KR102270896B1 - 데이터 비식별화에 기반한 데이터 아카이빙 방법 및 시스템 - Google Patents

데이터 비식별화에 기반한 데이터 아카이빙 방법 및 시스템 Download PDF

Info

Publication number
KR102270896B1
KR102270896B1 KR1020200187260A KR20200187260A KR102270896B1 KR 102270896 B1 KR102270896 B1 KR 102270896B1 KR 1020200187260 A KR1020200187260 A KR 1020200187260A KR 20200187260 A KR20200187260 A KR 20200187260A KR 102270896 B1 KR102270896 B1 KR 102270896B1
Authority
KR
South Korea
Prior art keywords
data
archiving
computer device
value
personal information
Prior art date
Application number
KR1020200187260A
Other languages
English (en)
Inventor
정세훈
Original Assignee
주식회사 아미크
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 주식회사 아미크 filed Critical 주식회사 아미크
Application granted granted Critical
Publication of KR102270896B1 publication Critical patent/KR102270896B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/10—File systems; File servers
    • G06F16/11—File system administration, e.g. details of archiving or snapshots
    • G06F16/113—Details of archiving
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/22—Indexing; Data structures therefor; Storage structures
    • G06F16/2282—Tablespace storage structures; Management thereof
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/21—Design, administration or maintenance of databases
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/10—File systems; File servers
    • G06F16/11—File system administration, e.g. details of archiving or snapshots
    • G06F16/122—File system administration, e.g. details of archiving or snapshots using management policies
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/10—File systems; File servers
    • G06F16/17—Details of further file system functions
    • G06F16/174—Redundancy elimination performed by the file system
    • G06F16/1744—Redundancy elimination performed by the file system using compression, e.g. sparse files
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/23—Updating
    • G06F16/2308—Concurrency control
    • G06F16/2315—Optimistic concurrency control
    • G06F16/2322—Optimistic concurrency control using timestamps
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2457—Query processing with adaptation to user needs
    • G06F16/24573—Query processing with adaptation to user needs using data annotations, e.g. user-defined metadata
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/27—Replication, distribution or synchronisation of data between databases or within a distributed database system; Distributed database system architectures therefor
    • G06F16/278—Data partitioning, e.g. horizontal or vertical partitioning

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computational Linguistics (AREA)
  • Computing Systems (AREA)
  • Software Systems (AREA)
  • Library & Information Science (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

데이터 비식별화에 기반한 데이터 아카이빙 방법 및 시스템을 개시한다. 일실시예에 따른 데이터 아카이빙 대상 시스템의 데이터베이스의 테이블에 포함된 개인정보값을 고유값으로 치환하는 단계, 개인정보값을 암호화하여 암호테이블에 저장하는 단계 및 암호테이블에 저장된 암호화된 개인정보값을 압축하여 암호테이블에 재저장하는 단계를 포함할 수 있다.

Description

데이터 비식별화에 기반한 데이터 아카이빙 방법 및 시스템{METHOD AND SYSTEM FOR ARCHIVING DATA BASED ON DATA DE-IDENTIFICATION}
아래의 설명은 데이터 비식별화에 기반한 데이터 아카이빙 방법 및 시스템에 관한 것이다.
최근 데이터관련 규제의 강화, 의료산업의 성장과 환자의 데이터 저장 관리의 중요성 증대, 기업 내 데이터 관리에 대한 관심이 높아지면서 데이터 아카이빙에 대한 연구의 필요성이 증대되고 있다. 예를 들어, 데이터 관련 규제의 관점에서 금융 거래 데이터, 의료 정보와 같은 데이터들은 소비자 권리 보호를 위하여 수년에서 수십 년 동안 데이터를 보관하도록 법으로 규정되어 있는바, 각종 데이터 관련 규제로 인해 장기간 데이터 저장이 필요하다. 또한, 의료 산업 분야에서 영상진단 의존도 상승에 따라 의료 영상 데이터량이 증가함에 따라, 데이터의 보관, 관리를 위한 스토리지 및 백업 수요를 포함하여, 증가한 데이터 관리를 위한 아카이빙 시스템 필요성이 높아지고 있다. 또한, 기업 내 데이터 관리의 관점에서 기업에서 송수신되는 방대한 양의 데이터를 서버에 보관하고, 서버에 저장된 데이터를 실시간 복구, 백업하는 작업뿐만 아니라, 보안상 중요한 데이터를 보안, 관리하는 기능이 중요해지고 있다. 한편, 제조업의 자동화의 관점에서 전통적으로 노동집약적인 제조업체들이 중국, 인도 등 저임금 국가로 공장을 이전하였으나 로봇 기술의 발전으로 생산의 효율성과 품질이 향상된 융합형 로봇 공장을 구축하여 공정 자동화를 가속화 하고 있다.
4차 산업혁명 시대가 도래하면서 빅데이터 분야가 주목받고 있으나, 현재 국내 빅데이터 분야는 서버, 스토리지, 네트워크 등의 인프라 투자에 집중되어 있는 양상인바, 향후 아카이빙 기술 개발을 통하여 인프라에 대한 투자를 분산시켜 소프트웨어 및 서비스 분야로의 발전 기회의 확대가 필요하다. 이에 기존 대비 높은 데이터 압축률, 압축 속도를 가지고, 데이터 조회가 신속하게 이루어지는 아카이빙 기술의 개발에 대한 수요가 증대되고 있는 실정이다.
[선행기술문헌]
대한민국 공개특허 제2014-0072929호(발명의 명칭: 아카이빙 작업수행 자동화 방법, 공개일자: 2014년 6월 16일)
테이블의 개인정보값을 고유값으로 치환하여 저장하고, 개인정보값을 암호화하여 테이블과는 상이한 암호테이블에 저장하며 암호테이블의 암호화된 값을 압축하여 재저장하는 데이터 비식별화에 기반한 데이터 아카이빙 방법 및 시스템을 제공한다.
적어도 하나의 프로세서를 포함하는 컴퓨터 장치가 수행하는 데이터 아카이빙 방법에 있어서, 상기 적어도 하나의 프로세서에 의해, 대상 시스템의 데이터베이스의 테이블에 포함된 개인정보값을 고유값으로 치환하는 단계; 상기 적어도 하나의 프로세서에 의해, 상기 개인정보값을 암호화하여 암호테이블에 저장하는 단계; 및 상기 적어도 하나의 프로세서에 의해, 상기 암호테이블에 저장된 상기 암호화된 개인정보값을 압축하여 상기 암호테이블에 재저장하는 단계를 포함하는 데이터 아카이빙 방법을 제공한다.
일측에 따르면, 상기 개인정보값을 암호화하여 암호테이블에 저장하는 단계는, 상기 고유값, 상기 개인정보값의 해시값 및 상기 암호화된 개인정보값을 연계하여 상기 암호테이블에 저장하는 것을 특징으로 할 수 있다.
다른 측면에 따르면, 상기 재저장하는 단계는, 상기 암호화된 개인정보값을 상기 압축된 개인정보값으로 대체하여 저장하는 것을 특징으로 할 수 있다.
또 다른 측면에 따르면, 상기 고유값은 상기 개인정보값을 고유하게 식별하는 일정한 길이의 값을 포함하는 것을 특징으로 할 수 있다.
또 다른 측면에 따르면, 상기 데이터 아카이빙 방법은, 상기 적어도 하나의 프로세서에 의해, 상기 테이블의 식별자, 상기 개인정보값이 포함된 필드의 식별자 및 상기 압축된 개인정보값을 서로 연계하여 추가 인덱스 테이블에 저장하는 단계를 더 포함할 수 있다.
또 다른 측면에 따르면, 상기 데이터 아카이빙 방법은, 상기 적어도 하나의 프로세서에 의해, 비즈니스 유형에 따라 비식별화 대상 데이터 선별 시나리오를 정의하는 단계; 및 상기 적어도 하나의 프로세서에 의해, 상기 정의된 비식별화 대상 데이터 선별 시나리오에 따라 비식별화 대상 데이터를 선정하는 단계를 더 포함하고, 상기 데이터베이스의 테이블은 상기 선정된 비식별화 대상 데이터에 따라 결정되는 것을 특징으로 할 수 있다.
또 다른 측면에 따르면, 상기 비식별화 대상 데이터 선별 시나리오는 비식별화 대상 데이터의 도메인을 지정하고, 상기 도메인은 재사용 가능하도록 설계된 데이터베이스 필드의 속성을 포함하는 것을 특징으로 할 수 있다.
또 다른 측면에 따르면, 상기 비식별화 대상 데이터를 선정하는 단계는, 상기 비식별화 대상 데이터 선별 시나리오가 지정하는 도메인을 사용하는 테이블 필드를 가진 모든 테이블을 검색하여 테이블 목록을 생성하는 단계; 상기 테이블 목록에 포함된 테이블 각각의 데이터 건수 및 비율을 확인하여 비식별화 대상 데이터로서 선정하는 단계; 및 상기 테이블 목록에 포함된 테이블 각각의 비식별화 데이터 건수 및 비율을 저장하는 단계를 포함하는 것을 특징으로 할 수 있다.
컴퓨터 장치와 결합되어 상기 방법을 컴퓨터 장치에 실행시키기 위해 컴퓨터 판독 가능한 기록매체에 저장된 컴퓨터 프로그램을 제공한다.
상기 방법을 컴퓨터 장치에 실행시키기 위한 프로그램이 기록되어 있는 컴퓨터 판독 가능한 기록매체를 제공한다.
컴퓨터에서 판독 가능한 명령을 실행하도록 구현되는 적어도 하나의 프로세서를 포함하고, 상기 적어도 하나의 프로세서에 의해, 대상 시스템에 저장된 데이터 중 적어도 일부를 저장 시스템으로 아카이빙하기 위해 전송하는 과정 또는 상기 저장 시스템에 아카이빙된 데이터를 조회하는 과정에서, 상기 저장 시스템을 포함하는 외부 시스템의 특성 및 과금 체계 중 적어도 하나에 따라 전송 용량 또는 조회 용량을 결정하는 것을 특징으로 하는 컴퓨터 장치를 제공한다.
테이블의 개인정보값을 고유값으로 치환하여 저장하고, 개인정보값을 암호화하여 테이블과는 상이한 암호테이블에 저장하며 암호테이블의 암호화된 값을 압축하여 재저장함으로써 데이터를 비식별화하여 아카이빙할 수 있다.
도 1은 본 발명의 일실시예에 따른 네트워크 환경의 예를 도시한 도면이다.
도 2는 본 발명의 일실시예에 따른 컴퓨터 장치의 예를 도시한 블록도이다.
도 3은 본 발명의 일실시예에 있어서, 아카이빙을 위한 컴퓨터 시스템의 개괄적인 모습을 도시한 도면이다.
도 4는 본 발명의 일실시예에 따른 데이터 아카이빙 방법의 예를 도시한 흐름도이다.
도 5는 본 발명의 일실시예에 있어서, 제1 기능을 통해 데이터를 아카이빙하는 과정의 예를 도시한 흐름도이다.
도 6은 본 발명의 일실시예에 따른 압축테이블의 구조의 제1 예를 도시한 도면이다.
도 7은 본 발명의 일실시예에 따른 압축테이블의 구조의 제2 예를 도시한 도면이다.
도 8은 본 발명의 일실시예에 따른 기간인덱스테이블의 구조의 예를 도시한 도면이다.
도 9는 본 발명의 일실시예에 따른 그룹인덱스테이블의 구조의 예를 도시한 도면이다.
도 10은 본 발명의 일실시예에 따른 압축테이블의 구조의 제2 예를 도시한 도면이다.
도 11은 본 발명의 일실시예에 있어서, 기간인덱스테이블과 그룹인덱스테이블이 결합된 형태의 인덱스테이블의 구조의 예를 도시한 도면이다.
도 12는 본 발명의 일실시예에 있어서, 제1 기능을 통해 데이터를 아카이빙하는 과정의 또 다른 예를 도시한 흐름도이다.
도 13은 본 발명의 일실시예에 따른 압축테이블 및 키인덱스테이블의 구조의 예를 도시한 도면이다.
도 14는 본 발명의 일실시예에 따른 압축테이블 및 키인덱스테이블의 구조의 다른 예를 도시한 도면이다.
도 15는 본 발명의 일실시예에 있어서, 제2 기능을 통해 아카이빙된 데이터를 검색하는 과정의 예를 도시한 도면이다.
도 16 및 도 17은 본 발명의 일실시예에 있어서, 아카이빙된 데이터를 검색하는 예들을 도시한 도면들이다.
도 18은 본 발명의 일실시예에 있어서, 데이터를 효과적으로 저장하기 위한 과정의 예를 도시한 도면이다.
도 19는 본 발명의 일실시예에 있어서, 데이터를 비식별화하는 방법의 예를 도시한 도면이다.
도 20은 본 발명의 일실시예에 따른 데이터 아카이빙 방법의 다른 예를 도시한 도면이다.
도 21은 본 발명의 일실시예에 따른 오브젝트의 예를 도시한 도면이다.
도 22 및 도 23은 본 발명의 일실시예에 따른 오브젝트를 분류한 예들을 도시한 도면들이다.
도 24는 본 발명의 일실시예에 따른 데이터 아카이빙 방법의 또 다른 예를 도시한 도면이다.
도 25는 본 발명의 일실시예에 따른 멀티 클라우드 관리 시스템의 예를 도시한 도면이다.
도 26은 본 발명의 일실시예에 있어서, 멀티 클라우드를 이용한 데이터 아카이빙 방법의 예를 도시한 흐름도이다.
도 27은 본 발명의 일실시예에 있어서, 데이터 비식별화에 기반한 데이터 아카이빙 방법의 예를 도시한 흐름도이다.
도 28은 본 발명의 일실시예에 있어서, 데이터 비식별화에 기반한 데이터 아카이빙 방법의 다른 예를 도시한 흐름도이다.
도 29는 본 발명의 일실시예에 있어서, 비식별화 과정의 예를 도시한 도면이다.
도 30은 본 발명의 일실시예에 따른 추가 인덱스 테이블의 예를 도시한 도면이다.
본 발명은 다양한 변경을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 특정 실시예들을 도면에 예시하고 상세한 설명에 상세하게 설명하고자 한다. 그러나, 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다. 각 도면을 설명하면서 유사한 참조부호를 유사한 구성요소에 대해 사용하였다.
제1, 제2, A, B 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 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소도 제1 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 문맥 상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
이하, 실시예를 첨부한 도면을 참조하여 상세히 설명한다.
본 발명의 실시예들에 따른 데이터 아카이빙 시스템은 적어도 하나의 컴퓨터 장치에 의해 구현될 수 있으며, 본 발명의 실시예들에 따른 데이터 아카이빙 방법은 데이터 아카이빙 시스템에 포함되는 적어도 하나의 컴퓨터 장치를 통해 수행될 수 있다. 컴퓨터 장치에는 본 발명의 일실시예에 따른 컴퓨터 프로그램이 설치 및 구동될 수 있고, 컴퓨터 장치는 구동된 컴퓨터 프로그램의 제어에 따라 본 발명의 실시예들에 따른 데이터 아카이빙 방법을 수행할 수 있다. 상술한 컴퓨터 프로그램은 컴퓨터 장치와 결합되어 데이터 아카이빙 방법을 컴퓨터 장치에 실행시키기 위해 컴퓨터 판독 가능한 기록매체에 저장될 수 있다.
도 1은 본 발명의 일실시예에 따른 네트워크 환경의 예를 도시한 도면이다. 도 1의 네트워크 환경은 복수의 전자 기기들(110, 120, 130, 140), 복수의 서버들(150, 160) 및 네트워크(170)를 포함하는 예를 나타내고 있다. 이러한 도 1은 발명의 설명을 위한 일례로 전자 기기의 수나 서버의 수가 도 1과 같이 한정되는 것은 아니다. 또한, 도 1의 네트워크 환경은 본 실시예들에 적용 가능한 환경들 중 하나의 예를 설명하는 것일 뿐, 본 실시예들에 적용 가능한 환경이 도 1의 네트워크 환경으로 한정되는 것은 아니다.
복수의 전자 기기들(110, 120, 130, 140)은 컴퓨터 장치로 구현되는 고정형 단말이거나 이동형 단말일 수 있다. 복수의 전자 기기들(110, 120, 130, 140)의 예를 들면, 스마트폰(smart phone), 휴대폰, 네비게이션, 컴퓨터, 노트북, 디지털방송용 단말, PDA(Personal Digital Assistants), PMP(Portable Multimedia Player), 태블릿 PC 등이 있다. 일례로 도 1에서는 전자 기기(110)의 예로 스마트폰의 형상을 나타내고 있으나, 본 발명의 실시예들에서 전자 기기(110)는 실질적으로 무선 또는 유선 통신 방식을 이용하여 네트워크(170)를 통해 다른 전자 기기들(120, 130, 140) 및/또는 서버(150, 160)와 통신할 수 있는 다양한 물리적인 컴퓨터 장치들 중 하나를 의미할 수 있다.
통신 방식은 제한되지 않으며, 네트워크(170)가 포함할 수 있는 통신망(일례로, 이동통신망, 유선 인터넷, 무선 인터넷, 방송망)을 활용하는 통신 방식뿐만 아니라 기기들간의 근거리 무선 통신 역시 포함될 수 있다. 예를 들어, 네트워크(170)는, PAN(personal area network), LAN(local area network), CAN(campus area network), MAN(metropolitan area network), WAN(wide area network), BBN(broadband network), 인터넷 등의 네트워크 중 하나 이상의 임의의 네트워크를 포함할 수 있다. 또한, 네트워크(170)는 버스 네트워크, 스타 네트워크, 링 네트워크, 메쉬 네트워크, 스타-버스 네트워크, 트리 또는 계층적(hierarchical) 네트워크 등을 포함하는 네트워크 토폴로지 중 임의의 하나 이상을 포함할 수 있으나, 이에 제한되지 않는다.
서버(150, 160) 각각은 복수의 전자 기기들(110, 120, 130, 140)과 네트워크(170)를 통해 통신하여 명령, 코드, 파일, 컨텐츠, 서비스 등을 제공하는 컴퓨터 장치 또는 복수의 컴퓨터 장치들로 구현될 수 있다. 예를 들어, 서버(150)는 네트워크(170)를 통해 접속한 복수의 전자 기기들(110, 120, 130, 140)로 서비스(일례로, 아카이빙 서비스, 파일 배포 서비스, 컨텐츠 제공 서비스, 그룹 통화 서비스(또는 음성 컨퍼런스 서비스), 메시징 서비스, 메일 서비스, 소셜 네트워크 서비스, 지도 서비스, 번역 서비스, 금융 서비스, 결제 서비스, 검색 서비스 등)를 제공하는 시스템일 수 있다.
도 2는 본 발명의 일실시예에 따른 컴퓨터 장치의 예를 도시한 블록도이다. 앞서 설명한 복수의 전자 기기들(110, 120, 130, 140) 각각이나 서버들(150, 160) 각각은 도 2를 통해 도시된 컴퓨터 장치(200)에 의해 구현될 수 있다.
이러한 컴퓨터 장치(200)는 도 2에 도시된 바와 같이, 메모리(210), 프로세서(220), 통신 인터페이스(230) 그리고 입출력 인터페이스(240)를 포함할 수 있다. 메모리(210)는 컴퓨터에서 판독 가능한 기록매체로서, RAM(random access memory), ROM(read only memory) 및 디스크 드라이브와 같은 비소멸성 대용량 기록장치(permanent mass storage device)를 포함할 수 있다. 여기서 ROM과 디스크 드라이브와 같은 비소멸성 대용량 기록장치는 메모리(210)와는 구분되는 별도의 영구 저장 장치로서 컴퓨터 장치(200)에 포함될 수도 있다. 또한, 메모리(210)에는 운영체제와 적어도 하나의 프로그램 코드가 저장될 수 있다. 이러한 소프트웨어 구성요소들은 메모리(210)와는 별도의 컴퓨터에서 판독 가능한 기록매체로부터 메모리(210)로 로딩될 수 있다. 이러한 별도의 컴퓨터에서 판독 가능한 기록매체는 플로피 드라이브, 디스크, 테이프, DVD/CD-ROM 드라이브, 메모리 카드 등의 컴퓨터에서 판독 가능한 기록매체를 포함할 수 있다. 다른 실시예에서 소프트웨어 구성요소들은 컴퓨터에서 판독 가능한 기록매체가 아닌 통신 인터페이스(230)를 통해 메모리(210)에 로딩될 수도 있다. 예를 들어, 소프트웨어 구성요소들은 네트워크(170)를 통해 수신되는 파일들에 의해 설치되는 컴퓨터 프로그램에 기반하여 컴퓨터 장치(200)의 메모리(210)에 로딩될 수 있다.
프로세서(220)는 기본적인 산술, 로직 및 입출력 연산을 수행함으로써, 컴퓨터 프로그램의 명령을 처리하도록 구성될 수 있다. 명령은 메모리(210) 또는 통신 인터페이스(230)에 의해 프로세서(220)로 제공될 수 있다. 예를 들어 프로세서(220)는 메모리(210)와 같은 기록 장치에 저장된 프로그램 코드에 따라 수신되는 명령을 실행하도록 구성될 수 있다.
통신 인터페이스(230)는 네트워크(170)를 통해 컴퓨터 장치(200)가 다른 장치(일례로, 앞서 설명한 저장 장치들)와 서로 통신하기 위한 기능을 제공할 수 있다. 일례로, 컴퓨터 장치(200)의 프로세서(220)가 메모리(210)와 같은 기록 장치에 저장된 프로그램 코드에 따라 생성한 요청이나 명령, 데이터, 파일 등이 통신 인터페이스(230)의 제어에 따라 네트워크(170)를 통해 다른 장치들로 전달될 수 있다. 역으로, 다른 장치로부터의 신호나 명령, 데이터, 파일 등이 네트워크(170)를 거쳐 컴퓨터 장치(200)의 통신 인터페이스(230)를 통해 컴퓨터 장치(200)로 수신될 수 있다. 통신 인터페이스(230)를 통해 수신된 신호나 명령, 데이터 등은 프로세서(220)나 메모리(210)로 전달될 수 있고, 파일 등은 컴퓨터 장치(200)가 더 포함할 수 있는 저장 매체(상술한 영구 저장 장치)로 저장될 수 있다.
입출력 인터페이스(240)는 입출력 장치(250)와의 인터페이스를 위한 수단일 수 있다. 예를 들어, 입력 장치는 마이크, 키보드 또는 마우스 등의 장치를, 그리고 출력 장치는 디스플레이, 스피커와 같은 장치를 포함할 수 있다. 다른 예로 입출력 인터페이스(240)는 터치스크린과 같이 입력과 출력을 위한 기능이 하나로 통합된 장치와의 인터페이스를 위한 수단일 수도 있다. 입출력 장치(250)는 컴퓨터 장치(200)와 하나의 장치로 구성될 수도 있다.
또한, 다른 실시예들에서 컴퓨터 장치(200)는 도 2의 구성요소들보다 더 적은 혹은 더 많은 구성요소들을 포함할 수도 있다. 그러나, 대부분의 종래기술적 구성요소들을 명확하게 도시할 필요성은 없다. 예를 들어, 컴퓨터 장치(200)는 상술한 입출력 장치(250) 중 적어도 일부를 포함하도록 구현되거나 또는 트랜시버(transceiver), 데이터베이스 등과 같은 다른 구성요소들을 더 포함할 수도 있다.
도 3은 본 발명의 일실시예에 있어서, 데이터 아카이빙 시스템의 개괄적인 모습을 도시한 도면이다.
데이터 아카이빙 시스템(310)은 앞서 도 2를 통해 설명한 컴퓨터 장치(200)와 같은 물리적인 장치 또는 복수의 물리적인 장치들의 결합에 의해 구현될 수 있으며, 도 3에 도시된 바와 같이, 데이터 압축 모듈(311), 조회 모듈(312), 디스플레이 및 제어 모듈(313) 및 니어-라인(near-line) 인터페이스 모듈(314)을 포함할 수 있다. 여기서, 데이터 압축 모듈(311), 조회 모듈(312), 디스플레이 및 제어 모듈(313) 및 니어-라인 인터페이스 모듈(314) 각각은 데이터 아카이빙 시스템(310)에 설치된 아카이빙 솔루션 프로그램의 코드에 따라 데이터 아카이빙 시스템(310)을 구현하는 컴퓨터 장치(200)의 프로세서(220)가 수행하는 동작들에 대한 기능적 표현일 수 있다. 일례로, 아카이빙 솔루션 프로그램은 데이터 압축 기능을 제공하기 위한 코드를 포함할 수 있으며, 프로세서(220)는 이러한 코드를 통해 데이터 압축 기능을 제공할 수 있다. 이 경우, 프로세서(220)의 데이터 압축 기능의 제공을 위한 동작(들)에 대한 기능적 표현으로 "데이터 압축 모듈(310)"이 사용될 수 있다.
다시 말해, 데이터 아카이빙 시스템(310)은 컴퓨터 장치(200)에 아카이빙 솔루션 프로그램을 설치 및 구동함에 따라 구현될 수 있다. 예를 들어, 아카이빙 솔루션 프로그램은 클라우드 SaaS(Software as a Service) 형 제품으로 개발되어 다양한 클라우드 벤더의 클라우드 시스템에 등재될 수 있으며, 이후 설명될 대상 시스템(320)으로 아카이빙을 위한 기능들을 제공할 수 있다. 다른 예로, 데이터 아카이빙 시스템(310)은 원격 니어-라인 데이터 아카이빙 기술(아카이빙 솔루션 프로그램)과 하드웨어가 통합된 어플라이언스(appliance) 서버의 형태로 구현될 수도 있다. 어플라이언스 서버의 경우, 제품 형태로 인하여 빠른 딜리버리(delivery)와 유지보수가 용이하여, 일관된 제품 품질 유지와 가격 경쟁력을 제공할 수 있다.
대상 시스템(320)은 역시 도 2를 통해 설명한 컴퓨터 장치(200)와 같은 물리적인 장치 또는 복수의 물리적인 장치들의 결합에 의해 구현될 수 있으며, 도 3에 도시된 바와 같이, 데이터베이스(321), 제어모듈(322) 및 니어-라인 인터페이스 모듈(323)을 포함할 수 있다. 이때, 제어모듈(322) 및 니어-라인 인터페이스 모듈(323) 역시 대상 시스템(320)을 구현하는 컴퓨터 장치(200)의 프로세서(220)가 수행하는 동작들에 대한 기능적 표현일 수 있다.
데이터 아카이빙 시스템(310)과 대상 시스템(320)은 네트워크(일례로, 도 1 및 도 2를 통해 설명한 네트워크(170))를 통해 서로 통신할 수 있으며, 대상 시스템(320)은 제어 모듈(322)의 제어에 따라 니어-라인 인터페이스 모듈(323)을 통해 데이터 아카이빙 시스템(310)이 제공하는 기능을 호출할 수 있다. 이 경우, 데이터 아카이빙 시스템(310)은 대상 시스템(320)으로 대상 시스템(320)이 호출하는 기능을 제공할 수 있다. 예를 들어, 대상 시스템(320)은 전사적 자원 관리(Enterprise Resource Planning, ERP)를 위한 통합정보 시스템일 수 있으며, 니어-라인 인터페이스 모듈(323)은 일례로, SAP ERP를 위한 RFC(Remote Function Call)에 기반할 수 있다.
도 4는 본 발명의 일실시예에 따른 데이터 아카이빙 방법의 예를 도시한 흐름도이다. 본 실시예에 따른 데이터 아카이빙 방법은 앞서 설명한 데이터 아카이빙 시스템(310)을 구현하는 컴퓨터 장치(200)에 의해 수행될 수 있다. 이때, 컴퓨터 장치(200)의 프로세서(220)는 메모리(210)가 포함하는 운영체제의 코드나 적어도 하나의 컴퓨터 프로그램의 코드에 따른 제어 명령(instruction)을 실행하도록 구현될 수 있다. 여기서, 프로세서(220)는 컴퓨터 장치(200)에 저장된 코드가 제공하는 제어 명령에 따라 컴퓨터 장치(200)가 도 4의 방법이 포함하는 단계들(410 내지 440)을 수행하도록 컴퓨터 장치(200)를 제어할 수 있다. 또한, 컴퓨터 프로그램은 앞서 설명한 아카이빙 솔루션 프로그램에 대응될 수 있다.
단계(410)에서 컴퓨터 장치(200)는 데이터를 저장하는 대상 시스템으로부터 원격 기능 호출을 수신할 수 있다. 여기서, 대상 시스템은 도 3을 통해 설명한 대상 시스템(320)에 대응할 수 있으며, 원격 기능 호출은 대상 시스템(320)의 니어-라인 인터페이스 모듈(323)을 통해 발생될 수 있다.
단계(420)에서 컴퓨터 장치(200)는 원격 기능 호출에 응답하여, 대상 시스템에 저장된 데이터 중 적어도 일부를 저장 시스템으로 아카이빙하기 위한 제1 기능을 네트워크를 통해 대상 시스템으로 제공할 수 있다.
예를 들어, 다시 도 3을 참조하면, 데이터 아카이빙 시스템(310)은 대상 시스템(320)의 호출에 따라 대상 시스템(320)의 데이터베이스(321)에 저장된 데이터의 적어도 일부를 저장 시스템(330)으로 아카이빙하기 위한 제1 기능을 네트워크를 통해 대상 시스템(320)으로 제공할 수 있다.
여기서 저장 시스템(330)은 실시예에 따라 대상 시스템(320)에 포함되는 로컬 데이터베이스(일례로, 데이터베이스(321))이거나, 대상 시스템(320)의 외부 데이터베이스이거나, 및/또는 대상 시스템(320)의 외부 시스템(일례로, 파일 서버 또는 클라우드 서버)이 포함하는 저장소일 수 있다.
예를 들어, 데이터 아카이빙 시스템(310)은 제1 기능으로서, 대상 시스템(320)의 데이터베이스(321)에 저장된 데이터 중 적어도 일부를 압축하여 데이터베이스(321)의 테이블에 아카이빙하기 위한 기능을 제공할 수 있다. 이 경우, 압축된 데이터가 파일의 형태로 저장되는 것이 아니라 대상 시스템(320)의 데이터베이스(321)의 테이블에 저장되기 때문에 아카이브 속도가 빠르며, 데이터 조회 속도 역시 향상될 수 있다.
다른 예로, 데이터 아카이빙 시스템(310)은 제1 기능으로서, 대상 시스템(320)의 데이터베이스(321)에 저장된 데이터 중 적어도 일부를 압축하여 대상 시스템(320)의 외부 데이터베이스의 테이블에 아카이빙하기 위한 기능을 제공할 수 있다. 예컨대, 데이터 아카이빙 시스템(310)의 관점에서 대상 시스템(320)을 클라이언트라 가정할 때, 데이터 아카이빙 시스템(310)은 압축된 데이터를 다른 클라이언트가 포함하는 데이터베이스의 테이블에 저장할 수 있다.
또 다른 예로, 데이터 아카이빙 시스템(310)은 제1 기능으로서, 대상 시스템(320)의 데이터베이스(321)에 저장된 데이터 중 적어도 일부를 파일로 압축하여 대상 시스템(320)의 외부 시스템이 포함하는 저장소에 아카이빙하기 위한 기능을 제공할 수 있다. 예컨대, 데이터 아카이빙 시스템(310)이 클라우드 시스템 내에 구현된 경우, 데이터 아카이빙 시스템(310)은 압축된 데이터를 포함하는 파일을 클라우드 시스템의 저장소에 저장할 수 있다.
보다 구체적인 예로, 데이터 아카이빙 시스템(310)은 디스플레이 및 제어 모듈(313)을 통해 대상 시스템(320)으로 아카이빙 서비스를 위한 보존주기 관리, 아카이빙 구성, 아카이빙 실행, 모니터링, 데이터 조회 및 데이터 관리 기능 등을 제공하기 위한 사용자 인터페이스를 제공할 수 있다.
이때, 디스플레이 및 제어 모듈(313)을 통해 제공된 사용자 인터페이스를 통해 아카이빙의 실행이 요청되면, 데이터 아카이빙 시스템(310)은 데이터 압축 모듈(311)을 통해 설정된 아카이빙 구성에 따라 대상 시스템(320)의 데이터베이스(321)에 저장된 데이터의 적어도 일부를 저장 시스템(330)으로 아카이빙 하기 위한 제1 기능을 대상 시스템(320)으로 제공할 수 있다. 다시 말해, 대상 시스템(320)은 데이터 아카이빙 시스템(310)이 제공하는 제1 기능에 따라 자신의 데이터베이스(321)에 저장된 데이터 중 적어도 일부를 저장 시스템(330)으로 아카이빙할 수 있다.
단계(430)에서 컴퓨터 장치(200)는 저장 시스템에 아카이빙된 데이터의 조회를 위한 제2 기능을 네트워크를 통해 대상 시스템으로 제공할 수 있다. 이러한 제2 기능 역시 대상 시스템으로부터의 원격 기능 호출에 의해 제공될 수 있다.
예를 들어, 다시 도 3을 참조하면, 데이터 아카이빙 시스템(310)은 대상 시스템(320)의 호출에 따라 저장 시스템(330)에 아카이빙된 데이터의 조회를 위한 제2 기능을 네트워크를 통해 대상 시스템(320)으로 제공할 수 있다.
만약, 디스플레이 및 제어 모듈(313)을 통해 제공된 사용자 인터페이스를 통해 데이터 조회가 요청되면, 데이터 아카이빙 시스템(310)은 조회 모듈(312)을 통해 저장 시스템(330)에 아카이빙된 데이터의 조회를 위한 제2 기능을 대상 시스템(320)으로 제공할 수 있다. 다시 말해, 대상 시스템(320)은 데이터 아카이빙 시스템(310)이 제공하는 제2 기능에 따라 저장 시스템(330)에 아카이빙된 데이터를 조회할 수 있다.
이처럼, 대상 시스템(320)은 별도의 하드웨어를 추가할 필요 없이, 데이터 아카이빙 시스템(310)이 제공하는 기능들을 이용하여 데이터베이스(321)에 저장된 데이터를 아카이빙할 수 있다.
앞서 설명한 바와 같이, 데이터 아카이빙 시스템(310)이 제공하는 제1 기능은 압축된 데이터를 데이터베이스(대상 시스템(320)의 데이터베이스(321) 또는 외부 데이터베이스)의 테이블로 저장하여 보관하거나 또는 파일의 형태로 보관하기 위한 기능을 포함할 수 있다. 이때, 데이터베이스의 테이블에 압축되어 보관된 아카이브 데이터도 데이터로서 데이터베이스의 볼륨 증가를 야기시키기 때문에 데이터 아카이빙 시스템(310)은 데이터 수명주기를 관리할 수 있다. 예를 들어, 데이터 아카이빙 시스템(310)은 '데이터베이스 → 데이터 압축 아카이브 → 파일 아카이브 → 아카이브 소산'의 절차로 데이터 수명주기를 관리할 수 있다. 여기서 '데이터베이스'는 데이터가 대상 시스템(320)의 데이터베이스(321)에 저장된 상태로 관리되는 것을 의미할 수 있다. 또한, '데이터 압축 아카이브'는 데이터가 압축되어 데이터베이스(대상 시스템(320)의 데이터베이스(321) 또는 외부 데이터베이스)의 테이블에 압축된 상태로 관리되는 것을 의미할 수 있다. 또한, '파일 아카이브'는 압축 데이터의 보관기간이 경과되면, 데이터베이스의 테이블에 압축된 상태로 관리되는 데이터를 파일로 아카이빙하여 보관하는 것을 의미할 수 있으며, '아카이브 소산'은 파일로 아카이빙된 데이터 중 더 이상 보관의 의미가 없는 데이터를 삭제하는 것을 의미할 수 있다.
'파일 아카이브'는 대상 시스템(320)의 저장소에 이루어질 수도 있으나, 대상 시스템(320)의 외부 시스템의 저장소에 이루어질 수도 있다. 보다 구체적인 예로, 데이터 아카이빙 시스템(310)은 아카이브 데이터를 대상 시스템(320)의 외부에 존재하는 별도의 시스템이 포함하는 저장 시스템(330) 또는 클라우드 시스템이 포함하는 저장 시스템(330)으로 전송하기 위해 압축 대상의 추출이 완료된 대상 시스템(320)으로 접속할 수 있다. 이때, 데이터 아카이빙 시스템(310)은 니어-라인 인터페이스 모듈(314)을 통해 대상 시스템(320)을 호출할 수 있다. 이러한 호출은 API 호출에 기반할 수 있으며, 압축된 데이터가 다양한 종류의 스토리지에 저장되어 있을 수 있기 때문에 데이터베이스, 디스크, 파일, 인-메모리(in-memory), 양자메모리(quantum memory), NoSQL, 그래프 데이터베이스(graph-DB), 블록체인 데이터베이스 등의 다양한 종류의 스토리지에 연결 가능하도록 구현될 수 있다. 한편, 데이터 아카이빙 시스템(310)은 재무, 원가, 생산, 판매, 자재, 품질, 시스템 등과 같은 비즈니스 유형에 따라 전송 시나리오를 정의할 수 있다. 실시예에 따라 데이터 아카이빙 시스템(310)은 네트워크 대역폭을 고려하여 전송 시나리오의 소그룹을 생성할 수도 있다. 또한, 데이터 아카이빙 시스템(310)은 전송 시나리오에 오브젝트 할당할 수 있다. 만약, 전송 시나리오의 소그룹들이 존재하는 경우, 데이터 아카이빙 시스템(310)은 전송 시나리오의 소그룹에 추출 완료된 오브젝트를 할당할 수 있다. 또한, 데이터 아카이빙 시스템(310)은 추출 오브젝트를 이진 객체로 변환할 수 있으며, 전송 시나리오별 및/또는 소그룹별 오브젝트 용량 및 수량에 대한 전송 내역 현황표를 구성할 수 있다. 또한, 데이터 아카이빙 시스템(310)은 전송 시뮬레이션을 진행할 수도 있다. 이때, 데이터 아카이빙 시스템(310)은 전송 시나리오별 및/또는 소그룹별로 시뮬레이션 대상 선정하고, 전송 시뮬레이션을 실행하여 각 오브젝트 별로 전송 시간을 확인함에 따라, 이후 전송에서 최적의 시간을 오브젝트 데이터 비율별로 예측할 수 있다. 전송 시뮬레이션 이후, 데이터 아카이빙 시스템(310)은 시나리오 정보, 소그룹 정보, 및/또는 오브젝트 정보를 이용하여 실제 데이터 전송을 실행할 수 있다. 이때, 데이터 아카이빙 시스템(310)은 전송 시뮬레이션 정보를 기초로 하여 가장 전송 시간이 오래 걸리는 소그룹 및/또는 오브젝트를 기준으로 시간이 적게 걸리는 소그룹 및/또는 오브젝트를 배열하여 전체 종료 시간을 최적화할 수 있다. 이 경우, 데이터 아카이빙 시스템(310)은 데이터 성격별 데이터 저장 위치를 구분하여 저장할 수 있으며, 전송 상황 모니터링 툴을 통해 실시간으로 전송건수 및 수행시간을 확인할 수 있다. 또한, 데이터 아카이빙 시스템(310)은 전송 수행 맵에 추출 진행상황을 업데이트하고, 에러 발생 시 완료 이후 순번부터 진행하여 속도 및 무결성 유지할 수 있다. 데이터의 전송은 스트리밍 방식 또는 오브젝트 단위 전송을 선택하여 진행될 수 있다. 또한, 데이터 아카이빙 시스템(310)은 대상 시스템(320)에서 전송한 시나리오별 및/또는 소그룹별 데이터에 대한 저장 시스템(330)으로의 전송이 완료되었는지 확인한 후, 전송 시나리오별 및/또는 소그룹별 오브젝트 용량 및 수향 현황표와 전송된 데이터를 비교하여 아카이브 데이터의 전송 과정을 검증할 수 있다. 이때, 데이터의 전송은 1:1 관계로 전송될 수도 있고, 1:N 관계의 서로 다른 서버들로 동시에 전송될 수도 있다. 이 경우에는 서버별로 전송 내역 현황표가 구성될 수 있다.
도 5는 본 발명의 일실시예에 있어서, 제1 기능을 통해 데이터를 아카이빙하는 과정의 예를 도시한 흐름도이다. 본 실시예에 따른 과정은 데이터 아카이빙 시스템(310)이 제공하는 제1 기능을 이용하여 대상 시스템(320)을 구현하는 컴퓨터 장치(200)에 의해 수행될 수 있다. 이때, 컴퓨터 장치(200)의 프로세서(220)는 메모리(210)가 포함하는 운영체제의 코드나 적어도 하나의 컴퓨터 프로그램의 코드에 따른 제어 명령(instruction)을 실행하도록 구현될 수 있다. 여기서, 프로세서(220)는 컴퓨터 장치(200)에 저장된 코드가 제공하는 제어 명령에 따라 컴퓨터 장치(200)가 도 5의 방법이 포함하는 단계들(510 내지 550)을 수행하도록 컴퓨터 장치(200)를 제어할 수 있다. 여기서, 코드는 데이터 아카이빙 시스템(310)이 제공하는 제1 기능을 위한 코드를 포함할 수 있다.
단계(510)에서 컴퓨터 장치(200)는 데이터베이스의 테이블(아카이빙 대상 테이블)에 포함된 데이터 레코드에 대한 파티션을 데이터 레코드의 선별정보에 기초하여 결정할 수 있다. 여기서, 데이터베이스는 도 3을 통해 설명한 대상 시스템(320)의 데이터베이스(321)에 대응할 수 있다. 선별정보는 데이터 레코드에 대한 시간에 대한 정보 및/또는 데이터 레코드의 임의의 필드값을 포함할 수 있다. 컴퓨터 장치(200)는 이러한 시간에 대한 정보 및/또는 필드값에 기초하여 데이터 레코드에 대한 파티션을 결정할 수 있다. 테이블은 데이터베이스에서 데이터를 저장하는 기본 구조를 이루는 단위로서, 단계(510)에서 언급하는 테이블은 데이터베이스에 포함된 복수의 테이블 중에서 용량을 절약하기 위하여 아카이빙을 하려는 아카이빙 대상 테이블일 수 있다.
예를 들어, 컴퓨터 장치(200)는 필드값이 소정의 범위 이내인 데이터 레코드들을 하나의 파티션으로 선별할 수 있다. 이때, 필드값은 테이블에서 가장 검색이 빈번하게 발생하는 필드의 필드값으로 결정될 수 있다. 이는 아카이빙된 데이터를 추후 검색할 때, 해당 필드값에 기반하여 생성된 인덱스정보를 이용하여 검색의 효율성을 극대화할 수 있기 때문이다. 다른 예로, 컴퓨터 장치는 시간에 대한 정보가 소정의 범위 이내인 데이터 레코드들을 하나의 파티션으로 선별할 수 있다.
또한, 파티션은 테이블에 포함된 전체 데이터 레코드 중에서 선별된 데이터 레코드의 집합으로 구성될 수 있다. 파티션은 적어도 하나 이상 생성될 수 있으며, 필요에 따라서 테이블의 전체가 아닌 일부의 데이터 레코드만을 대상으로 한정하여 파티션을 생성할 수 있다. 예를 들어, 테이블에서 2015년 이후의 데이터 레코드는 제외하고, 2015년 이전의 데이터 레코드만을 대상으로 아카이빙을 위한 파티션을 생성할 수 있다.
한편, 하나의 파티션에 포함되는 데이터 레코드의 개수는 테이블에 포함된 전체 레코드의 개수, 데이터베이스를 검색하는 컴퓨터의 성능 및 데이터베이스에서 빈도가 높은 검색조건 등을 종합적으로 분석 및 검토하여 결정될 수 있다.
다른 실시예에서는, 선별된 파티션 중에서 데이터 레코드의 개수가 임계치를 초과하는 초과 파티션이 존재하면, 그 초과 파티션을 레코드의 개수가 임계치 이하인 복수의 파티션들로 분리할 수 있다. 예컨대, 하나의 파티션이 포함할 수 있는 데이터 레코드의 개수인 임계치가 10만개로 설정될 수 있다. 그러나, 만약에, 선별된 파티션이 임계치를 초과하는 데이터 레코드 개수를 포함한다면, 이는 컴퓨터의 과부하 및 비효율을 초래할 수 있어, 문제의 소지가 될 수 있다. 따라서, 하나의 파티션이 10만개를 초과하는 데이터 레코드를 가지는 경우, 이를 10만개 단위의 복수의 파티션들로 분리하여 여러 개의 파티션들을 생성할 수 있다. 예컨대, 하나의 파티션이 25만개의 데이터 레코드 개수를 가지는 경우, 컴퓨터 장치(200)는 이 초과 파티션을 10만개씩의 데이터 레코드 개수를 가지는 두 개의 파티션들과 5만개의 데이터 레코드 개수를 가지는 파티션의 총 3개의 파티션들로 분리할 수 있다.
한편, 위와 같이 분리된 복수의 파티션들은 서로 동일한 필드값에 의한 분류 기준에 의해 분류되었기 때문에, 그 복수의 파티션들을 서로 구별할 방법이 없을 수 있다. 따라서, 그 분리된 복수의 레코드그룹 각각에 일련번호(예, 1, 2, 3, 4, …)를 부여하고 인덱스테이블의 일련번호 필드에 더 저장할 수 있다. 이 경우, 아카이빙된 데이터를 검색할 때에도, 분리된 복수의 파티션들 각각을 구별하여 검색을 수행할 수 있다. 이러한 일련번호는 이후 설명될 시퀀스에 대응될 수 있다.
단계(520)에서 컴퓨터 장치(200)는 파티션별로 데이터 레코드를 압축하여 압축 파티션을 생성할 수 있다. 일례로, 컴퓨터 장치(200)는 결정된 파티션에 포함된 데이터 레코드를 이진 객체로 압축하여 압축 파티션을 생성할 수 있다.
일례로, 컴퓨터 장치(200)는 압축 파티션을 생성하기 위해, 먼저 압축 파티션에 포함될 데이터 레코드를 버퍼에 저장할 수 있다. 데이터 레코드가 저장되는 버퍼의 크기는 테이블의 구조(필드의 개수, 종류, 및 크기) 및 압축 파티션에 포함될 데이터 레코드의 임계치에 기초하여 결정될 수 있다. 예를 들어, 테이블이 DATE(문자 8자), NAME(문자 30자) 및 AGE(정수 4바이트)의 총 3개의 필드를 포함하고 있고, 압축 파티션에 포함된 데이터 레코드 개수에 대한 임계치가 10만개라고 하면, 문자 1자를 2바이트로 계산할 때, 버퍼의 크기는 최소 10만 * (8*2 + 30*2 + 4) = 800만 바이트(약 8 메가바이트)가 될 수 있다. 이때 컴퓨터 장치(200)는 압축 파티션에 포함된 데이터 레코드 및 그 데이터 레코드의 필드값을 순차적으로 모두 읽어서, 버퍼에 차례대로 저장할 수 있다.
이후, 컴퓨터 장치(200)는 버퍼에 저장된 데이터를 압축하여 압축 파티션을 생성할 수 있다. 압축 파티션은 버퍼에 저장된 데이터를 압축하여 생성된 이진 객체 형태의 결과물일 수 있다. 이때, 압축으로 인한 손실이 발생하지 않도록 하기 위하여, 무손실의 압축 알고리즘인 ZIP, CTW, LZ77, LZW, gzip, bzip2, DEFLATE 등이 사용될 수 있다.
이때, 컴퓨터 장치(200)는 생성된 압축 파티션별로 고유하게 부여된 저장키를 생성할 수 있다.
단계(530)에서 컴퓨터 장치(200)는 압축 파티션 및 압축 파티션을 고유하게 식별하는 저장키를 연계하여 압축테이블에 저장할 수 있다. 앞서, 압축된 데이터가 대상 시스템(320)의 데이터베이스(321)의 테이블이나 외부 데이터베이스의 테이블로 저장될 수 있음을 설명한 바 있다. 압축테이블은 파티션별로 압축하여 생성된 압축 파티션을 저장하기 위한 필드와 해당 압축 파티션에 대응되도록 고유하게 부여된 저장키를 저장하기 위한 필드를 포함할 수 있다. 저장키는 압축 파티션별로 고유하게 부여된 값을 포함하는 키로서, 저장키에 해당하는 압축테이블의 필드에 각 압축 파티션별로 공유한 저장키의 값이 저장될 수 있다. 또한, 저장키에 해당하는 필드는 하나 이상이 될 수도 있으며, 그 하나 이상의 필드에 분산 저장된 저장키들의 값들이 결합되었을 때, 각 압축 파티션별로 고유한 저장키가 형성되도록 구현될 수도 있다.
단계(540)에서 컴퓨터 장치(200)는 저장키 및 선별정보를 연계하여 데이터베이스의 인덱스테이블에 저장할 수 있다. 일례로, 선별정보가 해당 데이터 레코드의 임의의 필드값을 포함하는 경우, 컴퓨터 장치(200)는 단계(440)에서 저장키 및 임의의 필드값을 연계하여 그룹인덱스테이블에 저장할 수 있다. 그룹인덱스테이블에 저장된 저장키와 필드값은 임의의 필드값을 포함하는 검색조건에 따라 압축 저장된 데이터 레코드를 검색하기 위한 인덱스로서 활용될 수 있다. 다른 예로, 선별정보가 데이터 레코드의 시간에 대한 정보를 포함하는 경우, 컴퓨터 장치(200)는 저장키 및 시간에 대한 정보를 연계하여 기간인덱스테이블에 저장할 수 있다. 기간인덱스테이블에 저장된 저장키와 시간에 대한 정보는 임의의 시간에 대한 정보를 포함하는 검색조건에 따라 압축 저장된 데이터 레코드를 검색하기 위한 인덱스로서 활용될 수 있다. 다시 말해, 그룹인덱스테이블 및/또는 기간인덱스테이블을 포함하는 인덱스테이블은 검색조건이 포함하는 필드값 및/또는 시간에 대한 정보에 대응하는 저장키를 획득하는데 이용될 수 있으며, 저장키는 압축테이블에서 저장키에 대응하는 압축 파티션을 획득하는데 이용될 수 있다.
단계(550)에서 컴퓨터 장치(200)는 압축된 데이터 레코드를 테이블에서 삭제할 수 있다. 데이터베이스를 압축하여 아카이빙하는 목적은 데이터베이스의 저장 공간을 절약하기 위함이므로, 컴퓨터 장치(200)는 아카이빙된 데이터 레코드들을 테이블에서 삭제함으로써 데이터베이스의 저장 공간을 절약할 수 있다. 다만, 실시예에 따라 압축된 데이터 레코드를 테이블에서 바로 삭제하지 않고, 일정 기간이 지난 후에 테이블에서 삭제할 수도 있다.
한편, 삭제된 데이터 레코드는 추후 해당 테이블로 복구될 수도 있다. 예를 들어, 컴퓨터 장치(200)는 삭제된 데이터 레코드의 복원 요청에 응답하여 인덱스테이블에서 복원 요청이 포함하는 식별정보와 연계된 저장키를 검색하고, 압축 테이블에서 검색된 저장키와 연계된 압축 파티션을 검색할 수 있다. 이후, 컴퓨터 장치(200)는 검색된 압축 파티션의 압축을 해제하여 삭제된 데이터 레코드를 복원하고, 복원된 데이터 레코드를 식별정보에 기초하여 테이블에 기록할 수 있다. 이때, 압축 파티션이 포함하는 데이터 레코드들 중 복원이 요청된 특정 데이터 레코드를 식별하기 위해 추후 설명되는 키인덱스테이블의 정보들이 활용될 수도 있다.
이러한 단계(510) 내지 단계(550)는 데이터 아카이빙 시스템(310)이 제공하는 제1 기능을 이용하여 이루어질 수 있다. 다시 말해, 데이터 아카이빙 시스템(310)은 대상 시스템(320)이 단계(510) 내지 단계(550)를 수행하도록 제어하기 위한 기능을 포함하는 제1 기능을 제공할 수 있다.
도 6은 본 발명의 일실시예에 따른 압축테이블의 구조의 제1 예를 도시한 도면이다. 도 6의 테이블(610)은 Doc.No. 필드(611), 시간에 대한 Date 필드(612) 및 특정 속성에 대한 Col1 필드(613)를 포함하고 있다. 이때, 컴퓨터 장치(200)는 선별정보로서 시간에 대한 정보인 테이블(610)의 Date 필드(612)의 필드값 또는 Col1 필드(613)의 필드값에 기초하여 테이블(610)의 데이터 레코드를 분류 및 압축함으로써 압축 파티션을 생성할 수 있다. 이때, 컴퓨터 장치(200)는 압축 파티션을 고유하게 식별하기 위한 저장키와 해당 압축 파티션을 서로 연계하여 저장함으로써 압축테이블(600)을 생성할 수 있다. 예를 들어, 도 6의 실시예에 따른 압축테이블(600)은 저장키를 필드값으로 갖는 OBJECT ID 필드(621)와 압축 파티션을 필드값으로 갖는 COMPRESSED DATA 필드(622)를 포함할 수 있다.
도 7은 본 발명의 일실시예에 따른 압축테이블의 구조의 제2 예를 도시한 도면이고, 도 8은 본 발명의 일실시예에 따른 기간인덱스테이블의 구조의 예를 도시한 도면이고, 도 9는 본 발명의 일실시예에 따른 그룹인덱스테이블의 구조의 예를 도시한 도면이다.
도 7은 앞서 도 6을 통해 설명한 테이블(610)을 통해 압축테이블(700)을 생성하는 다른 실시예를 설명하고 있다. 예를 들어, 컴퓨터 장치(200)는 선별정보로서 시간에 대한 정보인 테이블(610)의 Date필드(612)의 필드값에 기초하여 테이블(610)의 데이터 레코드를 분류 및 압축함으로써 압축 파티션을 생성할 수 있다. 또한, 컴퓨터 장치(200)는 선별정보와 해당하는 압축 파티션을 서로 연계하여 저장함으로써 압축테이블(700)을 생성할 수 있다. 예를 들어, 도 7의 실시예에 따른 압축 테이블(700)은 시간에 대한 정보를 필드값으로 갖는 PERIOD 필드(710)와 압축 파티션을 필드값으로 갖는 COMPRESSED DATA 필드(720)를 포함할 수 있다.
한편 도 8은 압축테이블(700)이 Date 필드(612)의 필드값(시간에 대한 정보)에 기초하여 데이터 레코드를 분류 및 압축함으로써 생성된 압축 파티션을 포함하는 경우에 생성 및 활용될 수 있는 기간인덱스테이블(800)의 예를 나타내고 있다. 이때, 기간인덱스테이블(800)은 시간에 대한 정보를 필드값으로 갖는 PERIOD 필드(810)와 저장키를 필드값으로 갖는 OBJECT ID 필드(820)를 포함할 수 있다. 예를 들어, 컴퓨터 장치(200)는 시간에 대한 정보(일례로, "2020.01")를 선별정보로서 포함하는 검색조건을 수신하는 경우, 기간인덱스테이블(800)에서 검색조건에 포함된 시간에 대한 정보를 이용하여 대응하는 저장키(일례로, 기간인덱스테이블(800)에서 시간에 대한 정보 "2020.01"에 대응하는 저장키 "O0001")를 검색할 수 있으며, 검색된 저장키를 이용하여 압축테이블(620)에서 저장키에 대응하는 압축 파티션(일례로, 압축테이블(620)에서 저장키 "O0001"에 대응하는 "50,000 Rows"의 압축 파티션)을 검색할 수 있게 된다.
또한, 도 9는 압축테이블(600)이 Col1 필드(613)의 필드값에 기초하여 데이터 레코드를 분류 및 압축함으로써 생성된 압축 파티션을 포함하는 경우에 생성 및 활용될 수 있는 그룹인덱스테이블(900)의 예를 나타내고 있다. 이때, 그룹인덱스테이블(900) Col1 필드(613)의 필드값을 자신의 필드값으로 갖는 PERIOD 필드(910)와 저장키를 필드값으로 갖는 OBJECT ID 필드(920)를 포함할 수 있다. 예를 들어, 컴퓨터 장치(200)는 Col1 필드(613)의 필드값(일례로, "1000")을 선별정보로서 포함하는 검색조건을 수신하는 경우, 그룹인덱스테이블(900)에서 검색조건에 포함된 필드값을 이용하여 대응하는 저장키(일례로, 그룹인덱스테이블(900)에서 필드값 "1000"에 대응하는 저장키 "O0001")를 검색할 수 있으며, 검색된 저장키를 이용하여 압축테이블(600)에서 저장키에 대응하는 압축 파티션(일례로, 압축테이블(600)에서 저장키 "O0001"에 대응하는 "50,000 Rows"의 압축 파티션)을 검색할 수 있게 된다.
도 10은 본 발명의 일실시예에 따른 압축테이블의 구조의 제2 예를 도시한 도면이고, 도 11은 본 발명의 일실시예에 있어서, 기간인덱스테이블과 그룹인덱스테이블이 결합된 형태의 인덱스테이블의 구조의 예를 도시한 도면이다.
도 10은 앞서 도 6을 통해 설명한 테이블(610)을 통해 압축테이블(1000)을 생성하는 또 다른 실시예를 설명하고 있다. 예를 들어, 컴퓨터 장치(200)는 시간에 대한 정보인 테이블(610)의 Date 필드(612)의 필드값 및 Col1 필드(613)의 필드값의 두 개의 필드값에 기초하여 테이블(610)의 데이터 레코드를 분류 및 압축함으로써 압축 파티션을 생성할 수 있다.
보다 구체적인 예로, 컴퓨터 장치(200)는, Data 필드(612)의 필드값이 "2002.01"이면서 Col1 필드(613)의 필드값이 "1000"인 데이터 레코드들을 압축하여 제1 압축 파티션을, Data 필드(612)의 필드값이 "2002.01"이면서 Col1 필드(613)의 필드값이 "2000"인 데이터 레코드들을 압축하여 제2 압축 파티션을, Data 필드(612)의 필드값이 "2002.02"이면서 Col1 필드(613)의 필드값이 "1000"인 데이터 레코드들을 압축하여 제3 압축 파티션을, Data 필드(612)의 필드값이 "2002.02"이면서 Col1 필드(613)의 필드값이 "2000"인 데이터 레코드들을 압축하여 제4 압축 파티션을, Data 필드(612)의 필드값이 "2002.03"이면서 Col1 필드(613)의 필드값이 "1000"인 데이터 레코드들을 압축하여 제5 압축 파티션을, Data 필드(612)의 필드값이 "2002.03"이면서 Col1 필드(613)의 필드값이 "2000"인 데이터 레코드들을 압축하여 제6 압축 파티션을 각각 생성할 수 있다.
이 경우, 컴퓨터 장치(200)는 압축 파티션을 고유하게 식별하기 위한 저장키와 해당 압축 파티션을 서로 연계하여 저장함으로써 압축테이블(1000)을 생성할 수 있다. 예를 들어, 도 10의 실시예에 따른 압축테이블(1000)은 저장키를 필드값으로 갖는 OBJECT ID 필드(1010)와 압축 파티션을 필드값으로 갖는 COMPRESSED DATA 필드(1020)를 포함할 수 있다.
한편 도 11은 기간인덱스테이블과 그룹인덱스테이블이 결합된 형태의 인덱스테이블(1100)의 예를 나타내고 있다. 이때, 인덱스테이블(1100)은 시간에 대한 정보를 필드값으로 갖는 PERIOD 필드(1110), Col1 필드(613)의 필드값을 자신의 필드값으로 갖는 PERIOD 필드(1110), 그리고 저장키를 필드값으로 갖는 OBJECT ID 필드(1130)를 포함할 수 있다. 예를 들어, 컴퓨터 장치(200)는 시간에 대한 정보(일례로, "2020.02") 및 Col1 필드(613)의 필드값(일례로, "1000")을 선별정보로서 포함하는 검색조건을 수신하는 경우, 인덱스테이블(1100)에서 검색조건이 포함하는 시간에 대한 정보와 필드값을 모두 만족하는 저장키(일례로, 인덱스테이블(1100)의 저장키 "O0003")를 검색할 수 있으며, 검색된 저장키를 이용하여 압축테이블(1000)에서 저장키에 대응하는 압축 파티션(일례로, 압축테이블(1000)에서 저장키 "O0003"에 대응하는 "30,000 Rows"의 압축 파티션)을 검색할 수 있게 된다.
도 12는 본 발명의 일실시예에 있어서, 제1 기능을 통해 데이터를 아카이빙하는 과정의 또 다른 예를 도시한 흐름도이다. 본 실시예에 따른 과정은 도 5를 통해 설명한 단계(540) 이후에 단계(1210)를 더 포함할 수 있다.
단계(1210)에서 컴퓨터 장치(200)는 테이블에 포함된 데이터 레코드 각각에 대해, 프라이머리키(primary key), 해당 데이터 레코드를 포함하여 압축된 압축 파티션 내에서의 해당 데이터 레코드의 위치인 키인덱스정보 및 해당 데이터 레코드를 포함하여 압축된 압축 파티션에 대응되는 저장키를 연계하여 키인덱스테이블에 저장할 수 있다. 이러한 단계(1210)은 데이터 아카이빙 시스템(310)이 제공하는 제1 기능을 이용하여 이루어질 수 있다. 다시 말해, 데이터 아카이빙 시스템(310)은 대상 시스템(320)이 단계(1210)을 수행하도록 제어하기 위한 기능을 포함하는 제1 기능을 제공할 수 있다.
프라이머리키는 데이터베이스에서 레코드별로 고유하게 식별되는 값을 가지는 필드에서의 해당 값을 의미할 수 있으며, 기본키, 주키 또는 유니크키라고도 할 수 있다. 또한, 하나의 테이블에는 하나 이상의 프라이머리키가 존재할 수 있다. 또한, 키인덱스정보는 특정한 프라이머리키의 값을 가지는 데이터 레코드가 압축 파티션 내에서 어느 위치에 저장되어 있는지에 대한 정보이다. 예를 들어, 압축 파티션이 포함하는 10만개의 데이터 레코드에 대한 정보 중에서 1000번째로 저장된 데이터 레코드라는 저장순서에 관한 정보가 키인덱스정보로 저장될 수 있다.
한편, 키인덱스테이블에 프라이머리키를 저장하는 이유는 검색 대상이 되는 테이블을 다른 필드값 및 시간에 대한 정보뿐만 아니라 그 프라이머리키에 의해 직접 검색할 수 있도록 하기 위함이다. 즉, 사용자가 특정한 프라이머리키를 입력하면서, 그 프라이머리키를 갖는 데이터 레코드를 테이블에서 검색하려고 할 때, 키인덱스테이블이 사용될 수 있다. 보다 구체적으로, 컴퓨터 장치(200)는 특정한 프라이머리키를 갖는 데이터 레코드의 키인덱스정보와 저장키를 키인덱스테이블에서 검색할 수 있다. 이 경우, 컴퓨터 장치(200)는 획득한 저장키로 압축테이블에서 저장키에 대응하는 압축 파티션을 획득할 수 있으며, 키인덱스정보를 이용하여 압축 파티션에서 사용자가 원하는 특정 데이터 레코드를 검색할 수 있게 된다. 이미 설명한 바와 같이, 이러한 키인덱스테이블의 키인덱스정보는 특정 조건의 데이터 레코드를 테이블에 복원함에 있어서, 압축 파티션이 포함하는 데이터 레코드들 중에서 특정 조건의 데이터 레코드를 식별하기 위해 활용될 수도 있다.
도 13은 본 발명의 일실시예에 따른 압축테이블 및 키인덱스테이블의 구조의 예를 도시한 도면이다.
압축테이블(1310)은 저장키를 필드값으로 갖는 OBJECT ID 필드(1311), 대상 테이블의 처리 순서(시퀀스)를 필드값으로 갖는 SEQ 필드(1312) 및 압축 파티션을 필드값으로 갖는 COMPRESSED DATA 필드(1313)를 포함할 수 있다. 시퀀스는 부모 테이블과 자식 테이블이 존재할 때, 부모 테이블을 먼저 추출하고, 추출된 부모 테이블의 데이터를 이용하여 자식 테이블을 처리하는 처리 순서를 정의할 수 있다.
키인덱스테이블(1320)은 이미 설명한 바와 같이, 프라이머리키를 필드값으로 갖는 Doc.No. 필드(1321), 저장키를 필드값으로 갖는 OBJECT ID 필드(1322) 및 키인덱스정보를 필드값으로 갖는 Key Location info. 필드(1323)를 포함할 수 있다. 예를 들어, 키인덱스정보 1@1001에서 "@" 이전의 "1"은 SEQ 필드(1312)의 필드값에 대응하는 시퀀스를, "@" 이후의 "1001"은 해당 압축 파티션이 포함하는 데이터 레코드들 중 1,001 번째 데이터 레코드를 지시할 수 있다. 보다 구체적인 예로, 키인덱스테이블(1320)의 첫 번째 레코드는 프라이머리키가 '1'인 데이터 레코드가 저장키가 'O0001'이고, 시퀀스가 '1'인 압축 파티션의 데이터 레코드들 중 1,001 번째의 데이터 레코드로서 포함되어 있음을 지시할 수 있다. 이와 유사하게, 키인덱스테이블(1320)의 두 번째 레코드는 프라이머리키가 '2'인 데이터 레코드가 저장키가 'O0001'이고, 시퀀스가 '2'인 압축 파티션의 데이터 레코드들 중 2,001 번째의 데이터 레코드로서 포함되어 있음을 지시할 수 있다.
이처럼, 키인덱스정보는 압축 파티션 내에서의 특정 데이터 레코드의 위치에 대한 정보를 포함할 수 있으며, 이러한 키인덱스정보와 프라이머리키 및 저장키를 포함하는 키인덱스테이블(일례로, 도 13의 키인덱스테이블(1320))을 활용함으로써, 사용자의 검색조건에 따라 조회해야 할 데이터 레코드의 수를 줄일 수 있다.
다른 실시예에서 컴퓨터 장치(200)는 프라이머리키를 통해 제1 테이블(일례로, 단계(410)에서 설명한 테이블)과 연결된 연결테이블에서 데이터 레코드를 압축하여 생성된 제2 압축 파티션에 대하여, 제2 압축 파티션에 포함된 데이터 레코드 중에서 제1 테이블에 포함된 데이터 레코드와 프라이머리키가 동일한 데이터 레코드를 검색할 수 있으며, 검색된 데이터 레코드에 대하여 제2 압축 파티션 내에서의 위치인 서브인덱스정보를 키인덱스테이블상의 프라이머리키가 동일한 데이터 레코드에 대해 더 저장할 수 있다. 연결테이블은 프라이머리키를 통해 제1 테이블과 연결되는 테이블이다. 즉, 프라이머리키는 제1 테이블과 연결테이블에 모두 존재할 수 있다. 제2 압축 파티션은 프라이머리키를 통해 제1 테이블과 연결되는 연결테이블이 존재할 때, 해당 연결테이블에서 데이터 레코드를 압축하여 생성된 데이터일 수 있다. 이때. 제2 압축 파티션은 도 4에 대한 설명에서 상술한 압축 파티션과 동일한 방식으로 생성될 수 있으며, 압축 파티션과 마찬가지로 고유한 저장키와 함께 압축테이블에 저장될 수 있다. 서브인덱스정보는 특정한 프라이머리키를 가지는 데이터 레코드가 어떤 제2 압축 파티션 내에서 어느 위치에 저장되어 있는지에 대한 정보이다. 예를 들어, 제2 압축 파티션에 포함된 10만개의 데이터 레코드에 대한 정보 중에서 1000번째로 저장된 데이터 레코드라는 저장순서에 관한 정보가 서브인덱스정보로 저장될 수 있다. 예를 들어, 데이터베이스에 제1 테이블과 프라이머리키를 통해 연결되는 연결테이블이 존재하고, 제1 테이블에는 존재하지 않으나 연결테이블에는 존재하는 필드에 대하여, 사용자가 그 필드의 필드값 정보를 필요로 할 수 있다. 이 경우, 컴퓨터 장치(200)는 추후에 그 연결테이블까지 검색할 수 있도록 키인덱스테이블 상의 동일한 프라이머리키를 가지는 데이터 레코드에 대해 서브인덱스정보를 더 저장할 수 있다.
또 다른 실시예에서 컴퓨터 장치(200)는 제1 테이블에 대해 다수의 연결테이블이 존재하는 경우, 연결테이블 각각에 대한 서브인덱스정보를 취합하여 압축한 뒤, 키인덱스테이블에 새로운 서브인덱스정보로 저장할 수도 있다. 예를 들어, 컴퓨터 장치(200)가 연결테이블에서 동일한 프라이머리키를 갖는 데이터 레코드에 대하여 둘 이상의 제2 압축 파티션 내에서의 위치에 대한 서브인덱스정보를 모두 취합할 수 있으며, 취합된 값들을 압축하여, 키인덱스테이블 상의 동일한 프라이머리키의 값을 포함하는 데이터 레코드에 새로운 서브인덱스정보로 저장할 수 있다.
도 14는 본 발명의 일실시예에 따른 압축테이블 및 키인덱스테이블의 구조의 다른 예를 도시한 도면이다.
압축테이블(1410)은 저장키를 필드값으로 갖는 OBJECT ID 필드(1411), 테이블의 식별자를 필드값으로 갖는 TABLE 필드(1412), 시퀀스를 필드값으로 갖는 SEQ 필드(1413) 및 압축 파티션을 필드값으로 갖는 COMPRESSED DATA 필드(1414)를 포함할 수 있다. TABLE 필드(1412)는 테이블의 식별자를 필드값으로 포함할 수 있으며, 이를 통해 대응하는 압축 파티션이 어느 테이블에서 추출된 데이터 레코드들을 포함하는가를 식별할 수 있다.
본 실시예에 따른 키인덱스테이블(1420)은 프라이머리키를 필드값으로 갖는 Doc.No. 필드(1421), 저장키를 필드값으로 갖는 OBJECT ID 필드(1422), 키인덱스정보를 필드값으로 갖는 Key Location info. 필드(1423) 및 서브인덱스정보를 필드값으로 갖는 Sub Location info. 필드(1424)를 포함할 수 있다.
예를 들어, 키인덱스테이블(1420)의 첫 번째 레코드는 프라이머리키가 '1'인 데이터 레코드가 저장키가 'O0001'이고, 시퀀스가 '1'인 압축 파티션의 데이터 레코드들 중 10,001 번째의 데이터 레코드로서 포함되어 있음을 지시할 수 있다. 이때, Sub Location info. 필드(1424)의 필드값 "TAB1@1001-2/TAB2@2001-3"은 프라이머리키가 '1'인 데이터 레코드의 연결테이블에 대해 생성된 제2 압축 파티션 내에서의 위치를 나타내고 있다. 예를 들어, 필드값 "TAB1@1001-2/TAB2@2001-3"에서 "@" 이전의 "TAB1"과 "TAB2"는 동일한 프라이머리키를 통해 연결된 연결테이블들을 의미할 수 있으며, "@" 이후의 "1001-2"는 연결테이블 "TAB1"에 대한 제2 압축 파티션이 포함하는 데이터 레코드들 중 1,001 번째 데이터 레코드부터 2개의 데이터 레코드(1,001 번째 데이터 레코드(제1 데이터 레코드) 및 1,002 번째 데이터 레코드(제2 데이터 레코드))를 나타내고 있다. 또한, "@" 이후의 "2001-3"은 연결테이블 "TAB2"에 대한 제2 압축 파티션이 포함하는 데이터 레코드들 중 2,001 번째 데이터 레코드부터 3개의 데이터 레코드(2,001 번째 데이터 레코드(제3 데이터 레코드), 2,002 번째 데이터 레코드(제4 데이터 레코드) 및 2,003 번째 데이터 레코드(제5 데이터 레코드))를 나타내고 있다. 이때, 제1 데이터 레코드부터 제5 데이터 레코드까지가 모두 동일한 프라이머리키에 의해 식별될 수 있다.
도 15는 본 발명의 일실시예에 있어서, 제2 기능을 통해 아카이빙된 데이터를 검색하는 과정의 예를 도시한 도면이다. 본 실시예에 따른 과정은 데이터 아카이빙 시스템(310)이 제공하는 제2 기능을 이용하여 대상 시스템(320)을 구현하는 컴퓨터 장치(200)에 의해 수행될 수 있다.
단계(1510)에서 컴퓨터 장치(200)는 데이터 레코드의 선별정보를 포함하는 검색조건을 수신할 수 있다. 이러한 선별정보는 검색하고자 하는 데이터 레코드의 임의의 필드값 및/또는 해당 데이터 레코드의 시간에 대한 정보를 포함할 수 있다. 선별정보가 포함하는 필드값 및/또는 시간에 대한 정보는 범위의 형태로 포함될 수도 있다.
단계(1520)에서 컴퓨터 장치(200)는 데이터베이스상에서 데이터 레코드의 선별정보와 해당 데이터 레코드가 포함된 압축 파티션을 고유하게 식별하는 저장키를 연계하여 저장하는 인덱스테이블로부터, 검색조건이 포함하는 선별정보에 연계된 저장키를 검색할 수 있다. 이미 설명한 바와 같이 인덱스테이블은 그룹인덱스테이블 및/또는 기간인덱스테이블을 포함할 수 있으며, 그룹인덱스테이블은 특정 필드값과 저장키를 연계하여 저장할 수 있고, 기간인덱스테이블은 시간에 대한 정보와 저장키를 연계하여 저장함을 설명하였다. 따라서, 컴퓨터 장치(200)는 선별정보가 포함하는 필드값 및/또는 시간에 대한 정보에 대응하는 저장키를 그룹인덱스테이블 및/또는 기간인덱스테이블로부터 검색할 수 있게 된다. 예를 들어, 컴퓨터 장치(200)는 선별정보가 데이터 레코드의 임의의 필드값을 포함하는 경우, 저장키 및 임의의 필드값을 연계하여 저장하는 그룹인덱스테이블에서 검색조건의 선별정보로서 포함된 임의의 필드값에 연계된 저장키를 검색할 수 있다. 다른 예로, 컴퓨터 장치(200)는 선별정보가 데이터 레코드의 시간에 대한 정보를 포함하는 경우, 저장키 및 시간에 대한 정보를 연계하여 저장하는 기간인덱스테이블에서 검색조건의 선별정보로서 포함된 시간에 대한 정보에 연계된 저장키를 검색할 수 있다.
단계(1530)에서 컴퓨터 장치(200)는 저장키와 압축 파티션을 연계하여 저장하는 압축테이블에서 검색된 저장키에 연계된 압축 파티션을 검색할 수 있다. 이미 설명한 바와 같이, 압축테이블은 압축 파티션 및 압축 파티션을 고유하게 식별하는 저장키를 연계하여 저장하고 있으며, 따라서 컴퓨터 장치(200)는 이러한 압축테이블에서 저장키를 통해 해당 압축 파티션을 검색할 수 있게 된다.
이미 설명한 바와 같이, 키인덱스테이블이 더 활용되는 경우, 사용자는 프라이머리키를 검색에 활용할 수 있다. 키인덱스테이블은 앞서 설명한 바와 같이, 데이터베이스상의 임의의 테이블이 포함하는 데이터 레코드 각각에 대해, 프라이머리키, 해당 데이터 레코드를 포함하여 압축된 압축 파티션 내에서의 해당 데이터 레코드의 위치인 키인덱스정보 및 해당 데이터 레코드를 포함하여 압축된 압축 파티션에 대응되는 저장키를 연계하여 저장할 수 있다. 이때, 검색조건이 데이터 레코드의 프라이머리키를 더 포함하는 경우, 컴퓨터 장치(200)는 키인덱스테이블에서 검색조건이 더 포함하는 프라이머리키에 연계된 키인덱스정보 및 저장키를 검색할 수 있다. 이후, 컴퓨터 장치(200)는 검색된 키인덱스정보 및 저장키에 더 기초하여 단계(1530)에서 검색된 압축 파티션으로부터 검색조건에 따른 특정 데이터 레코드를 검색할 수 있게 된다.
또한, 키인덱스테이블은 프라이머리키를 통해 임의의 테이블과 연결된 연결테이블이 존재하는 경우, 연결테이블에서 데이터 레코드를 압축하여 생성된 제2 압축 파티션에 대하여 데이터 레코드의 제2 압축 파티션에서의 위치인 서브인덱스정보를 더 포함할 수 있다. 따라서, 검색조건이 프라이머리키를 더 포함하는 경우, 컴퓨터 장치(200)는 키인덱스테이블에서 검색조건이 더 포함하는 프라이머리키에 연계된 서브인덱스정보를 더 검색할 수 있고, 제2 압축 파티션 및 서브인덱스정보에 기초하여 제2 압축 파티션에서 검색조건에 따른 데이터 레코드를 더 검색함으로써, 특정 데이터 레코드에 대해, 검색하고자 하는 제1 테이블의 필드값뿐만 아니라, 제1 테이블과 프라이머리키로 연결된 연결테이블의 필드값도 획득할 수 있게 된다.
한편, 이미 설명한 바와 같이, 압축테이블은 컴퓨터 장치(200)와 네트워크를 통해 연결된 다른 컴퓨터 장치의 데이터베이스의 압축테이블을 포함할 수도 있다. 이 경우, 컴퓨터 장치(200)는 단계(1530)에서 네트워크를 통해 다른 컴퓨터 장치의 데이터베이스의 압축테이블로부터 단계(1520)에서 검색된 저장키에 연계된 압축 파티션을 검색할 수 있다.
이러한 단계(1510) 내지 단계(1530)는 데이터 아카이빙 시스템(310)이 제공하는 제2 기능을 이용하여 이루어질 수 있다. 다시 말해, 데이터 아카이빙 시스템(310)은 대상 시스템(320)이 단계(1510) 내지 단계(1530)를 수행하도록 제어하기 위한 기능을 포함하는 제2 기능을 제공할 수 있다.
도 16 및 도 17은 본 발명의 일실시예에 있어서, 아카이빙된 데이터를 검색하는 예들을 도시한 도면들이다.
도 16은 쿼리(1610)를 통해 압축테이블(1620)에서 아카이빙된 데이터를 검색하는 예를 나타내고 있다. 도 16의 실시예에서는 압축테이블(1620)이 인덱스테이블과 결합된 형태로서, PERIOD 필드(1621), COL1 필드(1622), TABLE 필드(1623), OBJECT ID 필드(1624), SEQ 필드(1625) 및 COMPRESSED DATA 필드(1626)를 포함하고 있다. 실시예에 따라, PERIOD 필드(1621)와 COL1 필드(1622)는 별도의 인덱스테이블에 존재할 수도 있다. 이 경우, 압축테이블(1620)과 인덱스테이블을 연결하기 위해, 두 테이블들 각각에 OBJECT ID 필드(1624)가 존재할 수 있다. 실시예에 따라 TABLE 필드(1623)와 SEQ 필드(1625) 역시 인덱스테이블에 존재할 수도 있다.
이때, 쿼리(1610)는 테이블 "TAB1"로부터 PERIOD 필드(1621)의 필드값이 "2002.01"이고, COL1 필드(1622)의 필드값이 "1000"인 데이터 레코드를 검색하라는 명령을 의미할 수 있다. 이때, 컴퓨터 장치(200)는 압축테이블(1620)에서 쿼리(1610)에 해당하는 데이터 레코드가 압축테이블(1620)의 첫 번째 레코드의 COMPRESSED DATA 필드(1626)에 저장된 압축 파티션임을 확인할 수 있다. 따라서, 컴퓨터 장치(200)는 해당 압축 파티션의 압축을 해제하고, 해당 압축 파티션이 포함하는 데이터 레코드들("50,000 rows"의 데이터 레코드들)을 검색의 결과로서 제공할 수 있다.
도 17은 쿼리(1710)를 통해 압축테이블(1620)에서 아카이빙된 데이터를 검색하는 예를 나타내고 있다. 도 17의 실시예에서 쿼리(1710)는 프라이머리키를 검색조건으로서 활용하고 있기 때문에 키인덱스테이블(1720)이 활용될 수 있다. 키인덱스테이블(1720)은 Doc.No. 필드(1721), OBJECT ID 필드(1722), Key Location Info. 필드(1723) 및 Sub Location Info. 필드(1724)를 포함하고 있다.
이때, 쿼리(1710)는 테이블 "TAB1" 및 테이블 "TAB2"에서 프라이머리키로서의 Doc.No. 필드(1721)의 필드값이 '1'인 데이터 레코드를 검색하라는 명령을 의미할 수 있다. 이때, 컴퓨터 장치(200)는 키인덱스테이블(1720)에서 Doc.No. 필드(1721)의 필드값이 '1'인 첫 번째 레코드를 확인할 수 있으며, 첫 번째 레코드의 Sub Location Info. 필드(1724)의 필드값을 통해 압축테이블(1620)에서 프라이머리키가 '1'인 데이터 레코드들을 검색할 수 있다. 예를 들어, 컴퓨터 장치(200)는 Doc.No. 필드(1721)의 필드값이 '1'인 키인덱스테이블(1720)의 첫 번째 레코드의 서브인덱스정보 "TAB1@1001-2/TAB2@2001-3"를 통해 압축테이블(1620)에서 프라이머리키가 '1'인 데이터 레코드들을 추출할 수 있다. 이때, 서브인덱스정보가 포함하는 위치를 통해 압축 파티션들의 전체 데이터 레코드들을 전부 검색하지 않아도 쉽고 빠르게 특정 프라이머리키의 값을 갖는 데이터 레코드들을 검색할 수 있다.
다시 도 3을 참조하면, 데이터 아카이빙 시스템(310)은 데이터 조회 로그를 활용하여, 대상 시스템(320)의 외부의 다른 시스템(일례로, 클라우드 스토리지 시스템)이 저장 시스템(330)을 포함하고 있는 실시예에서 대상 시스템(320)과 저장 시스템(330)의 데이터를 최적화할 수 있다. 예를 들어, 데이터 아카이빙 시스템(310)은 (1) 온 프레미스(on-premise, 기업이 클라우드 환경이 아닌 자체 설비로 보유하고 운영하는)의 데이터베이스에 대한 과거 테이블 접속 로그, (2) 과거 테이블 접속 로그를 기반으로 머신러닝을 이용하여 예측한 접속량 및 (3) 데이터의 저장 시스템(330)으로의 전환 이후의 접속 로그 중 적어도 하나를 분석하여 대상 시스템(320)과 저장 시스템(330)간의 데이터 용량 및 사용자 접속 속도를 지속적으로 최적화할 수 있다.
도 18은 본 발명의 일실시예에 있어서, 데이터를 효과적으로 저장하기 위한 과정의 예를 도시한 도면이다. 도 18은 대상 시스템(320)과 클라우드 시스템(1810)을 나타내고 있다. 이러한 도 18의 실시예에서는 저장 시스템(330)과 데이터 아카이빙 시스템(310)이 모두 클라우드 시스템(1810)상에 구현될 수 있다. 원격 저장소(클라우드 시스템(1810)에 구현된 저장 시스템(330))에 데이터를 효과적으로 저장하기 위해, 데이터 아카이빙 시스템(310)은 데이터 사용률에 따라 스토리지 클래스를 차별적으로 관리할 수 있다. 예를 들어, 데이터 아카이빙 시스템(310)은 대상 시스템(320)이 온-프레미스의 데이터베이스에서의 데이터 사용률에 기반하여 데이터를 전송하도록 제어하기 위한 기능을 대상 시스템(320)으로 제공할 수 있다. 이때, 데이터 아카이빙 시스템(310)은 이러한 기능을 통해 대상 시스템(310)의 데이터 사용현황을 분석하여 각 클래스로 분리한 후, 클라우드 시스템(1810)으로 데이터를 전송하기 전에 데이터를 각 클래스로 분리할 수 있다. 이때, 클라우드 시스템(1810) 역시 클래스별로 클래스 스토리지를 포함할 수 있으며, 특정 클래스 스토리지에 해당하는 클래스의 데이터가 저장될 수 있다.
또한, 데이터 아카이빙 시스템(310)은 클라우드 시스템(1810)으로 전송된 데이터의 사용현황을 비즈니스 오브젝트, 기간별로 모니터링하여 분리, 저장할 수 있다. 예를 들어, 데이터 아카이빙 시스템(310)은 클라우드 시스템(1810)의 저장소 내에서의 데이터 사용률에 기반하여 스토리지를 관리할 수 있다.
한편, 데이터 아카이빙 시스템(310)은 대상 시스템(320)의 데이터 사용현황을 클라우드 시스템(1810)으로 전송하도록 제어하고, 머신러닝을 활용하여 데이터의 활용도를 분석한 후, 각각의 클래스 스토리지에 저장할 수 있다. 예를 들어, 데이터 아카이빙 시스템(310)은 기업 내 데이터 사용현황을 일정기간 클라우드 시스템(1810)으로 이관하도록 대상 시스템(310)을 제어할 수 있으며, 이관된 데이터 사용현황에 대한 머신러닝 적용에 기반하여 데이터 사용률을 예측할 수 있다. 또한, 데이터 아카이빙 시스템(310)은 예측된 데이터 사용률을 기반으로 데이터가 최적화될 수 있도록 데이터를 대상 시스템(320)과 클라우드 시스템(1810)간의 이관을 처리할 수 있다. 예를 들어, 클라우드 시스템(1810)의 저장소(저장 시스템(320))에 저장된 데이터 중 데이터 사용률이 제1 임계값 이상인 데이터는 대상 시스템(320)의 저장소(데이터베이스(321))로 이관할 수 있으며, 대상 시스템(320)의 저장소에 저장된 데이터 중 데이터 사용률이 제2 임계값 이하인 데이터는 클라우드 시스템(1810)의 저장소로 이관할 수 있다. 데이터의 이관에는 앞서 도 3 내지 도 17의 실시예들을 통해 설명한 데이터의 압축이나 압축 해제가 요구될 수 있다.
이처럼, 데이터 아카이빙 시스템(310)은 대상 시스템(320)의 데이터 사용현황(과거), 클라우드 시스템의 데이터 사용현황(현재) 및 머신러닝으로 예측된 데이터 사용률(미래)에 기반하여 지속적인 스토리지 최적화 작업을 수행할 수 있다.
또 다른 실시예로, 데이터 아카이빙 시스템(310)은 대상 시스템(320)의 성능 최적화를 위한 기능을 제공할 수 있다. 일례로, 대상 시스템(320)이 클라우드 환경에 인스턴스의 형태로 위치하는 경우를 고려할 수 있다. 이 경우, 예를 들어, 대상 시스템(320)의 데이터 삭제 이후(또는 앞서 설명한 지속적인 스토리지 최적화 작업에 따라 저장 공간의 사용량이 감소한 이후), 데이터 아카이빙 시스템(310)은 대상 시스템(320)의 데이터베이스 용량에 기반하여 클라우드 환경에 인스턴스의 형태로 위치한 대상 시스템(320)의 전체적인 성능(CPU, 메모리 사용량, 시스템 응답속도 등)을 모니터링할 수 있으며, 모니터링된 성능에 기반하여 비용절감이 가능한 서버타입으로 대상 시스템(320)의 사양을 변경함으로써, 대상 시스템(320)측의 비용을 줄일 수 있다. 예를 들어, 데이터 아카이빙 시스템(310)은 데이터 볼륨 최적화 관점이 아닌 CPU, 메모리 효율을 함께 고려한 인스턴스 최적화 기능을 제공할 수 있다. 이를 위해, 데이터 아카이빙 시스템(310)은 데이터 볼륨 감소로 인한 추가 자원의 최적화 가능성 검토할 수 있다. 보다 구체적인 예로, 데이터 아카이빙 시스템(310)은 최근 일정 기간(일례로, 1년) 동안 사용 빈도가 높은 프로그램의 기술적(technical) BOM(Bill of material)과 프로그램의 내부구조를 분석하여 각 플로우별 시간을 측정할 수 있으며, 데이터베이스 관련 로직의 프로세싱 타임을 줄여줌으로써 CPU, 메모리 등 사양 축소를 가능하게 할 수 있다. 또한, 데이터 아카이빙 시스템(310)은 대상 시스템(320)의 구현을 위한 인스턴스를 초기 설정 인스턴스의 클래스 대비 경제적으로 한 단계 낮은 인스턴스로 변경해줄 수도 있다. 각 플로우별 시간의 측정에는 기술적 BOM과 프로그램의 내부구조 이외에도 시스템 응답률, CPU 사용률, 프로세싱 타임, 데이터베이스 응답시간 등이 활용될 수 있다.
또 다른 실시예로, 데이터 아카이빙 시스템(310)은 데이터 비식별화 기능을 제공할 수 있다. 데이터 아카이빙의 수집 시 비즈니스적 요구사항 및/또는 법적 요구사항에 의해 비식별화가 요구될 수 있다. 또는 저장시스템(330)에 아카이빙된 데이터를 대상 시스템(320)이 아닌 다른 시스템에서 활용하기 위해 비식별화가 요구될 수도 있다. 도 19는 본 발명의 일실시예에 있어서, 데이터를 비식별화하는 방법의 예를 도시한 도면이다.
도 20은 본 발명의 일실시예에 따른 데이터 아카이빙 방법의 다른 예를 도시한 도면이다. 본 실시예에 따른 데이터 아카이빙 방법은 앞서 설명한 데이터 아카이빙 시스템(310)을 구현하는 컴퓨터 장치(200)에 의해 수행될 수 있다. 이때, 컴퓨터 장치(200)의 프로세서(220)는 메모리(210)가 포함하는 운영체제의 코드나 적어도 하나의 컴퓨터 프로그램의 코드에 따른 제어 명령(instruction)을 실행하도록 구현될 수 있다. 여기서, 프로세서(220)는 컴퓨터 장치(200)에 저장된 코드가 제공하는 제어 명령에 따라 컴퓨터 장치(200)가 도 20의 방법이 포함하는 단계들(2010 내지 2020)을 수행하도록 컴퓨터 장치(200)를 제어할 수 있다. 또한, 컴퓨터 프로그램은 앞서 설명한 아카이빙 솔루션 프로그램에 대응될 수 있다.
단계(2010)에서 컴퓨터 장치(200)는 대상 시스템이 포함하는 데이터베이스에 저장된 데이터 중 적어도 일부의 데이터를 데이터베이스 또는 다른 데이터베이스의 테이블에 압축하여 저장할 수 있다. 여기서 대상 시스템은 앞서 설명한 대상 시스템(320)에 대응될 수 있으며, 데이터베이스는 데이터베이스(321)에 대응될 수 있다. 한편, 다른 데이터베이스는 대상 시스템의 외부 시스템(일례로, 대상 시스템(310)과는 별도의 데이터 아카이빙 시스템(310) 또는 제3자 시스템)이 포함하는 데이터베이스를 포함할 수 있다. 데이터를 테이블에 압축하여 저장하는 방법에 대해서는 앞서 도 3 내지 도 14를 통해 자세히 설명한 바 있으며, 도 15 내지 도 19를 통해서는 테이블에 압축하여 저장된 데이터를 검색하는 방법에 대해 자세히 설명하고 있다. 데이터를 테이블에 압축하여 저장하는 것은 1차 아카이빙으로 이미 설명한 바와 같이 데이터가 압축된 상태로 테이블상에 저장됨에 따라, 대상 시스템이 포함하는 데이터베이스가 저장하는 데이터의 용량을 크게 줄일 수 있으면서도, 컴퓨터 장치(200)가 아카이빙된 데이터에서 원하는 데이터를 쉽고 빠르게 검색할 수 있게 된다. 이후, 1차 아카이빙된 데이터에 대한 검색 필요성이 감소됨에 따라 테이블상에 1차 아카이빙된 데이터는 파일로 2차 아카이빙될 수 있다.
단계(2020)에서 컴퓨터 장치(200)는 기설정된 조건에 따라 테이블에 압축되어 저장된 데이터의 적어도 일부를 파일로 저장할 수 있다. 일례로, 기설정된 조건은 대상 시스템의 관리자로부터의 2차 아카이빙 명령이 수신되는 제1 조건, 테이블에 압축되어 저장된 데이터의 보관기간이 경과하는 제2 조건, 기설정된 제1 기간 동안 테이블에 압축되어 저장된 데이터에 대한 검색 요구가 발생하지 않는 제3 조건 및 기설정된 제2 기간 동안 테이블에 압축되어 저장된 테이블에 대한 검색 요구가 기설정된 횟수 이하인 제4 조건 중 적어도 하나의 조건을 포함할 수 있다. 여기서, 제1 조건과 관련하여, 2차 아카이빙 명령은 테이블에 압축되어 저장된 데이터의 적어도 일부를 파일로 저장하라는 명시적인 명령일 수 있다. 이 경우, 컴퓨터 장치(200)는 아카이빙 명령이 명시하는 데이터를 파일로 저장하여 2차 아카이빙할 수 있다. 또한, 제2 조건과 관련하여 테이블에 압축되어 저장된 데이터에는 보관기간이 설정될 수 있다. 이 경우, 컴퓨터 장치(200)는 테이블에 압축되어 저장된 데이터 중 보관기간이 경과한 데이터를 파일로 저장하여 2차 아카이빙할 수 있다. 또한, 제3 조건과 관련하여 컴퓨터 장치(200)는 테이블에 압축되어 저장된 데이터 중 제1 기간 동안 검색 요구가 발생하지 않은 데이터를 파일로 저장하여 2차 아카이빙할 수 있다. 또한, 제4 조건과 관련하여 컴퓨터 장치(200)는 테이블에 압축되어 저장된 데이터 중 제2 기간 동안 검색 요구가 기설정된 횟수 이하인 데이터를 파일로 저장하여 2차 아카이빙할 수 있다. 이 외에도 다양한 조건에 따라 테이블에 압축되어 저장된 데이터의 적어도 일부가 파일로 저장되어 2차 아카이빙될 수 있음을 쉽게 이해할 수 있을 것이다. 예를 들어, 앞서 데이터 아카이빙 시스템(310)은 데이터 조회 로그를 활용하여, 대상 시스템(320)의 외부의 다른 시스템(일례로, 클라우드 스토리지 시스템)이 저장 시스템(330)을 포함하고 있는 실시예에서 대상 시스템(320)과 저장 시스템(330)의 데이터를 최적화할 수 있음을 설명한 바 있다. 이때, 데이터 아카이빙 시스템(310)은 (1) 온 프레미스(on-premise, 기업이 클라우드 환경이 아닌 자체 설비로 보유하고 운영하는)의 데이터베이스에 대한 과거 테이블 접속 로그, (2) 과거 테이블 접속 로그를 기반으로 머신러닝을 이용하여 예측한 접속량 및 (3) 데이터의 저장 시스템(330)으로의 전환 이후의 접속 로그 중 적어도 하나를 분석하여 대상 시스템(320)과 저장 시스템(330)간의 데이터 용량 및 사용자 접속 속도를 지속적으로 최적화할 수 있음을 설명하였다. 이 경우, 컴퓨터 장치(200)는 이러한 머신러닝을 통해 예측한 접속량에 기반하여 2차 아카이빙을 처리할 수도 있다. 이 경우, 기설정된 조건은 예측한 접속량이 임계값 이하인 조건을 포함할 수도 있다.
한편, 컴퓨터 장치(200)는 단계(2020)에서 파일을 대상 시스템의 로컬 저장소에 저장하거나 또는 대상 시스템의 외부 시스템(일례로, 파일 서버 또는 클라우드 서버)이 포함하는 저장소에 저장할 수 있다. 만약, 파일로 저장되어 2차 아카이빙된 데이터에 대한 검색 요구가 존재하는 경우에는 파일에 저장된 데이터(압축된 데이터)를 다시 테이블로 복원한 후, 앞서 도 15 내지 도 19를 통해 설명한 검색 방법을 이용하여 원하는 데이터가 검색될 수 있다.
한편, 단계(2010) 및 단계(2020)는 컴퓨터 장치(200)가 대상 시스템이 1차 아카이빙과 2차 아카이빙을 처리하도록 기능을 제공하는 과정일 수도 있다. 예를 들어, 컴퓨터 장치(200)는 단계(2010)에서 대상 시스템이 포함하는 데이터베이스에 저장된 데이터 중 적어도 일부의 데이터를 데이터베이스 또는 다른 데이터베이스의 테이블에 압축하여 저장하도록 대상 시스템을 제어하기 위한 기능을 제공할 수 있으며, 단계(2020)에서 기설정된 조건에 따라 테이블에 압축되어 저장된 데이터의 적어도 일부를 파일로 저장하도록 대상 시스템을 제어하기 위한 기능을 제공할 수 있다.
다시 도 3을 참조하면, 데이터 아카이빙 시스템(310)은 대상 시스템(320)의 아카이빙 데이터의 저장을 위해 아카이빙 데이터를 저장 시스템(330)으로 전송할 수 있다. 이때, 데이터 아카이빙 시스템(310)은 아카이빙 데이터의 전송을 최적화할 수 있다. 대상 시스템(320)의 데이터베이스(321)에 저장된 아카이빙 대상 데이터는 데이터베이스 내의 테이블간의 종속성을 기준으로 최소 프로세스 처리 단위인 오브젝트로 그룹화될 수 있다. 여기서, 테이블간의 종속성은 두 테이블이 동일한 키값을 통해 식별되는 데이터를 각각 포함하고 있음을 의미할 수 있다. 이때, 종속성을 갖는 테이블들에서 동일한 키값을 통해 식별되는 데이터는 적어도 하나의 서로 다른 필드를 포함할 수 있다.
예를 들어, 데이터 아카이빙 시스템(310)은 데이터베이스(321)의 테이블을 분석하여 데이터를 오브젝트로 그룹화 및 분류할 수 있다. 이러한 오브젝트는 최소 프로세스 처리 단위로서, 하나 이상의 테이블로 구성될 수 있다. 보다 구체적인 예로, 최소 프로세스 처리 단위의 테이블들은 자재 마스터, 고객 마스터, 가격 조건, 고객여신, 영업 오더, 대금청구, 재무전표, 계정잔액, 수익성 분석, 인터페이스 로그, 사용자 로그온 이력 등을 위해 생성된 테이블들을 포함할 수 있으며, 이러한 최소 프로세스 처리 단위는 해당 데이터베이스를 유지 관리하는 기업에서의 설정에 따라 다양하게 정의될 수 있다.
또한, 데이터 아카이빙 시스템(310)은 오브젝트를 모듈별로 분류할 수 있다. 여기서, 모듈은 각 프로세스에 따른 어플리케이션 영역을 의미할 수 있으며, 이러한 어플리케이션 영역은 생산, 판매, 자재, 재무회계, 관리회계, 인프라, 통신, 산업 등으로 다양하게 정의될 수 있다. 이러한 모듈 역시 데이터베이스를 유지 관리하는 기업에서의 설정에 따라 다양하게 정의될 수 있다.
또한, 데이터 아카이빙 시스템(310)은 오브젝트를 유형별로 분류할 수 있다. 오브젝트를 분류하기 위한 유형은 마스터 데이터, 트랜잭션 데이터, 구성 데이터, 제어 데이터, 시스템 데이터 등을 포함할 수 있다. 예를 들어, 마스터 데이터는 해당 데이터가 데이터 발생의 기준이 되는 데이터를 의미할 수 있으며, 트랜잭션 데이터는 데이터 발생이 시간, 조직 등으로 계속 발생하는 데이터를 의미할 수 있다. 오브젝트는 오브젝트가 포함하는 테이블의 데이터의 유형에 따라 다양하게 정의된 유형별로 분류될 수 있다.
또한, 데이터 아카이빙 시스템(310)은 오브젝트를 특성별로 분류할 수 있다. 오브젝트의 특성은 일례로, 계속 발생하는 전표/주문 등을 의미하는 문서(Document), 제품의 현재 생산 상태를 기록하는 상태(Status), 문서 등의 변경 내용을 저장하는 이력(History), 고객의 일정 기간 거래 총액을 기록하는 요약(Summary) 등을 포함할 수 있다.
도 21은 본 발명의 일실시예에 따른 오브젝트의 예를 도시한 도면이다. 또한, 도 22 및 도 23은 본 발명의 일실시예에 따른 오브젝트를 분류한 예들을 도시한 도면들이다.
도 21은 테이블 1(Table#1), 테이블 2(Table#2) 및 테이블 3(Table#3)을 포함하는 오브젝트 1(Object#1), 테이블 4(Table#4) 및 테이블 5(Table#5)를 포함하는 오브젝트 2(Object#2), 그리고 테이블 6(Table#6)를 포함하는 오브젝트 3(Object#3)을 나타내고 있다. 여기서, 테이블 1(Table#1), 테이블 2(Table#2) 및 테이블 3(Table#3)은 종속성을 가지며, 테이블 4(Table#4) 및 테이블 5(Table#5)는 종속성을 가짐을 알 수 있다.
도 22는 오브젝트 1(Object#1)과 오브젝트 2(Object#2)가 어플리케이션 영역 1(Application Area #1)로 분류되고, 오브젝트 3(Object#3)이 어플리케이션 영역 2(Application Area #2)로 분류된 예를 나타내고 있다. 이미 설명한 바와 같이 어플리케이션 영역은 모듈에 대응될 수 있다.
도 23은 오브젝트를 모듈, 유형 및 특성별로 분류하는 과정의 예를 나타내고 있다. 앞서 어플리케이션 영역이 생산, 판매, 자재, 재무회계, 관리회계, 인프라, 통신, 산업 등으로 다양하게 정의될 수 있음을 설명한 바 있다. 도 23의 실시예에서는 오브젝트가 생산(Production), 판매(Sales), 금융(Finance), 시스템(System) 및 산업(Industry)의 어플리케이션 영역(Application Area)들 중 하나로 분류될 수 있음을 나타내고 있다. 또한, 앞서 오브젝트를 분류하기 위한 유형은 마스터 데이터, 트랜잭션 데이터, 구성 데이터, 제어 데이터, 시스템 데이터 등을 포함할 수 있음을 설명하였다. 도 23의 실시예에서는 오브젝트가 트랜잭션(Transaction) 데이터 유형, 마스터(Master) 데이터 유형, 커스터마이징(Customizing) 데이터 유형, 임시(Temporary) 데이터 유형, 제어(Control) 데이터 유형 및 시스템(System) 데이터 유형 중 하나로 분류될 수 있음을 나타내고 있다. 또한, 앞서 오브젝트의 특성으로서, 계속 발생하는 전표/주문 등을 의미하는 문서(Document), 제품의 현재 생산 상태를 기록하는 상태(Status), 문서 등의 변경 내용을 저장하는 이력(History), 고객의 일정 기간 거래 총액을 기록하는 요약(Summary)을 설명한 바 있다. 이러한 오브젝트의 특성은 도 23의 실시예에서도 반영되어 있다. 또한, 도 23의 실시예에서는 요약 특성의 분류(Summary Classification)로서 오브젝트가 기간 요약(Period Sum.), 조직 요약(Org.Sum.) 및 키 요약(Key Sum.)으로 세부 분류될 수 있음을 나타내고 있으며, 기간 요약(Period Sum.)의 주기(Summary Frequency)로서 일/주 요약(Day/Week Sum.), 월 요약(Month Sum.) 및 년도 요약(Year Sum.)으로 세부 분류될 수 있음을 나타내고 있다. 이처럼 오브젝트의 분류는 해당 데이터베이스를 유지 관리하는 기업의 설정에 따라 다양하게 이루어질 수 있다.
도 24는 본 발명의 일실시예에 따른 데이터 아카이빙 방법의 또 다른 예를 도시한 도면이다. 본 실시예에 따른 데이터 아카이빙 방법은 앞서 설명한 데이터 아카이빙 시스템(310)을 구현하는 컴퓨터 장치(200)에 의해 수행될 수 있다. 이때, 컴퓨터 장치(200)의 프로세서(220)는 메모리(210)가 포함하는 운영체제의 코드나 적어도 하나의 컴퓨터 프로그램의 코드에 따른 제어 명령(instruction)을 실행하도록 구현될 수 있다. 여기서, 프로세서(220)는 컴퓨터 장치(200)에 저장된 코드가 제공하는 제어 명령에 따라 컴퓨터 장치(200)가 도 24의 방법이 포함하는 단계들(2410 내지 2470)을 수행하도록 컴퓨터 장치(200)를 제어할 수 있다. 또한, 컴퓨터 프로그램은 앞서 설명한 아카이빙 솔루션 프로그램에 대응될 수 있다.
단계(2410)에서 컴퓨터 장치(200)는 대상 시스템(320)의 데이터베이스(321) 내의 테이블간의 종속성을 기준으로 아카이빙 대상 데이터를 최소 프로세스 처리 단위인 오브젝트로 그룹화할 수 있다. 이러한 오브젝트에 대해서는 앞서 도 21 내지 도 23을 통해 이미 자세히 설명하였다.
단계(2420)에서 컴퓨터 장치(200)는 비즈니스 유형에 따라 아카이빙 데이터의 전송 시나리오를 정의할 수 있다. 예를 들어, 비즈니스 유형은 재무, 원가, 영업, 구매, 개인정보, 생산, 판매, 자재, 품질, 시스템 등을 포함할 수 있다. 또한, 컴퓨터 장치(200)는 네트워크 대역폭을 고려하여 전송 시나리오를 복수의 소그룹들로 분할하여 정의할 수도 있다. 아카이빙 데이터는 하나의 전송 시나리오를 통해 한번에 전체 데이터를 전송하기에는 용량이 너무 클 수도 있다. 이에 컴퓨터 장치(200)는 네트워크 대역폭이 작은 경우, 전송 시나리오를 복수의 소그룹들로 나눔으로써, 아카이빙 데이터를 분할 전송할 수 있다. 이때, 네트워크 대역폭이 작아질수록 소그룹들의 수는 증가하도록 전송 시나리오가 분할될 수 있다.
단계(2430)에서 컴퓨터 장치(200)는 전송 시나리오에 오브젝트를 할당할 수 있다. 전송 시나리오가 복수의 소그룹들로 분할되어 정의된 경우, 컴퓨터 장치(200)는 오브젝트를 복수의 소그룹들로 분할하여 할당할 수 있다. 예를 들어, 오브젝트는 오브젝트의 모듈, 유형 및 특성 중 적어도 하나를 고려하여 해당 오브젝트가 할당된 소그룹이 결정될 수 있다.
단계(2440)에서 컴퓨터 장치(200)는 전송 시나리오에 대한 전송 시뮬레이션을 처리할 수 있다. 만약, 전송 시나리오가 복수의 소그룹들로 분할되어 정의된 경우, 컴퓨터 장치(200)는 전송 시나리오의 소그룹별로 전송 시뮬레이션을 처리할 수 있다. 예를 들어, 컴퓨터 장치(200)는 전송 시뮬레이션을 통해 각 오브젝트별로 전송 시간을 확인할 수 있으며, 이후의 실제 전송을 위한 최적의 시간을 오브젝트별로 예측할 수 있다.
단계(2450)에서 컴퓨터 장치(200)는 저장 시스템(300)을 포함하는 외부 시스템의 특성 및 과금 체계 중 적어도 하나에 따라 전송 용량을 결정할 수 있다. 일례로, 컴퓨터 장치(200)는 대상 시스템(320)에 저장된 데이터 중 적어도 일부를 저장 시스템(330)으로 아카이빙하기 위해 전송하는 과정, 바람직하게는 단계(2430)의 전송 시뮬레이션을 처리하는 과정에서 실제 전송 수신측(저장 시스템(330)을 포함하는 외부 시스템)의 시스템 특성 및 과금 특성에 따라 데이터의 전송 용량을 결정할 수 있다. 예를 들어, 외부 시스템이 클라우드 시스템이고, 클라우드의 PaaS(Platform as a Service) 기능(API 게이트웨이나 SQS(Simple Queue Service) 등)을 활용하는 경우, 해당 기능의 최대 처리 가용량에 맞춰 데이터를 전송함으로써, 비용을 절감할 수 있다. 이를 위해, 컴퓨터 장치(200)는 저장 시스템을 포함하는 외부 시스템의 특성으로서 클라우드 시스템이 제공하는 PaaS(Platform as a Service) 기능의 최대 처리 가용량에 따라 전송 용량을 결정할 수 있다. 다른 예로, 컴퓨터 장치(200)는 저장 시스템을 포함하는 외부 시스템의 과금 체계에 따라 과금 비용이 최소화되도록 전송 횟수, 또는 1회의 전송 용량을 결정할 수 있다. 보다 구체적인 예로, 실제 전송 수신측으로의 전송 횟수에 따라 과금이 이루어지는 경우, 전송 횟수가 최소화되도록 함으로써, 과금 비용을 줄일 수 있다.
한편, 이와 유사하게, 저장 시스템(330)에 아카이빙된 데이터를 조회하는 과정에서도 저장 시스템(330)을 포함하는 외부 시스템의 특성 및 과금 체계 중 적어도 하나에 따라 조회 용량이 결정될 수 있다. 예를 들어, 컴퓨터 장치(200)는 클라우드 시스템이 제공하는 PaaS(Platform as a Service) 기능의 최대 처리 가용량에 따라 조회 용량을 결정하거나 또는 저장 시스템을 포함하는 외부 시스템의 과금 체계에 따라 과금 비용이 최소화되도록 수신 횟수, 또는 1회의 수신 용량을 결정할 수 있다.
단계(2460)에서 컴퓨터 장치(200)는 결정된 전송 용량에 따라 전송 시나리오의 소분류별로 오브젝트를 재할당할 수 있다. 다시 말해, 전송 시뮬레이션을 처리하는 과정에서 단계(2450)에서와 같이 비용에 대한 시뮬레이션 결과가 도출되면, 컴퓨터 장치(200)는 비용이 최소화될 수 있도록 전송 시나리오에 오브젝트를 재할당할 수 있다.
단계(2470)에서 컴퓨터 장치(200)는 전송 시나리오에 따라 오브젝트에 대한 실제 전송을 처리할 수 있다. 이때, 컴퓨터 장치(200)는 단계(2430)에서 처리된 전송 시뮬레이션의 결과에 따라 전송을 위한 오브젝트별 최적 예측 시간을 고려하여 전체 종료 시간을 최적화할 수 있다. 예를 들어, 가장 전송 시간이 오래 걸리는 소그룹/오브젝트 기준으로 시간이 적게 걸리는 소그룹/오브젝트가 먼저 전송될 수 있도록 오브젝트의 전송 순서를 배열할 수 있다. 이 경우, 컴퓨터 장치(200)는 데이터 성격별 데이터 저장 위치를 구분하여 데이터가 저장 시스템(330)에 저장되도록 제어할 수 있으며, 전송 상황 모니터링 툴을 통해 실시간으로 전송건수 및 수행시간을 확인할 수 있다. 또한, 컴퓨터 장치(200)는 전송 수행 맵에 추출 진행상황을 업데이트하고, 에러 발생 시 완료 이후 순번부터 진행하여 속도 및 무결성 유지할 수 있다. 데이터의 전송은 스트리밍 방식 또는 오브젝트 단위 전송을 선택하여 진행될 수 있다. 또한, 컴퓨터 장치(200)는 대상 시스템(320)에서 전송한 시나리오별 및/또는 소그룹별 데이터에 대한 저장 시스템(330)으로의 전송이 완료되었는지 확인한 후, 전송 시나리오별 및/또는 소그룹별 오브젝트 용량 및 수향 현황표와 전송된 데이터를 비교하여 아카이브 데이터의 전송 과정을 검증할 수 있다. 이때, 데이터의 전송은 1:1 관계로 전송될 수도 있고, 1:N 관계의 서로 다른 서버들로 동시에 전송될 수도 있다. 이 경우에는 서버별로 전송 내역 현황표가 구성될 수 있다.
도 25는 본 발명의 일실시예에 따른 멀티 클라우드 관리 시스템의 예를 도시한 도면이다. 도 25는 멀티 클라우드 관리 시스템(2510), 복수의 고객(2520) 및 복수의 클라우드 시스템(2530)을 나타내고 있다.
복수의 고객(2520)은 서로 다른 고객들의 시스템들에 대응할 수 있으며, 이러한 시스템들 각각은 대상 시스템(320)에 대응할 수 있다.
또한, 복수의 클라우드 시스템(2530)은 서로 다른 클라우드 서비스 제공자들의 시스템들에 대응할 수 있다.
멀티 클라우드 관리 시스템(2510)은 단순히 서로 다른 고객에 대해 서로 다른 클라우드 시스템을 이용하여 아카이빙 서비스를 제공하는 것이 아니라, 동일한 고객에 대해서 복수의 클라우드 시스템(2530)이 제공하는 서비스들을 융합하여 제공할 수 있다. 예를 들어, 멀티 클라우드 관리 시스템(2510)은 서로 다른 둘 이상의 클라우드 시스템의 IaaS(Infrastructure-as-a-Service) 플랫폼을 동시에 활용하거나 또는 하나의 클라우드 시스템의 IaaS 플랫폼과 다른 하나의 클라우드 시스템의 SaaS(Software-as-a-Service) 플랫폼을 동시에 활용할 수 있다. 복수의 클라우드 시스템(2530)이 제공하는 클라우드 서비스는 각각의 장점이 존재할 수 있다. 보다 구체적인 예로, 아마존의 애저(Azure)는 손쉬운 설정의 UI/UX를 제공한다는 장점이 있으며, 구글의 GCP(Google Cloud Platform)는 머신러닝에 특화된 글로벌 네트워크 인프라를 제공한다는 장점이 있다. 멀티 클라우드 관리 시스템(2510)은 기업의 요구 사항에 알맞게 각 클라우드 서비스의 장점을 모아서 서비스를 기획할 수 있다.
멀티 클라우드 관리 시스템(2510)은 도 25에 도시된 바와 같이, 클라우드 데이터 관리 플랫폼(Cloud Data Management Platform, CDMP, 2511), 클라우드 데이터 서비스 브로커(Cloud Data Service Broker, CDSB, 2512) 및 멀티 클라우드 데이터 오케이스트레이션 플랫폼(Multi Cloud Data Orchestration Platform, MCDOP, 2513)를 포함할 수 있다.
CDMP(2511)는 복수의 클라우드 시스템(2530) 각각에서의 데이터 사용현황 및 비용을 모니터링하는 서비스를 제공할 수 있다.
CDSB(2512)는 복수의 클라우드 시스템(2530)간의 데이터 저장, CPU 효율, 메모리 최적화, 네트워크 속도 최적화를 고려한 시뮬레이션 서비스를 제공할 수 있다.
MCDOP(2513)는 복수의 클라우드 시스템(2530)간의 데이터 전송을 관리하는 서비스를 제공할 수 있다. 또한, MCDOP(2513)는 하나의 클라우드 시스템에서 다른 클라우드 시스템으로의 데이터 전송 후, 이전 클라우드 시스템의 데이터를 클렌징하는 서비스를 제공할 수 있다. 이에 더해, MCDOP(2513)는 특정 국가의 데이터 전송 정책을 반영하여 클라우드 시스템의 가용 지역을 확인할 수 있는 서비스를 제공할 수 있다.
특정 서비스에 종속되거나 혹은 클라우드의 장점을 활용하는데 방해 받기를 원하는 기업은 없기 때문에, 이러한 멀티 클라우드의 활용은 다양한 상용 클라우드 업체의 모든 신기술을 활용하고, 더 탄력적이고 유연한 서비스/애플리케이션을 만들 수 있도록 도울 수 있다. 예를 들어, 일반적인 목적의 클라우드 인프라로 AWS(Amazon Web Service)를 선정하고, 동시에 오피스 365를 여러 가지 업무에 적합한 퍼블릭 및 프라이빗 클라우드로 활용할 수 있다. 이러한 멀티 클라우드의 활용은 프로세싱을 다른 벤더로 전환하여 쉽고 빠른 재난 복구를 가능하게 해주기 때문에 메인 서비스를 실행 중인 클라우드 서버의 장애에 쉽게 대비할 수 있는 능력을 제공해줄 수 있다.
도 26은 본 발명의 일실시예에 있어서, 멀티 클라우드를 이용한 데이터 아카이빙 방법의 예를 도시한 흐름도이다. 본 실시예에 따른 데이터 아카이빙 방법은 앞서 설명한 데이터 아카이빙 시스템(310)을 구현하는 컴퓨터 장치(200)에 의해 수행될 수 있다. 여기서, 데이터 아카이빙 시스템(310)은 앞서 도 25를 통해 설명한 멀티 클라우드 관리 시스템(2510)을 포함할 수 있다. 이때, 컴퓨터 장치(200)의 프로세서(220)는 메모리(210)가 포함하는 운영체제의 코드나 적어도 하나의 컴퓨터 프로그램의 코드에 따른 제어 명령(instruction)을 실행하도록 구현될 수 있다. 여기서, 프로세서(220)는 컴퓨터 장치(200)에 저장된 코드가 제공하는 제어 명령에 따라 컴퓨터 장치(200)가 도 26의 방법이 포함하는 단계들(2610 내지 2640)을 수행하도록 컴퓨터 장치(200)를 제어할 수 있다. 또한, 컴퓨터 프로그램은 앞서 설명한 아카이빙 솔루션 프로그램에 대응될 수 있다.
단계(2610)에서 컴퓨터 장치(200)는 서로 다른 둘 이상의 클라우드 서비스 제공자의 클라우드 시스템들 각각의 데이터 사용현황 및 비용을 모니터링할 수 있다. 하나의 대상 시스템(320)으로부터 아카이빙되는 데이터가 둘 이상의 클라우드 시스템들에 저장될 수 있으며, 컴퓨터 장치(200)는 이러한 둘 이상의 클라우드 시스템들 각각에서의 데이터 사용현황과 이로 인해 발생되는 비용에 대한 정보를 모니터링하여 대상 시스템(320)의 관리자(일례로, 고객)에게 제공할 수 있다.
단계(2620)에서 컴퓨터 장치(200)는 클라우드 시스템들을 이용한 서비스 시뮬레이션을 처리할 수 있다. 이때, 서비스 시뮬레이션에는 클라우드 시스템들간 데이터 저장, CPU 효율, 메모리 최적화, 네트워크 속도 최적화 등이 고려될 수 있다. 예를 들어, 서비스 시뮬레이션은 클라우드 시스템들 각각이 제공하는 인프라, 소프트웨어 등의 조합으로, 고객의 요구에 따른 데이터 아카이빙을 가상으로 처리하는 시뮬레이션이 포함될 수 있다. 이를 통해 어떠한 클라우드 시스템들의 서비스들의 조합이 고객의 요구에 알맞은가를 도출할 수 있다.
단계(2630)에서 컴퓨터 장치(200)는 클라우드 시스템들간의 데이터 전송을 관리할 수 있다. 필요에 따라 고객의 데이터 둘 이상의 클라우드 시스템들간에 서로 전송될 필요가 있다. 예를 들어, 제1 클라우드 시스템에 저장된 고객의 아카이빙 데이터를 제2 클라우드 시스템으로 이전하는 것이 비용의 관점에서 유리하다고 판단되는 경우, 고객의 아카이빙 데이터를 제1 클라우드 시스템에서 제2 클라우드 시스템으로 전송할 수 있다. 컴퓨터 장치(200)는 이러한 클라우드 시스템간의 데이터 전송을 관리할 수 있다. 예를 들어, 제1 클라우드 시스템에 저장된 고객의 아카이빙 데이터를 컴퓨터 장치(200)에서 수신하여 저장한 후, 저장된 아카이빙 데이터를 제2 클라우드 시스템으로 전송할 수 있다.
단계(2640)에서 컴퓨터 장치(200)는 클라우드 시스템들 중 제1 클라우드 시스템에서 제2 클라우드 시스템으로 데이터 전송 후, 제1 클라우드 시스템에서의 데이터 클렌징을 처리할 수 있다. 제1 클라우드 시스템에서 제2 클라우드 시스템으로 고객의 아카이빙 데이터가 이전된 후, 제1 클라우드 시스템에는 고객의 아카이빙 데이터가 남아 있으면 안되기 때문에, 컴퓨터 장치(200)는 제1 클라우드 시스템에 남아 있는 고객의 아카이빙 데이터에 대한 클렌징을 처리할 수 있다.
다시 도 3을 참조하면, 데이터 아카이빙 시스템(310)은 대상 시스템(320)의 데이터를 아카이빙함에 있어서, 데이터의 적어도 일부를 비식별화하여 아카이빙할 수 있다. 비식별화(de-identification)는 특정 개인을 식별할 수 없도록 개인정보의 일부 또는 전부를 변환하는 일련의 과정 또는 방법에 관한 것으로, 앞서 도 19를 통해 데이터를 비식별화하는 방법의 예를 설명한 바 있다. 이하에서는 데이터 아카이빙 시스템(310)이 대상 시스템(320)의 데이터 중 적어도 일부를 비식별화하는 보다 구체적인 과정을 설명한다.
도 27은 본 발명의 일실시예에 있어서, 데이터 비식별화에 기반한 데이터 아카이빙 방법의 예를 도시한 흐름도이다. 본 실시예에 따른 데이터 아카이빙 방법은 앞서 설명한 데이터 아카이빙 시스템(310)을 구현하는 컴퓨터 장치(200)에 의해 수행될 수 있다. 이때, 컴퓨터 장치(200)의 프로세서(220)는 메모리(210)가 포함하는 운영체제의 코드나 적어도 하나의 컴퓨터 프로그램의 코드에 따른 제어 명령(instruction)을 실행하도록 구현될 수 있다. 여기서, 프로세서(220)는 컴퓨터 장치(200)에 저장된 코드가 제공하는 제어 명령에 따라 컴퓨터 장치(200)가 도 27의 방법이 포함하는 단계들(2710 내지 2750)을 수행하도록 컴퓨터 장치(200)를 제어할 수 있다. 또한, 컴퓨터 프로그램은 앞서 설명한 아카이빙 솔루션 프로그램에 대응될 수 있다.
단계(2710)에서 컴퓨터 장치(200)는 대상 시스템(320)에 접속할 수 있다. 이미 설명한 바와 같이, 데이터 아카이빙 시스템(310)은 니어-라인 인터페이스 모듈(314)을 통해 대상 시스템(320)을 호출할 수 있다. 이러한 호출은 API 호출에 기반할 수 있다.
단계(2720)에서 컴퓨터 장치(200)는 비즈니스 유형에 따라 비식별화 대상 데이터 선별 시나리오를 정의할 수 있다. 예를 들어, 비즈니스 유형은 재무, 원가, 영업, 구매, 개인정보, 생산, 판매, 자재, 품질, 시스템 등을 포함할 수 있다. 대상 시스템(320)의 데이터베이스(321)에 저장되는 테이블은 이러한 비즈니스 유형에 따른 테이블들로 구성될 수 있다. 컴퓨터 장치(200)는 대상 시스템(320)의 운영자의 특성을 고려하여 미리 정의된 비즈니스 유형에 따라 비식별화 대상 데이터 선별 시나리오를 정의할 수 있다. 이때, 비식별화 대상 데이터 선별 시나리오는 비식별화 대상 데이터의 도메인을 지정할 수 있다. 도메인은 재사용 가능하도록 설계된 데이터베이스(321)의 필드 속성을 포함할 수 있다. 예를 들어, 데이터베이스(321)의 테이블이 포함하는 필드들마다의 속성이 도메인별로 기 정의될 수 있으며, 컴퓨터 장치(200)는 '주민번호' 필드나 '사원번호' 필드 등과 같이 개인을 식별할 수 있는 필드의 속성을 비식별화 대상 데이터의 도메인으로서 지정하는 비식별화 대상 데이터 선별 시나리오를 정의할 수 있다.
단계(2730)에서 컴퓨터 장치(200)는 정의된 비식별화 대상 데이터 선별 시나리오에 따라 비식별화 대상 데이터를 선정할 수 있다. 예를 들어, 컴퓨터 장치(200)는 비식별화 대상 데이터 선별 시나리오가 지정하는 도메인을 사용하는 테이블 필드를 가진 모든 테이블을 검색하여 테이블 목록을 생성할 수 있으며, 테이블 목록에 포함된 테이블 각각의 데이터 건수 및 비율을 확인하여 비식별화 대상 데이터로서 선정할 수 있다. 또한, 컴퓨터 장치(200)는 테이블 목록에 포함된 테이블 각각의 비식별화 데이터 건수 및 비율을 저장할 수 있다.
단계(2740)에서 컴퓨터 장치(200)는 비식별화를 수행할 수 있다. 컴퓨터 장치(200)는 도메인 별로 비식별화 방식을 선택할 수도 있으며, 비식별화 대상 데이터와 비식별화 방식을 매칭하여 비식별화 수행 계획을 준비할 수 있다. 이때, 대상 테이블에 대해 특정 조건을 추가하여 비식별화 대상 데이터 중 일부만 비식별화를 수행하는 것 역시 가능하다. 컴퓨터 장치(200)는 비식별화 대상 데이터 선별 시나리오가 지정하는 도메인을 사용하는 테이블들에 대해 병렬로 비식별화를 진행할 수 있으며, 병렬 프로세스를 수행하기 위한 스케줄 맵을 작성할 수 있다. 이러한 비식별화 수행의 구체적인 과정에 대해서는 이후 도 28을 통해 더욱 자세히 설명한다.
단계(2750)에서 컴퓨터 장치(200)는 비식별화 대상 데이터로의 접근 로그를 생성 및 저장할 수 있다. 예를 들어, 컴퓨터 장치(200)는 비식별화 대상 데이터를 조회하는 프로그램 및 비식별화 대상 데이터를 조회하는 사용자 중 적어도 하나에 대한 접근 로그를 수집할 수 있다. 이러한 접근 로그는 빅데이터 이므로 압축하여 보관할 수 있다. 이때, 각 조회 프로그램의 복호화 성공 또는 실패 로그를 저장함으로써, 추가적으로 사용되는 프로그램의 처리 및 기존 프로그램에서의 에러를 추적하여 시스템 유지 보수를 지원할 수 있다.
도 28은 본 발명의 일실시예에 있어서, 데이터 비식별화에 기반한 데이터 아카이빙 방법의 다른 예를 도시한 흐름도이다. 본 실시예에 따른 데이터 아카이빙 방법은 앞서 설명한 데이터 아카이빙 시스템(310)을 구현하는 컴퓨터 장치(200)에 의해 수행될 수 있다. 이때, 컴퓨터 장치(200)의 프로세서(220)는 메모리(210)가 포함하는 운영체제의 코드나 적어도 하나의 컴퓨터 프로그램의 코드에 따른 제어 명령(instruction)을 실행하도록 구현될 수 있다. 여기서, 프로세서(220)는 컴퓨터 장치(200)에 저장된 코드가 제공하는 제어 명령에 따라 컴퓨터 장치(200)가 도 28의 방법이 포함하는 단계들(2810 내지 2830)을 수행하도록 컴퓨터 장치(200)를 제어할 수 있다. 이때, 단계들(2810 내지 2830)은 실시예에 따라 개별적인 프로세스일 수도 있으나, 앞서 설명한 도 27의 단계(2740)에 포함될 수도 있다. 또한, 컴퓨터 프로그램은 앞서 설명한 아카이빙 솔루션 프로그램에 대응될 수 있다.
단계(2810)에서 컴퓨터 장치(200)는 대상 시스템(320)의 데이터베이스(321)의 테이블에 포함된 개인정보값을 고유값으로 치환할 수 있다. 여기서, 고유값은 개인정보값을 고유하게 식별하는 일정한 길이의 값을 포함할 수 있다.
단계(2820)에서 컴퓨터 장치(200)는 개인정보값을 암호화하여 암호테이블에 저장할 수 있다. 일례로, 컴퓨터 장치(200)는 원래의 테이블에서 개인정보값를 고유값으로 치환하는 대신, 개인정보값을 암호화하여 암호테이블에 저장할 수 있다. 이때, 암호화된 개인정보값은 원래의 테이블과의 연계를 위해 고유값과 연계하여 암호테이블에 저장될 수 있다. 또한, 암호화된 개인정보값의 변경을 방지하기 위해, 암호화된 개인정보값은 개인정보값의 해시값과 더 연계하여 암호테이블에 저장될 수 있다. 예를 들어, 암호화된 개인정보값이 복원된 후, 복원된 개인정보값의 제1 해시값을 암호화된 개인정보값과 연계하여 암호테이블에 저장된 제2 해시값과 비교함으로써, 개인정보값의 무결성을 유지할 수 있다.
한편, 고유값으로 일정한 길이의 값을 사용하는 것은 암호화된 데이터의 길이가 원본 데이터의 길이에 비해 수 배 증가될 수 있기 때문이다. 다시 말해, 컴퓨터 장치(200)는 테이블의 고정된 필드 길이를 고려하여 암호화된 데이터를 원래의 테이블에 저장하는 것이 아니라, 고유값으로 치환하여 원래의 테이블에 저장하고, 암호화된 개인정보값은 고유값 및 해시값과 연계하여 별도의 암호테이블에 저장할 수 있다. 암호테이블에서 암호화된 개인정보값을 저장하는 필드의 길이는 이러한 개인정보값이 암호화된 경우의 길이를 고려하여 설정될 수 있다.
단계(2830)에서 컴퓨터 장치(200)는 암호화된 개인정보값을 압축하여 암호테이블에 재저장할 수 있다. 이미 설명한 바와 같이, 암호화된 데이터의 길이는 원본 데이터의 길이에 비해 증가될 수 있기 때문에, 암호화된 개인정보값을 압축하고, 암호테이블에 저장된 암호화된 개인정보값을 압축된 개인정보값으로 대체하여 저장함으로써, 데이터의 크기를 줄일 수 있다. 다시 말해, 본 발명의 실시예들은 단순히 비식별화 기술이 아닌 데이터를 아카이빙함에 있어서의 비식별화이기 때문에, 데이터 볼륨 증가를 억제하기 위해 이미 암호화되어 저장된 데이터를 다시 압축하여 재저장할 수 있다. 또한, 이러한 압축은 데이터베이스 레벨에서 암호화된 데이터의 복호화를 불가능하게 만들기 때문에 데이터 유출 시의 데이터의 기밀성 향상을 도울 수 있다. 예를 들어, 암호화되어 압축된 개인정보값과 복호화 키가 유출되더라도 압축 방식을 모르는 경우, 복호화 키로 압축된 개인정보값을 복원할 수 없게 된다.
도 29는 본 발명의 일실시예에 있어서, 비식별화 과정의 예를 도시한 도면이다. 도 29에서는 ① 치환, ② 암호화 및 ③ 압축의 비식별화를 위한 세 가지 과정의 예를 나타내고 있다.
① 치환의 과정에서는 원본 테이블에 저장된 주민번호를 고유값인 UUID(Universal Unique ID)로 치환하는 과정의 예를 나타내고 있다. 예를 들어, "주민#1"이 "UUID1"로 치환되었다.
② 암호화의 과정에서는 원본 테이블의 치환되기 전의 주민번호를 암호화하여 암호테이블에 저장하는 예를 나타내고 있다. 예를 들어, "주민#1"을 암호화한 결과값인 "eS3M3g2="가 대응하는 고유값인 "UUID1" 및 해시값인 "HASH1"과 연계하여 저장된 예가 나타나 있다. 이때, 해시값은 "주민#1"의 해시값일 수 있다.
③ 압축의 과정에서는 암호화된 주민번호를 압축하여 암호테이블에 재정하는 예를 나타내고 있다. 예를 들어, "주민#1"을 암호화한 결과값인 "eS3M3g2="가 압축되어 압축된 값 "FF060201E"로 대체된 예가 나타나 있다.
또한, 실시예에 따라 대량 데이터 조회 속도 개선을 위한 추가 인덱스 테이블이 활용될 수도 있다.
도 30은 본 발명의 일실시예에 따른 추가 인덱스 테이블의 예를 도시한 도면이다. 본 실시예에 따른 추가 인덱스 테이블(3000)은 TABLE 필드(3010), FILED 필드(3020) 및 COMPRESSION 필드(3030)를 포함할 수 있다. 이러한 추가 인덱스 테이블(3000)에서 TABLE 필드(3010)은 테이블을 식별하기 위한 값을 저장할 수 있으며, FILED 필드(3020)는 필드를 식별하기 위한 값을 저장할 수 있다. 또한, COMPRESSION 필드(3030)는 해당 테이블 및 필드에 대응하는 개인식별값을 암호화하고 압축한 값을 저장할 수 있다. 다시 말해, 컴퓨터 장치(200)는 이러한 추가 인덱스 테이블(3000)을 이용하여 특정 테이블(일례로, 'TB01')의 특정 필드(일례로, 'F01')에서 추출되어 암호화 및 압축된 개인식별값을 빠르게 조회하여 제공할 수 있다.
개인식별값의 조회 시, 컴퓨터 장치(200)는 개인식별값에 대한 조회 권한이 있는 사용자에게는 암호화 및 압축된 개인식별값을 압축해제 및 복호화하여 원래의 개인식별값을 제공할 수 있다. 반면, 조회 권한이 없는 사용자에게는 그대로 암호화 및 압축된 개인식별값을 노출함으로써, 개인식별값을 보호할 수 있다.
이와 같이, 본 발명의 실시예들에 따르면, 테이블의 개인정보값을 고유값으로 치환하여 저장하고, 개인정보값을 암호화하여 테이블과는 상이한 암호테이블에 저장하며 암호테이블의 암호화된 값을 압축하여 재저장함으로써 데이터를 비식별화하여 아카이빙할 수 있다.
이상에서 설명된 시스템 또는 장치는 하드웨어 구성요소, 또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPGA(field programmable gate 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 처리 요소(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 장치에 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 기록매체에 저장될 수 있다.
실시예에 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. 매체는 컴퓨터로 실행 가능한 프로그램을 계속 저장하거나, 실행 또는 다운로드를 위해 임시 저장하는 것일 수도 있다. 또한, 매체는 단일 또는 수개 하드웨어가 결합된 형태의 다양한 기록수단 또는 저장수단일 수 있는데, 어떤 컴퓨터 시스템에 직접 접속되는 매체에 한정되지 않고, 네트워크 상에 분산 존재하는 것일 수도 있다. 매체의 예시로는, 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체, CD-ROM 및 DVD와 같은 광기록 매체, 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical medium), 및 ROM, RAM, 플래시 메모리 등을 포함하여 프로그램 명령어가 저장되도록 구성된 것이 있을 수 있다. 또한, 다른 매체의 예시로, 애플리케이션을 유통하는 앱 스토어나 기타 다양한 소프트웨어를 공급 내지 유통하는 사이트, 서버 등에서 관리하는 기록매체 내지 저장매체도 들 수 있다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다.
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 청구범위와 균등한 것들도 후술하는 청구범위의 범위에 속한다.

Claims (10)

  1. 적어도 하나의 프로세서를 포함하는 컴퓨터 장치가 수행하는 데이터 아카이빙 방법에 있어서,
    상기 적어도 하나의 프로세서에 의해, 비즈니스 유형에 따라 비식별화 대상 데이터 선별 시나리오를 정의하는 단계;
    상기 적어도 하나의 프로세서에 의해, 상기 정의된 비식별화 대상 데이터 선별 시나리오에 따라 대상 시스템의 아카이빙 대상이 되는 데이터베이스에서 비식별화 대상 데이터를 선정하는 단계;
    상기 적어도 하나의 프로세서에 의해, 상기 비식별화 대상 데이터에 따라 결정되는 상기 데이터베이스의 테이블에 포함된 개인정보값을 고유값으로 치환하는 단계;
    상기 적어도 하나의 프로세서에 의해, 상기 개인정보값을 암호화하여 상기 비식별화 대상 데이터에 따라 결정되는 상기 데이터베이스의 테이블과는 다른 암호테이블에 저장하는 단계; 및
    상기 적어도 하나의 프로세서에 의해, 상기 암호테이블에 저장된 상기 암호화된 개인정보값을 압축하여 상기 암호테이블에 재저장하는 단계
    를 포함하고,
    상기 비식별화 대상 데이터 선별 시나리오는 비식별화 대상 데이터의 도메인을 지정하고,
    상기 도메인은 재사용 가능하도록 설계된 데이터베이스 필드의 속성을 포함하는 것
    을 특징으로 하는 데이터 아카이빙 방법.
  2. 제1항에 있어서,
    상기 개인정보값을 암호화하여 암호테이블에 저장하는 단계는,
    상기 고유값, 상기 개인정보값의 해시값 및 상기 암호화된 개인정보값을 연계하여 상기 암호테이블에 저장하는 것을 특징으로 하는 데이터 아카이빙 방법.
  3. 제2항에 있어서,
    상기 재저장하는 단계는,
    상기 암호화된 개인정보값을 상기 압축된 개인정보값으로 대체하여 저장하는 것을 특징으로 하는 데이터 아카이빙 방법.
  4. 제1항에 있어서,
    상기 고유값은 상기 개인정보값을 고유하게 식별하는 일정한 길이의 값을 포함하는 것을 특징으로 하는 데이터 아카이빙 방법.
  5. 제1항에 있어서,
    상기 적어도 하나의 프로세서에 의해, 상기 테이블의 식별자, 상기 개인정보값이 포함된 필드의 식별자 및 상기 압축된 개인정보값을 서로 연계하여 추가 인덱스 테이블에 저장하는 단계
    를 더 포함하는 데이터 아카이빙 방법.
  6. 삭제
  7. 삭제
  8. 제1항에 있어서,
    상기 비식별화 대상 데이터를 선정하는 단계는,
    상기 비식별화 대상 데이터 선별 시나리오가 지정하는 도메인을 사용하는 테이블 필드를 가진 모든 테이블을 검색하여 테이블 목록을 생성하는 단계;
    상기 테이블 목록에 포함된 테이블 각각의 데이터 건수 및 비율을 확인하여 비식별화 대상 데이터로서 선정하는 단계; 및
    상기 테이블 목록에 포함된 테이블 각각의 비식별화 데이터 건수 및 비율을 저장하는 단계
    를 포함하는 것을 특징으로 하는 데이터 아카이빙 방법.
  9. 컴퓨터 장치와 결합되어 제1항 내지 제5항 또는 제8항 중 어느 한 항의 방법을 컴퓨터 장치에 실행시키기 위해 컴퓨터 판독 가능한 기록매체에 기록되어 있는 컴퓨터 프로그램.
  10. 컴퓨터에서 판독 가능한 명령을 실행하도록 구현되는 적어도 하나의 프로세서
    를 포함하고,
    상기 적어도 하나의 프로세서에 의해,
    비즈니스 유형에 따라 비식별화 대상 데이터 선별 시나리오를 정의하고,
    상기 정의된 비식별화 대상 데이터 선별 시나리오에 따라 대상 시스템의 아카이빙 대상이 되는 데이터베이스에서 비식별화 대상 데이터를 선정하고,
    상기 비식별화 대상 데이터에 따라 결정되는 상기 데이터베이스의 테이블에 포함된 개인정보값을 고유값으로 치환하고,
    상기 개인정보값을 암호화하여 상기 비식별화 대상 데이터에 따라 결정되는 상기 데이터베이스의 테이블과는 다른 암호테이블에 저장하고,
    상기 암호테이블에 저장된 상기 암호화된 개인정보값을 압축하여 상기 암호테이블에 재저장하고,
    상기 비식별화 대상 데이터 선별 시나리오는 비식별화 대상 데이터의 도메인을 지정하고,
    상기 도메인은 재사용 가능하도록 설계된 데이터베이스 필드의 속성을 포함하는 것
    을 특징으로 하는 컴퓨터 장치.
KR1020200187260A 2020-01-06 2020-12-30 데이터 비식별화에 기반한 데이터 아카이빙 방법 및 시스템 KR102270896B1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR20200001413 2020-01-06
KR1020200001413 2020-01-06

Publications (1)

Publication Number Publication Date
KR102270896B1 true KR102270896B1 (ko) 2021-06-30

Family

ID=76600356

Family Applications (4)

Application Number Title Priority Date Filing Date
KR1020200108750A KR102559290B1 (ko) 2020-01-06 2020-08-27 하이브리드 클라우드 기반의 실시간 데이터 아카이빙 방법 및 시스템
KR1020200147425A KR102267441B1 (ko) 2020-01-06 2020-11-06 데이터의 하이브리드 저장을 이용한 데이터 아카이빙 방법 및 시스템
KR1020200179839A KR102301304B1 (ko) 2020-01-06 2020-12-21 데이터의 전송 및 조회 시의 비용을 최소화하기 위한 데이터 아카이빙 방법 및 시스템
KR1020200187260A KR102270896B1 (ko) 2020-01-06 2020-12-30 데이터 비식별화에 기반한 데이터 아카이빙 방법 및 시스템

Family Applications Before (3)

Application Number Title Priority Date Filing Date
KR1020200108750A KR102559290B1 (ko) 2020-01-06 2020-08-27 하이브리드 클라우드 기반의 실시간 데이터 아카이빙 방법 및 시스템
KR1020200147425A KR102267441B1 (ko) 2020-01-06 2020-11-06 데이터의 하이브리드 저장을 이용한 데이터 아카이빙 방법 및 시스템
KR1020200179839A KR102301304B1 (ko) 2020-01-06 2020-12-21 데이터의 전송 및 조회 시의 비용을 최소화하기 위한 데이터 아카이빙 방법 및 시스템

Country Status (5)

Country Link
US (1) US11249975B2 (ko)
JP (2) JP2021111352A (ko)
KR (4) KR102559290B1 (ko)
CN (2) CN114761939A (ko)
WO (1) WO2021141294A1 (ko)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102537328B1 (ko) * 2022-11-15 2023-05-30 주식회사 이노야드 라이다 센서 기반 흉상 모델링 및 흉부 치수 측정 방법 및 장치
KR20230148034A (ko) 2022-04-15 2023-10-24 주식회사 메디컬에이아이 클라우드기반 생체데이터의 개인정보 비식별화 방법
KR102695831B1 (ko) * 2023-11-01 2024-08-19 주식회사 바른기술 침입탐지 및 방지를 위한 블록체인 기반 모니터링 시스템

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20220222006A1 (en) * 2021-01-14 2022-07-14 Seagate Technology Llc In-device handling of file and object life cycle
KR102365970B1 (ko) * 2021-08-30 2022-02-23 주식회사 펠릭스 아카이브 관리 시스템

Citations (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2000324094A (ja) * 1999-02-02 2000-11-24 Smithkline Beecham Corp 情報を非個人化する装置および方法
JP2001043115A (ja) * 1999-07-29 2001-02-16 Nec Corp ファイル管理システム及びファイル管理方法
JP2003264540A (ja) * 2002-03-07 2003-09-19 Dainippon Printing Co Ltd 情報配信方法およびシステム
JP2006033198A (ja) * 2004-07-13 2006-02-02 Fuji Xerox Co Ltd データ管理システム、データ管理方法及びそのためのプログラム
KR20090041352A (ko) * 2007-10-23 2009-04-28 인사이드 컨택트리스 보안화된 ｎｆｃ 칩셋을 개인화하는 방법
JP2010086388A (ja) * 2008-10-01 2010-04-15 Hitachi Ltd タグアクセスシステム及びデータ格納方法
KR100960092B1 (ko) * 2009-11-02 2010-05-31 주식회사 나노엔텍 이미지 데이터 등록 방법 및 시스템
JP4893750B2 (ja) * 2006-12-26 2012-03-07 富士通株式会社 データ圧縮装置およびデータ復元装置
KR20130020231A (ko) * 2011-08-19 2013-02-27 주식회사 인프라웨어 웹 어플리케이션의 저작권 보호 시스템
JP5324797B2 (ja) * 2007-02-26 2013-10-23 Ｓｏｏｐ株式会社 データ管理システム
JP2016053693A (ja) * 2014-09-04 2016-04-14 株式会社東芝 匿名化システム
KR101656750B1 (ko) * 2016-02-26 2016-09-23 주식회사 아미크 인덱스정보를 생성하는 데이터베이스의 아카이빙 방법 및 장치, 인덱스정보를 포함하는 아카이빙된 데이터베이스의 검색 방법 및 장치
KR101663547B1 (ko) * 2016-02-26 2016-10-07 주식회사 아미크 데이터베이스의 아카이빙 방법 및 장치, 아카이빙된 데이터베이스의 검색 방법 및 장치
KR20160131622A (ko) * 2015-05-08 2016-11-16 (주)케이사인 개인정보 이관 시스템
JP2017005412A (ja) * 2015-06-08 2017-01-05 国立大学法人京都大学 データ処理装置、データ送信方法、コンピュータプログラム、及びデータサーバ
KR20190009910A (ko) * 2017-07-20 2019-01-30 라인 가부시키가이샤 실행 가능한 압축 파일을 보호하기 위한 파일 보호 방법 및 시스템

Family Cites Families (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH10161913A (ja) * 1996-10-01 1998-06-19 Fujitsu Ltd ネットワークアーカイバシステム及びネットワークアーカイバシステムを構築するプログラムを記録したコンピュータ読み取り可能な記録媒体
US20020129216A1 (en) 2001-03-06 2002-09-12 Kevin Collins Apparatus and method for configuring available storage capacity on a network as a logical device
CA2411297A1 (en) * 2001-11-21 2003-05-21 Ge Medical Systems Information Technologies, Inc. Image tessellation for region-specific coefficient access
JP4412983B2 (ja) * 2003-11-28 2010-02-10 富士通株式会社 アーカイブ装置およびアーカイブ処理プログラム
US7243110B2 (en) * 2004-02-20 2007-07-10 Sand Technology Inc. Searchable archive
WO2009022531A1 (ja) * 2007-08-13 2009-02-19 Nec Corporation データ圧縮伸張方法
DE102010011344B4 (de) * 2010-03-12 2015-08-27 Artec Computer Gmbh Verfahren zur Herstellung und Verwaltung eines großvolumigen Langzeitarchivs
US20110252207A1 (en) * 2010-04-08 2011-10-13 Oracle International Corporation Dynamic content archiving
KR101287518B1 (ko) 2012-02-08 2013-08-23 주식회사 파수닷컴 Ｅｐｕｂ 기반 컨텐츠에 대한 디지털 저작권 관리장치 및 방법, 그리고 사용자 권한에 따른 ｅｐｕｂ 기반 컨텐츠 제공장치 및 방법
SG11201500836QA (en) * 2012-08-08 2015-03-30 Amazon Tech Inc Archival data storage system
KR20140072929A (ko) * 2012-11-16 2014-06-16 현대중공업 주식회사 아카이빙 작업수행 자동화 방법
KR20150075190A (ko) * 2013-12-24 2015-07-03 주식회사 케이티 사용자의 비용 계획에 근거한 스토리지 서비스 제공 장치 및 방법
US9411975B2 (en) * 2014-03-31 2016-08-09 Intel Corporation Methods and apparatus to securely share data
US9250839B1 (en) * 2014-10-31 2016-02-02 Kyocera Document Solutions Inc. Printing system for data handling having a primary server for storing active and passive data and a second server for storing normalized and analytical data
US10762037B2 (en) * 2016-03-25 2020-09-01 Hitachi, Ltd Data processing system
WO2018015779A1 (en) * 2016-07-20 2018-01-25 Worldline Multi-criteria adaptive scheduling for a market-oriented hybrid cloud infrastructure
KR20180126960A (ko) * 2017-05-19 2018-11-28 한국전자통신연구원 가상 데스크탑 서비스 제공 장치 및 그 방법
CN107423426B (zh) * 2017-08-02 2020-06-02 众安信息技术服务有限公司 一种区块链块数据的数据归档方法及电子设备
KR102109467B1 (ko) 2019-04-30 2020-05-12 주식회사 데이타젠네트웍스 업무영역의 상관관계를 이용한 데이터 식별 시스템 및 방법

Patent Citations (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2000324094A (ja) * 1999-02-02 2000-11-24 Smithkline Beecham Corp 情報を非個人化する装置および方法
JP2001043115A (ja) * 1999-07-29 2001-02-16 Nec Corp ファイル管理システム及びファイル管理方法
JP2003264540A (ja) * 2002-03-07 2003-09-19 Dainippon Printing Co Ltd 情報配信方法およびシステム
JP2006033198A (ja) * 2004-07-13 2006-02-02 Fuji Xerox Co Ltd データ管理システム、データ管理方法及びそのためのプログラム
JP4893750B2 (ja) * 2006-12-26 2012-03-07 富士通株式会社 データ圧縮装置およびデータ復元装置
JP5324797B2 (ja) * 2007-02-26 2013-10-23 Ｓｏｏｐ株式会社 データ管理システム
KR20090041352A (ko) * 2007-10-23 2009-04-28 인사이드 컨택트리스 보안화된 ｎｆｃ 칩셋을 개인화하는 방법
JP2010086388A (ja) * 2008-10-01 2010-04-15 Hitachi Ltd タグアクセスシステム及びデータ格納方法
KR100960092B1 (ko) * 2009-11-02 2010-05-31 주식회사 나노엔텍 이미지 데이터 등록 방법 및 시스템
KR20130020231A (ko) * 2011-08-19 2013-02-27 주식회사 인프라웨어 웹 어플리케이션의 저작권 보호 시스템
JP2016053693A (ja) * 2014-09-04 2016-04-14 株式会社東芝 匿名化システム
KR20160131622A (ko) * 2015-05-08 2016-11-16 (주)케이사인 개인정보 이관 시스템
JP2017005412A (ja) * 2015-06-08 2017-01-05 国立大学法人京都大学 データ処理装置、データ送信方法、コンピュータプログラム、及びデータサーバ
KR101656750B1 (ko) * 2016-02-26 2016-09-23 주식회사 아미크 인덱스정보를 생성하는 데이터베이스의 아카이빙 방법 및 장치, 인덱스정보를 포함하는 아카이빙된 데이터베이스의 검색 방법 및 장치
KR101663547B1 (ko) * 2016-02-26 2016-10-07 주식회사 아미크 데이터베이스의 아카이빙 방법 및 장치, 아카이빙된 데이터베이스의 검색 방법 및 장치
KR20190009910A (ko) * 2017-07-20 2019-01-30 라인 가부시키가이샤 실행 가능한 압축 파일을 보호하기 위한 파일 보호 방법 및 시스템

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20230148034A (ko) 2022-04-15 2023-10-24 주식회사 메디컬에이아이 클라우드기반 생체데이터의 개인정보 비식별화 방법
KR102537328B1 (ko) * 2022-11-15 2023-05-30 주식회사 이노야드 라이다 센서 기반 흉상 모델링 및 흉부 치수 측정 방법 및 장치
KR102695831B1 (ko) * 2023-11-01 2024-08-19 주식회사 바른기술 침입탐지 및 방지를 위한 블록체인 기반 모니터링 시스템

Also Published As

Publication number Publication date
CN114761939A (zh) 2022-07-15
US20210374118A1 (en) 2021-12-02
KR102559290B1 (ko) 2023-07-26
JP7324471B2 (ja) 2023-08-10
JP2022520654A (ja) 2022-03-31
JP2021111352A (ja) 2021-08-02
US11249975B2 (en) 2022-02-15
WO2021141294A1 (ko) 2021-07-15
KR20210088407A (ko) 2021-07-14
KR102301304B1 (ko) 2021-09-14
CN114787790A (zh) 2022-07-22
KR102267441B1 (ko) 2021-06-22
KR20210088419A (ko) 2021-07-14

Similar Documents

Publication Publication Date Title
KR102270896B1 (ko) 데이터 비식별화에 기반한 데이터 아카이빙 방법 및 시스템
JP6521403B2 (ja) サービスとしての効率的なデータ圧縮及び分析
US10956447B2 (en) Determining data replication cost for cloud based application
US20180198863A1 (en) Retention-based data management in a network-based data store
US9830111B1 (en) Data storage space management
US9223789B1 (en) Range retrievals from archived data objects according to a predefined hash tree schema
US20180025007A1 (en) Method and system for adaptive processing of resource usage records
EP2174434A1 (en) Unwired enterprise platform
US11803309B2 (en) Selective compression and encryption for data replication
US20170054796A1 (en) Storlet workflow optimization leveraging clustered file system placement optimization features
US11556497B2 (en) Real-time archiving method and system based on hybrid cloud
US20220327095A1 (en) Data archiving method and system for minimizing cost of data transmission and retrieval
WO2021012554A1 (zh) 区块链中数据字段的更新方法、装置、介质、电子设备
JP7300684B2 (ja) 目的データ選別方法およびシステム
US20220391746A1 (en) Api optimizer using contextual analysis of interface data exchange
JP7376027B2 (ja) 企業分割時に組織データを選別して移管する方法およびシステム
KR102370857B1 (ko) 기업분할 시 조직 데이터를 선별하여 이관하는 방법 및 시스템
CN114586022A (zh) 用于数据影响驱动存储管理的数据集签名
KR102529704B1 (ko) 인 메모리 데이터베이스의 데이터를 처리하는 방법 및 장치
US11734451B1 (en) Secure continuous compliance enforcement on a data exchange system

Legal Events

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