건강 관리를 위한 예외 데이터의 다차원적 분석을 위한 저장구조

Abstract

Monitoring sensors including health care system generate exceptional data through normal data. Understanding patterns of exceptions and and analyzing it in multi-dimensional ways provides the possibilities of forecasting exceptions in future. Exceptional data that are generated in real time from monitoring sensors, need special storage to be analyzed and updated in multidimensional ways. OLAP(On-line Analytical Processing) analyze data multidimensionally, and provide the result to the users using on-line systems. Existing OLAP systems store precomputed aggregation tables as a part of result of analysis, and maintain it with incremental update techniques. Stream data Management systems store approximated information of data for tremendous amount of data streams, and make use of it for analysis. For multidimensional analysis of exception data, OLAP system should process stream like data. In this paper, a storage model that achieves real time update as well as multidimensional analysis is devised. Out research include storage requirements for multidimensional analysis of exception data, and analysis of limitations of existing storage techniques. Devised storage model meet the requirements for multidimensional analysis of exception data in real time.;건강 관리 센서를 통하여 발생되는 스트림 데이터들은 정상 데이터와 예외 데이터로분리된다. 이 예외 데이터를 다차원적으로 분석하면, 예외 상황의 패턴을 알아내고, 현재의 데이터를 통하여 미래를 예측할 수 있다. 모니터링 시스템은 예외 데이터를 실시간으로 발생시키며, 이 데이터를 다차원적으로 분석하기 위해서는 실시간 업데이트가 가능한 다차원 저장구조가 필요하다. OLAP(On-line Analytical Processing)은 데이터를 다차원적으로 분석하여 그 결과를 사용자에게 온라인으로 신속하게 제공하고자 하는 기술이다. 기존의 OLAP 시스템들은 분석 결과의 일부로서 집계 테이블들을 사전 연산하여 저장하며, 변경된 데이터에 대한 점진적 갱신 방법을 통하여 관리한다. 스트림 데이터 처리는 실시간으로 발생하는 방대한 양의 데이터를 처리하기 위하여 데이터의 요약된 정보만을 저장하였다가 분석에 활용한다. 예외 데이터의 다차원적 분석은 다차원적 분석을 위한 OLAP 시스템에서 스트림 형태의 데이터를 처리함으로써 가능하다. 본 연구에서는 다차원적 분석을 수행함과 동시에 실시간으로 업데이트가 가능한 저장구조 모델을 제안하였다. 예외 데이터의 다차원적 분석을 위하여 저장구조가 필요로 하는 요구사항에 대하여 알아보고, 기존 저장구조들의 한계점에 대하여 분석하였다. 또한 요구사항을 바탕으로 제안한 저장구조를 분석하였다.