Distributed Processing of Deep Learning Inference Models for Data Stream Classification

문효종; 손시운; 문양세

doi:10.5626/JOK.2021.48.10.1154

추천

검색

질문

자료유형: 학술저널

저자정보: 문효종 (강원대학교) 손시운 (한국전자통신연구원) 문양세 (강원대학교)

저널정보: Korean Institute of Information Scientists and Engineers Journal of KIISE Journal of KIISE Vol.48 No.10

발행연도: 2021.10

수록면: 1,154 - 1,165 (12page)

DOI: 10.5626/JOK.2021.48.10.1154

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

다양한 분야에서 데이터 스트림이 생성되고 있으며, 이를 딥러닝에 적용하는 활용 사례가 증가하고 있다. 딥러닝을 사용하여 데이터 스트림을 분류하기 위해서는 서빙(serving)을 통해 모델을 실시간 실행시켜야 한다. 이러한 서빙 모델은 gRPC 또는 HTTP 통신으로 인해 데이터 스트림을 분류에 큰 지연 시간이 발생한다. 또한, 서빙된 모델이 높은 복잡도를 가지는 스태킹 추론 모델이라면, 데이터 스트림 분류에 더 큰 지연시간이 발생한다. 이를 해결하기 위해, 본 논문에서는 아파치 스톰(Apache Storm)을 사용한 데이터 스트림 분류의 분산 처리 해결책을 제안한다. 첫째, 기존 서빙 방법으로 데이터 스트림을 분류할 때 발생하는 지연시간을 줄이기 위해 아파치 스톰 기반 실시간 분산 추론 기법을 제안한다. 실험 결과, 제안한 분산 추론 기법이 기존 서빙 방법에 비해 최대 11배까지 지연시간을 줄인 것으로 나타났다. 둘째, 스태킹을 적용한 악성 URL 탐지 모델로 URL 스트림을 분류할 때의 지연시간을 줄이기 위해, 네 가지 분산처리 기법을 제안한다. 제안하는 분산 처리 기법은 Independent Stacking, Sequential Stacking, Semi-Sequential Stacking, Stepwise-Independent Stacking이다. 실험 결과, 독립적 수행과 순차적 처리의 특성을 가진 Stepwise-Independent Stacking이 가장 작은 지연시간을 보여, URL 스트림 분류에 가장 적합한 것으로 나타났다.

#데이터 스트림 #딥러닝 추론 #스태킹 #분산 처리 #아파치 스톰 #data stream #deep learning inference #stacking #distributed processing #Apache Storm

참고문헌 (25)

참고문헌 신청

J. Leskovec, A. Rajaraman, and J. D. Ullman, Mining of Massive Datasets, Cambridge University Press, 2014.

M. Armbrust, T. Das, J. Torres, B. Yavuz, S. Zhu, R. Xin, A. Ghodsi, I. Stoica, and M. Zaharia, "Structured Streaming: A Declarative API for Real-Time Applications in Apache Spark," Proc. of the Int'l Conf. on Management of Data, ACM SIGMOD, Houston, Texas, pp. 601-613, May 2018.

Apache Spark [Online]. Available: http://spark.apache.org/ (downloaded 2021, Apr. 1). A. Katsifodimos and S. Schelter, "Apache Flink: Stream Analytics at Scale," Proc. of the IEEE Int'l Conf. on Cloud Engineering Workshop, Los Alamitos, California, p. 193, Apr. 2016.

Apache Flink [Online]. Available: http://flink.apache.org/ (downloaded 2021, Apr. 1).

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

문효종

소속기관 강원대학교

주요연구분야 공학 > 컴퓨터학

논문수 5 이용수 307

손시운

소속기관 한국전자통신연구원

주요연구분야 공학 > 컴퓨터학 TOP 10%

논문수 22 이용수 2,792

문양세

소속기관 강원대학교

주요연구분야 공학 > 컴퓨터학 TOP 5% 공학 > 전기전자공학 > 전자공학

논문수 93 이용수 10,936

이 논문과 함께 이용한 논문

저가형 초미세먼지 센서 정확도 향상을 위한 인공지능 기반 센서 데이터 예측 기법

서경덕 Proceedings of KIIT Conference 2020 .10

데이터 불균형이 머신러닝 모델 성능에 미치는 영향

이보배 한국정보과학회 학술발표논문집 2020 .07

빅데이터와 통계학

김용대 , 조광현 한국데이터정보과학회지 2013 .10

학회지를 맡으면서

문양세 정보과학회지 2024 .01

D-RDMALib: InfiniBand-based RDMA Library for Distributed Cluster Applications

Laewon Jeong , Myeong-Seon Gil , Yang-Sae Moon JOURNAL OF SEMICONDUCTOR TECHNOLOGY AND SCIENCE 2023 .12

최근 본 자료

전체보기

UCI(KEPA) : I410-ECN-0101-2021-569-002089009

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (25)

함께 읽어보면 좋을 논문

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

댓글(0)