MSA 환경에서 스트림 데이터의 이상치 탐지를 위한 슁글 사이즈 기반 RRCF 비교분석 (Comparative Analysis of Shingle Size-based RRCF for Anomaly Detection in Stream Data within MSA Environments)

서지정보

· 발행기관 : 한국정보기술학회
· 수록지 정보 : 한국정보기술학회논문지 / 22권 / 3호 / 41 ~ 49페이지
· 저자명 : 최수빈, 이승규, 이주찬, 윤건용, 양단아

초록

최근 들어 MSA(Microservices Architecture)시장은 빠르게 성장하고 있다. MSA 환경은 각각의 서비스들이 분산되어 독립적으로 구성되어 있기 때문에 서비스의 다운타임(Downtime)을 최소화하기 위해 이상치를 조기에 탐지하는 것은 필수적이다. 그러나 MSA 환경에서 수집하는 메트릭 데이터(Metric data)는 빠르고 변동성이 높은 스트림 데이터(Stream data) 형태이기 때문에 이상치 탐지 난도가 높다. 따라서 본 논문에서는 스트림 데이터의 이상치 탐지에 강한 RRCF 알고리즘을 선택하고, 주요 파라미터인 슁글(Shingle)의 크기를 조절하여 RRCF 알고리즘이 IF(Isolation Forest), ARIMA(AutoRegressive Integrated Moving Average)와 같은 기존 알고리즘보다 MSA 환경에서 부하 테스트를 통해 수집된 스트림 데이터의 이상치를 효과적으로 탐지할 수 있다는 것을 검증했다.

영어초록

Microservices Architecture(MSA) market has been experiencing rapid growth recently. Since each service in the MSA environment is distributed and independently configured, early detection of anomaly traffic is essential to minimize service downtime. However, some challenges in MSA environments are difficult, due to the nature of the collected metric data which is characterized as fast and highly volatile stream data. Therefore, this paper adjusts the size of the main parameter as Shingle of the RRCF algorithm and verifies that the RRCF algorithm can effectively detect anomalies in stream data, compared with the traditional algorithms such as Isolation Forest(IF) and AutoRegressive Integrated Moving Average(ARIMA), through load testing of MSA.

참고자료

· 없음