상에 상기 UE들은 접속 정보를 기반으로 서로 다른 시각적 표현으로 표시된다. 예컨대, 4G 네트워크에 접속된 UE들(예컨대, UE1 또는 UE4)은 검정색으로 표시되고, 5G 네트워크에 접속된 UE들(예컨대, UE2, UE3, UE5, UE6)은 흰 색으로 표시되도록 할 수 있다. 이러한 시각적 표현의 상세는 사용자 설정을 통해 변경할 수 있고, 노드의 형태, 색상, 해칭, 크기 등을 이용하여 다양하게 표현할 수 있다.
장치(2404)는 UE들의 네트워크 접속 정보를 기반으로 해당 UE들이 적절하게 동작하고 있는지 판단한다. 이때, 적절하게 동작하는지 여부는 기준값에 따라 결정되는데, 상기 기준값은 4G 네트워크와 관련된 기준값, 5G 네트워크와 관련된 기준값 또는 UE 개별적으로 접속된 네트워크와 관련된 기준값, 사용자가 직접 설정한 기준값 중 적어도 하나로 설정될 수 있다. 예컨대, 5G 네트워크 기반의 기준값이라면, 앞서 설명한 임계값과 같이 네트워크 레이턴시(RTT에 대응)의 측면에서 1ms가 기준이 되도록 할 수 있고, UE1 내지 UE6으로부터 송수신되는 패킷 분석 결과에 따른 각 UE의 네트워크 레이턴시가 1ms 내에 있는지를 판단하여 5G 통신이 잘 이루어지고 있는지 판단한다. 잘 이루어지고 있지 않다면 에러를 나타내는 표시 처리(예컨대, 붉은색 노드로 처리)를 수행한다. 5G 관련 기준값은 도 20 및 그에 대한 설명 부분을 참고한다.
4G 네트워크 기반의 기준값이라면, 네트워크 레이턴시의 임계값으로 예컨대, 10ms를 설정할 수 있다. 이에 따라 UE1 내지 UE6의 네트워크 레이턴시를 10ms와 비교하여 4G 기반 통신이 잘 이루어지는지 판단할 수 있다. UE 접속 네트워크 종속적인 임계값을 이용한다면, UE1과 UE4는 4G 기반의 임계값을 기준으로 해당 임계범위 내에서 동작하는지 판단하고, UE2, UE3, UE5 및 UE6은 5G 기반 임계값을 기준으로 해당 임계범위 내에서 동작하는지 판단한다. 각각의 UE의 접속 네트워크의 종류에 따라 서로 다른 임계값이 부여되어 비교가 이루어질 수 있다.
시각적 표현은 UE의 접속 네트워크와 UE의 네트워크 성능 두 가지 팩터의 영향을 모두 받아 결정될 수 있다. 예컨대, 접속 네트워크에 따라 UE 노드의 외곽선의 색상이 결정되고, 네트워크의 성능의 적절성을 기반으로 UE 노드의 내부 색상이 결정될 수 있다. 즉, 4G 네트워크에 접속되어 네트워크 성능이 적절하다면, 4G 네트워크를 나타내는 푸른 색의 노드 외곽선에, 흰 색의 내부 색상이 칠해진 채로 표시된다. 5G 네트워크에 접속되어 네트워크 성능이 적절하지 않은 경우, 5G를 나타내는 붉은 색의 노드 외곽선에, 에러를 나타내는 붉은 색의 내부 색상이 칠해진 형태로 UE가 표시될 수 있다. 이러한 UE들의 위치와 그에 따른 네트워크 성능 지표를 기반으로 통신 음영 영역을 표시하고 음영영역으로 이동 중인 UE의 성능 저하를 예측할 수 있다.
도 25는 본 발명의 일 실시예에 따른 네트워크 성능 진단 장치가 네트워크 성능을 시각화하는 방법을 나타낸 흐름도이다.
도 25를 참조하면, 장치는 UE로부터 해당 UE의 위치 정보를 획득한다(S2510). 이때, UE의 위치가 고정된 위치라면, 위 단계를 생략될 수 있다. 장치는 해당 UE가 송신하거나 수신하는 패킷을 스위칭 장치로부터 미러링하여 미러링된 패킷을 획득하고, 획득된 패킷을 분석하여 약 120여 개에 달하는 네트워크 성능 지표 중 적어도 일부를 산출한다. 그리고는, 산출된 결과를 기준값과 비교한다(S2520). 본 실시예에서는 5G 서비스와 관련된 임계값(예컨대, 1ms의 네트워크 레이턴시, 20Gbps의 최대 전송 속도 등)과 비교한다. 비교 결과, 임계값보다 높은 성능을 나타내면 기저장된 시각화 공간 상의 UE의 위치에 제 1 시각적 표현으로 표시하고(S2530), 그렇지 않은 경우, 상기 UE 위치에 제 2 시각적 표현으로 UE를 표시한다(S2540).
본 발명의 실시예에 따르면, 임계값을 복수 개 설정하여 특정 네트워크 성능 관련 지표에 구간을 나누어, 구간마다 서로 다른 시각적 표현이 표시되도록 할 수 있다. 예컨대, 네트워크 레이턴시의 경우, 0.1ms 내지 1ms는 제 1 시각적 표현으로, 1ms 내지 10ms는 제 2 시각적 표현으로, 10ms 내지 50ms는 제 3 시각적 표현으로, 50ms 내지 100ms는 제 4 시각적 표현으로 나타내어, 시각적 표현만 보고도 어느 정도의 네트워크 성능을 갖는지 가늠할 수 있도록 시각화할 수 있다.
도 26은 도 25의 방법에 따라 네트워크 성능을 시각화한 네트워크 음영영역 표시 맵을 예시적으로 나타낸 도면이다.
도 26을 참조하면, 장치는 시각화 공간 상에 네트워크 성능 상의 음영영역을 표시할 수 있다. 장치는 UE들의 위치 및 해당 위치의 UE들의 성능지표를 분석하여 음영영역을 표시할 수 있다. 예컨대, 영역(2630) 내에 위치한 적어도 하나의 UE들이 모두 도 25의 제 2 구간의 성능을 보였다면, 해당 영역(2630)을 특정하여 제 2 구간과 관련된 시각적 표현으로 표시할 수 있다.
또 다른 실시예에 따르면, 장애물(2610-1)과 관련하여 eNB(2620-3)으로부터의 전파가 약해진 현상으로 인해, 영역(2632) 내의 적어도 하나의 UE들이 제 3 구간의 성능을 가지고 있으면 제 3 구간에 대응하는 시각적 표현으로 해당 구역을 표시한다. 또한, 영역(2632)의 주변 영역인(2634)는 제 2 구간의 성능을 가지는 적어도 하나의 UE의 성능을 분석하여 해당 성능에 대응하는 시각적 표현으로 영역(2634)를 표시할 수 있다.
장애물(2610-2)과 기지국(2630-2)의 관계에서 영역(2636) 및 영역(2638)의 표시도 위의 방법과 마찬가지의 방법으로 수행된다.
또한, 네트워크 음영영역을 표시함에 있어, 제 1 위치에 실존하는 UE1과 제 2 위치에 실존하는 UE2의 네트워크 성능을 기반으로 제 1 위치와 제 2 위치 사이의 제 3 위치의 네트워크 성능을 추론할 수 있다. 예컨대, UE1의 네트워크 레이턴시(network latency)가 1ms이고, 제 2 위치의 UE2의 네트워크 레이턴시가 9ms인 경우, 양 UE 가운데의 제 3 위치에서의 네트워크 레이턴시는 약 5ms로 유추할 수 있다. 이는 두 개의 UE 사이의 성능지표만을 가지고 추론한 것인데, 제 3 위치와 연관되어 다수의 개체가 존재하는 경우, 다수 UE의 성능지표를 모두 또는 적어도 일부 고려하여 제 3 위치의 성능지표를 산출하는 것이 바람직하다. 이때, 특정 위치와 연관된 UE는 상기 특정위치로부터 임계 범위 내에 존재하는 UE를 나타나며, 상기 임계 범위 내에 존재하는 장애물 및/또는 기지국의 위치를 고려한다.
본 발명의 실시예에 따르면, 실제 개체가 배치되지 않은 위치에서의 성능지표는 특정 시각화 공간 상에서 실제 개체가 배치된 영역에서의 위치와 성능지표의 관계성을 인공지능 모델 또는 머신러닝(maching learning)을 이용하여 트레이닝(traning)한 후, 트레이닝된 모델에 기반하여 상기 실존 개체가 없는 위치의 성능지표가 산출될 수 있다.
본 발명의 실시예에 따르면, 영역의 네트워크 성능 표시와 관련하여, 기본적으로 일정한 영역 크기당 기정해진 수의 UE가 밀집해 있으며, 동일 또는 유사한 성능을 보일 때, 해당 영역의 네트워크 성능을 그에 대응하는 시각적 표현으로 표시할 수 있다. 다만, 특정 장애물 있을 시 장애물과 기지국과의 관계를 기반으로 음영이 예상되는 영역을 기 정해진 영역에 1개의 UE만 있어도 해당 UE의 네트워크 성능에 대응하는 시각적 표현으로 상기 기 정해진 영역의 네트워크 성능을 표시하는 것이 가능할 수 있다. 장애물 없이, 기지국의 셀(cell) 영역을 고려하여 음영영역을 예상할 수 있고, 예상 음영영역 내에 UE가 하나만 존재한다고 하더라도, 해당 영역에 배치된 단 하나의 UE의 네트워크 성능을 기반으로 음영영역의 네트워크 성능을 시각화할 수 있다. 이때, UE의 성능이 정상적이라면 예상 음영영역으로 지정된 영역이라고 할지라도, 해당 영역을 음영영역으로 표시하지 않을 수 있다.
본 발명의 다른 실시예에 따르면, 장치는 실시간으로 위와 같은 방법을 통해 특정 공간의 네트워크 음영영역 표시 맵을 생성 및 업데이트할 수 있다. 장치는 이동식 UE로부터 주기적으로 위치 정보를 수신할 수 있기 때문에, 이동식 UE의 이동속도 고려하여 네트워크 음영영역 표시 맵 상의 음영영역으로 진입이 예상되는 UE에 경고 신호를 제공할 수 있다. 또는, 맵 상에서 해당 UE에 음영영역 진입 경고에 해당하는 시각적 표현을 표시하여 UE 사용자 또는 해당 네트워크 관리자가 해당 UE의 동작이 5G 성능에 적합하지 않을 수 있음을 예상할 수 있도록 지원한다.
본 발명의 실시예에 따르면, 장치는 기지국의 위치가 가변적인 환경을 고려할 수 있다. 이때, 기지국의 빔포밍(Beam forming) 능력도 함께 고려하는 것이 바람직하다. 기지국의 위치가 변경되면, 장치는 변경된 위치를 기반으로 예상 음영영역 등을 다시 산출한다. 그리고, 장치는 위치 변경에 대응하여 UE들의 기지국에 대한 접속 정보 및 기지국으로의 접속에 따른 네트워크 성능 지표를 다시 산출하는 것이 바람직하다. 장치는, 재산출된 네트워크 성능 지표에 기반하여 네트워크 성능과 관련된 다양한 정보를 갱신한다.
도 27a는 본 발명의 일 실시예에 따라 네트워크 성능 진단 장치가 전제 네트워크의 구역별 성능을 산출하기 위한 방법을 설명하기 위한 개념도이다.
도 27a를 참조하면, 네트워크 성능 진단 장치(2702, 2704)가 모니터링하는 대상은 5G 또는 LTE와 관련된 Air Net(1), Access Net(2), Core Net(3) 및 Data Net을 포함하는 전체 네트워크 중 적어도 일부이다. Data Net에는 특정 웹 사이트를 운영하는 서버 또는 서버단이 존재할 수 있다. 다만 반드시 서버가 웹 사이트와 연계되어 있어야만 하는 것은 아니다.
장치(2702)는 사용자 단말을 주축으로 Air Net(1)의 네트워크 성능을 산출하기 위해 기지국과 5GC 사이에 배치될 수 있다. 여기서, cRTT와 sRTT를 산출할 수 있고, cRTT를 이용하여 단말과 기지국 사이의 Air Net(1)에서의 네트워크 레이턴시 및 데이터 전송 속도 등의 네트워크 성능 지표를 산출할 수 있다. 또한, 장치(2702)의 sRTT와 5GC와 데이터 넷 사이에 접속된 장치(2704)의 cRTT를 이용하여 Access Net(2)과 Core Net(3)에서의 네트워크 성능 지표를 확인할 수 있다. 또한, 장치(2704)의 sRTT를 이용하여 Data Net 상에 존재하는 서버단의 네트워크 성능 지표를 산출할 수 있다.
본 발명의 다른 실시예에 따르면, 5G 코어 부분, 즉, 장치(2702)와 장치(2704) 사이에 별도의 중간 장치(미도시)를 두어, 상기 중간 장치에서 산출되는 cRTT 및 sRTT를 이용하여 Access Net(2)의 네트워크 성능 지표와 Core Net(3)의 네트워크 성능 지표를 독립적으로 산출할 수도 있다. 또한, Data Net에서의 네트워크 성능 지표 또한 산출 가능하다.
장치는, 이와 같이 산출된 네트워크 성능 지표들 중 Air Net(1)에서의 성능 지표를 가지고 도 26과 같은 네트워크 음영영역 표시 맵(Digital Map)을 생성할 수 있다. 또한, Data Net에서의 성능 지표들을 가지고 도 18과 같은 플로우 맵(flow map)을 생성할 수 있다.
이때, 서로 다른 접속 포인트에 접속된 각각의 네트워크 성능 진단 장치는, 네트워크 성능 지표 산출을 위해 미러링된 패킷에서 4-tuple 정보를 획득하여 저장할 수 있다. 상기 4-tuple 정보는 소스 IP, 목적지 IP, 소스 포트 및 목적지 포트를 포함할 수 있다.
도 27b는 본 발명의 다른 실시예에 따라 네트워크 성능 진단 장치가 전제 네트워크의 구역별 성능을 산출하기 위한 방법을 설명하기 위한 개념도이다.
도 27b를 참조하면, 하나의 네트워크 성능 진단 장치(2750)가 복수의 네트워크 인터페이스를 사용하여 복수의 접속점에 장치가 배치된 것과 같은 효과를 달성할 수 있다. 즉, 제 1 네트워크 인터페이스(2752)는 기지국과 5GC 사이에, 제 2 네트워크 인터페이스(2754)는 5GC에, 제 3 네트워크 인터페이스(2756)는 데이터 넷에 연결시켜, 앞선 도 27a의 중간 장치까지 3개의 네트워크 성능 진단 장치가 Air Net(1), Access Net(2) 및 Core Net(3)의 네트워크 성능 지표를 산출하는 것과 동일한 동작을 하도록 할 수 있다. 네트워크 성능 진단 장치는 네트워크 인터페이스마다 주기적으로 cRTT와 sRTT를 개별적으로 산출하도록 하여, 세 개의 네트워크 인터페이스를 사용하는 경우, 3개의 cRTT 및 sRTT 값 세트를 산출할 수 있다. 도 27b의 하단의 각각의 인터페이스의 cRTT와 sRTT 값을 보면, 제 1 인터페이스(IF1)가 UE(1.1)로부터 특정 서버(5.5)까지 통신함에 사용된 패킷들(패킷의 소스 IP가 1.1이고 목적지 IP가 5.5인 패킷들)에 있어서, cRTT는 2ms이고, sRTT는 5000ms가 나오는 것을 확인할 수 있다. 제 2 인터페이스(IF2)의 경우, 역시 상기 패킷들을 분석한 결과, cRTT는 502ms이고, sRTT는 4500ms가 나오는 것을 확인할 수 있다. 이렇게 두 인터페이스를 통해 산출된 cRTT 및 sRTT 값을 이용하여 Air Net(1)의 네트워크 레이턴시(network latency: RTT에 대응)는 2ms이고, Access Net(2)의 네트워크 레이턴시는 제 2 인터페이스(IF2)의 cRTT 값 502ms에서 제 1 인터페이스(IF1)의 cRTT 값 2ms를 뺀, 약 500ms를 산출할 수 있다. 이와 같이, 세 개의 네트워크 인터페이스 카드의 접속점에서의 cRTT 및 sRTT 값을 이용하여 각각의 네트워크들(Air Net, Access Net, Core Net, Data Net)의 개별 네트워크 성능을 독립적으로 산출할 수 있다.
장치는 인터페이스 카드를 다수 개 사용하는 경우, 미러링된 패킷으로부터, 앞서 설명한 4-tuple 정보에 NIC(Network Interface Card) 정보를 추가로 획득하여 총 5-tuple 정보를 네트워크 성능 지표 산출에 활용할 수 있다.
이상에서 설명된 시스템 또는 장치는 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 시스템, 장치 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPA(field programmable array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 애플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 콘트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.
소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치, 또는 전송되는 신호 파(signal wave)에 영구적으로, 또는 일시적으로 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.
실시예들에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
이상과 같이 실시예들이 비록 한정된 실시예와 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기의 기재로부터 다양한 수정 및 변형이 가능하다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.
그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 특허청구범위의 범위에 속한다.
Claims (17)
- 5G 기반의 네트워크에 접속된 스위칭 장치와 연결된 네트워크 성능 시각화 장치에서의 5G 기반의 네트워크 성능을 시각화하는 방법에 있어서,
상기 스위칭 장치로부터 미러링하는 것을 기반으로 하여, 적어도 하나의 기지국에 접속되는 사용자 단말로부터 송수신되는 적어도 하나의 패킷들에 대한, 미러링된 적어도 하나의 패킷들을 획득하는 단계;
상기 미러링된 적어도 하나의 패킷 내에 포함된 정보들 중 적어도 일부를 기반으로 상기 사용자 단말과 상기 적어도 하나의 기지국과 연관된 네트워크의 성능을 나타내는 성능 관련 지표를 산출하는 단계;
상기 사용자 단말의 위치 정보를 획득하는 단계, 상기 위치 정보는 지리적인 위치를 포함함; 및
제 1 시각화 공간 상의 상기 사용자 단말의 위치 정보에 대응하는 위치에 상기 사용자 단말의 성능 관련 지표에 대응하는 시각적 표현으로 상기 사용자 단말을 표시하는 단계를 포함하되,
상기 적어도 하나의 기지국은, 5G 네트워크의 기지국인 gNB(Next Generation nodeB), 5G 코어와의 연결뿐만 아니라 LTE(Long Term Evolution) 코어와의 연결도 지원하는 en-gNB 및 ng-eNB 중 적어도 하나를 포함하며,
상기 제 1 시각화 공간은 상기 적어도 하나의 기지국이 관할하는 네트워크 영역을 시각화한 맵(map)을 포함하고,
복수 개의 사용자 단말로부터 획득된 위치 정보와 성능 관련 지표를 기반으로, 상기 맵 상에 상기 복수 개의 사용자 단말 각각의 네트워크 성능 정보에 대응하는 시각적 표현을 표시함에 의해, 상기 네트워크 영역에 대한 네트워크 음영 영역이 구분되도록 표시하는 네트워크 음영영역 표시 맵을 생성하고,
상기 네트워크 음영영역 표시 맵은 상기 복수 개의 사용자 단말이 배치된 위치의 성능 관련 지표를 기반으로 상기 복수 개의 사용자 단말이 배치되지 않은 위치의 네트워크 성능을 추론하여 네트워크 성능이 표시되도록 생성되고,
상기 네트워크 음영 영역은 복수 개의 임계값에 의해 나누어진 복수 개의 구간에 대응하는 시각적 표현으로 표시되되,
상기 복수 개의 임계값들 중 적어도 일부는 5G 통신 서비스에서 요구하는 기준값을 포함하는, 5G 기반의 네트워크 성능 시각화 방법. - 삭제
- 삭제
- 삭제
- 삭제
- 삭제
- 제 1 항에 있어서,
상기 네트워크 음영 영역 표시 맵은 네트워크 영역 내의 기저장된 장애물의 위치 및 상기 적어도 하나의 기지국의 셀 영역의 위치를 기반으로 예상 음영영역을 추론함에 의해 생성되는, 5G 기반의 네트워크 성능 시각화 방법. - 제 1 항에 있어서,
상기 네트워크 음영 영역 표시 맵 상에서 제 2 사용자 단말의 이동 방향 및 이동 속도 중 적어도 하나를 이용하여 상기 제 2 사용자 단말의 네트워크 성능 저하를 예측하는, 5G 기반의 네트워크 성능 시각화 방법. - 제 1 항에 있어서,
상기 성능 관련 지표에 대응하는 시각적 표현은, 상기 사용자 단말과, 제 1 개체 또는 적어도 하나의 기지국과의 패킷 왕복 시간에 대응하는 시각적 표현을 포함하는, 5G 기반의 네트워크 성능 시각화 방법. - 제 1 항에 있어서,
상기 성능 관련 지표에 대응하는 시각적 표현은, 초당 데이터의 전송 비트 크기를 나타내는 BPS(Bit Per Second)에 대응하는 시각적 표현을 포함하는, 5G 기반의 네트워크 성능 시각화 방법. - 제 9 항 또는 제 10 항에 있어서,
상기 시각적 표현은 5G 통신 서비스에서 요구하는 네트워크 성능과 관련된 기저장된 적어도 하나의 기준값을 기준으로 다르게 표시되는, 5G 기반의 네트워크 성능 시각화 방법. - 제 1 항에 있어서,
상기 사용자 단말에 대한 시각적 표현과 관련하여,
접속한 네트워크의 종류에 따라 상기 사용자 단말의 제 1 시각적 표현을 다르게 표현하면서,
상기 성능 관련 지표에 따라 상기 사용자 단말의 제 2 시각적 표현을 다르게 표현하는, 5G 기반의 네트워크 성능 시각화 방법. - 제 12 항에 있어서,
상기 제 1 시각적 표현은 상기 사용자 단말의 외곽선이고, 상기 제 2 시각적 표현은 상기 사용자 단말의 색상인, 5G 기반의 네트워크 성능 시각화 방법. - 제 1 항에 있어서,
상기 사용자 단말의 위치 정보는 기저장된 단말 위치 정보를 통해 획득된 정보이거나 또는 상기 사용자 단말의 측위 정보를 상기 사용자 단말로부터 수신함에 의해 획득된 정보인, 5G 기반의 네트워크 성능 시각화 방법. - 제 1 항에 있어서,
상기 스위칭 장치는, 네트워크 코어(Network Core)와 적어도 하나의 기지국 간에 구비되는, 5G 기반의 네트워크 성능 시각화 방법. - 5G 기반의 네트워크에 접속된 스위칭 장치와 연결된 네트워크 성능 시각화 장치에 있어서,
상기 스위칭 장치로부터 미러링하는 것을 기반으로 하여, 적어도 하나의 기지국에 접속되는 사용자 단말로부터 송수신되는 적어도 하나의 패킷들에 대한, 미러링된 적어도 하나의 패킷들을 획득하는 포트(port);
상기 미러링된 적어도 하나의 패킷 내에 포함된 정보들 중 적어도 일부를 기반으로 상기 사용자 단말과 상기 적어도 하나의 기지국과 연관된 네트워크의 성능을 나타내는 성능 관련 지표를 산출하여 상기 사용자 단말의 위치에 대응하는 제 1 시각화 공간 상의 위치에 상기 사용자 단말의 성능 관련 지표에 대응하는 시각적 표현으로 상기 사용자 단말을 표시하는 패킷 분석 모듈; 및
상기 패킷 분석 모듈의 동작과 관련된 명령어를 저장하고, 상기 산출된 성능 관련 지표를 저장하는 메모리를 포함하되,
상기 적어도 하나의 기지국은, 5G 네트워크의 기지국인 gNB(Next Generation nodeB), 5G 코어와의 연결뿐만 아니라 LTE(Long Term Evolution) 코어와의 연결도 지원하는 en-gNB 및 ng-eNB 중 적어도 하나를 포함하며,
상기 제 1 시각화 공간은 상기 적어도 하나의 기지국이 관할하는 네트워크 영역을 시각화한 맵(map)을 포함하고,
복수 개의 사용자 단말로부터 획득된 위치 정보 - 상기 위치 정보는 지리적인 위치를 포함함 - 와 성능 관련 지표를 기반으로, 상기 맵 상에 상기 복수 개의 사용자 단말 각각의 네트워크 성능 정보에 대응하는 시각적 표현을 표시함에 의해, 상기 네트워크 영역에 대한 네트워크 음영 영역이 구분되도록 표시하는 네트워크 음영영역 표시 맵을 생성하고,
상기 네트워크 음영영역 표시 맵은 상기 복수 개의 사용자 단말이 배치된 위치의 성능 관련 지표를 기반으로 상기 복수 개의 사용자 단말이 배치되지 않은 위치의 네트워크 성능을 추론하여 네트워크 성능이 표시되도록 생성되고,
상기 네트워크 음영 영역은 복수 개의 임계값에 의해 나누어진 복수 개의 구간에 대응하는 시각적 표현으로 표시되되,
상기 복수 개의 임계값들 중 적어도 일부는 5G 통신 서비스에서 요구하는 기준값을 포함하는, 5G 기반의 네트워크 성능 시각화 장치. - 5G 기반의 네트워크 성능 시각화 시스템에 있어서,
5G 기반의 네트워크에 접속된 스위칭 장치; 및
상기 스위칭 장치로부터 미러링하는 것을 기반으로 하여, 적어도 하나의 기지국에 접속되는 사용자 단말로부터 송수신되는 적어도 하나의 패킷들에 대한, 미러링된 적어도 하나의 패킷들을 획득하고, 상기 미러링된 적어도 하나의 패킷 내에 포함된 정보들 중 적어도 일부를 기반으로 상기 사용자 단말과 상기 적어도 하나의 기지국과 연관된 네트워크의 성능을 나타내는 성능 관련 지표를 산출하여 상기 사용자 단말의 위치에 대응하는 제 1 시각화 공간 상의 위치에 상기 사용자 단말의 성능 관련 지표에 대응하는 시각적 표현으로 상기 사용자 단말을 표시하는 네트워크 성능 시각화 장치를 포함하되,
상기 적어도 하나의 기지국은, 5G 네트워크의 기지국인 gNB(Next Generation nodeB), 5G 코어와의 연결뿐만 아니라 LTE(Long Term Evolution) 코어와의 연결도 지원하는 en-gNB 및 ng-eNB 중 적어도 하나를 포함하며,
상기 제 1 시각화 공간은 상기 적어도 하나의 기지국이 관할하는 네트워크 영역을 시각화한 맵(map)을 포함하고,
복수 개의 사용자 단말로부터 획득된 위치 정보 - 상기 위치 정보는 지리적인 위치를 포함함 - 와 성능 관련 지표를 기반으로, 상기 맵 상에 상기 복수 개의 사용자 단말 각각의 네트워크 성능 정보에 대응하는 시각적 표현을 표시함에 의해, 상기 네트워크 영역에 대한 네트워크 음영 영역이 구분되도록 표시하는 네트워크 음영영역 표시 맵을 생성하고,
상기 네트워크 음영영역 표시 맵은 상기 복수 개의 사용자 단말이 배치된 위치의 성능 관련 지표를 기반으로 상기 복수 개의 사용자 단말이 배치되지 않은 위치의 네트워크 성능을 추론하여 네트워크 성능이 표시되도록 생성되고,
상기 네트워크 음영 영역은 복수 개의 임계값에 의해 나누어진 복수 개의 구간에 대응하는 시각적 표현으로 표시되되,
상기 복수 개의 임계값들 중 적어도 일부는 5G 통신 서비스에서 요구하는 기준값을 포함하는, 5G 기반의 네트워크 성능 시각화 시스템.
Priority Applications (5)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020190111513A KR102174190B1 (ko) | 2019-09-09 | 2019-09-09 | 5g 기반의 네트워크 성능 시각화 방법, 장치 및 시스템 |
| EP20863205.9A EP4030695A4 (en) | 2019-09-09 | 2020-08-26 | METHOD, DEVICE AND SYSTEM FOR DIAGNOSING THE PERFORMANCE OF A MOBILE NETWORK BASED ON 5G |
| PCT/KR2020/011359 WO2021049783A1 (ko) | 2019-09-09 | 2020-08-26 | 5세대 이동 통신 기반의 네트워크 성능 진단 방법, 장치 및 시스템 |
| US17/641,077 US20220345914A1 (en) | 2019-09-09 | 2020-08-26 | Method, device, and system for diaganosing performance of 5g mobile communication-based network |
| JP2022515585A JP7304041B2 (ja) | 2019-09-09 | 2020-08-26 | ５ｇ基盤のネットワーク性能診断方法、装置及びシステム |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020190111513A KR102174190B1 (ko) | 2019-09-09 | 2019-09-09 | 5g 기반의 네트워크 성능 시각화 방법, 장치 및 시스템 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR102174190B1 true KR102174190B1 (ko) | 2020-11-04 |
Family
ID=73571681
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020190111513A KR102174190B1 (ko) | 2019-09-09 | 2019-09-09 | 5g 기반의 네트워크 성능 시각화 방법, 장치 및 시스템 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102174190B1 (ko) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20220125965A (ko) * | 2021-03-08 | 2022-09-15 | 엔시큐어 주식회사 | 네트워크 시스템 성능 저하 실시간 모니터링 장치 |
| WO2022197071A1 (ko) * | 2021-03-17 | 2022-09-22 | 주식회사맥데이타 | 네트워크 보안 및 성능 모니터링 장치, 시스템 및 방법 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20170110105A (ko) * | 2015-01-27 | 2017-10-10 | 노키아 솔루션스 앤드 네트웍스 오와이 | 트래픽 흐름 모니터링 |
| WO2018213688A1 (en) * | 2017-05-19 | 2018-11-22 | Qualcomm Incorporated | Options to provide a network icon in non-standalone mode |
| KR20190088343A (ko) * | 2018-01-18 | 2019-07-26 | 주식회사맥데이타 | 네트워크 성능지표를 시각화하는 방법 및 장치, 및 시스템 |
| KR20190103681A (ko) * | 2018-02-28 | 2019-09-05 | 한국과학기술원 | 기계학습을 이용한 무선 백홀망 자원할당방법 및 자원할당 장치 |
-
2019
- 2019-09-09 KR KR1020190111513A patent/KR102174190B1/ko active IP Right Grant
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20170110105A (ko) * | 2015-01-27 | 2017-10-10 | 노키아 솔루션스 앤드 네트웍스 오와이 | 트래픽 흐름 모니터링 |
| WO2018213688A1 (en) * | 2017-05-19 | 2018-11-22 | Qualcomm Incorporated | Options to provide a network icon in non-standalone mode |
| KR20190088343A (ko) * | 2018-01-18 | 2019-07-26 | 주식회사맥데이타 | 네트워크 성능지표를 시각화하는 방법 및 장치, 및 시스템 |
| KR20190103681A (ko) * | 2018-02-28 | 2019-09-05 | 한국과학기술원 | 기계학습을 이용한 무선 백홀망 자원할당방법 및 자원할당 장치 |
Non-Patent Citations (2)
| Title |
|---|
| ETRI et al., S5-192221, Add use case and requirements of self-monitoring of network performance, 3GPP TSG SA WG5 #124, 3GPP 서버공개일(2019.02.15.) 1부.* * |
| Huawei et al., S6-181502, Proposal for Network situation and QoS monitoring and reporting, 3GPP TSG SA WG6 #026, 3GPP 서버공개일(2018.10.21.) 1부.* * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20220125965A (ko) * | 2021-03-08 | 2022-09-15 | 엔시큐어 주식회사 | 네트워크 시스템 성능 저하 실시간 모니터링 장치 |
| KR102563247B1 (ko) * | 2021-03-08 | 2023-08-03 | 엔시큐어 주식회사 | 네트워크 시스템 성능 저하 실시간 모니터링 장치 |
| WO2022197071A1 (ko) * | 2021-03-17 | 2022-09-22 | 주식회사맥데이타 | 네트워크 보안 및 성능 모니터링 장치, 시스템 및 방법 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102163279B1 (ko) | 5g 기반의 네트워크 성능 진단 방법, 장치 및 시스템 | |
| KR102163280B1 (ko) | 엣지 컴퓨팅 기반 네트워크 모니터링 방법, 장치 및 시스템 | |
| Fitzek et al. | Computing in communication networks: From theory to practice | |
| JP7304041B2 (ja) | ５ｇ基盤のネットワーク性能診断方法、装置及びシステム | |
| US11985565B2 (en) | Method and apparatus for mobility management in wireless communication system | |
| KR102076862B1 (ko) | 네트워크 성능지표를 시각화하는 방법 및 장치, 및 시스템 | |
| CN102752792A (zh) | 监测移动终端上网业务质量的方法、设备及系统 | |
| US11963024B2 (en) | Method and apparatus for backhaul status reporting in wireless communication system | |
| KR20190088342A (ko) | 네트워크 성능 진단 방법 및 장치, 및 시스템 | |
| US20220070959A1 (en) | Method and apparatus for failure notification on backhaul link in wireless communication system | |
| US11166335B2 (en) | Method and apparatus for handling backhaul link failure in wireless communication system | |
| US20200351693A1 (en) | Method and apparatus for measurement processing in wireless communication system | |
| KR102174190B1 (ko) | 5g 기반의 네트워크 성능 시각화 방법, 장치 및 시스템 | |
| US20220240225A1 (en) | Method and apparatus for direct link management in wireless communication system | |
| US20220116837A1 (en) | Method and apparatus for performing measurement in wireless communication system | |
| US20240195721A1 (en) | Method, apparatus and system for diagnosing network performance | |
| KR20220170770A (ko) | 단말의 보안 패킷에 기반한 네트워크 보안 모니터링 장치 및 방법 | |
| US11558307B2 (en) | Method and apparatus for reporting processing delay related information in wireless communication system | |
| KR20220130021A (ko) | 네트워크 보안 및 성능 모니터링 장치, 시스템 및 방법 | |
| US20210351886A1 (en) | Radio link monitoring | |
| US20220217804A1 (en) | Method and apparatus for backhaul status reporting in wireless communication system | |
| KR102027759B1 (ko) | 네트워크와 연관된 신규 장치 등록 방법 및 장치 | |
| US20230180005A1 (en) | Apparatus, system, and method for monitoring network security and performance | |
| KR20220123511A (ko) | 무선 통신 시스템에서 모빌리티 실행을 위한 방법 및 장치 | |
| US20210227414A1 (en) | Method and apparatus for restricting measurement based on result of a reference measurement in wireless communication system |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |