KR102273908B1 - 산업용 빅데이터 서버를 위한 냉각 시스템 - Google Patents

산업용 빅데이터 서버를 위한 냉각 시스템 Download PDF

Info

Publication number
KR102273908B1
KR102273908B1 KR1020190136752A KR20190136752A KR102273908B1 KR 102273908 B1 KR102273908 B1 KR 102273908B1 KR 1020190136752 A KR1020190136752 A KR 1020190136752A KR 20190136752 A KR20190136752 A KR 20190136752A KR 102273908 B1 KR102273908 B1 KR 102273908B1
Authority
KR
South Korea
Prior art keywords
backup
temperature
module
node
cooling
Prior art date
Application number
KR1020190136752A
Other languages
English (en)
Other versions
KR20210051454A (ko
Inventor
옥승호
임재현
조현욱
최명국
송영호
권혁준
김태원
박지열
이호민
Original Assignee
세론시스 주식회사
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 세론시스 주식회사 filed Critical 세론시스 주식회사
Priority to KR1020190136752A priority Critical patent/KR102273908B1/ko
Publication of KR20210051454A publication Critical patent/KR20210051454A/ko
Application granted granted Critical
Publication of KR102273908B1 publication Critical patent/KR102273908B1/ko

Links

Images

Classifications

    • H—ELECTRICITY
    • H05—ELECTRIC TECHNIQUES NOT OTHERWISE PROVIDED FOR
    • H05K—PRINTED CIRCUITS; CASINGS OR CONSTRUCTIONAL DETAILS OF ELECTRIC APPARATUS; MANUFACTURE OF ASSEMBLAGES OF ELECTRICAL COMPONENTS
    • H05K7/00—Constructional details common to different types of electric apparatus
    • H05K7/20—Modifications to facilitate cooling, ventilating, or heating
    • H05K7/20709—Modifications to facilitate cooling, ventilating, or heating for server racks or cabinets; for data centers, e.g. 19-inch computer racks
    • H05K7/20718—Forced ventilation of a gaseous coolant
    • H05K7/20736—Forced ventilation of a gaseous coolant within cabinets for removing heat from server blades
    • H—ELECTRICITY
    • H05—ELECTRIC TECHNIQUES NOT OTHERWISE PROVIDED FOR
    • H05K—PRINTED CIRCUITS; CASINGS OR CONSTRUCTIONAL DETAILS OF ELECTRIC APPARATUS; MANUFACTURE OF ASSEMBLAGES OF ELECTRICAL COMPONENTS
    • H05K7/00—Constructional details common to different types of electric apparatus
    • H05K7/20—Modifications to facilitate cooling, ventilating, or heating
    • H05K7/20709—Modifications to facilitate cooling, ventilating, or heating for server racks or cabinets; for data centers, e.g. 19-inch computer racks
    • H05K7/20836—Thermal management, e.g. server temperature control

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • General Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Thermal Sciences (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Cooling Or The Like Of Electrical Apparatus (AREA)

Abstract

본 발명의 일 실시 예에 따른 산업용 빅데이터 서버를 위한 냉각 시스템은 복수개의 노드들이 마련된 구조로써, 각 노드 별 노드피씨, 온도센서, 전력제어모듈, 백업모듈 및 냉각모듈이 구비된 서버 및 온도센서에 의한 감지 결과에 따라 전력제어모듈, 백업모듈 및 냉각모듈을 제어하기 위한 제어부가 포함될 수 있다.

Description

산업용 빅데이터 서버를 위한 냉각 시스템{COOLING SYSTEM FOR INDUSTRIAL BIG DATA SERVER}
본 발명은 산업용 빅데이터 서버를 위한 냉각 시스템에 관한 것이다. 보다 상세하게는 복수개의 노드들이 마련된 구조로써, 각 노드 별 노드피씨, 온도센서, 전력제어모듈, 백업모듈 및 냉각모듈이 구비된 빅데이터 서버에 대하여, 온도센서에 의한 감지 결과에 따라 냉각모듈을 단계적으로 제어하고, 데이터를 백업하거나 전력을 차단시키도록 하여 온도문제에 따른 돌발상황 발생 시 빅데이터 서버의 안정성을 높일 수 있는 냉각 시스템에 관한 것이다.
일반적으로 병렬 클러스터 컴퓨터는 복잡한 공학계산을 하기 위한 슈퍼컴퓨터의 대안으로써, 일반 PC(Personal Computer) 여러 대를 병렬 구조로 묶어서 사용하는 방식을 말한다. 즉, 다수개의 노드 PC를 묶어서 고속 네트워크를 병렬 구조로 사용하는 것으로, 하나의 하우징에 복수의 범용 PC를 결합, 범용 PC를 병렬적으로 연결하여 사용함으로써, 다수의 CPU, 그래픽카드, HDD 등을 활용하여 대용량의 데이터 저장 및 매우 빠른 속도를 제공할 수 있다.
특히, 최근에는 빅데이터를 기초로 한 연구 및 개발이 활발하게 진행되고 있는데, 빅데이터는 소정의 기간 동안에 축적된 대용량 데이터로서, 보통의 소프트웨어나 컴퓨팅 시스템으로는 다루기 어려운 수준의 양을 갖는 데이터 집합(data set)에 대하여 주로 적용된다. 빅데이터의 크기와 관련하여 규정된 것은 없지만, 통상 테라 바이트 이상이 되며, 엑사 바이트 또는 제타 바이트의 범위를 가질 수도 있다. 또한, 빅데이터는 인터넷 환경에서 데이터를 수집, 분석하여 새로운 가치를 찾아내는 인터넷 패러다임으로 활용될 수 있다.
이러한 빅데이터에 기초한 데이터의 수집, 관리, 저장, 검색, 공유, 분석 등의 활용 방법들에 대한 개발 및 연구가 지속되면서, 슈퍼컴퓨터를 활용한 빅데이터 처리 방법이 아닌 기존에 존재하는 컴퓨팅 자원을 이용하여 비용 대비 효율적으로 처리할 수 있는 상기 병렬 클러스터 컴퓨터를 이용한 빅데이터 처리 환경에 대한 개발도 요구되고 있는 실정이다. 즉, 대기업의 연구시설과 같은 항온, 항습의 전산실이 갖추어진 일정 규모 이상의 사업장에 설치되는 슈퍼컴퓨터와 같은 설비가 아닌 중소 규모 작업 및 사용 환경에서 사용하기 편리하도록 갖추어진 빅데이터 처리 환경으로써 전술한 병렬 클러스터 컴퓨터 환경이 요구되고 있다.
다만, 종래의 병렬 클러스터 컴퓨터를 이용한 빅데이터 처리 시 그 사용 특성 상, 24시간 연속 사용으로 인한 과열 및 과부하 방지를 위한 냉각을 위해 많은 전력이 소모되는 문제점이 있으며, 적게는 수십에서 많게는 수백개의 PC를 병렬로 연결하여 사용하다 보니, 각 PC에 대한 실시간 모니터링 및 개별적 제어가 힘든 문제점이 있다. 또한, 각 PC에 대한 개별적인 모니터링의 어려움에 더하여 각 PC에 대한 냉각 팬 제어에도 어려운 문제점이 있다. 더불어, 각 PC에 대한 냉각 팬이 개별적으로 마련되어 있으므로, 개별적으로 설치된 냉각 팬의 제어에 따른 어려움도 함께 대두되고 있다.
이에 따라, 서버를 구성하는 복수개의 노드들에 대하여, 각 노드 PC의 부하 분산을 적절하게 고려하여 효율적인 냉각 제어가 가능한 기술에 대한 개발이 지속적으로 요구되고 있는 실정이다.
대한민국 등록특허공보 제10-0707514호 (공고일자: 2007.04.06)
본 발명은 전술한 바와 같은 문제점을 해결하기 위한 것으로써, 중소규모 작업 및 사용 환경에 적용되는 병렬 클러스터 컴퓨터를 이용한 서버에 적합한 냉각 시스템을 제공하고자 함에 그 목적이 있다.
또한, 개별 노드에 부착된 온도 센서에 대한 감지 결과를 이용하여 노드 PC를 냉각시키기 위한 개별적이고, 단계적인 제어를 통해 온도문제에 따른 돌발상황을 방지할 수 있는 냉각 시스템을 제공하고자 함에 그 목적이 있다.
또한, 랜포트 및 스위칭허브에서의 네트워크 트래픽 모니터링 결과를 사용하여 각 노드피씨의 트래픽 집중도를 분석하고, 트래픽 모니터링 결과에 따라 제어부로 하여금 트래픽 과부하로 인한 온도 상승 및 시스템 성능 저하를 미연에 방지하고자 함에 그 목적이 있다.
본 발명의 일 실시 예로써, 산업용 빅데이터 서버를 위한 냉각 시스템이 제공될 수 있다.
본 발명의 일 실시 예에 따른 산업용 빅데이터 서버를 위한 냉각 시스템은 복수개의 노드들이 마련된 병렬 클러스터 구조로써, 각 노드 별 노드피씨, 온도센서, 전력제어모듈, 백업모듈 및 냉각모듈이 구비된 서버 및 온도센서에 의한 감지 결과에 따라 전력제어모듈, 백업모듈 및 냉각모듈을 제어하기 위한 제어부가 포함되고, 각 노드의 노드피씨에는 랜포트가 구비되어 있으며, 서버에는 각 노드피씨 별 랜포트에 연결되어, 복수개의 노드들에 마련된 노드피씨들에 대하여 패킷을 선택적으로 전송하기 위한 스위칭허브가 더 마련될 수 있다.
본 발명의 일 실시 예에 따른 산업용 빅데이터 서버를 위한 냉각 시스템에 있어서, 제어부에서는 온도센서에 의한 감지 결과에 대하여, 미리 설정된 온도레벨에 따라 냉각모듈이 단계적으로 제어될 수 있다.
본 발명의 일 실시 예에 따른 산업용 빅데이터 서버를 위한 냉각 시스템에 있어서, 온도센서에 의한 감지 결과에 기초하여 경고신호를 생성하기 위한 알람생성부가 더 포함될 수 있다.
본 발명의 일 실시 예에 따른 산업용 빅데이터 서버를 위한 냉각 시스템에 있어서, 제어부에서는 온도센서에 의한 감지 결과에 대하여, 미리 설정된 온도레벨에 따라 전력제어모듈 및 백업모듈 중 어느 하나가 동작되도록 하기 위한 제어가 수행될 수 있다.
본 발명의 일 실시 예에 따른 산업용 빅데이터 서버를 위한 냉각 시스템에 있어서, 생성된 경고신호를 관리자 단말로 전달하기 위한 통신부가 더 포함될 수 있다.
본 발명의 일 실시 예에 따른 산업용 빅데이터 서버를 위한 냉각 시스템에 있어서, 알람생성부에서 생성된 경고신호는 노드에 마련된 디스플레이모듈을 통해 표시되고, 온도레벨에는 서로 상이한 범위로 설정된 제 1 온도레벨, 제 2 온도레벨 및 제 3 온도레벨이 포함되며, 제어부는 감지 결과가 제 1 온도레벨에 해당된다면 냉각모듈이 제 1 동작조건에 따라 동작되도록 제어하고, 감지 결과가 제 2 온도레벨에 해당된다면 냉각모듈이 제 2 동작조건에 따라 동작되고 백업모듈에 의해서 노드피씨에 대한 데이터 백업 과정이 수행되도록 제어하며, 감지 결과가 제 3 온도레벨에 해당된다면 냉각모듈이 제 3 동작조건에 따라 동작되고 전력제어모듈에 의해서 노드피씨로의 전력 공급이 차단되도록 제어할 수 있다.
본 발명의 일 실시 예로서, 산업용 빅데이터 서버를 위한 냉각 시스템을 이용한 서버의 냉각 방법이 제공될 수 있다.
본 발명의 일 실시 예에 따른 서버의 냉각 방법은 온도센서에 의하여, 복수개의 노드들이 마련된 구조로 형성된 서버의 각 노드에 구비된 노드피씨에 대한 온도가 감지되는 단계 및 감지 결과에 따라 서버에 구비된 전력제어모듈, 백업모듈 및 냉각모듈 중 적어도 어느 하나가 동작되는 단계가 포함될 수 있다.
본 발명의 일 실시 예로써, 전술한 방법을 구현하기 위한 프로그램이 기록된 컴퓨터로 판독 가능한 기록매체가 제공될 수 있다.
본 발명의 산업용 빅데이터 서버를 위한 냉각 시스템에 의하면 중소규모 작업 및 사용 환경에 적용되는 병렬 클러스터 컴퓨터를 이용한 서버에 가장 적합하고 효율적인 냉각 제어 효과가 있다.
또한, 개별 노드에 부착된 온도 센서에 대한 감지 결과를 이용하여 노드 PC를 냉각시키기 위한 개별적이고, 단계적인 제어를 통해 온도문제에 따른 돌발상황을 방지할 수 있는 효과가 있다.
또한, 랜포트 및 스위칭허브에서의 네트워크 트래픽 모니터링 결과를 사용하여 각 노드피씨의 트래픽 집중도를 분석하고, 트래픽 모니터링 결과에 따라 제어부로 하여금 트래픽 과부하로 인한 온도 상승 및 시스템 성능 저하를 미연에 방지하고자 할 수 있는 효과가 있다.
도 1은 본 발명의 일 실시 예에 따른 산업용 빅데이터 서버를 위한 냉각 시스템을 나타낸 예시도이다.
도 2는 본 발명의 일 실시 예에 따른 산업용 빅데이터 서버를 위한 냉각 시스템에 있어서, 서버를 나타낸 예시도이다.
도 3은 본 발명의 일 실시 예에 따른 산업용 빅데이터 서버를 위한 냉각 시스템에 있어서, 각 노드에서 제어부에 의한 제어가 수행되는 상태를 나타낸 예시도이다.
도 4는 본 발명의 일 실시 예에 따른 산업용 빅데이터 서버를 위한 냉각 시스템에 있어서, 제어부에 의한 온도레벨에 따른 제어가 수행되는 과정을 나타낸 순서도이다.
아래에서는 첨부한 도면을 참조하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 본 발명의 실시예를 상세히 설명한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다. 그리고 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.
본 명세서에서 사용되는 용어에 대해 간략히 설명하고, 본 발명에 대해 구체적으로 설명하기로 한다.
본 발명에서 사용되는 용어는 본 발명에서의 기능을 고려하면서 가능한 현재 널리 사용되는 일반적인 용어들을 선택하였으나, 이는 당 분야에 종사하는 기술자의 의도 또는 판례, 새로운 기술의 출현 등에 따라 달라질 수 있다. 또한, 특정한 경우는 출원인이 임의로 선정한 용어도 있으며, 이 경우 해당되는 발명의 설명 부분에서 상세히 그 의미를 기재할 것이다. 따라서 본 발명에서 사용되는 용어는 단순한 용어의 명칭이 아닌, 그 용어가 가지는 의미와 본 발명의 전반에 걸친 내용을 토대로 정의되어야 한다.
명세서 전체에서 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있음을 의미한다. 또한, 명세서에 기재된 "...부", "모듈" 등의 용어는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미하며, 이는 하드웨어 또는 소프트웨어로 구현되거나 하드웨어와 소프트웨어의 결합으로 구현될 수 있다. 또한, 명세서 전체에서 어떤 부분이 다른 부분과 "연결"되어 있다고 할 때, 이는 "직접적으로 연결"되어 있는 경우뿐 아니라, "그 중간에 다른 소자를 사이에 두고" 연결되어 있는 경우도 포함한다
도 1은 본 발명의 일 실시 예에 따른 산업용 빅데이터 서버를 위한 냉각 시스템(10)을 나타낸 예시도이고, 도 2는 본 발명의 일 실시 예에 따른 산업용 빅데이터 서버를 위한 냉각 시스템(10)에 있어서, 서버(100)를 나타낸 예시도이며, 도 3은 본 발명의 일 실시 예에 따른 산업용 빅데이터 서버를 위한 냉각 시스템(10)에 있어서, 각 노드에서 제어부(200)에 의한 제어가 수행되는 상태를 나타낸 예시도이고, 도 4는 본 발명의 일 실시 예에 따른 산업용 빅데이터 서버를 위한 냉각 시스템(10)에 있어서, 제어부(200)에 의한 온도레벨에 따른 제어가 수행되는 과정을 나타낸 순서도이다. 이하에서는 상기 도 1 내지 도 4를 참고하여 본 발명을 상세히 설명하기로 한다.
본 발명의 일 실시 예로써, 산업용 빅데이터 서버를 위한 냉각 시스템(10)이 제공될 수 있다. 본 명세서에서 산업용 빅데이터 서버는 일반적으로 빅데이터 처리를 위하여 사용되는 서버를 의미할 수도 있지만, 별도 전산실이 갖추어지지 않은 중소 규모 작업을 위한 병렬 클러스터 컴퓨터를 의미할 수도 있다. 뿐만 아니라, 서버 컴퓨터와 네트워크 회선을 제공하기 위한 건물이나 시설을 나타내는 데이터 센터(data center) 혹은 서버 호텔(server hotel)일 수도 있다. 즉, 케이지(cage) 내에 마련된 복수개의 랙(rack)에 서버 컴퓨터 혹은 노드 PC가 설치되어 있다면 본 발명의 냉각 시스템이 적용될 수 있다.
본 발명의 일 실시 예에 따른 산업용 빅데이터 서버를 위한 냉각 시스템(10)은 복수개의 노드들이 마련된 병렬 클러스터 구조로써, 각 노드 별 노드피씨(110), 온도센서(120), 전력제어모듈(130), 백업모듈(140) 및 냉각모듈(150)이 구비된 서버(100) 및 온도센서(120)에 의한 감지 결과에 따라 전력제어모듈(130), 백업모듈(140) 및 냉각모듈(150)을 제어하기 위한 제어부(200)가 포함될 수 있다.
서버(100)는 병렬 클러스터 구조로 적어도 하나 이상의 케이지 내에 복수개의 랙들이 구비되고, 상기 랙 각각에 노드피씨(110)가 마련되어 복수개의 노드피씨(110)가 병렬 구조로 사용되도록 형성될 수 있다.
보다 상세하게는, 상기 노드피씨에는 서버 내부에 마련된 노드피씨들 간의 연결을 위한 랜포트가 구비될 수 있으며, 상기 서버에는 각 노드피씨 별 랜포트 모두와 연결되어, 복수개의 노드들에 마련된 노드피씨들에 대하여 패킷을 선택적으로 전송하기 위한 스위칭허브(Switching Hub)가 더 바련될 수 있다. 상기 스위칭허브는 패킷을 미리 정해진 위치로 보내주는 중계 역할을 하는 일반적인 의미의 허브와는 달리, 각 패킷을 필요한 특정 노드피씨로 선택적으로 보낼 수 있는 스위칭 역할이 가능한 허브일 수 있다.
상기와 같이, 노드피씨 마다 랜포트가 구비되고, 각 랜포트들을 연결하기 위한 스위칭허브를 이용하여 네트워크 트래픽 모니터링이 가능하고, 상기 모니터링 결과를 이용하여 각 노드피씨 별 트래픽 집중도가 분석될 수 있다. 트래픽 모니터링 결과는 제어부에서 트래픽 과부하로 인한 온도 상승 및 시스템 성능 저하를 미연에 방지하기 위해 활용될 수 있다.
보다 구체적으로, 제어부에서는 랜토프들과 연결된 스위칭허브를 통해 트래픽 모니터링 결과를 전달받아 데이터베이스(미도시)에 저장할 수 있고, 축적된 모니터링 결과를 이용하여 노드피씨 별 트래픽 집중 패턴을 도출해낼 수 있고, 이를 이용하여 노드피씨 별 트래픽 집중 정도가 분석될 수 있다. 상기 집중 패턴의 도출은 인공지능 모델을 이용하여 학습된 결과에 따라 수행될 수 있고, 상기 인공지능 알고리즘에는 머신러닝 알고리즘, 딥러닝 알고리즘 등이 포함될 수 있다.
또한, 제어부에서는 상기 모니터링 결과 및 온도센서의 감지 결과를 함께 활용할 수 있다. 특히, 온도센서에 의한 감지 결과와 트래픽의 집중도 사이의 상관관계에 대하여 딥러닝 알고리즘을 이용하여 학습할 수 있고, 상기 학습 결과에 따라 도출된 분석모델을 이용하여, 트래픽의 과부하와 온도 상승과의 관계, 즉 트래픽의 과부하로 인하여 온도가 상승되는지 여부가 판별될 수 있다.
다시 말하면, 제어부에서는 트래픽 모니터링 정보와 온도센서를 이용한 감지 결과를 독립적으로 사용할 수도 있지만, 상호 보완적으로 사용하여 서버의 온도 상승문제 및 이로 인한 시스템 성능 저하 문제를 사전에 방지할 수 있는 효과가 있다.
노드피씨(110)는 CPU, 메모리 등이 포함된 메인 보드, 기억장치(Ex. HDD, SDD), 그래픽 카드 등과 같은 컴퓨터 부품들이 포함된 장치일 수 있다.
온도센서(120)는 노드피씨(110) 또는 랙 내부의 온도를 측정할 수 있도록 상기 노드피씨(110) 부근의 소정의 위치에 마련될 수 있다. 상기 온도센서(120)를 통한 온도 측정 방식에는 제한이 없으며, 상기 온도센서(120)에는 잡음(noise) 감소를 위한 필터모듈(미도시)가 추가적으로 포함될 수 있다.
전력제어모듈(130)은 노드피씨(110)에 전력을 공급하거나 차단하기 위하여 스위칭 레귤레이터가 포함된 전자식 전원 공급 장치로써, 상기 전력제어모듈(130)은 스위칭 모드 파워 서플라이(Switching Mode Power Supply, SMPS)일 수 있다. 상기 전력제어모듈(130)은 서버(100)에 의해 노드피씨(110)로의 전력 공급 혹은 차단의 제어가 가능하지만, 본 발명의 냉각 시스템에 포함되는 제어부(200)에 의해서 상기 전력 공급 또는 차단이 제어될 수 있다.
백업모듈(140)에서는 본 발명의 서버(100)와 별도의 네트워크를 이용하여 연결된 백업서버(미도시)로 데이터 백업을 위하여 해당 노드피씨(110)에서 상기 백업서버로의 백업데이터의 전송 여부, 백업데이터의 전송 속도 등 백업을 위한 전반적인 제어가 수행될 수 있다.
냉각모듈(150)에서는 노드피씨(110)의 냉각을 위하여 상기 랙 내 혹은 노드피씨(110) 부근의 소정의 위치에 마련된 적어도 하나 이상의 냉각팬(미도시)의 동작 여부, 회전 속도 등 냉각팬의 전반적인 제어가 수행될 수 있다. 상기와 같은 냉각팬 방식이외에도, 상기 냉각모듈(150)은 수냉각 방식으로 노드피씨(110)의 냉각을 제어할 수 있으며, 이를 위하여 상기 냉각모듈(150)에는 라디에이터, 펌프, 튜브 등이 포함될 수 있다.
상기 서버(100)는 복수개의 노드를 구분하기 위한 랙이 각 노드마다 마련된 구조로 형성될 수 있으며, 상기 각 랙에는 상기 노드피씨(110), 온도센서(120), 냉각모듈(150), 백업모듈(140), 전력제어모듈(130)이 하우징(미도시) 내에 수용된 형태로 삽입될 수 있다. 다만, 상기 하우징에는 노드피씨(110) 이외에 온도센서(120), 냉각모듈(150), 백업모듈(140) 및 전력제어모듈(130) 중 어느 하나는 상기 하우징 내에 수용되지 않고 랙의 소정의 위치에 마련될 수도 있다.
또한, 상기 랙에는 상기 하우징이 상기 랙의로의 인입 및 인출이 가능하도록 하기 위한 슬라이딩레일(미도시)가 더 포함될 수 있다. 즉, 상기 슬라이딩레일을 따라 상기 노드피씨(110)가 포함된 하우징이 상기 랙으로 삽입되거나 삽입된 상태에서 상기 랙으로부터 상기 랙의 외부 방향으로 이동될 수 있다.
또한, 상기 하우징에는 확장 보드(daughter board)가 포함될 수 있다.
또한, 상기 랙들이 병렬구조로 마련되어 형성된 케이지(미도시)에는 상기 각 노드에 구비된 노드피씨(110)들이 연결되기 위한 백플레인(backplane)(미도시)가 추가적으로 마련될 수 있다. 본 발명의 제어부(200)에서는 상기 백플레인을 이용하여 각 노드에 마련된 냉각모듈(150), 백업모듈(140), 전력제어모듈(130)의 동작 제어를 위한 신호를 보낼 수도 있다.
제어부(200)에서는 본 발명의 산업용 빅데이터 서버를 위한 냉각 시스템(10)의 전반적인 제어가 수행될 수 있다. 특히, 제어부(200)에서는 온도센서(120)에 의한 감지 결과에 대하여, 미리 설정된 온도레벨에 따라 냉각모듈(150)이 단계적으로 제어될 수 있다.
또한, 본 발명의 일 실시 예에 따른 산업용 빅데이터 서버를 위한 냉각 시스템(10)에 있어서, 온도센서(120)에 의한 감지 결과에 기초하여 경고신호를 생성하기 위한 알람생성부(300)가 더 포함될 수 있다. 상기 알람생성부(300)에서 생성되는 경고신호는 다양한 방식으로 형성된 신호일 수 있다. 예를 들면, 상기 경고신호는 음성 신호, 진동 신호, 디스플레이 신호 등이 포함될 수 있으며, 사용자 또는 관리자 등에게 온도센서(120)에 의하여 감지된 결과에 따른 경고를 위해서는 어떠한 형태로도 상기 경고신호가 생성될 수 있다.
상기 경고신호는 제어부(200)에서의 감지 결과로부터 분류된 온도레벨( 제 1 온도레벨, 제 2 온도레벨 및 제 3 온도레벨 )에 기초하여 형성될 수 있다. 또한, 상기 경고신호는 후술하는 각 온도레벨에 따른 제어부(200)에서의 제어 방식 혹은 제어 내용의 안내가 가능하도록 상기 제어부(200)로부터 상기 온도레벨에 따른 제어 내용도 전달받을 수 있다.
또한, 알람생성부(300)에서 생성된 경고신호는 노드에 마련된 디스플레이모듈(170)을 통해 표시될 수 있다. 즉, 노드의 랙 및 하우징 중 어느 하나에 상기 디스플레이모듈(170)이 마련될 수 있으며, 상기 디스플레이모듈(170)을 통해 디스플레이 신호 형태로 경고신호가 출력될 수 있다.
온도레벨에는 후술하는 바와 같이 서로 상이한 범위로 설정된 제 1 온도레벨, 제 2 온도레벨 및 제 3 온도레벨이 포함될 수 있는데, 상기 디스플레이모듈(170)에서는 상기 제 1 온도레벨에 해당되는 경우 제 1 경고신호를 표시할 수 있다. 마찬가지로, 제 2 온도레벨 및 제 3 온도레벨에 해당되는 경우 각각 제 2 경고신호 및 제 3 경고신호를 표시할 수 있다.
또한, 본 발명의 일 실시 예에 따른 산업용 빅데이터 서버를 위한 냉각 시스템(10)에 있어서, 제어부(200)에서는 온도센서(120)에 의한 감지 결과에 대하여, 미리 설정된 온도레벨에 따라 전력제어모듈(130) 및 백업모듈(140) 중 어느 하나가 동작되도록 하기 위한 제어가 수행될 수 있다.
또한, 본 발명의 일 실시 예에 따른 산업용 빅데이터 서버를 위한 냉각 시스템(10)에 있어서, 생성된 경고신호를 관리자 단말(20)로 전달하기 위한 통신부가 더 포함될 수 있다.
상기 통신부는 상기 경고신호의 송수신 뿐만 아니라 본 발명의 산업용 빅데이터 서버를 위한 냉각 시스템(10) 내의 구성요소 간 통신의 수행도 가능하며, 관리자 단말(20)과 같은 타 디바이스 혹은 타 시스템과의 통신도 수행할 수 있다. 상기 통신부의 통신 방식은 다양한 유선 혹은 무선 통신방법이 사용될 수 있고, 특정 통신 방법에 제한되는 것은 아니다.
이하에서는, 도 3 및 도 4에 기초하여 본 발명의 산업용 빅데이터 서버를 위한 냉각 시스템(10)을 이용하여 온도센서(120)로부터의 감지 결과에 따라 제어부(200)에서 수행되는 서버 제어 방법을 살펴본다.
본 발명의 일 실시 예에 따른 산업용 빅데이터 서버를 위한 냉각 시스템(10)에 있어서, 알람생성부(300)에서 생성된 경고신호는 노드에 마련된 디스플레이모듈(170)을 통해 표시되고, 온도레벨에는 서로 상이한 범위로 설정된 제 1 온도레벨, 제 2 온도레벨 및 제 3 온도레벨이 포함되며, 제어부(200)는 감지 결과가 제 1 온도레벨에 해당된다면 냉각모듈(150)이 제 1 동작조건에 따라 동작되도록 제어하고, 감지 결과가 제 2 온도레벨에 해당된다면 냉각모듈(150)이 제 2 동작조건에 따라 동작되고 백업모듈(140)에 의해서 노드피씨(110)에 대한 데이터 백업 과정이 수행되도록 제어하며, 감지 결과가 제 3 온도레벨에 해당된다면 냉각모듈(150)이 제 3 동작조건에 따라 동작되고 전력제어모듈(130)에 의해서 노드피씨(110)로의 전력 공급이 차단되도록 제어할 수 있다.
보다 상세하게는, 제어부(200)에서는 먼저 온도센서(120)에 의한 감지 결과를 수신하여 상기 감지 결과가 상기 제어부(200)에 입력(S100)될 수 있다. 전술한 바와 같이, 온도센서(120)로부터 감지된 노드피씨(110)의 온도 혹은 노드피씨(110)가 포함된 랙 또는 하우징의 온도가 상기 제어부(200)에 입력될 수 있다. 뿐만 아니라, 상기 온도센서(120)에 의해 노이즈 필터링된 데이터가 상기 제어부(200)에 입력될 수도 있다.
다음으로, 제어부(200)는 온도센서(120)로부터 수신한 감지 결과에 대하여 제 1 온도레벨, 제 2 온도레벨 및 제 3 온도레벨 중 어느 하나로 분류(S200)할 수 있다. 상기 제 1 내지 3 온도레벨은 상이하게 설정된 온도 범위에 따라 결정된 것일 수 있다. 보다 상세하게는, 제 1 내지 제 3 기준온도범위에 따라 상기 감지 결과가 제 1 내지 3 온도레벨로 분류될 수 있다. 예를 들면, 제 1 기준온도범위는 70 - 79 [℃], 제 2 기준온도범위는 80 - 89 [℃], 제 3 기준온도범위는 90 [℃] 이상으로 미리 설정될 수 있으며, 온도센서(120)의 감지 결과가 71℃인 경우에는 상기 감지 결과가 상기 제 1 기준온도범위에 포함되는 것으로 보아 온도레벨은 제 1 온도레벨로 분류될 수 있다. 또한, 상기 제 2 내지 제 3 온도레벨은 각각 이전의 온도레벨( 제 1 온도레벨 및 제 2 온도레벨 )에 해당되는 것으로 제어부(200)에서 분류된 것일 수 있다. 예를 들면, 상기 온도센서(120)의 감지 결과가 71℃에서 85℃까지로 변경된 경우, 제어부(200)에서는 해당 노드에서의 온도 감지 결과가 이미 제 1 온도레벨인 것으로 분류하였고, 이후에 증가됨에 따라 제 2 기준온도범위에 속하는 제 2 온도레벨인 것으로 분류할 수 있다. 또한, 온도센서(120)에서의 감지 결과가 50℃인 경우에는 제어부(200)로 상기 감지 결과를 전달하지 않을 수도 있으며, 이와는 달리, 제어부(200)에서는 50℃의 감지 결과를 수신하고 상기 수신한 감지 결과를 온도레벨에 따라 분류하지 않을 수 있다.
다음으로, 상기와 같이 감지 결과가 제 1 내지 제 3 온도레벨 중 어느 하나로 분류된 경우에는 제어부(200)에서는 각각 상이하게 냉각모듈(150), 백업모듈(140), 전력제어모듈(130) 중 적어도 어느 하나를 제어(S300)할 수 있다.
보다 상세하게는, 제어부(200)에서는 제 1 온도레벨로 분류된 경우에는 냉각모듈(150)이 제 1 동작조건에 따라 동작되도록 제어할 수 있다. 상기 제 1 동작조건은 냉각팬이 돌아가는 속도가 제 1 회전속도범위에 포함되도록 회전 동작되는 조건일 수 있다. 제 1 회전속도범위는 후술하는 제 2 내지 제 3 회전속도범위에 비하여 상대적으로 저속에 속할 수 있다. 또한, 상기 제 1 동작 조건은 동작되는 냉각 팬의 개수에 관한 조건일 수 있다. 예를 들면, 총 3 개의 냉각 팬이 하나의 노드(또는 랙)에 구비되어 있다면, 상기 제 1 동작조건은 1 개의 냉각 팬만 회전되도록 하는 조건일 수 있다. 마찬가지로, 제 2 내지 제 3 동작조건은 각각 총 3 개의 냉각 팬 중 2개 및 3개가 회전되도록 하는 조건일 수 있다.
또한, 제어부(200)에서는 제 2 온도레벨로 분류된 경우에는 냉각모듈(150)이 제 2 동작조건에 따라 동작되도록 할 수 있다. 상기 제 2 동작조건은 전술한 바와 같이, 제 1 동작조건에 비하여 고속이고, 제 3 동작조건에 비하여 저속인 제 2 회전속도범위로 냉각팬이 회전되는 조건일 수 있다. 뿐만 아니라, 제어부(200)는 백업모듈(140)에 의해서 해당 노드피씨(110)에 대한 백업데이터가 백업서버로 전송되는 백업 과정이 수행되도록 제어할 수 있다. 백업이 되는 백업데이터는 해당 노드피씨(110) 별로 백업모듈(140)에 의하여 미리 설정되어 있을 수 있다.
또한, 제어부(200)에서는 제 3 온도레벨로 분류된 경우에는 냉각모듈(150)이 제 3 동작조건에 따라 동작되도록 제어할 수 있다. 상기 제 3 동작조건은 제 1 및 2 동작조건에 비하여 고속인 제 3 회전속도범위로 냉각팬이 회전되는 조건일 수 있다. 또한, 제어부(200)는 전력제어모듈(130)에 의하여 해당 노드피씨(110)로의 전력 공급이 차단되도록 제어할 수 있다.
본 말명의 산업용 빅데이터 서버를 위한 냉각 시스템(10)은 전술한 바와 같이, 온도센서(120)의 감지 결과에 따라 단계적인 제어가 가능하도록 하여 안정적으로 서버가 동작되도록 할 수 있고, 돌발 상황이 발생하여도 데이터를 백업하거나 전력이 차단되도록 하여 최악의 상황을 방지할 수 있다.
추가적으로, 제어부(200)에서는 온도센서(120)에 의한 감지 결과에 기초하여 노드피씨(110)의 온도 변화 정도를 정량화함으로써 보다 상세한 제어가 수행될 수 있다. 바람직하게는, 제어부(200)에서는 온도센서(120)에 의한 감지 결과로부터 수학식 1에 따라 온도변화지수(TVI)를 산출할 수 있다.
[수학식 1]
Figure 112019111303643-pat00001
상기 수학식 1에서 T-l는 기준 시간(Ex. 24 시간, 12 시간 등) 동안 최저 온도이고, Tm은 상기 기준 시간 동안 평균 온도이며, Trf1은 상기 제 1 기준온도범위에서의 최소온도이며 ( 예를 들면, 제 1 기준온도범위가 70 - 79 [℃]인 경우에는 상기 최소온도는 70[℃] ) , t1은 T-l에서부터 Trf1 까지 걸린 시간 값이며, t2는 T-l에서부터 Tm까지 걸린 시간 값이며, k1은 제 1 보조상수이고, k2는 제 2 보조상수이다.
상기 온도변화지수(TVI)는 해당 노드마다 제 1 기준온도범위까지 변화된 온도에 따라 제 2 기준온도범위로의 변화에 따른 백업데이터의 범위를 결정짓기 위하여 제 1 기준온도범위에 관한 내용( 제 1 기준온도범위에서의 최소온도 값 )이 상기 수학식 1에 포함될 수 있다.
다음으로, 제어부(200)에서는 상기 산출된 온도변화지수(TVI)에 기초하여 해당 백업모듈(140)에 의하여 노드피씨(110)마다 미리 설정된 백업데이터를 백업서버로 데이터 전송하는데 걸리는 시간을 예측할 수 있다. 더욱 상세하게는, 산출된 온도변화지수(TVI) 및 냉각모듈(150)의 제 1 동작조건에 따른 동작결과에 기초하여 딥러닝 알고리즘에 따라 미리 학습된 결과에 따라 생성된 예측모델을 이용하여 백업데이터의 도달 시간 및 백업 시간이 예측될 수 있다.
상기 도달 시간은 온도변화지수 및 냉각모듈(150)의 동작 결과에 기초하여 제 1 기준온도범위의 최소온도에서부터 제 2 온도레벨( 즉, 제 2 기준온도범위에서의 최소온도 )에 도달하기까지의 시간일 수 있다. 또한, 상기 백업 시간은 제 2 온도레벨에 도달한 시점부터 제 3 온도레벨까지 걸리는 시간( 즉, 제 2 기준온도범위에서의 최소온도에서부터 제 3 기준온도범위에서의 최소온도까지 걸리는 시간 )일 수 있다. 즉, 제 2 온도레벨에 도달하면 전술한 바와 같이 백업모듈(140)을 통한 백업 작업이 진행되므로, 상기 예측모델의 결과로써 백업모듈(140)을 이용하여 노드피씨(110)의 온도 감지 결과가 제 2 온도레벨에 도달할때까지의 시간인 도달 시간이 상기 예측모델을 이용하여 예측될 수 있다. 또한, 제 2 온도레벨에 도달한 시점부터 제 3 온도레벨에 도달하기까지 걸리는 시간인 백업 시간이 예측됨으로써, 백업이 필요한 데이터를 미리 분류하여 효율적인 백업이 진행될 수 있다.
이를 위하여, 상기 예측모델은 전술한 온도변화지수(TVI)와 제 1 온도레벨에 해당되는 냉각모듈(150)의 동작조건인 제 1 동작조건에 따른 냉각모듈(150)의 동작 결과( Ex. 냉각 팬 회전속도, 냉각 팬 동작 대수 등 )로부터 온도변화 정도에 따른 제 2 및 3 온도레벨에 도달하는 시간과의 관계에 대하여 딥러닝 알고리즘에 따라 학습될 수 있고, 학습된 결과에 따라 온도 변화 정도와 상기 도달 시간 및 백업 시간 간의 관계가 예측모델에 기초하여 예측될 수 있다. 다시 말하면, 상기 수학식 1에 기초하여 산출된 온도변화지수(TVI)와 냉각모듈(150)의 동작과 관련된 데이터를 기초로 제 2 온도레벨 및 제 3 온도레벨까지의 도달하는데 걸리는 시간( 각각 도달 시간, 백업 시간 )이 예측될 수 있다.
상기 예측모델은 딥러닝 알고리즘에 따라 미리 학습된 결과에 따라 생성된 것으로, 상기 딥러닝 알고리즘에는 CNN(Convolutional Neural Network)이 포함될 수 있다. 뿐만 아니라, 상기 예측모델은 상기 CNN 외에도 RNN(Recurrent Neural Network)와 결합되어 학습된 결과에 따라 생성될 수도 있다. 이하에서는 CNN 기반 학습 결과에 따라 형성된 예측모델을 기준으로 설명한다. 먼저, CNN에 대하여 간략히 설명하면 CNN은 입력데이터( 주로, 시각적 이미지 )를 분석하기 위해 사용되는 인공신경망의 한 종류일 수 있고 특징추출계층에서 입력데이터로부터의 특징이 추출되고, 분류계층에서 추출된 특징에 기초하여 입력데이터가 어떤 클래스에 해당되는지 분류될 수 있다. 상기 특징추출계층에는 적어도 하나 이상의 콘볼루션 레이어(convolutional layer) 및 풀링 레이어(pooling layer)가 포함될 수 있고, 상기 분류계층은 하나의 히든 레이어(hidden layer)가 포함된 풀리 커넥티드 레이어(fully connected layer)일 수 있다. 콘볼루션 레이어는 콘볼루션(convolution) 연산을 통해 객체의 특징을 나타내는 특징 맵을 생성하는 필터에 해당될 수 있다. 풀링 레이어에서는 콘볼루션 레이어의 출력 데이터의 크기를 줄이거나 특정 데이터를 강조하는 풀링연산이 수행될 수 있다. 상기 풀링 레이어에는 맥스풀링 레이어(max pooling layer) 및 평균풀링 레이어(average pooling layer)가 포함될 수 있다. 풀리 커넥티드 레이어(fully connected layer)는 추출된 특징정보에 기초하여 입력데이터의 분류를 위한 분류기(classfier)에 해당될 수 있다.
다음으로, 상기 과정에 따라 예측된 도달 시간 및 예측 시간을 기초로, 상기 도달 시간까지는 해당 노드피씨(110)에서 소정의 백업등급에 따라 예측 시간 동안 백업이 가능한 백업데이터가 분류될 수 있다. 예를 들면, 제 1 온도레벨에 도달한 시점부터 제 2 온도레벨까지 도달하는 시간인 도달 시간이 30분이고, 제 2 온도레벨에 도달한 시점부터 제 3 온도레벨까지 도달하는 시간인 백업 시간이 20분이라면, 상기 도달 시간인 30분 동안에는 상기 백업 시간인 20분 동안 백업이 가능한 백업데이터가 분류될 수 있고, 상기 백업 시간인 20분 동안에는 분류된 백업데이터가 백업서버로 백업될 수 있다.
즉, 도달 시간 동안 백업모듈(140)에서는, 해당 노드피씨(110)의 데이터 중에서 상기 백업 시간 동안 백업이 필요한 정도에 기초하여 백업이 가능한 백업데이터를 분류할 수 있다. 또한, 백업모듈(140)에서는 소정의 백업등급( Ex. 백업레벨 1 - 5, 낮을수록 백업 필요 )에 따라 백업이 요구되는 정도에 따라 백업데이터들이 미리 분류될 수 있다. 또한, 백업모듈(140)에서는 상기 백업등급에 따라 분류된 백업데이터들에 대한 용량정보가 미리 저장되어 있을 수 있다. 예를 들면, 백업레벨 1: 50GB, 백업레벨 2: 30GB, 백업레벨 3: 100GB 등과 같이 백업이 요구되는 필요정도에 따른 용량정보가 함께 백업모듈(140)에 저장되어 있을 수 있다. 이에 따라, 백업모듈(140)에서는 도달 시간 동안에, 백업레벨이 낮은 백업데이터 중에서 상기 백업 시간동안 백업이 가능한 데이터들을 우선적으로 결정할 수 있다. 이후, 백업 시간 동안에는 상기 결정된 백업데이터들이 백업서버로 업로드/전송될 수 있다.
또한, 관리자 단말(20)에서는 상기 제 2 온도레벨에 해당되어 백업모듈(140)에 의한 백업 작업의 진행을 제어할 수 있다. 다만, 상기 관리자 단말(20)에 의한 백업 제어에 있어서, 데이터의 보존과 작업의 안정성을 위하여 관리자 단말(20) 인증 절차가 하기 수학식 2 에 기초하여 진행될 수 있다. 즉, 수학식 2에 기초한 인증절차가 완료된 관리자 단말(20)만이 백업모듈(140)에 의한 백업 제어가 가능하다.
보다 상세하게는, 관리자 단말(20) 및 노드피씨(110) 별 백업모듈(140)에서는 제어부(200)로부터 하기 수학식 2에 의하여 생성된 관리자인증상수(s0, s1)를 전달받을 수 있다. 제어부(200)에서는 관리자 단말(20) 측으로 송신할 인증메시지 내에서 비공개 백업정보 및 공개 백업정보를 미리 설정할 수 있다.
[수학식 2]
Figure 112019111303643-pat00002
여기서, q: 이산로그문제를 만족시키는 소수, p:q-1을 나눌 수 있는 소수,
Figure 112019111303643-pat00003
:제너레이터(generator), w:비공개 백업정보,
Figure 112019111303643-pat00004
:공개 백업정보, c0,c1 :난수,
Figure 112019111303643-pat00005
,
Figure 112019111303643-pat00006
,
Figure 112019111303643-pat00007
,
Figure 112019111303643-pat00008
: 관리자인증상수인 것을 특징으로 한다.
관리자 단말(20)에서는 제어부(200)로부터 생성된 인증요구 메시지(
Figure 112019111303643-pat00009
)를 전달받을 수 있으며, 인증요구 메시지의 신뢰도가 검증된 경우, 백업모듈(140)을 이용한 백업 제어가 수행될 수 있다. 즉, 백업모듈(140)을 이용한 백업을 관리자 단말(20)에 의하여 제어하기 위해서는 상기 인증요구 메시지에 따른 검증 절차가 선행될 수 있다. 인증요구 메시지는 제어부(200)에서 소정의 난수 생성 알고리즘에 따라 생성된 난수에 기초하여 생성될 수 있다.
또한, 인증요구 메시지의 신뢰도를 검증하기 위해서, 상기 관리자인증상수 및 인증요구메시지를 하기 수학식 3에 대입하여 검증 과정이 수행될 수 있다.
[수학식 3]
Figure 112019111303643-pat00010
이와 같이, 수학식 3의 좌항 및 우항이 일치하면 제어부(200)로부터 요구한 인증을 허가하고, 인증이 성공적으로 이루어졌음을 알리는 인증 응답 메시지를 생성하여 관리자 단말(20) 측으로 전송할 수 있다.
본 발명의 일 실시 예로서, 산업용 빅데이터 서버를 위한 냉각 시스템(10)을 이용한 서버의 냉각 방법이 제공될 수 있다. 본 발명의 서버의 냉각 방법은 전술한 산업용 빅데이터 서버를 위한 냉각 시스템(10)에 의하여 구현될 수 있고, 본 서버의 냉각 방법과 관련하여 전술한 산업용 빅데이터 서버를 위한 냉각 시스템(10)과 동일한 내용은 이하에서 생략하였다.
본 발명의 일 실시 예에 따른 서버의 냉각 방법은 온도센서(120)에 의하여, 복수개의 노드들이 마련된 구조로 형성된 서버의 각 노드에 구비된 노드피씨(110)에 대한 온도가 감지되는 단계 및 감지 결과에 따라 서버에 구비된 전력제어모듈(130), 백업모듈(140) 및 냉각모듈(150) 중 적어도 어느 하나가 동작되는 단계가 포함될 수 있다.
본 발명의 일 실시 예로써, 전술한 방법을 구현하기 위한 프로그램이 기록된 컴퓨터로 판독 가능한 기록매체가 제공될 수 있다.
즉, 전술한 방법은 컴퓨터에서 실행될 수 있는 프로그램으로 작성 가능하고, 컴퓨터 판독 가능 매체를 이용하여 상기 프로그램을 동작시키는 범용 디지털 컴퓨터에서 구현될 수 있다. 또한, 상술한 방법에서 사용된 데이터의 구조는 컴퓨터 판독 가능 매체에 여러 수단을 통하여 기록될 수 있다. 본 발명의 다양한 방법들을 수행하기 위한 실행 가능한 컴퓨터 프로그램이나 코드를 기록하는 기록 매체는, 반송파(carrier waves)나 신호들과 같이 일시적인 대상들은 포함하는 것으로 이해되지는 않아야 한다. 상기 컴퓨터 판독 가능 매체는 마그네틱 저장매체(예를 들면, 롬, 플로피 디스크, 하드 디스크 등), 광학적 판독 매체(예를 들면, 시디롬, DVD 등)와 같은 저장 매체를 포함할 수 있다.
전술한 본 발명의 설명은 예시를 위한 것이며, 본 발명이 속하는 기술분야의 통상의 지식을 가진 자는 본 발명의 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 쉽게 변형이 가능하다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다. 예를 들어, 단일형으로 설명되어 있는 각 구성 요소는 분산되어 실시될 수도 있으며, 마찬가지로 분산된 것으로 설명되어 있는 구성 요소들도 결합된 형태로 실시될 수 있다.
이상에서 본 발명의 바람직한 실시예에 대하여 상세하게 설명하였지만 본 발명의 권리범위는 이에 한정되는 것은 아니고 다음의 청구범위에서 정의하고 있는 본 발명의 기본 개념을 이용한 당업자의 여러 변형 및 개량 형태 또한 본 발명의 권리범위에 속하는 것이다. 즉, 본 발명의 범위는 상기 상세한 설명보다는 후술하는 청구범위에 의하여 나타내어지며, 청구범위의 의미 및 범위 그리고 그 균등 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.
10: 산업용 빅데이터 서버를 위한 냉각 시스템
20: 관리자 단말
100: 서버
110: 노드피씨
120: 온도센서
130: 전력제어모듈
140: 백업모듈
150: 냉각모듈
170: 디스플레이모듈
200: 제어부
300: 알람생성부

Claims (8)

  1. 산업용 빅데이터 서버를 위한 냉각 시스템에 있어서,
    복수개의 노드들이 마련된 병렬 클러스터 구조로써, 각 노드 별 노드피씨, 온도센서, 전력제어모듈, 백업모듈 및 냉각모듈이 구비된 서버; 및
    상기 온도센서에 의한 감지 결과에 따라 상기 전력제어모듈, 백업모듈 및 냉각모듈을 제어하기 위한 제어부가 포함되고,
    상기 각 노드의 노드피씨에는 랜포트가 구비되어 있으며,
    상기 서버에는 각 노드피씨 별 랜포트에 연결되어, 상기 복수개의 노드들에 마련된 노드피씨들에 대하여 패킷을 선택적으로 전송하기 위한 스위칭허브가 더 마련되어 있고,
    상기 백업모듈은,
    상기 각 노드의 노드피씨마다 미리 설정된 백업데이터를 백업서버로 전송하고,
    상기 제어부에서는 상기 온도센서에 의한 감지 결과에 대하여, 미리 설정된 온도레벨에 따라 상기 백업모듈 및 상기 냉각모듈이 단계적으로 제어되고,
    상기 미리 설정된 온도레벨은 서로 상이한 범위로 설정된 제 1 온도레벨, 제 2 온도레벨 및 제 3 온도레벨이 포함되며,
    상기 제1 온도레벨은 제1 기준온도범위에 따라 분류되고, 상기 제2 온도레벨은 제2 기준온도범위에 따라 분류되며, 상기 제3 온도레벨은 제3 기준온도범위에 따라 분류되되,
    상기 제어부는,
    상기 온도 센서에 의한 감지 결과에 따라 하기 수학식 1에 따라 온도변화지수(TVI)를 산출하고, 상기 온도변화지수에 기초하여 상기 백업데이터가 상기 백업서버로 전송되는데 걸리는 도달 시간과 백업 시간을 예측하며,
    상기 제어부는,
    상기 도달 시간 및 상기 백업 시간을 기초로 상기 백업데이터를 분류하고,
    상기 도달 시간 및 상기 백업 시간은,
    상기 온도변화지수 및 상기 냉각모듈의 동작 결과에 기초하여 예측되는 것인, 산업용 빅데이터 서버를 위한 냉각 시스템.
    [수학식 1]
    Figure 112021003545622-pat00015

    (단,
    Figure 112021003545622-pat00016
    는 기준 시간 동안 최저 온도,
    Figure 112021003545622-pat00017
    은 상기 기준 시간 동안 평균 온도,
    Figure 112021003545622-pat00018
    은 상기 제 1 기준온도범위에서의 최소온도,
    Figure 112021003545622-pat00019
    은
    Figure 112021003545622-pat00020
    에서부터
    Figure 112021003545622-pat00021
    까지 걸린 시간 값,
    Figure 112021003545622-pat00022
    는
    Figure 112021003545622-pat00023
    에서부터
    Figure 112021003545622-pat00024
    까지 걸린 시간 값,
    Figure 112021003545622-pat00025
    은 제 1 보조상수, 및
    Figure 112021003545622-pat00026
    는 제 2 보조상수)
  2. 삭제
  3. 제 1 항에 있어서,
    상기 온도센서에 의한 감지 결과에 기초하여 경고신호를 생성하기 위한 알람생성부가 더 포함되는, 산업용 빅데이터 서버를 위한 냉각 시스템.
  4. 제 3 항에 있어서,
    상기 제어부에서는 상기 온도센서에 의한 감지 결과에 대하여, 상기 미리 설정된 온도레벨에 따라 상기 전력제어모듈이 동작되도록 하기 위한 제어가 수행되는, 산업용 빅데이터 서버를 위한 냉각 시스템.
  5. 제 3 항에 있어서,
    상기 생성된 경고신호를 관리자 단말로 전달하기 위한 통신부가 더 포함되는, 산업용 빅데이터 서버를 위한 냉각 시스템.
  6. 제 5 항에 있어서,
    상기 알람생성부에서 생성된 경고신호는 상기 노드에 마련된 디스플레이모듈을 통해 표시되고,
    상기 제어부는
    상기 감지 결과가 상기 제 1 온도레벨에 해당된다면 상기 냉각모듈이 제 1 동작조건에 따라 동작되도록 제어하고,
    상기 감지 결과가 상기 제 2 온도레벨에 해당된다면 상기 냉각모듈이 제 2 동작조건에 따라 동작되고 상기 백업모듈에 의해서 상기 노드피씨에 대한 데이터 백업 과정이 수행되도록 제어하며,
    상기 감지 결과가 상기 제 3 온도레벨에 해당된다면 상기 냉각모듈이 제 3 동작조건에 따라 동작되고 상기 전력제어모듈에 의해서 상기 노드피씨로의 전력 공급이 차단되도록 제어하는, 산업용 빅데이터 서버를 위한 냉각 시스템.
  7. 산업용 빅데이터 서버를 위한 냉각 시스템을 이용한 서버의 냉각 방법에 있어서,
    온도센서에 의하여, 복수개의 노드들이 마련된 구조로 형성된 서버의 각 노드에 구비된 노드피씨에 대한 온도가 감지되는 단계; 및
    상기 감지 결과에 따라 상기 서버에 구비된 전력제어모듈, 백업모듈 및 냉각모듈 중 적어도 어느 하나가 동작되는 단계;를 포함하되,
    상기 적어도 어느 하나가 동작되는 단계는,
    상기 감지 결과가 입력되는 단계;
    상기 감지 결과가 미리 설정된 온도레벨에 따라 분류되는 단계; 및
    상기 미리 설정된 온도 레벨에 기초하여 상기 냉각모듈 및 상기 백업모듈이 단계적으로 제어되는 단계;를 포함하고,
    상기 냉각모듈 및 상기 백업모듈이 단계적으로 제어되는 단계는,
    상기 감지 결과 및 하기 수학식 1을 통한 온도변화지수가 산출되는 단계;
    상기 온도변화지수에 기초하여 상기 백업모듈에 의하여 백업데이터가 백업 서버로 전송되는데 걸리는 도달 시간과 백업 시간이 예측되는 단계; 및
    상기 도달 시간 및 상기 백업 시간을 기초로 상기 백업데이터가 분류되는 단계;를 포함하되,
    상기 미리 설정된 온도레벨은 서로 상이한 범위로 설정된 제 1 온도레벨, 제 2 온도레벨 및 제 3 온도레벨이 포함되며,
    상기 제1 온도레벨은 제1 기준온도범위에 따라 분류되고, 상기 제2 온도레벨은 제2 기준온도범위에 따라 분류되며, 상기 제3 온도레벨은 제3 기준온도범위에 따라 분류되되,
    상기 도달 시간 및 상기 백업 시간은,
    상기 온도변화지수 및 상기 냉각모듈의 동작 결과에 기초하여 예측되는 것인, 서버의 냉각 방법.
    [수학식 1]
    Figure 112021003545622-pat00027

    (단,
    Figure 112021003545622-pat00028
    는 기준 시간 동안 최저 온도,
    Figure 112021003545622-pat00029
    은 상기 기준 시간 동안 평균 온도,
    Figure 112021003545622-pat00030
    은 상기 제 1 기준온도범위에서의 최소온도,
    Figure 112021003545622-pat00031
    은
    Figure 112021003545622-pat00032
    에서부터
    Figure 112021003545622-pat00033
    까지 걸린 시간 값,
    Figure 112021003545622-pat00034
    는
    Figure 112021003545622-pat00035
    에서부터
    Figure 112021003545622-pat00036
    까지 걸린 시간 값,
    Figure 112021003545622-pat00037
    은 제 1 보조상수, 및
    Figure 112021003545622-pat00038
    는 제 2 보조상수)
  8. 제 7 항의 방법을 구현하기 위한 프로그램이 기록된 컴퓨터로 판독 가능한 기록매체.
KR1020190136752A 2019-10-30 2019-10-30 산업용 빅데이터 서버를 위한 냉각 시스템 KR102273908B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020190136752A KR102273908B1 (ko) 2019-10-30 2019-10-30 산업용 빅데이터 서버를 위한 냉각 시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020190136752A KR102273908B1 (ko) 2019-10-30 2019-10-30 산업용 빅데이터 서버를 위한 냉각 시스템

Publications (2)

Publication Number Publication Date
KR20210051454A KR20210051454A (ko) 2021-05-10
KR102273908B1 true KR102273908B1 (ko) 2021-07-06

Family

ID=75918178

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190136752A KR102273908B1 (ko) 2019-10-30 2019-10-30 산업용 빅데이터 서버를 위한 냉각 시스템

Country Status (1)

Country Link
KR (1) KR102273908B1 (ko)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114679881A (zh) * 2022-01-05 2022-06-28 南京航空航天大学 一种多单元均温的冷量分配智能控制电子散热系统
KR102693362B1 (ko) * 2022-10-14 2024-08-09 에스케이텔레콤 주식회사 통신국사를 위한 냉방 기능 제어 방법 및 이를 지원하는 서버 장치

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100707514B1 (ko) 2005-12-01 2007-04-16 부산대학교 산학협력단 범용 pc부품을 이용하여 구성되는 병렬 클러스터 컴퓨터를 위한 구조물

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101792729B1 (ko) * 2015-11-23 2017-11-13 에이쓰리솔루션(주) 노드 피씨별 실시간 모니터링과 개별 제어와 개별 냉각이 가능한 병렬 클러스터 컴퓨터 및 이를 구비한 빅데이터용 서버 시스템
KR20190100497A (ko) * 2018-02-05 2019-08-29 김현철 클라우드 플랫폼 기반의 전력 기기 상태 관리 시스템
KR20190111493A (ko) * 2018-03-23 2019-10-02 세론시스 주식회사 빅데이터용 서버

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100707514B1 (ko) 2005-12-01 2007-04-16 부산대학교 산학협력단 범용 pc부품을 이용하여 구성되는 병렬 클러스터 컴퓨터를 위한 구조물

Also Published As

Publication number Publication date
KR20210051454A (ko) 2021-05-10

Similar Documents

Publication Publication Date Title
CN110119420B (zh) 数据编配平台管理
US10621027B2 (en) IT system fault analysis technique based on configuration management database
EP3830715B1 (en) Storage aggregator controller with metadata computation control
US10541931B2 (en) Data congestion control in hierarchical sensor networks
KR102506605B1 (ko) 고성능 ssd들을 사용하여 롱 테일 레이턴시를 감소시키기 위한 랙-레벨의 스케줄링
KR101388319B1 (ko) 보안 이벤트들을 관리하기 위한 방법 및 디바이스
US10860410B2 (en) Technique for processing fault event of IT system
US11256595B2 (en) Predictive storage management system
Kaushik et al. T*: A data-centric cooling energy costs reduction approach for Big Data analytics cloud
CN110475224B (zh) 一种基于边缘计算的传感器数据处理与协同预测方法
US9747139B1 (en) Performance-based multi-mode task dispatching in a multi-processor core system for high temperature avoidance
US20140325151A1 (en) Method and system for dynamically managing big data in hierarchical cloud storage classes to improve data storing and processing cost efficiency
KR20120102664A (ko) 미래 사용 추정에 기반한 저장 메모리 할당
TW201722109A (zh) 伺服器資源之管理系統及其管理方法
KR102273908B1 (ko) 산업용 빅데이터 서버를 위한 냉각 시스템
JP2007323560A (ja) 性能監視方法、計算機及び計算機システム
JP2006244495A (ja) クエリベースの通知アーキテクチャ
KR20200055828A (ko) 인공지능 플랫폼 서비스 시스템 및 방법
US20180174072A1 (en) Method and system for predicting future states of a datacenter
KR102612841B1 (ko) 마이크로 데이터센터 내 운용 서비스별 작업 부하 예측 모델 적용 방법
EP2791829B1 (en) Method for rule-based context acquisition
JP2022068123A (ja) センサ非依存のジェスチャ検出のためのコンピュータ実装方法、システムおよびコンピュータプログラム製品（センサ非依存のジェスチャ検出）
KR102365839B1 (ko) 애플리케이션 성능 모니터링 방법 및 장치
US11086743B2 (en) Context based IoT device management
Ismaeel et al. Multivariate time series ELM for cloud data centre workload prediction

Legal Events

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