KR102202051B1 - 레거시 환경 분석 기반 클라우드 시스템 추천 장치 - Google Patents
레거시 환경 분석 기반 클라우드 시스템 추천 장치 Download PDFInfo
- Publication number
- KR102202051B1 KR102202051B1 KR1020190119921A KR20190119921A KR102202051B1 KR 102202051 B1 KR102202051 B1 KR 102202051B1 KR 1020190119921 A KR1020190119921 A KR 1020190119921A KR 20190119921 A KR20190119921 A KR 20190119921A KR 102202051 B1 KR102202051 B1 KR 102202051B1
- Authority
- KR
- South Korea
- Prior art keywords
- information
- cloud
- cloud system
- legacy system
- unit
- Prior art date
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 83
- 238000000034 method Methods 0.000 claims description 32
- 230000007613 environmental effect Effects 0.000 claims description 27
- 238000013523 data management Methods 0.000 claims description 20
- 238000010801 machine learning Methods 0.000 claims description 9
- 230000008569 process Effects 0.000 claims description 5
- 238000003891 environmental analysis Methods 0.000 claims description 2
- 238000007726 management method Methods 0.000 description 26
- 238000012546 transfer Methods 0.000 description 24
- 238000013480 data collection Methods 0.000 description 19
- 238000010586 diagram Methods 0.000 description 14
- 230000006870 function Effects 0.000 description 8
- 238000012552 review Methods 0.000 description 4
- 238000006243 chemical reaction Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000005012 migration Effects 0.000 description 2
- 238000013508 migration Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007123 defense Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000036314 physical performance Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F8/00—Arrangements for software engineering
- G06F8/10—Requirements analysis; Specification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06313—Resource planning in a project environment
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/10—Office automation; Time management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Data Mining & Analysis (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Information Transfer Between Computers (AREA)
Abstract
본 발명의 일 실시예에 따른 클라우드 시스템 추천 장치는, 레거시 시스템의 영상을 획득하는 영상획득부, 상기 레거시 시스템의 영상을 분석하여 환경 정보를 생성하는 사양분석부 및 상기 환경 정보를 활용하여 클라우드 시스템을 추천하는 사례 분석부를 포함한다.
Description
본 발명은 레거시 환경을 분석하여 클라우드 시스템을 추천하는 장치에 관한 것이다.
최근 클라우드 컴퓨팅 관련 기술의 발전 및 보급이 확대됨에 따라 민간분야 뿐만 아니라 정부나 공공부문에서도 비용절감 및 자원의 효율적 사용, 관리 편의성 등 기존 컴퓨팅 환경의 구축 및 관리 측면에서의 부정적인 요소들을 상당부분 제거할 수 있는 클라우드 컴퓨팅 도입을 적극적으로 추진하고 있다. 일반적으로 새로운 컴퓨팅 환경이 도입될 때, 개발 및 운용측면에서 가장 바람직한 것은 새로운 환경에서 새롭게 구축하는 것이지만 기 운용중인 데이터나 서비스들을 중단하기 어려운 것이 현실이기 때문에 이들을 클라우드 컴퓨팅 환경으로 이전하는 기술이나 방법에 많은 관심을 기울일 수밖에 없다.
현재 이러한 클라우드 컴퓨팅 환경으로의 이전은 클라우드 서비스를 제공하는 각 업체의 이전 전문가들에 의해 분석 후 방법이나 비용 등이 결정된다. 때문에 기존 레거시 환경의 복잡도 및 제약사항 등에 따라 분석에 소요되는 기간이 달라지며 추천된 이전 방법이나 산출된 비용의 객관성을 보장하기 어렵다. 또한 클라우드 서비스 제공업체를 이용하는 경우 각 업체마다 다양한 서비스를 제공하기 때문에 현 환경을 이전하고 운용하기 위해 적합한 서비스를 스스로 찾는 것이 어렵고 많은 시간이 소요되며, 상담을 통해 추천된 서비스가 타 업체의 서비스와 비교해 보다 최적화된 서비스라는 것을 보장하기 어렵다.
본 발명이 해결하고자 하는 과제는 이러한 수동적이고 주관적 편견의 개입이 가능한 과정을 자동화하고 보다 객관화함으로써 클라우드 컴퓨팅 환경의 보급에 이바지 할 수 있으며, 클라우드 도입을 고려하는 각 기관 또는 개인이 각자 운용개념에 부합하는 적합한 클라우드 서비스를 찾고 적절한 이전 방법을 고려할 수 있도록 한다.
다만, 본 발명의 해결하고자 하는 과제는 이상에서 언급한 것으로 제한되지 않으며, 언급되지 않은 또 다른 해결하고자 하는 과제는 아래의 기재로부터 본 발명이 속하는 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.
본 발명의 일 실시예에 따른 클라우드 시스템 추천 장치는, 레거시 시스템의 영상을 획득하는 영상획득부, 상기 레거시 시스템의 영상을 분석하여 환경 정보를 생성하는 사양분석부 및 상기 환경 정보를 활용하여 클라우드 시스템을 추천하는 사례 분석부를 포함한다.
또한, 상기 사양분석부는 머신러닝 알고리즘에 따라 학습되고, 상기 머신러닝 알고리즘에 따라 상기 레거시 시스템의 영상을 분석할 수 있다.
또한, 상기 환경 정보를 저장하고 복수 개의 클라우드 시스템에 대한 정보를 저장하는 데이터 관리부를 더 포함하고, 상기 머신러닝 알고리즘은 상기 데이터 관리부에 저장된 정보를 활용하여 학습될 수 있다.
또한, 상기 환경 정보는 상기 레거시 시스템의 제조사, 상기 레거시 시스템의 모델명, 상기 레거시 시스템의 가격, 상기 레거시 시스템을 구성하는 하드웨어의 사양 및 상기 레거시 시스템을 구성하는 소프트웨어의 사양 중 적어도 하나를 포함할 수 있다.
또한, 사용자에게 상기 레거시 시스템의 영상에 대한 요구사항을 알려주는 가이드부를 더 포함할 수 있다.
또한, 상기 요구사항은, 상기 레거시 시스템의 영상이 복수 개인 경우 상기 복수 개의 영상이 입력되어야 하는 입력 순서 정보를 포함할 수 있다.
또한, 상기 요구사항은, 상기 레거시 시스템의 영상에 포함되어야 하는 내용에 대한 정보를 포함할 수 있다.
또한, 상기 환경 정보를 분석하는 환경 분석부를 더 포함하고, 상기 환경 분석부는 상기 환경 정보를 통해 복수 개의 클라우드 시스템 중에서 상기 레거시 시스템과 동일하거나 가장 유사한 클라우드 시스템을 찾을 수 있다.
또한, 상기 가장 유사한 클라우드 시스템을 찾는 경우에, 상기 복수 개의 클라우드 시스템 중에서 상기 환경 정보를 만족하는 가장 낮은 사양을 찾을 수 있다
본 발명의 실시예에 따르면 대부분 전문가 상담을 통함으로써 이루어지는 클라우드 컴퓨팅 이전 절차 및 방법, 환경 구성, 견적에 대해 보다 객관적이고 특정 업체 및 서비스에 종속되지 않도록 할 수 있다. 또한 사용자 스스로 클라우드 이전을 위해 필요한 비용, 서비스, 방법 등에 대한 정보를 사전에 인지함으로써 실제 이전 시 보다 적절한 서비스와 방법을 객관적인 비용으로 수행할 수 있도록 하는데 도움을 줄 수 있다. 특히 예를 들어, 국방 분야의 각 지휘통제체계와 같이 복잡하고 연동대상체계가 많은 경우 레거시 환경을 분석하는 것은 매우 많은 시간과 비용을 요구한다. 이러한 복잡한 체계일수록 본 발명을 통해 보다 효과적이고 효율적으로 분석을 수행할 수 있을 것이다.
도 1은 본 발명의 일 실시예에 따른 클라우드 시스템 추천 장치의 구성도이다.
도 2는 도 1의 사용자 인터페이스부에 대한 구체적인 구성도이다.
도 3은 제 1의 데이터 수집부에 대한 구체적인 구성도이다.
도 4는 데이터 수집부가 동작하는 과정을 설명한 예시도이다.
도 5 및 도 6은 사용자 인터페이스부의 구성예이며, 레거시 시스템의 정보를 얻는 예시도이다.
도 7은 본 발명의 일 실시예에 따른 요구사항을 표현한 예시도이다.
도 8은 본 발명의 일 실시예에 따른 사례 분석부가 분석한 결과에 대한 예시도이다.
도 9는 본 발명의 일 실시예에 따른 클라우드 시스템 추천 방법에 대한 순서도이다.
도 10은 도 9의 클라우드 시스템 추천 과정에 대한 상세한 순서도이다.
도 2는 도 1의 사용자 인터페이스부에 대한 구체적인 구성도이다.
도 3은 제 1의 데이터 수집부에 대한 구체적인 구성도이다.
도 4는 데이터 수집부가 동작하는 과정을 설명한 예시도이다.
도 5 및 도 6은 사용자 인터페이스부의 구성예이며, 레거시 시스템의 정보를 얻는 예시도이다.
도 7은 본 발명의 일 실시예에 따른 요구사항을 표현한 예시도이다.
도 8은 본 발명의 일 실시예에 따른 사례 분석부가 분석한 결과에 대한 예시도이다.
도 9는 본 발명의 일 실시예에 따른 클라우드 시스템 추천 방법에 대한 순서도이다.
도 10은 도 9의 클라우드 시스템 추천 과정에 대한 상세한 순서도이다.
본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나 본 발명은 이하에서 개시되는 실시예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시예들은 본 발명의 개시가 완전하도록 하고, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다.
본 발명의 실시예들을 설명함에 있어서 공지 기능 또는 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략할 것이다. 그리고 후술되는 용어들은 본 발명의 실시예에서의 기능을 고려하여 정의된 용어들로서 이는 사용자, 운용자의 의도 또는 관례 등에 따라 달라질 수 있다. 그러므로 그 정의는 본 명세서 전반에 걸친 내용을 토대로 내려져야 할 것이다.
도 1 내지 도 8을 참조하여 본 발명의 일 실시예에 따른 클라우드 시스템 추천 장치(100)에 대해서 설명하기로 한다.
도 1은 본 발명의 일 실시예에 따른 클라우드 시스템 추천 장치(100)의 구성도이고, 도 2는 도 1의 사용자 인터페이스부(110)에 대한 구체적인 구성도이고, 도 3은 도 1의 데이터 수집부(190)에 대한 구체적인 구성도이고, 도 4는 데이터 수집부(190)가 동작하는 과정을 설명한 예시도이고, 도 5 및 도 6은 사용자 인터페이스부(110)의 구성예이며, 레거시 시스템의 정보를 얻는 예시도이고, 도 7은 본 발명의 일 실시예에 따른 요구사항을 표현한 예시도이고, 도 8은 본 발명의 일 실시예에 따른 사례 분석부(170)가 분석한 결과에 대한 예시도이다.
도 1에 도시된 바와 같이, 본 발명의 실시예에 따른 레거시 환경 분석 기반 클라우드 시스템 추천 장치(100)는 사용자 인터페이스부(110), 환경 분석부(120), 이전 대상 요구 분석부(130), 요소별 이전 가능성 분석부(140), 예산/견적 관리부(150), 데이터 관리부(160), 사례 분석부(170), 프로파일 관리부(180), 데이터 수집부(190), 이전 방법 관리부(200)를 포함할 수 있다.
도 1, 도 2, 도 5 및 도 6을 참조하면, 사용자 인터페이스부(110)는 레거시 시스템에 대한 환경 정보를 입력받을 수 있다. 예를 들어, 레거시 시스템의 통신, 레거시 시스템에 포함된 각각의 서버 시스템, 레거시 시스템의 외부연동체계 및 레거시 시스템에 포함된 하드웨어와 소프트웨어에 대한 정보를 제공받을 수 있다. 예를 들어, 사용자 인터페이스부(110)는 도 5와 같이 레거시 시스템에 포함된 소프트웨어에 대한 정보를 입력받고, 도 6과 같이 레거시 시스템에 포함된 하드웨어에 대한 정보를 입력받을 수 있다.
레거시 시스템을 클라우드 시스템으로 안정적으로 이전하기 위해서는 레거시 시스템에 대한 확인이 필요하므로, 사용자 인터페이스부(110)는 도 5 및 도 6과 같이 레거시 시스템의 환경 정보를 구체적으로 받아야 한다.
이때, 사용자 인터페이스부(110)는 레거시 시스템의 하드웨어에 대한 정보로서 예를 들어, 레거시 시스템의 제조사, 레거시 시스템의 모델명, 레거시 시스템의 가격, 레거시 시스템을 구성하는 하드웨어의 사양 등을 제공받을 수 있다. 좀더 구체적으로, 서버 시스템은 운영체제, DB, Web Server, Web Application Server에 대한 정보를 받을 수 있다.
사용자 인터페이스부(110)는 레거시 시스템에 포함된 소프트웨어의 정보에 대해서도 제공받을 수 있다. 예를 들어, 레거시 시스템에 속해있고 활용되고 있는 복수 개의 소프트웨어 각각의 종류, 버전, 소프트웨어가 동작하는데 필요한 사양 등의 정보를 입력받을 수 있다. 소프트웨어는 크게 상용 소프트웨어와 자체제작 소프트웨어로 구분될 수 있다. 복수 개의 소프트웨어는 상용 소프트웨어와 자체제작 소프트웨어로 나뉠 수 있으며, 예를 들어 상용 소프트웨어는 MS Office, 아래한글, Adobe Acrobat Reader 같은 상용 소프트웨어 제품을, 자체제작 소프트웨어는 특정 기능을 수행하도록 직접 제작한 소프트웨어 제품을 의미할 수 있으나, 이에 제한되는 것은 아니다. 자체제작 소프트웨어의 경우 클라우드 시스템으로의 이전 가능성 여부를 사용자로부터 직접 입력받거나, 구현언어 및 구현언어의 버전, 다른 소프트웨어와의 종속성(Dependancy) 등 이전 가능성을 판단하는데 필요한 정보들을 입력 받음으로써 요소별 이전 가능 분석부에서 분석시 분석 가능성을 판단할 때 활용할 수 있도록 한다. 요소별 이전 가능 분석부는 추후 서술하도록 한다.
사용자 인터페이스부(110)에 환경 정보를 입력하는 방법은 크게 두 가지가 가능한데, 사용자가 환경 정보를 직접 입력하는 방식과 레거시 시스템을 영상, 예를 들어 사진이나 동영상으로 촬영 후 이를 분석하여 입력하는 방식이 있다. 사용자가 입력하는 경우는 상술한 환경 정보를 사용자가 직접 입력하면 되며, 특히 자체제작 소프트웨어의 경우에는 관련 정보를 파악하기 어려우므로 사용자가 입력해야할 필요가 있다. 반면 영상을 입력하는 경우 입력된 이미지 또는 영상에서 각 구성요소를 식별하고 각 구성요소의 모델명 등 해당 구성요소를 특정할 수 있는 요소 식별을 통해 기 수집된 하드웨어의 물리적인 성능 기술을 참고하여 환경을 분석한다.
도 2를 참조하면, 사용자 인터페이스부(110)는 영상획득부(111), 사양분석부(113), 가이드부(115)를 포함할 수 있다. 영상획득부(111)는 레거시 시스템의 영상을 획득한다. 영상은 사진, 동영상 등일 수 있으며 레거시 시스템의 제조사, 모델명, 가격, 레거시 시스템을 구성하는 하드웨어의 종류 및 사양, 레거시 시스템에서 사용하는 소프트웨어의 종류 및 사양에 대한 내용을 포함한다. 사양분석부(113)는 영상획득부(111)에서 획득한 레거시 시스템의 영상을 분석하여 레거시 시스템의 사양을 자동으로 인식할 수 있다. 사양분석부(113)는 도 5 및 도 6과 같이 환경 정보를 생성할 수 있다. 예를 들어, 웹서버의 영상을 영상획득부(111)에서 획득하면 사양분석부(113)는 OCR을 통해 웹서버의 RAM이 4기가이고, CPU는 Intel core I5-66000K이고, HDD 용량은 1TB라는 환경정보를 생성할 수 있다. 또한 소프트웨어에 대한 화면을 캡쳐하여 웹서버에서 사용하는 프로그램은 Apache 2.0.64 버전, Java 2.0 버전, Unix AIX 5L 버전이라는 환경 정보를 생성할 수 있다. 생성된 환경 정보는 데이터 관리부(160)에 저장된다.
한편, 사양분석부(113)는 레거시 시스템 영상을 분석하기 위해 머신러닝 알고리즘에 따라 학습될 수 있다. 데이터 관리부(160)에 있는 정보들을 활용하여 머신러닝 알고리즘으로 학습시킬 수 있다. 여기에 사용되는 머신러닝 알고리즘은 당업자라면 접근이 가능하고 활용할 수 있는 일반적인 알고리즘들을 사용하며, 알고리즘에 대한 자세한 설명은 여기서는 생략하기로 한다.
가이드부(115)는 사용자에게 레거시 시스템의 영상에 대한 요구사항을 알려준다. 하드웨어의 정보를 획득하려면 어느 부분의 영상을 확보해야하는지, 소프트웨어의 정보를 획득하려면 어떤 화면을 확보해야하는지 요구사항을 사용자에게 알려줄 수 있다. 예를 들어, 레거시 시스템의 모든 환경 정보를 확보할 수 있도록 하나의 영상을 어떻게 찍어야하는지 사용자에게 알려줄 수 있다. 또는 예를 들어 레거시 시스템의 영상이 복수 개가 필요한 경우, 환경 정보를 생성하기 위해서 어떤 영상이 필요한지, 영상 입력 순서를 어떻게 해야하는지 영상에 어떤 정보가 들어가도록 해야하는지 알려줄 수 있다. 사용자는 가이드부(115)를 통해 레거시 시스템의 정보를 담고 있는 영상을 어떻게 확보해야하는지 쉽게 알 수 있고, 영상획득부(111)에 해당 영상을 어려움 없이 입력할 수 있다. 또한, 가이드부(115)는 레거시 시스템의 환경 정보가 부족하다고 판단되면, 추가 정보를 요청하여 환경 정보를 추가적으로 획득하도록 할 수 있다.
사용자는 레거시 시스템의 영상을 직접 찍어서 영상획득부(111)에 입력할 수도 있고, 이미 보유하고 있거나 제조사에서 제공한 영상을 영상획득부(111)에 입력할 수도 있는 등 사용자가 레거시 시스템의 영상을 확보하는 방법은 다양할 수 있다. 사양분석부(113)는 레거시 시스템의 영상을 분석하여 레거시 시스템의 환경 정보를 생성한다.
환경 분석부(120)는 사용자 인터페이스부(110)가 생성한 환경 정보를 분석한다. 환경 분석부(120)는 사례 분석부(170)로부터 복수 개의 클라우드 시스템의 정보를 제공 받고, 환경 정보를 활용하여 그 중에서 레거시 시스템과 동일하거나 가장 유사한 클라우드를 찾을 수 있다. 예를 들어, 환경 분석부(120)는 사용자로부터 입력된 통신이나 네트워크, 각 서버시스템, 외부연동대상체계 등의 환경에 대한 분석을 수행하고 각 환경 구성요소의 물리적 사양 및 구성요소 간 관계를 식별한다. 이때, 각 구성요소의 물리적 사양이 현재 지원 가능한 최소 수준 이상여부를 판단하고 가장 유사한 수준으로 추천하며, 최소 수준에 미치지 못하는 경우 최소 수준의 사양으로 추천한다. 즉, 복수 개의 클라우드 시스템 중에서 환경 정보를 만족하는 가장 낮은 사양을 찾을 수 있다. 복수 개의 클라우드 시스템 중에서 환경 분석부(120)가 선정한 클라우드 시스템은 다시 사례 분석부(170)에 제공되며, 사례 분석부(170)는 사용자에게 클라우드 시스템을 추천한다.
이전 대상 요구 분석부(130)는 추천 받을 클라우드 시스템에 관한 요구사항을 획득한다. 구체적으로, 레거시 시스템을 이전해서 운영하고자 하는 컴퓨팅 환경에 대한 요구사항을 분석하는 기능을 수행한다. 이전 대상 요구 분석부(130)는 일부 자체제작 소프트웨어를 수정하여 기능을 추가하거나 구성요소를 변경하는 경우 이를 반영할 수 있도록 하는 하드웨어 구성요소 최소 사양을 추천한다. 이때 자체제작 소프트웨어 수정 또는 구성요소 변경이 타 자체제작 소프트웨어 또는 상용 소프트웨어와의 종속성에 영향을 주는 경우 추가로 표시하도록 한다. 도 7과 같이 이전 대상 요구 분석부(130)는 요구사항을 정리하고 분석하며, 요구사항은 레거시 시스템의 환경 정보를 분석하여 자동으로 획득하거나 사용자의 직접 입력에 의해 획득할 수 있다.
이전 대상 요구 분석부(130)는 사용자가 원하는 요구사항이 있을 경우, 이에 대한 정보를 입력받아 분석한다. 레거시 시스템과 요구사항을 비교하여 명시적으로 요구 되지 않은 사항들에 대해 묵시적인 요구사항(Implicit Requirement)을 식별하여 사용자에게 추가 여부를 확인 후 요구사항에 추가한다. 이러한 묵시적인 요구사항은 초기 기 사례들이 없는 경우를 대비하여 관리자에 의해 입력 가능하다. 예를 들어, 이전 대상 요구 분석부(130)에 입력된 사용자가 입력한 요구사항의 개수가 환경 분석부(120)에서 레거시 시스템을 분석하여 도출한 환경 정보의 개수보다 많은 경우, 사례 분석부(170)(추후 자세히 서술하기로 함)는 요구사항의 개수에 맞추어 클라우드 시스템을 추천한다. 환경 정보의 개수가 적더라도 프로파일 관리부(180)와 데이터 관리부(160)로부터 관련 정보를 받아와 요구사항의 개수를 맞춘다. 사례 분석부(170)는 프로파일 관리부(180)에 저장된 복수 개의 클라우드 시스템의 추천 이력을 통해 요구사항에 없는 부분의 추가 정보를 받아와 클라우드 시스템을 추천할 수 있다.
한편, 이전 대상 요구 분석부(130)에 입력된 사용자가 입력한 요구사항의 개수가 환경 분석부(120)에서 레거시 시스템을 분석하여 도출한 환경 정보의 개수보다 적은 경우 묵지적인 요구사항에 대해서 사용자로부터 추가 정보를 받는다. 클라우드 시스템 추천 장치(100)는 레거시 시스템 전부를 안정적으로 클라우드 시스템으로 이전해야하므로, 추가 정보를 받아야 한다.
요소별 이전 가능성 분석부(140)는 환경 분석부(120)와 이전 대상 요구 분석부(130)의 결과를 바탕으로 클라우드 시스템으로 하드웨어, 소프트웨어 별로 각 구성요소의 이전 가능성을 판단하는 기능을 수행한다. 이 때, 요소별 이전 가능성 분석부(140)는 하드웨어의 경우에는 레거시 시스템과 클라우드 시스템의 요구사항을 고려하여 요구사항에 가장 가까운 사양을 고려한다. 만약 요구사항에 기술된 구성요소가 없는 경우 이전 불가로 표시하고 가장 성능이 유사하며 호환 가능한 다른 구성요소를 추천한다.
요소별 이전 가능성 분석부(140)는 소프트웨어의 경우에도 하드웨어와 마찬가지로 레거시 시스템과 요구사항을 고려하여 대상 환경에 가장 유사한 기능과 성능을 고려한다. 또한 요구사항에 기술된 구성요소가 없는 경우 이전 불가로 표시하고 호환 가능한 다른 구성요소를 추천하며, 자체제작 소프트웨어의 경우 종속성 및 사용자가 입력한 이전 가능성을 고려하여 이전 가능 여부를 판단한다. 예시적으로 도 8과 같이 JEUS 5.0 구성요소가 클라우드 시스템으로 이전이 불가능한 경우, 호환 가능한 다른 구성요소인 Tomcat 5.5, 5.6 등을 추천한다.
예산/견적 관리부(150)는 클라우드 시스템을 이전할 때 책정된 예산을 입력 받는다. 사용자가 입력한 예산을 최대값으로 이전 시 가용한 서비스나 도구를 선택하는데 활용하며, 입력된 예산이 없는 경우 레거시 시스템의 환경 정보를 만족하는 최소한의 금액을 산출하여 사용자에게 제시한다. 이때 최소한의 금액은 데이터 관리부(160)에서 갖고 있는 수집된 비용을 근거로 산출하는데 비용 수집에 대한 자세한 내용은 후술하기로 한다.
데이터 관리부(160)는 클라우드 시스템을 추천하는데 필요한 각종 정보를 저장한다. 클라우드 시스템 추천 장치(100) 각각의 구성요소가 수집한 각종 정보를 받아 저장하는데, 예를 들어, 사용자 인터페이스부(110) 및 환경 분석부(120)를 통해 획득한 레거시 시스템의 환경 정보, 레거시 시스템의 영상, 이전 대상 요구 분석부(130)로부터 입력된 요구사항, 데이터 수집부(190)로부터 수집한 제1 정보 및 제2 정보, 사양 정보 사례 분석부(170)가 분석한 정보, 예산/견적 관리부(150)에 입력된 예산, 요소별 이전 가능성 분석부(140)에서 분석한 하드웨어, 소프트웨어 별로 각 구성요소의 이전 가능성 등을 저장할 수 있으며, 이에 제한되는 것은 아니다.
또한, 데이터 관리부(160)는 클라우드 시스템 추천 장치(100) 각각의 구성요소가 데이터를 요청하면 저장하고 있는 데이터를 제공한다.
프로파일 관리부(180)는 클라우드 시스템의 추천 이력을 저장하고 사례 분석부(170)가 요청하면 저장한 추천 이력을 제공한다. 사례 분석부(170)가 사용자에게 클라우드 시스템을 추천할 때마다 클라우드 시스템의 추천 이력은 생성되는데, 생성될 때마다 프로파일 관리부(180)는 이를 저장한다.
클라우드 시스템의 추천 이력은 예산 정보, 레거시 시스템에 대한 정보, 사용자가 선택한 클라우드 시스템 등을 포함할 수 있다. 클라우드 시스템의 추천 이력은 프로파일 관리부(180)에 유형 별로 분류되어서 저장되는데, 구체적으로 클라우드 시스템의 추천 이력에는 클라우드 시스템의 체계명, 예산 정보, 각 서버명 같은 레거시 시스템에 대한 기본 정보와, 추천한 클라우드 서비스, 배치 모델 같은 일부 정보, 각 서버 별 하드웨어 구성 정보, 각 서버 별 소프트웨어 구성 정보, 추천된 클라우드 시스템의 서비스 구성 등이 유형 별로 분류되어 저장될 수 있다. 다만, 각 서버 별 하드웨어 구성 정보와 각 서버 별 소프트웨어 구성 정보의 보다 구체적인 정보 및 사용자의 요구사항 등은 데이터 관리부(160)에 저장된다.
프로파일 관리부(180)에 저장된 클라우드 시스템의 추천 이력은 사용자에 의해 로드되거나 수정될 수 있으며, 신규 클라우드 시스템을 추천할 때 사례 분석을 위해 활용된다. 클라우드 시스템 추천 장치(100)의 초기에는 추천 이력이 별로 없기 때문에 사용자로부터 입력받거나 다른 장치에서 생성되었던 추천 이력을 갖고 올 수 있다. 또는, 사례 분석부(170)에서 복수 개의 추천 이력을 조합하여 새로운 추천 이력을 생성하고 이를 프로파일 관리부(180)에 저장할 수도 있다. 이를 통해 좀더 다양한 추천 이력을 확보할 수 있으며, 사례 분석부(170)는 사용자에게 적절한 클라우드 시스템을 추천할 수 있다.
데이터 수집부(190)는 복수 개의 클라우드 시스템에 대한 정보를 수집한다. 사용자에게 클라우드 시스템을 추천하기 위해서는 복수 개의 클라우드 시스템에 대한 정보를 확보해야 하는데 데이터 수집부(190)가 이런 역할을 맡고 있다. 데이터 수집부(190)가 수집한 정보는 데이터 관리부(160)에 저장된다.
도 3 및 도 4를 참조하여 데이터 수집부(190)가 데이터를 어떻게 수집하는지 설명하기로 한다. 데이터 수집부(190)는 제1 방문부(191), 제2 방문부(193), 설정부(195)를 포함할 수 있다.
제1 방문부(191)는 복수 개의 클라우드 시스템 각각에 관한 정보를 게재하는 복수 개의 제1 웹페이지(192)를 방문하고, 방문한 복수 개의 제1 웹페이지(192)로부터 복수 개의 클라우드 시스템에 관한 제1 정보를 획득한다.
제2 방문부(193)는 복수 개의 제1 웹페이지(192) 각각에 게재된 클라우드 시스템의 구성요소에 관한 정보에 기초하여 클라우드 시스템의 구성요소에 관한 정보를 게재하는 제2 웹페이지(194)를 방문하고, 상기 방문한 제2 웹페이지(194)로부터 상기 구성요소에 관한 제2 정보를 획득한다.
예를 들어, 제1 웹페이지(192)는 클라우드 시스템을 제공하는 사이트일 수 있고, 제2 웹페이지(194)는 클라우드 서비스를 구성하는 구성품(하드웨어, 소프트웨어 등)을 판매하는 사이트일 수 있다.
제1 정보는 제1 방문부(191)가 복수 개의 제1 웹페이지(192)에 접속하여 획득하는 정보인데, 예를 들어 복수 개의 클라우드 시스템 각각이 제공하는 서비스의 종류, 견적서 양식, 클라우드 시스템의 배치 모델 등의 정보를 포함할 수 있다.
제2 정보는 제2 방문부(193)가 복수 개의 제2 웹페이지(194)에 접속하여 획득하는 정보인데, 클라우드 시스템을 구성하는 구성요소의 가격 정보, 구성요소의 호환성 정보, 구성요소의 제품명, 구성요소의 영상, 구성요소의 시리얼 번호 및 구성요소의 버전 정보 등을 포함할 수 있다. 구체적으로, 제2 정보는 RAM, CPU 등의 하드웨어부터 OS, 데이터베이스 등의 소프트웨어에 대한 가격, 라이선스 정보, 각각의 구체적인 성능, 버전, 호환성 정보 등을 추출하고 저장한다. 이들 정보는 사례 분석부(170)에서 클라우드 시스템을 추천할 때 활용된다.
한편, 제2 웹페이지(194)는 구성품 판매 사이트뿐만 아니라 구글 등의 검색 사이트일 수 있는데, 예를 들어 데이터 수집부(190)는 구글의 이미지 검색을 통해 각 구성품의 다양한 이미지, 제품명, 시리얼 번호, 상세성능, 규격, 가격 등의 정보를 추출하여 데이터 관리부(160)에 저장하며, 이는 사용자 인터페이스부(110)에서 레거시 시스템의 영상을 분석할 때 활용할 수 있다.
설정부(195)는 제1 방문부(191)와 제2 방문부(193)를 제어하여 데이터 수집부(190)가 수집해야하는 정보와 수집하지 말아야 하는 정보를 조절한다. 구체적으로, 설정부(195)는 복수 개의 제1 웹페이지(192)에 대한 정보를 제어하여 제1 방문부(191)가 방문해야하는 제1 웹페이지(192)를 결정할 수 있다. 또한, 설정부(195)는 복수 개의 제2 웹페이지(194)에 대한 정보를 제어하여 제2 방문부(193)가 방문해야하는 제2 웹페이지(194)를 결정할 수 있다. 또한, 제1 정보와 제2 정보의 구성과 종류를 결정할 수 있고, 제1 방문부(191)와 제2 방문부(193)의 활동 주기와 활동 시간 등을 제어할 수 있다. 설정부(195)를 통해 데이터 수집부(190)는 주기적으로 복수 개의 클라우드 시스템에 대한 정보를 수집할 수 있다.
데이터 수집부(190)는 수집한 복수 개의 웹페이지에 게재된 클라우드 시스템 각각에 대한 사양 정보를 편리하게 관리할 수 있도록 텍스트로 변환하여 데이터 관리부(160)에 저장한다.
이전 방법 관리부(200)는 제1 정보를 이용하여 상기 복수 개의 클라우드 시스템 중 어떤 클라우드 시스템을 추천할지 필터링을 수행한다. 예를 들어, 이전 방법 관리부(200)는 데이터 수집부(190)를 통해 수집된 클라우드 서비스 제공 업체별 서비스 및 각 업체에서 제공하는 변환 도구에 대한 정보를 관리하는 기능을 수행한다. 클라우드 서비스 업체의 서비스 및 변환 도구에 대한 정보를 주기적으로 갱신하며 사용 가능한 조건을 수정 하거나 생성하는 등의 관리를 한다. 또한, 레거시 시스템 분석을 통해 적용 가능한 서비스 및 변환 도구를 추천할 때 이에 대한 필터링을 수행한다.
사례 분석부(170)는 사용자에게 클라우드 시스템을 추천한다. 구체적으로, 사례 분석부(170)는 사용자 인터페이스부(110)가 생성한 레거시 시스템의 환경 정보, 이전 대상 요구 분석부(130)의 요구사항, 요소별 이전 가능성 분석부(140)에서 분석한 이전 가능성 검토 내용, 예산/견적 관리부(150)의 예산을 종합적으로 고려하고, 데이터 관리부(160)에 저장되어 있는 복수 개의 클라우드 시스템의 사양 정보와 1차적으로 비교한다. 1차 비교를 통해 복수 개의 클라우드 시스템 중 하나가 선별되면, 이를 프로파일 관리부(180)에 저장된 복수 개의 클라우드 시스템의 추천 이력과 비교하여 최종적으로 사용자에게 적절한 클라우드 시스템을 추천한다.
사례 분석부(170)가 이전 대상 요구 분석부(130)의 요구사항과 프로파일 관리부(180)의 추천 이력을 비교하는 경우에, 추천 이력에 포함되어 있으나 획득된 요구사항에 포함되지 않은 정보가 있으면 사용자에게 요청하여 추가적으로 요구사항을 확인받고 검토한다.
추천 이력은 유형 별로 분류되어서 저장되므로 사례 분석부(170)가 요구사항과 추천 이력을 비교할 때, 요구사항과 매칭되는 유형으로 분류된 추천 이력을 요구사항과 비교할 수 있다.
한편, 사례 분석부(170)는 예산에 맞춰 클라우드 시스템을 추천한다. 예산이 정해져 있으면 예산을 최대치로 하여 예산 범위 내로 클라우드 시스템을 추천한다. 만약 요구사항에 맞더라도 예산이 적어 정해져 있는 예산을 초과하는 경우에는 레거시 시스템에 맞추어 추천을 할 수 있다. 도 7 및 도 8을 참고하면, 사용자의 요구사항으로 클라우드 시스템의 파일 서버에서 Windows 10 버전을 사용하길 원하였지만 예산에 맞지 않아 파일 서버에서 Windows 7 버전을 사용하도록 추천을 하였다.
예산이 정해져 있지 않으면 사례 분석부(170)는 레거시 시스템의 환경 정보를 만족하고, 복수 개의 클라우드 시스템에 대한 견적을 참고하고, 사용자가 요구한 요구사항을 고려하여 최저의 비용을 맞출 수 있다.
사례 분석부(170)는 이전 대상 요구 분석부(130)에 입력된 요구사항의 개수가 환경 정보의 개수보다 많은 경우, 요구사항의 개수에 맞추어 클라우드 시스템을 추천한다. 환경 정보의 개수가 적더라도 프로파일 관리부(180)의 클라우드 시스템 추천 이력과 데이터 관리부(160)로부터 제1 정보 및 제2 정보를 받아 요구사항의 개수를 맞춘다. 즉, 사례 분석부(170)는 프로파일 관리부(180)에 저장된 복수 개의 클라우드 시스템의 추천 이력을 통해 사용자가 원하는 요구사항이 부족하더라도 요구사항에 없는 부분의 추가 정보를 사용자로부터 제공받지 않더라도 클라우드 시스템을 추천할 수 있다. 즉, 명시적으로 요구하지 않은 요구사항을 식별하고 이를 명시적 요구사항들과 함께 반영함으로써 클라우드 시스템 추천에 대한 사용자의 만족도를 향상 시킬 수 있다. 물론, 사례 분석부(170)는 명시적으로 요구하지 않은 요구사항을 사용자에게 직접 요청하여 추가 정보를 제공받고 클라우드 시스템을 추천할 수도 있다.
도 1 내지 도 10을 참조하여 본 발명의 일 실시예에 따른 클라우드 시스템 추천 방법에 대해서 설명하기로 한다. 상술한 바와 중복되는 내용은 설명을 간략히 하거나 생략하기로 한다.
도 9는 본 발명의 일 실시예에 따른 클라우드 시스템 추천 방법에 대한 순서도이고, 도 10은 도 9의 클라우드 시스템 추천 과정에 대한 상세한 순서도이다.
도 9 및 도 10을 참조하면, 먼저 클라우드 시스템에 대한 정보를 수집한다(S100). 데이터 수집부(190)의 제1 방문부(191)와 제2 방문부(193)를 활용하여 정보를 수집하며, 수집된 정보는 데이터 관리부(160)에 저장한다. 정보 수집은 설정부(195)에 의해 주기적으로 이루어질 수 있다.
이어서, 클라우드 시스템 추천 이력과 클라우드 시스템에 대한 정보를 불러온다(S200). 프로파일 관리부(180)로부터 추천 이력을 제공받고, 데이터 수집부(190)가 수집한 클라우드 시스템에 관한 정보를 데이터 관리부(160)로부터 제공받는다.
이어서, 레거시 시스템의 환경 정보와 사용자의 요구사항과 클라우드 시스템 이전에 책정된 예산을 제공받는다(S300).
이어서, 클라우드 시스템 추천 이력, 클라우드 시스템에 대한 정보, 레거시 시스템의 환경 정보, 사용자의 요구사항, 예산 등을 활용하여 클라우드 시스템을 추천한다(S400). 이 때, 레거시 시스템의 환경 정보를 분석하여 레거시 시스템이 이전 가능한지 검토하고(S410), 레거시 시스템의 구성 요소 중 이전이 불가능한 구성 요소가 있으면 호환 가능한 구성 요소를 탐색하여 대체한다(S420). 이어서 사용자의 요구사항을 검토한다(S430). 요구사항에 대한 검토가 끝나면 복수 개의 클라우드 시스템의 추천 이력과 비교하여(S440) 사용자에게 적합한 클라우드 시스템을 선별한다. 이어서 입력된 예산과 선별된 클라우드 시스템을 비교한다(S450). 입력된 예산이 있으면 예산과 선별된 클라우드 시스템을 비교하여 클라우드 시스템의 구성, 사양 등을 조정하여 추천한다(S460). 예를 들어, 선별된 클라우드 시스템의 견적이 예산보다 낮으면 문제되지 않지만 예산을 초과하는 경우에는 예산의 범위 내로 구성, 사양 등을 변경하여 선별된 클라우드 시스템을 조정한다.
입력된 예산이 없으면 선별된 클라우드 시스템의 견적이 최저의 비용이 될 수 있도록 추천한다(S470). 다만 추천한 클라우드 시스템은 레거시 시스템의 환경 정보를 만족시켜야하고, 견적은 클라우드 시스템에 대한 정보 내에서 조정된다.
사용자에게 추천된 클라우드 시스템은 클라우드 시스템의 추천 이력으로 저장된다(S500). 추천된 클라우드 시스템은 유형 별로 분류되어 프로파일 관리부(180)에 저장되고, 향후에 클라우드 시스템을 추천할 때 활용되는 점은 상술한 바와 같다.
한편, 클라우드 시스템 추천 장치(100)와 추천 방법은 각 구성과 각 단계를 수행하도록 프로그램된 컴퓨터 프로그램을 저장하는 컴퓨터 판독가능한 기록매체의 형태로 구현 가능하다.
이상의 설명은 본 발명의 기술 사상을 예시적으로 설명한 것에 불과한 것으로서, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자라면 본 발명의 본질적인 품질에서 벗어나지 않는 범위에서 다양한 수정 및 변형이 가능할 것이다. 따라서, 본 발명에 개시된 실시예들은 본 발명의 기술 사상을 한정하기 위한 것이 아니라 설명하기 위한 것이고, 이러한 실시예에 의하여 본 발명의 기술 사상의 범위가 한정되는 것은 아니다. 본 발명의 보호 범위는 아래의 청구범위에 의하여 해석되어야 하며, 그와 균등한 범위 내에 있는 모든 기술사상은 본 발명의 권리범위에 포함되는 것으로 해석되어야 할 것이다.
100: 클라우드 시스템 추천 장치 110: 사용자 인터페이스부
111: 영상획득부 113: 사양분석부
115: 가이드부 120: 환경 분석부
130: 이전 대상 요구 분석부 140: 요소별 이전 가능성 분석부
150: 예산/견적 관리부 160: 데이터 관리부
170: 사례 분석부 180: 프로파일 관리부
190: 데이터 수집부 191: 제1 방문부
193: 제2 방문부 195: 설정부
200: 이전 방법 관리부
111: 영상획득부 113: 사양분석부
115: 가이드부 120: 환경 분석부
130: 이전 대상 요구 분석부 140: 요소별 이전 가능성 분석부
150: 예산/견적 관리부 160: 데이터 관리부
170: 사례 분석부 180: 프로파일 관리부
190: 데이터 수집부 191: 제1 방문부
193: 제2 방문부 195: 설정부
200: 이전 방법 관리부
Claims (9)
- 정보를 저장하고 처리하는 레거시 시스템을 구성하는 하드웨어의 외관 중에서 촬영해야 하는 부분에 대한 정보 및 상기 레거시 시스템에 설치된 소프트웨어가 실행 중인 경우에 촬영해야 하는 부분에 대한 정보를 제공하는 가이드부;
상기 가이드부가 제공한 정보에 따라 촬영된, 상기 레거시 시스템을 구성하는 하드웨어에 관한 영상 및 소프트웨어와 관련된 영상을 획득하는 영상획득부;
상기 획득된 상기 레거시 시스템을 구성하는 하드웨어에 관한 영상 및 상기 소프트웨어에 관한 영상을 분석하여 환경 정보를 생성하는 사양분석부; 및
상기 환경 정보와 사용자가 입력한 요구사항을 비교한 결과에 기초하여 클라우드 시스템을 추천하되, 상기 환경 정보 중 상기 요구사항에 없는 부분은 기 저장된 클라우드 시스템 추천 이력으로부터 추가 정보로서 받아오는 사례 분석부를 포함하는
클라우드 시스템 추천 장치. - 제 1 항에 있어서,
상기 사양분석부는 머신러닝 알고리즘에 따라 학습되고,
상기 머신러닝 알고리즘에 따라 상기 레거시 시스템의 영상을 분석하는
클라우드 시스템 추천 장치. - 제 2 항에 있어서,
상기 환경 정보를 저장하고 복수 개의 클라우드 시스템에 대한 정보를 저장하는 데이터 관리부를 더 포함하고,
상기 머신러닝 알고리즘은 상기 데이터 관리부에 저장된 정보를 활용하여 학습되는
클라우드 시스템 추천 장치. - 제 1 항에 있어서,
상기 환경 정보는 상기 레거시 시스템의 제조사, 상기 레거시 시스템의 모델명, 상기 레거시 시스템의 가격, 상기 레거시 시스템을 구성하는 하드웨어의 사양 및 상기 레거시 시스템을 구성하는 소프트웨어의 사양 중 적어도 하나를 포함하는
클라우드 시스템 추천 장치. - 제 1 항에 있어서,
사용자에게 상기 레거시 시스템의 영상에 대한 요구사항을 알려주는 가이드부를 더 포함하는
클라우드 시스템 추천 장치. - 제 5 항에 있어서,
상기 요구사항은,
상기 레거시 시스템의 영상이 복수 개인 경우 상기 복수 개의 영상이 입력되어야 하는 입력 순서 정보를 포함하는
클라우드 시스템 추천 장치. - 제 5 항에 있어서,
상기 요구사항은,
상기 레거시 시스템의 영상에 포함되어야 하는 내용에 대한 정보를 포함하는
클라우드 시스템 추천 장치. - 제 1 항에 있어서,
상기 환경 정보를 분석하는 환경 분석부를 더 포함하고,
상기 환경 분석부는 상기 환경 정보를 통해 복수 개의 클라우드 시스템 중에서 상기 레거시 시스템과 동일하거나 가장 유사한 클라우드 시스템을 찾는
클라우드 시스템 추천 장치. - 제 8 항에 있어서,
상기 가장 유사한 클라우드 시스템을 찾는 경우에,
상기 복수 개의 클라우드 시스템 중에서 상기 환경 정보를 만족하는 가장 낮은 사양을 찾는
클라우드 시스템 추천 장치.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020190119921A KR102202051B1 (ko) | 2019-09-27 | 2019-09-27 | 레거시 환경 분석 기반 클라우드 시스템 추천 장치 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020190119921A KR102202051B1 (ko) | 2019-09-27 | 2019-09-27 | 레거시 환경 분석 기반 클라우드 시스템 추천 장치 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR102202051B1 true KR102202051B1 (ko) | 2021-01-12 |
Family
ID=74129860
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020190119921A KR102202051B1 (ko) | 2019-09-27 | 2019-09-27 | 레거시 환경 분석 기반 클라우드 시스템 추천 장치 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102202051B1 (ko) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20120116773A (ko) | 2011-04-13 | 2012-10-23 | 주식회사 케이티 | 클라우드 컴퓨팅 서비스 센터 추천 방법 |
| JP2016511877A (ja) * | 2013-01-31 | 2016-04-21 | ヒューレット−パッカード デベロップメント カンパニー エル．ピー．Ｈｅｗｌｅｔｔ‐Ｐａｃｋａｒｄ Ｄｅｖｅｌｏｐｍｅｎｔ Ｃｏｍｐａｎｙ， Ｌ．Ｐ． | クラウドコンピューティング環境へのコンピューティングリソースの移動可能性の決定 |
| JP2018117329A (ja) * | 2017-01-20 | 2018-07-26 | オリンパス株式会社 | 情報取得装置 |
| KR20190030151A (ko) * | 2017-09-13 | 2019-03-21 | 이재준 | 영상 분석 방법, 장치 및 컴퓨터 프로그램 |
| KR101977536B1 (ko) * | 2018-04-05 | 2019-05-10 | 부산대학교 산학협력단 | 클라우드 서비스 추천/결합 장치 및 클라우드 서비스 추천/결합 방법 |
-
2019
- 2019-09-27 KR KR1020190119921A patent/KR102202051B1/ko active IP Right Grant
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20120116773A (ko) | 2011-04-13 | 2012-10-23 | 주식회사 케이티 | 클라우드 컴퓨팅 서비스 센터 추천 방법 |
| JP2016511877A (ja) * | 2013-01-31 | 2016-04-21 | ヒューレット−パッカード デベロップメント カンパニー エル．ピー．Ｈｅｗｌｅｔｔ‐Ｐａｃｋａｒｄ Ｄｅｖｅｌｏｐｍｅｎｔ Ｃｏｍｐａｎｙ， Ｌ．Ｐ． | クラウドコンピューティング環境へのコンピューティングリソースの移動可能性の決定 |
| JP2018117329A (ja) * | 2017-01-20 | 2018-07-26 | オリンパス株式会社 | 情報取得装置 |
| KR20190030151A (ko) * | 2017-09-13 | 2019-03-21 | 이재준 | 영상 분석 방법, 장치 및 컴퓨터 프로그램 |
| KR101977536B1 (ko) * | 2018-04-05 | 2019-05-10 | 부산대학교 산학협력단 | 클라우드 서비스 추천/결합 장치 및 클라우드 서비스 추천/결합 방법 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11010690B2 (en) | Machine learning for determining confidence for reclamation of storage volumes | |
| US10491662B2 (en) | Dynamically organizing cloud computing resources to facilitate discovery | |
| US10169730B2 (en) | System and method to present a summarized task view in a case management system | |
| JP2011096255A (ja) | ランキング指向の協調フィルタリング推薦方法および装置 | |
| US10834220B2 (en) | Apparatus for providing cloud brokerage service based on multiple clouds and method thereof | |
| KR101266173B1 (ko) | 유비쿼터스 온라인 작업 마켓플레이스 시스템 및 작업 중계 방법 | |
| KR102152162B1 (ko) | 레거시 환경 분석 기반 클라우드 시스템 추천 방법 및 장치 | |
| KR20180130733A (ko) | 협업 의존성 기반 컴포넌트 재사용 추천 시스템 및 방법 | |
| JP6080649B2 (ja) | レコメンド装置、レコメンド方法及びプログラム | |
| CN101495978B (zh) | 减少总线连接的消费者和产生者之间的消息流 | |
| US8243305B2 (en) | Production print capacity display for process optimization | |
| Wang et al. | Time-aware user profiling from personal service ecosystem | |
| KR102202051B1 (ko) | 레거시 환경 분석 기반 클라우드 시스템 추천 장치 | |
| KR102202048B1 (ko) | 레거시 환경 분석 기반 클라우드 시스템 추천 장치 | |
| KR102202044B1 (ko) | 레거시 환경 분석 기반 클라우드 시스템 추천 장치 | |
| KR102261841B1 (ko) | 레거시 환경 분석 기반 클라우드 시스템 추천 장치 | |
| Li et al. | Optimizing ml inference queries under constraints | |
| Sassi et al. | Supporting ontology adaptation and versioning based on a graph of relevance | |
| US9128772B2 (en) | Performance optimization through run-time quality governance | |
| JP2024511307A (ja) | プライバシ主導型ユーザ・データ共有のための認知フレームワーク | |
| Feng et al. | A maturity model for AI-empowered cloud-native databases: from the perspective of resource management | |
| CN112529207A (zh) | 模型优化方法、装置、存储介质及设备 | |
| LokeshKumar et al. | A novel approach for web usage prediction and recommendation using web session clustering | |
| Antequera et al. | Recommending resources to cloud applications based on custom templates composition | |
| Kruse et al. | Data Source Selection Support in the Big Data Integration Process–Towards a Taxonomy |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| AMND | Amendment | ||
| AMND | Amendment | ||
| X091 | Application refused [patent] | ||
| AMND | Amendment | ||
| X701 | Decision to grant (after re-examination) | ||
| GRNT | Written decision to grant |