데이터센터 모니터링 시스템에서 대량 스트리밍 센서 데이터 처리

선동한,김성중,최경륜,황수찬 한국차세대컴퓨팅학회 2017 한국차세대컴퓨팅학회 논문지 Vol.13 No.6

데이터센터는 다양한 센서로부터 수많은 종류의 데이터를 수집하고 있으며 이러한 데이터는 데이터센터 모니터링시스템의 분석을 통해 센터의 효율 관리와 개선에 활용되고 있다. 최근에는 데이터센터의 대형화 추세에 따라 센서데이터 양이 폭발적으로 증가하고 모니터링 시스템은 대량의 실시간 스트리밍 데이터에 대한 분석 및 처리 방안이필요하게 되었다. 따라서 본 논문에서는 데이터 발생시간인 이벤트 시간을 기반으로 한 대량의 스트리밍 센서데이터 처리 방안과 데이터양의 증가에 따른 처리 확장성(scalability) 제공 방안을 제시하고자 한다. 이벤트 시간 기반스트리밍 처리를 위해서는 데이터 발생시간과 처리시간 사이의 시간 지연 문제가 해결되어야 하는데 이를 위해 필터링(filtering), 추가시간(slack time), 윈도우 더블링(window doubling), 조정시간(coordinate time) 등을 이용한 처리 방안을 제시한다. 또한 처리 확장성 제공 방안으로 분산 스트리밍 시스템을 활용한 모니터링 시스템 구축 방안을 제시하고 실험적 시스템 구현을 통해 그 효율과 성능을 분석한다. A data center collects a very large volume of data from various kinds of sensors that is used by the data center monitoring system for the center’s efficiency management and improvement. As the recent trend of large size data center leads to the explosion of sensor data, the monitoring system requires streaming data processing to process and to analyze large volume of real-time data. This paper proposes an event time based real-time streaming processing model for large sensor data. The event time is the time when the data is generated at a sensor. This paper also presents a method to provide scalability of streaming data processing. For the event time based real-time streaming processing, a latency problem between data generation time and processing time should be resolved. We provide a solution based on filtering, slack time, window doubling and coordinate time methods. In order to provide the scalability, this paper builds an experimental monitoring system based on distributed streaming systems and shows an analysis of its performance and efficiency.

스트리밍 데이터 분류를 위한 데이터 분포 기반 앙상블 모델

류정우(Joung Woo Ryu),김명원(Myung Won Kim) 한국정보과학회 2013 정보과학회논문지 : 데이타베이스 Vol.40 No.2

스트리밍 데이터에서 분류기는 그것의 학습데이터와 분류할 데이터간의 분포가 다를 수 있기 때문에 갱신되어야 한다. 그러나 어느 데이터가 현재 분류기의 학습데이터와 동일한 분포에서 발생되는 데이터인지 알 수 없다. 따라서 주기적으로 분류기를 갱신하는 것이 일반적인 방법이다. 이러한 접근방법에서는 갱신 주기를 데이터 개수로 결정하였을 때, 사전에 분류기의 갱신 주기를 짧게 설정하면 불필요하게 분류기를 갱신하게 되고, 반대로 갱신 주기를 길게 설정하면 스트리밍 데이터 분포 변화에 대한 분류기 적응이 느려진다. 본 논문에서는 학습 데이터를 이용하여 분류기를 갱신하기 위한 데이터들을 온라인상에서 선택할 수 있는 방법을 제안하고, 이를 적용하여 스트리밍 데이터에서 앙상블 분류기를 생성한다. 제안한 방법은 온라인에서 데이터 선택 주기가 짧아지면 분류기 갱신이 자주 일어나고, 선택 주기가 길어지면 분류기 갱신주기가 길어진다. 제안한 방법을 적용한 앙상블이 9개의 실험 데이터에 대해서 기존 방법을 적용한 앙상블에 비해 평균 10.2% 레이블된 데이터를 가지고 평균 5.1% 단일 분류기를 생성하면서 거의 동등한 수준의 정확성을 얻었다. 또한 제안한 방법이 효율적으로 앙상블을 갱신하는지를 확인하기 위해서 3개의 벤치마크 스트리밍 데이터를 사용하여 단일 분류기의 생성 시점을 분석하였다. In data stream environments classifiers have to be refined because distributions that are different from the current data distribution can occur. However, we can not know if the current datum is driven from the current data distribution or not. According to the reason, classifiers are generally refined based on regular time interval. In such a approach if a period of time is predefined as a small value, a classifier that maintains the current performance can be unnecessarily refined by human experts. If it is predefined as a large value, a classifier can not be refined more quickly when its classification accuracy is decreasing. In this paper, we select data for refining a classifier from streaming data in an online process. Our selection methodology uses training data, and is applied to built an ensemble of classifiers over streaming data. We compared the results of our ensemble approach and of a conventional ensemble approach where new classifiers for an ensemble are periodically generated. In experiments with nine benchmark data sets including three real streaming data sets, our ensemble approach generated an average of 5.1% classifiers using an average of 10.2% labeled data for the conventional ensemble approach, and produced comparable classification accuracy. To exhibit our approach efficiently generates new classifiers for an ensemble over streaming data, we analyzed the three real streaming data sets in a time domain.

내장형 스트리밍 어플리케이션을 위한 매개변수 데이터플로우 모델 기반의 C++ 확장

최윤서(Yoonseo Choi),Yuan Lin 한국정보과학회 2009 정보과학회 컴퓨팅의 실제 논문지 Vol.15 No.4

내장형 신호처리 시스템의 상당 수는 스트리밍(streaming) 어플리케이션의 특성을 지니고 있다. 데이터플로우(dataflow) 계산모델을 이용하면 스트리밍 프로그래밍 패러다임을 손쉽게 표현할 수 있다. 데이터플로우 계산모델에서는 프로그램의 병렬성이 드러나므로 멀티코어를 위한 병렬 프로그램으로의 컴파일 과정 또한 용이해진다. 우리는 내장형 신호처리 시스템의 스트리밍 특성을 데이터플로우 계산모델에 기반하여 표현하기 위한 언어 확장으로서 SPEX(Signal Processing Extension)을 제안하고자 한다. SPEX는 기존의 명령형언어(imperative language)상에 스트리밍 프로그램밍 패러다임을 표현할 수 있게 한다. SPEX 언어 확장은 매개변수 데이터플로우 계산모델(parameterized dataflow)에 기반하고 있으며, 이를 위해 몇몇의 키워드를 기존의 C++ 언어 더하는 방식으로 이루어져 있다. 본 논문에서는 하나의 필터 내에서의 스트리밍 계산 특성 및 필터 간의 스트리밍 데이터 전달을 표현하는 SPEX의 기능에 초점을 맞추고자 한다. Many DSP systems are streaming applications in which streams of data constantly flow through a set of filters. Dataflow programming paradigm is one of effective methods for representing these streaming applications. Dataflow programming model explicitly exposes parallelisms within an application, which helps compiling of the application onto a multicore platform. We propose SPEX(Signal Processing Extension), a language extension to a standard imperative language based on the parameterized dataflow model. Parameterized dataflow model is a kind of dataflow model that can express a modest fashion of dynamism contrary to the synchronous dataflow that can represent only static dataflow. SPEX facilitates characterizing an application written in conventional imperative languages such C/C++ as a streaming application. SPEX is comprised of a few keywords augmented to the conventional C++ syntax for representing dataflow paradigm. SPEX also restricts the syntax and semantics of C++ in order to fit the program within a certain streaming programming category. In this paper, we focus on the capability of SPEX in representing streaming computations within filters and streaming communications among filters.

패턴의 변화를 가지는 연속성 데이터를 위한 스트리밍 의사결정나무

윤태복(Taebok Yoon),심학준(HakJoon Sim),이지형(Jee-Hyong Lee),최영미(Young-Mee Choi) 한국지능시스템학회 2010 한국지능시스템학회논문지 Vol.20 No.1

데이터 마이닝(Data Mining)은 환경으로부터 수집된 데이터에서 패턴을 추출하고 의미 있는 정보를 발견하기 위하여 주로 사용된다. 하지만, 기존의 방법은 데이터의 수집이 완료된 상태에서 분석하는 것을 기반으로 하고 있으며, 시간의 흐름에 따른 패턴의 변화를 반영하기 어렵다. 본 논문은 연속성(Continuity data), 대량성(Large scale) 그리고 패턴의 가변성 (Changed pattern)과 같은 특성을 가지는 스트림 데이터(Stream Data)의 분석을 위한 스트리밍 의사결정 나무(Streaming Decision Tree : SDT) 방법을 소개한다. SDT는 연속적으로 발생하는 데이터를 블록으로 정의하고, 각 블록은 의사결정나무 학습 방법을 이용하여 규칙을 추출한다. 추출된 규칙은 발생 시간, 빈도 그리고 모순 등을 고려하여 결합하였다. 실험에서는 시계열 데이터를 이용하여 분석하였고, 적절한 결과를 확인하였다. Data Mining is mainly used for pattern extracting and information discovery from collected data. However previous methods is difficult to reflect changing patterns with time. In this paper, we introduce Streaming Decision Tree(SDT) analyzing data with continuity, large scale, and changed patterns. SDT defines continuity data as blocks and extracts rules using a Decision Tree's learning method. The extracted rules are combined considering time of occurrence, frequency, and contradiction. In experiment, we applied time series data and confirmed resonable result.

스트리밍 프레임워크와 멀티미디어 데이타베이스와의 연동기법

이재욱,이승룡,이종원,Lee, Jae-Wook,Lee, Sung-Young,Lee, Jong-Won 한국정보과학회 2002 정보과학회논문지 : 소프트웨어 및 응용 Vol.29 No.7

본 논문은 실시간 멀티미디어 스트리밍 프레임워크과 멀티미디어 데이타베이스의 연동 모듈인 데이타베이스 커넥터를 소개한다. 스트리밍 시스템과 멀티미디어 데이타베이스를 연동하는 경우 스트리밍 중에도 재생중인 미디어에 관련된 정보들을 데이타베이스로부터 검색 및 재결합이 가능하여 다양한 멀티 미디어 데이타베이스 서비스를 제공받을 수 있다. 그러나, 현재 스트리밍 시스템과 데이타베이스와의 연동은 파일 시스템으로 구현되거나, 파일형태의 스트리밍 데이타와 컨텐츠를 다루는 메타 데이타가 분리되어 관리되는 관계형 데이타베이스에 국한되어 있어 다양한 멀티미디어 서비스를 제공하기에 부적합하다. 이런 제약점을 보완하기 위하여 본 논문에서는 스트리밍 프레임워크와 멀티미디어 데이타베이스가 동일한 호스트에 존재한다는 가정 하에 작동되는 IPC 기반의 데이타 베이스 커넥터를 제안한다. 제안된 데이터베이스 커넥터는 데이타베이스 기능을 사용할 수 있도록 읽기, 쓰기, 찾기, 재생 트랜잭션과, 트랜잭션 처리를 위한 인터페이스를 정의하였고, IPC 인터페이스 모듈을 플러그인 형태로 구현하여 본 논문에서 적용한 BeeHive와의 연동뿐 아니라 다른 다양한 멀티미디어 데이타베이스와 연동 시 바로 적용시킬 수 있는 확장성을 가지고 있다. 성능 분석 결과 제안된 IPC 기반 연동기법은 기존의 파일 방식의 연동기법과 비교하여 성능의 저하가 크지 않았다. This paper describes on our experience of developing the Database Connector as an interconnection method between multimedia database, and the streaming framework. It is possible to support diverse and mature multimedia database services such as retrieval and join operation during the streaming if an interconnection method is provided in between streaming system and multimedia databases. The currently available interconnection schemes, however have mainly used the file systems or the relational databases that are Implemented with separated form of meta data, which deafs with information of multimedia contents, and streaming data which deals with multimedia data itself. Consequently, existing interconnection mechanisms could not come up with many virtues of multimedia database services during the streaming operation. In order to resolve these drawbacks, we propose a novel scheme for an interconnection between streaming framework and multimedia database, called the Inter-Process Communication (IPC) based Database connector, under the assumption that two systems are located in a same host. We define four transaction primitives; Read, Write, Find, Play, as well as define the interface for transactions that are implemented based on the plug-in, which in consequence can extend to other multimedia databases that will come for some later years. Our simulation study show that performance of the proposed IPC based interconnection scheme is not much far behind compared with that of file systems.

클러스터링 기반 앙상블 모델 구성을 이용한 이상치 탐지

박정희,김태공,김지일,최세목,이경훈 한국정보처리학회 2018 정보처리학회논문지. 소프트웨어 및 데이터 공학 Vol.7 No.11

Outlier detection means to detect data samples that deviate significantly from the distribution of normal data. Most outlier detection methods calculate an outlier score that indicates the extent to which a data sample is out of normal state and determine it to be an outlier when its outlier score is above a given threshold. However, since the range of an outlier score is different for each data and the outliers exist at a smaller ratio than the normal data, it is very difficult to determine the threshold value for an outlier score. Further, in an actual situation, it is not easy to acquire data including a sufficient amount of outliers available for learning. In this paper, we propose a clustering-based outlier detection method by constructing a model representing a normal data region using only normal data and performing binary classification of outliers and normal data for new data samples. Then, by dividing the given normal data into chunks, and constructing a clustering model for each chunk, we expand it to the ensemble method combining the decision by the models and apply it to the streaming data with dynamic changes. Experimental results using real data and artificial data show high performance of the proposed method. 이상치 탐지는 정상 데이터 분포를 크게 벗어나는 데이터 샘플을 탐지하는 것을 의미한다. 대부분의 이상치 탐지 방법은 데이터 샘플이 정상 상태를 벗어나는 정도를 나타내는 이상치 지수(outlier score)를 계산하여 주어진 임계값 이상일 때 이상치로 판정한다. 그러나, 데이터마다 이상치 지수의 범위가 다양하고 정상 데이터에 비해 이상치 데이터는 적은 비율로 존재하기 때문에 이상치 지수에 대한 임계값을 결정하기는 매우 어렵다. 또한, 실제 상황에서는 학습에 이용할 수 있는 충분한 양의 이상치를 포함하는 데이터의 획득이 용이하지 않다. 본 논문에서는 정상 데이터가 주어졌을 때 이를 이용하여 정상 데이터 영역을 나타내는 모델을 구성하고 새로운 데이터 샘플에 대해 이상치와 정상치의 이진 분류를 수행하는 방법으로 군집화 기반 이상치 탐지 방법을 제안한다. 그리고, 주어진 정상 데이터를 청크로 나누고 각 청크에 대해 클러스터링 모델을 구성한 후 모델들에 의한 이상치 판정 결과를 결합하는 앙상블 방법과 동적 변화가 있는 스트리밍 데이터에서의 적용 방법으로 확장한다. 실제 데이터와 인공 데이터를 이용한 실험결과는 제안 방법의 높은 성능을 보여준다.

텍스트 마이닝을 통한 패션 스트리밍 서비스 인식에 관한 연구 - 프로젝트 앤 사례를 중심으로 -

김종선 한국패션디자인학회 2018 한국패션디자인학회지 Vol.18 No.1

현대 사회는 IT시대에서 DT시대, 즉 디지털과 데이터 시대로 변화하면서 제품 및 서비스 이용에 대한 소비자들의 데이터는 소셜미디어를 통해 공유되고 확산된다. 따라서 본 연구는 최근 모바일을 기반으로 한 새로운 패션 제품 소비방식인 패션 스트리밍 서비스에 대한 이용자들의 인식을 소셜미디어 빅데이터를 활용하여 분석함으로써 그 특징을 살펴보고자 한다. 이를 위하여 대표적인 패션 스트리밍 서비스인 ‘프로젝트 앤’이 시작된 2016년 9월부터 2018년 1월까지 네이버에서 제공하는 블로그, 카페, 지식인, 뉴스 문서를 분석대상으로 하였으며 자료검색을 위한 키워드는 ‘프로젝트 앤’을 사용하였다. 자료의 수집 및 분석을 위하여 소셜 빅데이터 분석 프로그램인 텍스톰을 활용하여 키워드 추출 빛 빈도 분석을 하였으며 일원 모드 대칭형 메트릭스를 도출하였다. 키워드 간 연결 구조를 파악하기 위해 Ucinet6.628을 사용하였으며 NetDraw 기능을 활용하여 결과를 시각화하였다. 분석 결과, 추출된 키워드는 총 2,453 텍스트가 도출되었으며 ‘프로젝트 앤’, ‘패션’, ‘스트리밍’, ‘서비스’, ‘SK플래닛’, ‘렌탈’, ‘옷’, ‘소유’, ‘공유’, ‘브랜드’ 순으로 핵심 키워드가 나타났다. CONCOR 분석결과 4개의 요인으로 그룹화 되었다. 각각은 이용권, 렌탈, 스마트폰, 앱, 반납 등과 같은 키워드 중심의 ‘서비스 이용방식’과 스트리밍, 서비스, 공유, 옴니채널이라는 키워드로 이루어진 ‘패션 제품 서비스 형태’, 국내외, 신진, 브랜드, 명품, 디자이너로 이루어진 ‘패션 제품 콘텐츠’, 이벤트, 체험, 이용, 유행, 무한옷장 등과 같은 키워드의 ‘경험 추구 소비방식’으로 명명하였다. 이러한 연구결과는 패션 제품과 서비스가 융합된 형태의 새로운 패션디자인 접근 전략을 수립하는데 유용한 정보를 제공할 것이며, 소셜미디어의 비정형 텍스트 데이터에서 유용한 정보를 추출하는 텍스트 마이닝 기술을 패션디자인 영역에 적용할 수 있는 방향을 모색하는 데 활용되기를 바란다. Society today is progressing from IT era to DT era, that is to say, the transformation into digital and data period means that consumers’ data on the use of products and services are shared and spread through social media. Therefore, this study investigates the characteristics of perception by users of fashion streaming service, which is a new style of fashion product consumption based on mobile, by analyzing social media big data. For this purpose, web blogs, cafés, Q&A section (‘Ji-Sik-In’) and news documents, provided by Naver.com, from September 2016 (when the most representative fashion streaming service, ‘PROJECT ANNE’ was established) to January 2018, were the subject of analysis. The keyword for the data research was ‘PROJECT ANNE’. For the collection and analysis of the data, using the social metrics program, Textom, keywords extraction and frequency analysis were performed and one-way mode symmetric matrix was derived. Ucinet6.628 was used to understand the linkage structure between the keywords, and the results were visualized using the functions of NetDraw. As the results of the analysis, a total of 2,453 texts as keywords could be extracted, and the central keywords appeared, in the order beginning with highest frequency, ‘PROJECT ANNE’, ‘fashion’, ‘streaming’, ‘service’, ‘SK Planet’, ‘rental’, ‘clothing’, ‘possession’, ‘sharing’ and ‘brand’. CONCOR analysis grouped these into 4 factors. ‘service usage’, ‘fashion product service forms’, ‘fashion product contents’ and ‘experience seeking consumption’. The results of this study will provide useful insights for establishing a new fashion design approach strategy that brings together both fashion products and services; and for searching methods that can apply the data mining technology, which extracts useful information from the unstructured data of social media, to the field of fashion design.

분산 모바일 서비스의 다중 스트리밍을 위한 가변 클러스터링 관리

정택원(TaegWon Jeong),이종득(ChongDeuk Lee) 한국지능시스템학회 2009 한국지능시스템학회논문지 Vol.19 No.4

모바일 서비스 환경에서 시간 동기화에 의해 생성된 패턴들은 데이터 스트리밍으로 인하여 인스턴스 값들이 다르게 스트리밍 된다. 본 논문에서는 유연한 클러스터링을 지원하기 위해 기변클러스터링 관리 기법을 제안하며, 이 구조는 다중 데이터 스트리밍을 동적으로 관리하도록 지원한다. 제안되는 기법은 일반적인 스트리밍기법과 달리 데이터 스트림 환경에서 동기화를 효율적으로 지원하는 기능을 수행하며, 구조적 표현단계와 적합성 표현단계를 거쳐 클러스터링 스트리밍이 관리된다. 구조적 표현 단계는 레벨정합과 누적정합을 수행하여 스트림 구조가 표현되며, 동적 세그먼트와 정적세그먼트 관리를 통해서 클러스터링 관리가 가변적으로 수행되도록 하였다. 제안된 기법의 성능 평가를 위해서 k-means 기법, C/S 서버 기법 그리고 CDN 기법과 시뮬레이션평가를 수행하였으며 그 결과 제안된 기법의 성능이 효율적임을 알 수 있었다. In the mobile service environment, patterns generated by temporal synchronization are streamed with different instance values. This paper proposed a variable clustering management method, which manages multiple data streaming dynamically, to support flexible clustering. The method manages synchronization effectively and differently with conventional streaming methods in data streaming environment and manages clustering streaming after the structural presentation level and the fitness presentation level. In the structural presentation level, the stream structure is presented using level matching and accumulation matching, and clustering management is carried out by the management of dynamic segment and static segment. The performance of the proposed method is tested by using k-means method, C/S server method, CDN method, and simulation. The test results showed that the proposed method has better performance than the other methods.

빅데이터 환경에서 스트림 질의 처리를 위한 인메모리 기반 점진적 처리 기법

복경수(Kyoungsoo Bok),육미선(Misun Yook),노연우(Yeonwoo Noh),한지은(Jieun Han),김연우(Yeonwoo Kim),임종태(Jongtae Lim),유재수(Jaesoo Yoo) 한국콘텐츠학회 2016 한국콘텐츠학회논문지 Vol.16 No.2

최근 대용량의 스트림 데이터를 분산 처리하기 위한 연구들이 진행되고 있다. 본 논문에서는 빅데이터 환경에서 실시간 스트림 데이터의 점진적 처리 기법을 제안한다. 제안하는 기법은 처음 스트림 데이터가 입력되면 임시 큐에 데이터를 저장하고 마스터 노드에 저장되어 데이터와 비교과정을 통해 마스터 노드에 동일한 데이터가 있는 경우 마스터 노드에서 가지고 있는 노드의 정보를 이용하여 해당 노드의 메모리에서 기존 처리 결과를 재사용한다. 기존 처리 결과가 없다면 처리하고 처리 결과를 메모리에 저장한다. 분산환경에서 점진적인 스트리밍 데이터 처리를 위해 노드의 작업 지연을 계산하여 노드의 부하를 파악하고 처리 시간 계산을 통해 각 노드의 성능을 고려한 잡 스케쥴링 기법을 제안한다. 제안하는 기법의 우수성을 보이기 위해 기존 기법과의 질의 수행 시간 비교를 위한 성능평가를 수행한다. Recently, massive amounts of stream data have been studied for distributed processing. In this paper, we propose an incremental stream data processing method based on in-memory in big data environments. The proposed method stores input data in a temporary queue and compare them with data in a master node. If the data is in the master node, the proposed method reuses the previous processing results located in the node chosen by the master node. If there are no previous results of data in the node, the proposed method processes the data and stores the result in a separate node. We also propose a job scheduling technique considering the load and performance of a node. In order to show the superiority of the proposed method, we compare it with the existing method in terms of query processing time. Our experimental results show that our method outperforms the existing method in terms of query processing time.

ISVS: 대화형 스트리밍 데이터 시각화 시스템

선동한,최경륜,황수찬,백중환 한국차세대컴퓨팅학회 2018 한국차세대컴퓨팅학회 논문지 Vol.14 No.2

Recently, there have been many studies on real-time processing and the visualization of a large stream data. However, in the existing studies, the changes which occurred in the input stream structure, in the data to be visualized, and in the processing methods, can not be reflected in visualization in real time. In this paper, we propose an Interactive Streaming Data Visualization System, ISVS, which provides visualization capabilities of streaming data covering collection and processing capabilities of visualized data. ISVS makes it easy for users to interactively express various visualization-relevant requirements of modulating input stream structures, filtering streams to be visualized, creating and modifying visualization functions. ISVS reflects them in real time. In addition, this paper presents the implementation of ISVS using the distributed streaming system. We show that it is capable of providing various real-time visualization processing by applying it to a stereo sound technology based video streaming service. 최근, 대량의 스트림 데이터에 대한 실시간 처리와 그 결과의 시각화에 관한 연구가 활발히 진행되고 있다. 그러나기존 연구는 입력 스트림 구조의 변경이나, 시각화할 데이터와 그 처리방식의 변경 등을 실시간으로 시각화에 반영하지 못하고 있다. 본 논문에서는 스트림 데이터의 시각화 기능과 시각화를 위한 데이터의 수집 및 처리 기능을 통합적으로 제공하는 대화형 스트림 시각화 시스템, ISVS(Interactive Streaming Data Visualization System) 를 제안한다. ISVS는 입력 스트림 구조 변경, 시각화할 스트림의 필터링, 시각화 함수의 생성, 수정 등 시각화에관련된 다양한 요구사항을 사용자가 쉽게 대화식으로 표현하고 이를 실시간으로 시각화에 반영할 수 있도록 한 시스템이다. 또한, 본 논문에서는 분산 스트리밍 시스템을 이용한 ISVS 시스템의 구현과 이 시스템을 입체음향 기술 기반의 동영상 스트리밍 서비스에 적용하여 실시간으로 다양한 시각화 처리가 가능함을 보였다.