방대한 시공간 IoT 센서 데이터의 효율적인 검색을 위한 트라이 기반 색인 방법

• Published in: Chŏngbo Kwahakhoe nonmunji pp. 1199 - 1207
• Main Authors: 추하원, 서영균, 이용, 박민우, 장래영, 이상환, 송사광
• Format: Journal Article
• Language: Korean
• Published: 한국정보과학회 01.12.2020
• Subjects: 컴퓨터학
• ISSN: 2383-630X; 2383-6296
• DOI: 10.5626/JOK.2020.47.12.1199

통신 기술과 컴퓨팅 능력의 발전으로 인해 사물인터넷 센서가 여러 분야에 보편화되면서 대량의 시공간 사물 데이터가 끊임없이 생성되고 있다. 고차원적인 추가 분석을 위해, 그러한 거대한 시공간 사물 데이터를 저장 시스템에 수집하는 것은 고도화된 저장 기술 덕분에 그리 어렵지 않게 되었다. 그럼에도 불구하고, 사물데이터의 거대한 양과 복잡한 시공간성으로 인해 질의된 사물 데이터를 신속히 찾아내는 것은 여전히 도전적인 문제로 여겨져 왔다. 본 논문은 이러한 문제점을 해결하기 위해 시공간성을 가진 대용량 사물 데이터에 대해 효율적인 검색을 지원하는 색인 방법인 ST-Trie를 제안한다. ST-Trie의 핵심 아이디어는 시공간 지역성을 고려하여 3차원 시공간 정보를 1차원 데이터로 부호화한 다음, 이를 논리적인 트라이(Trie) 구조로 조직하는 것이다. 제안된 방법인 ST-Trie에 대한 실제 사물인터넷 센서로부터 얻은 데이터 셋들을 이용한 실험 결과, ST-Trie가 질의 응답 시간에 관하여 비교된 복합 색인보다 최대 92배 더 높은 성능을 보였다. 특히, 우리는 ST-Trie가 주어진 시간 범위가 커질수록 더 확장성 있는 검색을 수행하였음을 확인하였다. As the Internet-of-Things (IoT) sensors with enhanced communication technology and computing power have been widely utilized in many areas, a great deal of spatio-temporal data has been continuously generated. Thanks to the remarkable advances in storage technology, it is possible to collect such massive data into storage systems for further high-dimensional analysis. That said, it has been very challenging to speedily locate stored IoT data in a reasonable amount of time due to the heavy volume and complex spatial and temporal attributes. To address this concern, we propose a novel scalable indexing scheme, termed ST-Trie, to support the efficient querying of massive spatialtemporal data collected from IoT sensors. The key idea of our scheme is to encode three-dimensional spatiotemporal information into one-dimensional keys in consideration of time and space locality and then organize the keys into a logical trie structure. In our experiments with real datasets, the proposed scheme outperformed composite indexes by an average of up to 92 times in terms of query response time. In particular, we confirmed that ST-Trie scaled much better than the compared indexes with increasing time ranges. KCI Citation Count: 0