포그라운드 프로세스(Foreground Process)를 수행하며, 사용자에 의한 데이터수집 요청을 발생시키는 주피터 노트북; 및백그라운드 프로세스(Background Process)를 수행하며, 상기 데이터수집 요청에 따라, 사용자 OS 또는 사용자 데이터베이스로부터 성능 데이터를 수집하여 통합 데이터베이스에 저장하는 데이터 수집 모듈을 포함하는, 데이터베이스 성능 모니터링과 튜닝을 위한 주피터 노트북 기반 실험 데이터 분석 프레임워크 장치.

제1항에 있어서,상기 데이터 수집 모듈은,상기 성능 데이터에 대해 전처리하여, 선정된 규격으로 통일시킨 후 상기 통합 데이터베이스에 저장하는,데이터베이스 성능 모니터링과 튜닝을 위한 주피터 노트북 기반 실험 데이터 분석 프레임워크 장치.

제1항에 있어서,상기 포그라운드 프로세스를 수행하며, 상기 주피터 노트북을 통해 입력된 조건에 상응하여, 상기 통합 데이터베이스로부터 상기 성능 데이터를 로드하여 시각화하는 EDA 모듈(Exploratory Data Analysis Module)을 더 포함하는, 데이터베이스 성능 모니터링과 튜닝을 위한 주피터 노트북 기반 실험 데이터 분석 프레임워크 장치.

제3항에 있어서,상기 포그라운드 프로세스를 수행하며, 로드한 상기 성능 데이터에 대해, 통계 분석, 부하 예측, 및 이상 탐지 중 적어도 하나를 수행 함으로써, 상기 사용자 OS 또는 상기 사용자 데이터베이스에서의 성능 병목 현상을 식별하고 추세를 분석하는 데이터 분석 모듈을 더 포함하는, 데이터베이스 성능 모니터링과 튜닝을 위한 주피터 노트북 기반 실험 데이터 분석 프레임워크 장치.

제3항에 있어서,상기 EDA 모듈은,상기 데이터 분석 모듈에 의해 식별된 성능 병목 현상에 따른, CPU 사용량, 메모리 활용도, 및 디스크 I/O 중 적어도 하나의, 상기 사용자 데이터베이스 성능과 관련된 메트릭을 시각화하는,데이터베이스 성능 모니터링과 튜닝을 위한 주피터 노트북 기반 실험 데이터 분석 프레임워크 장치.

제1항에 있어서,상기 백그라운드 프로세스를 수행하며, 상기 주피터 노트북을 통해 입력된 사용자 선호도에 상응하여, 상기 통합 데이터베이스로부터 필요한 성능 데이터를 훈련 데이터로서 검색하고, 상기 검색된 훈련 데이터를 이용하여, 기계 학습 및 통계 모델을 훈련하는 모델 서비스 모듈을 더 포함하는, 데이터베이스 성능 모니터링과 튜닝을 위한 주피터 노트북 기반 실험 데이터 분석 프레임워크 장치.

제6항에 있어서,상기 모델 서비스 모듈은,상기 훈련된 기계 학습 및 통계 모델을 이용하여, 상기 사용자 OS 또는 상기 사용자 데이터베이스에 대한 성능 패턴과 워크로드를 예측 함으로써, 상기 EDA 모듈에 의해, 예측된 성능 패턴과 워크로드가 시각화되도록 하는,데이터베이스 성능 모니터링과 튜닝을 위한 주피터 노트북 기반 실험 데이터 분석 프레임워크 장치.

주피터 노트북에서, 사용자에 의한 데이터수집 요청을 발생시키는 포그라운드 프로세스(Foreground Process); 및데이터 수집 모듈에서, 상기 데이터수집 요청에 따라, 사용자 OS 또는 사용자 데이터베이스로부터 성능 데이터를 수집하여 통합 데이터베이스에 저장하는 백그라운드 프로세스(Background Process)를 포함하는, 데이터베이스 성능 모니터링과 튜닝을 위한 주피터 노트북 기반 실험 데이터 분석 프레임워크 방법.

제8항에 있어서,상기 백그라운드 프로세스는,상기 데이터 수집 모듈에서, 상기 성능 데이터에 대해 전처리하여, 선정된 규격으로 통일시킨 후 상기 통합 데이터베이스에 저장하는 단계를 포함하는, 데이터베이스 성능 모니터링과 튜닝을 위한 주피터 노트북 기반 실험 데이터 분석 프레임워크 방법.

제8항에 있어서,상기 포그라운드 프로세스는,EDA 모듈에서, 상기 주피터 노트북을 통해 입력된 조건에 상응하여, 상기 통합 데이터베이스로부터 상기 성능 데이터를 로드하여 시각화하는 단계를 포함하는, 데이터베이스 성능 모니터링과 튜닝을 위한 주피터 노트북 기반 실험 데이터 분석 프레임워크 방법.

제10항에 있어서,상기 포그라운드 프로세스는,데이터 분석 모듈에서, 로드한 상기 성능 데이터에 대해, 통계 분석, 부하 예측, 및 이상 탐지 중 적어도 하나를 수행 함으로써, 상기 사용자 OS 또는 상기 사용자 데이터베이스에서의 성능 병목 현상을 식별하고 추세를 분석하는 단계를 더 포함하는, 데이터베이스 성능 모니터링과 튜닝을 위한 주피터 노트북 기반 실험 데이터 분석 프레임워크 방법.

제10항에 있어서,상기 포그라운드 프로세스는,상기 EDA 모듈에서, 상기 데이터 분석 모듈에 의해 식별된 성능 병목 현상에 따른, CPU 사용량, 메모리 활용도, 및 디스크 I/O 중 적어도 하나의, 상기 사용자 데이터베이스 성능과 관련된 메트릭을 시각화하는 단계를 더 포함하는, 데이터베이스 성능 모니터링과 튜닝을 위한 주피터 노트북 기반 실험 데이터 분석 프레임워크 방법.

제8항에 있어서,상기 백그라운드 프로세스는,모델 서비스 모듈에서, 상기 주피터 노트북을 통해 입력된 사용자 선호도에 상응하여, 상기 통합 데이터베이스로부터 필요한 성능 데이터를 훈련 데이터로서 검색하는 단계; 및상기 검색된 훈련 데이터를 이용하여, 기계 학습 및 통계 모델을 훈련하는 단계를 포함하는, 데이터베이스 성능 모니터링과 튜닝을 위한 주피터 노트북 기반 실험 데이터 분석 프레임워크 방법.

제13항에 있어서,상기 백그라운드 프로세스는,상기 모델 서비스 모듈에서, 상기 훈련된 기계 학습 및 통계 모델을 이용하여, 상기 사용자 OS 또는 상기 사용자 데이터베이스에 대한 성능 패턴과 워크로드를 예측 함으로써, 상기 EDA 모듈에 의해, 예측된 성능 패턴과 워크로드가 시각화되도록 하는 단계를 더 포함하는, 데이터베이스 성능 모니터링과 튜닝을 위한 주피터 노트북 기반 실험 데이터 분석 프레임워크 방법.

제8항의 방법을 실행시키기 위한 프로그램을 기록한 컴퓨터 판독 가능한 기록매체.