정보과학회 컴퓨팅의 실제 논문지 (KIISE Transactions on Computing Practices)
Current Result Document : 9 / 36
이전건
다음건 
| 한글제목(Korean Title) |
클러스터 기반 과학적 가시화 도구를 위한 가시화 파이프라인 설계 및 구현 |
| 영문제목(English Title) |
Visualization Pipeline Design and Implementation for Cluster-based Scientific Visualization Tools |
| 저자(Author) |
이중연
김덕수
Joong-Youn Lee
Duksu Kim
|
| 원문수록처(Citation) |
VOL 25 NO. 06 PP. 0285 ~ 0293 (2019. 06) |
한글내용
(Korean Abstract) |
본 논문은 클러스터 기반 과학적 가시화 도구를 위한 가시화 파이프라인의 설계를 제안하고 그 구현 사례를 공유한다. 본 연구의 파이프라인은 각각의 가시화 기법을 표현하는 가시화 파이프들로 구성되며, 가시화 파이프들은 정형화된 파이프 구조를 사용함으로서 상호 유연한 연결을 보장한다. 또한 파이프라인을 사용하는 가시화 도구와 통신을 전담하는 특수 파이프(인터페이스 파이프)를 사용함으로서, 가시화 도구에 독립적인 구현 및 관리가 가능하다. 제안된 가시화 파이프라인은 인터페이스 파이프들을 제외한 하위 파이프라인을 각 연산 노드에 배치하고, 이들을 마스터 노드에 있는 인터페이스 파이프에 연결함 으로서 클러스터 기반 가시화 파이프라인으로 간단히 확장된다. 파이프라인은 사용자의 가시화 요청을 처리할 수 있는 파이프의 조합으로 실시간으로 생성된다. 본 연구는 제안하는 가시화 파이프라인을 클러스터 기반 가시화 프레임워크 중 하나인 GLOVE를 기반으로 32개의 연산노드로 구성된 클러스터에 구현하였으며, 네 종류의 대용량 과학데이터의 가시화에 적용하였다. 그 결과 다양한 조합의 가시화 요청을 성공적으로 처리하였으며, 연산 노드 수 증가에도 안정적으로 동작하는 모습을 확인 할 수 있었다. 또한 동일한 조합의 가시화 요청에 대해, 파이프라인을 적용하기 전 GLOVE 대비 최대 7.72배 높은 가시화 성능을 보여주었다. 이는 제안한 가시화 파이프라인의 효용성 및 확장성을 보여주는 결과다.
|
영문내용
(English Abstract) |
We propose a visualization pipeline design for cluster-based scientific visualization tools and share an implementation example. Our visualization pipeline is composed of visualization pipes that represent each visualization method. Visualization pipes follow a unified structure, and this structure guarantees flexible connectivity among pipes. By using dedicated pipes (i.e., interface pipes) for communication between our pipeline and visualization tools using that, we can implement visualization pipes independently with the tools. The proposed visualization pipeline is simply extended to a cluster-based visualization pipeline, by building a sub-pipeline consisting of only visualization pipes on each slave node and connecting with interface pipes in the master node. A visualization pipeline is built on the fly according to the visualization request from users. We applied our visualization pipeline design to an existing cluster-based visualization framework (GLOVE) and implemented it in a cluster with 32 computing nodes (i.e., slave nodes). Then we applied it to four different large scientific datasets, and found that our cluster-based visualization pipeline successfully handles various combinations of visualization queries. Also, it remained stable, as the number of slave nodes increased. For a given combination of visualization queries, GLOVE with our pipeline shows up to 7.72 times higher performance, compared with the original GLOVE. These results demonstrate the usefulness and scalability of our visualization pipeline design.
|
| 키워드(Keyword) |
과학적 가시화
가시화 파이프라인
컴퓨팅 클러스터
과학 데이터
분산처리
scientific visualization
visualization pipeline
computing cluster
scientific data
distributed computing
|
| 파일첨부 |
PDF 다운로드
|
