실시간 시계열 교통속도 센서스트림 처리/학습/예측 및 주기적 모델 갱신하기 (TrafficEndToEnd)


교통센서로부터 시계열 속도 데이터를 수집한 후 전처리를 수행하고, 텐서플로우 기반 딥러닝 모델에 의해 예측된 속도를 클라이언트로 전달하는 한편, 전처리한 속도 데이터를 계속해서 파일에 저장한 후 텐서플로우 기반 딥러닝 모델을 주기적으로 학습하는 예제를 설명합니다.


교통 시나리오


본 예제는 실시간 시계열 교통속도 센서스트림 처리 및 텐서플로우 모델 서빙하기 매뉴얼에 따라 워크플로우를 작성하였다고 가정하고 이어서 설명을 합니다.

입력 데이터 준비하기

본 예제에서는 교통센서로부터 시계열 속도 데이터(LINK_ID, 속도, 날짜)를 Kafka로 입력 받는 것을 가정합니다. 초 단위로 측정된 센서 데이터가 무작위로 들어온다고 가정합니다. 또한 텐서플로우 기반의 15분 뒤 속도를 예측하는 모델이 파이썬 코드로 구현되어 있다고 가정합니다.

시계열 속도 스트림데이터 생성하기

본 예제를 위해 준비된 파일로부터 시계열 속도 데이터를 한줄씩 읽어 Kafka로 보내주는 파이썬 프로그램을 제공합니다.

입력파일은 Host PC의 /home/csle/ksb-csle/examples/input 폴더에 존재하는 201601_kangnam_orgarnized_new.csv 파일입니다. 초 단위로 측정한 LINK_ID 와 속도가 무작위로 섞여있습니다.

PRCS_DATE LINK_ID PRCS_SPD
2016-01-01 00:00:27 1220034700 32.8
2016-01-01 00:00:12 1220019900 15.9
2016-01-01 00:00:08 1220025800 21.1
... ... ...

파이썬 프로그램은 Host PC의 /home/csle/ksb-csle/examples 폴더에 존재하는 kangnam_producer.py 입니다. 파이썬 프로그램이 있는 폴더로 이동하여 아래 명령어를 실행합니다.

cd /home/csle/ksb-csle/examples
python3 kangnam_producer.py ./input/201601_kangnam_orgarnized_new.csv localhost:9092 traffic 0.01

첫번째 arg: 보내려는 csv 파일 경로
두번째 arg: 카프카 서버 접속 주소
세번째 arg: 토픽명
네번째 arg: 각 row 를 전송하는 주기 (초 단위)

아래 그림과 같이 파일로 부터 데이터를 한줄씩 읽어 Kafka로 보내는 것을 확인할 수 있습니다.

스트림 데이터 생성

파이썬 코드 업로드

Host PC의 /home/csle/ksb-csle/components/src/main/python/kangnam 폴더를 HDFS repository에 웹툴킷을 이용하여 업로드 합니다.
dataset/tensorflowTrainSource 위치에 폴더를 업로드 합니다.

코드 업로드

코드 업로드

tensorflow_train.py 파일은 텐서플로우 기반의 15분 뒤 속도를 예측하는 모델을 학습하는 코드가 구현되어 있는 파일입니다. (본 예제에서는 LSTM 알고리즘을 이용하여 15분 뒤 속도를 예측하는 모델을 사용합니다.) 프레임워크와 연동하여 학습이 되도록 파이썬 코드에 input 과 output 경로 등을 argument 로 받는 부분이 코딩되어야 합니다. 자세한 내용은 KSB 프레임워크과 연동을 위한 tensorflow 학습코드 작성하기 를 참고합니다.

학습된 모델 업로드

교통속도예측 텐서플로우 모델 학습하기 매뉴얼에서 학습한 후 export 된 모델이 hdfs://csle1:9000/user/ksbuser_etri_re_kr/model/kangnam 위치에 저장되어 있을 경우, 아래 과정을 생략합니다.
그렇지 않을 경우, Host PC의 /home/csle/ksb-csle/examples/models/kangnam/model 폴더에 있는 텐서플로우 서빙용으로 export 한 모델을 HDFS repository에 웹툴킷을 이용하여 업로드합니다.
model/kangnam 위치에 model 폴더를 업로드 합니다.

모델 업로드

모델이 아래 폴더 구조로 업로드 되어야 합니다.

모델 업로드

기타 입력파일 업로드

그 밖에 필요한 파일들을 HDFS repository에 웹툴킷을 이용하여 dataset/input/traffic 위치에 업로드 합니다. 아래 파일들은 Host PC의 /home/csle/ksb-csle/examples/input 폴더에 있습니다.

파일 업로드

워크플로우 생성하기

워크플로우 편집화면에서 워크플로우를 작성합니다. 본 예제에서는 다섯 개의 엔진을 생성합니다.

속성 비고
name TrafficEndToEnd 워크플로우 이름
description 강남 교통 예측 및 학습 시나리오 워크플로우를 설명하는 글
isBatch false 스트림 처리를 하는 워크플로우 이므로, false 로 지정
verbose false 디버깅을 위해 로그정보를 보고자할 경우, true 로 지정
순번 엔진 Type NickName RunType 설명
1 StreamJoin StreamProcessingEngine 즉시실행 1분 단위로 속도 aggregation
2 StreamJoin StreamProcessing2Engine 즉시실행 5분 단위로 속도 aggregation
3 StreamToStream PredictEngine 즉시실행 속도 전처리 후 딥러닝 모델 기반 예측
4 StreamToBatch PreprocessingEngine 즉시실행 딥러닝 모델 학습을 위한 전처리
5 Batch TrainEngine 반복실행 딥러닝 모델 학습

앞의 세 개 엔진은 실시간 시계열 교통속도 센서스트림 처리 및 텐서플로우 모델 서빙하기 매뉴얼을 참고하여 생성합니다. 워크플로우 편집화면 상단의 Load Workflow 메뉴를 이용하여 TrafficStreamingPredict 워크플로우를 불러옵니다.

워크플로우 불러오기

또는 Workflow instances 화면에서 TrafficStreamingPredict 워크플로우를 선택한 후 편집화면으로 드래그하여 워크플로우를 재사용할 수도 있습니다.

워크플로우 재사용하기

두 번째 엔진 수정하기

KafkaPipeWriter를 하나 더 추가합니다. StreamJoin 엔진은 여러 개의 Reader 와 Writer 를 가질 수 있습니다.

Writer

KafkaPipeWriter를 선택하고 아래표와 같은 속성을 지정합니다.

field value 설명
mode append 새로 들어온 입력데이터에 대해서 처리함
trigger 5 seconds 5초 동안 들어온 입력데이터에 대해서 처리함
bootStrapServers localhost:9092 Kafka 접속 주소(IP, 포트번호)
zooKeeperConnect localhost:2181 zookeeper의 접속주소(IP, 포트번호)
topic traffic_output2_copy Kafka 큐의 이름
checkpointLocation file:///home/csle/ksb-csle/examples/output/
kangnam/checkpoint/kafka2_copy
checkpoint 파일을 저장할 폴더 지정
failOnDataLoss true

네 번째 엔진 생성하기

스트림형태로 입력되는 속도 데이터를 입력 받아 가공한 뒤 배치형태의 파일로 내보내므로 StreamToBatch엔진을 선택합니다.

Reader

KafkaReader를 선택하고 아래표와 같은 속성을 지정합니다.

field value 설명
bootStrapServers localhost:9092 Kafka 접속 주소(IP, 포트번호)
zooKeeperConnect csle1:2181 zookeeper의 접속주소(IP, 포트번호)
groupId traffic Kafka topic 그룹 아이디
topic traffic_output2_copy Kafka 큐의 이름

Writer

FileWriter를 선택하고 아래표와 같은 속성을 지정합니다.

field value 설명
filePath file:///home/csle/ksb-csle/examples/output/traffic_processing.csv 출력 파일 경로
fileType CSV 출력 파일 타입
delimiter , 구분자
header false 헤더 포함 유무
saveMode APPEND 파일 저장 방식

Controller

SparkStreamController를 선택하고 아래표와 같은 속성을 지정합니다.
SparkStreamController는 스트림으로 입력되는 데이터를 큐에 저장하고, 일정 주기 마다 정해진 윈도우 크기로 잘라서 operator 에게 전달합니다.

field value 설명
operationPeriod 10 Reader로 부터 데이터를 읽어올 주기, 초 단위
windowSize 1530 큐에서 사용할 윈도우 크기
170 x 9
slidingSize 1360 윈도우를 sliding 하는 크기
170 x 8

본 예제에서는 10초 주기마다 1530 개의 데이터를 잘라서 operator에게 전달합니다. 입력데이터는 총 170개의 LINK_ID 를 가집니다. 따라서 5분 간격으로 170개의 데이터가 들어오는 셈입니다. 그런데 스트림 데이터는 계속해서 들어오고 있으므로 첫 시작 데이터가 어디일지 가늠하기 어렵습니다. 따라서 필요한 8 주기 보다 한 주기를 더 가져와서 처리하고 (170 x 9 = 1530 개), 8 주기 씩 슬라이딩 합니다 (170 x 8 = 1360 개). 아래에서 설명할 GroupByFilterOperator 및 OrderByFilterOperator 를 이용하여 170 x 8 = 1360 개 데이터를 필터링해서 사용합니다.

Runner

SimpleSparkRunner 를 선택합니다.

field value 설명
inJason false false로 설정하는 경우 json 형태의 파라메타를 커맨드라인 파라미터 형태로 변환하여 호출되는 외부 시스템에 전달. True 이면 json 형태의 파라메타 형태 그대로 외부시스템에 전달.
sparkArgs 아래의 표 참고

sparkArgs 설정은 다음과 같이 합니다.

field value 설명
master local[*] YARN 의 마스터
numExecutors 2 익스큐터 개수
excuterCores 2 익스큐터 코어 개수
executerMemory 1g Spark 의 익스큐터 메모리
driverMemory 1g Spark 드라이버 메모리
totalCores 2 Spark 전체 할당 가능 코어수
sparkVersion 2.3.0 KSB프레임워크의 Spark 버전

Operator

세 번째 엔진에서는 6개의 Operator를 사용하여 입력데이터를 가공합니다.

  1. ColumnSelectOperator
field value 설명
selectedColumnName PRCS_DATE
LINK_ID
PRCS_SPD
선택할 칼럼 이름
  1. GroupByFilterOperator
field value 설명
keyColName PRCS_DATE 총계처리를 할 key 칼럼 이름
groupby COUNT 총계처리 방법 선택
condition EQUAL 총계처리 후 Filter 방법 선택
value 170 Filter 의 값 입력

1530 개 데이터에서 LINK_ID 가 170 개가 되지 않는 시간의 데이터를 버리기 위해서, PRCS_DATE 칼럼을 COUNT 하여 170 이 되는 조건의 데이터만 남깁니다. 그러면 170 x 8 = 1360 개의 데이터만 남습니다. 그런데 우연히 데이터를 시작시점부터 잘 받았을 경우, 170 x 9 = 1530 개의 데이터가 남습니다.

  1. OrderByFilterOperator
field value 설명
keyColName PRCS_DATE 정렬을 할 key 칼럼 이름
method ASC 정렬 방법 선택 (ASC: 오름차순, DESC: 내림차순)
value 1360 선택할 Row 의 개수

PRCS_DATE 칼럼을 정렬하여 8 주기의 데이터 (170 x 8 = 1360 개) 만 남깁니다.

  1. MinMaxScalingOperator
field value 설명
selectedColumnId 2 선택할 칼럼 ID, PRCS_SPD 선택 (0부터 시작)
max 0.5 데이터가 scaling 될 때 최대값
min -0.5 데이터가 scaling 될 때 최소값
withMinMaxRange true 위에서 설정한 max, min 값 사용 여부
maxRealValue 100 데이터에서 정상 범위로 사용할 최소값
minRealValue 0 데이터에서 정상 범위로 사용할 최대값
  1. PivotOerator
field value 설명
selectedColumnId 1 Pivot 할 칼럼 ID, LINK_ID 선택 (0부터 시작)
groupByColumn 0 총계처리를 할 key 칼럼 ID, PRCS_DATE 선택 (0부터 시작)
valueColumn 2 총계처리를 할 칼럼 ID, PRCS_SPD 선택 (0부터 시작)
method AVG 총계처리 방법 선택

시간 및 170 개의 LINK_ID 값을 칼럼으로 가지고, 시간에 따른 평균속도를 행으로 가지도록 DataFrame 을 변경합니다.

Pivot 결과

  1. ColumnSelectWithFileOperator
field value 설명
columnIdPath dataset/input/traffic/
traffic_kangnam_cols2.txt
선택할 칼럼 이름이 정의된 텍스트파일 경로 및 이름 입력

텐서플로우 기반 속도 예측 모델의 입력 순서에 맞도록 칼럼을 선택합니다. 본 예제에서는 칼럼의 개수가 많으므로 ColumnSelectOperator 를 사용하여 선택할 칼럼 이름을 일일이 입력하는 것이 매우 번거로우므로 ColumnSelectWithFileOperator 를 사용합니다. 칼럼 이름을 쉼표(,) 로 구분하여 입력한 텍스트파일로 부터 칼럼 이름을 읽어들여 칼럼을 선택합니다.

다섯 번째 엔진 생성하기

텐서플로우를 이용하여 배치 형태로 딥러닝 모델을 생성하기 위해 Batch 엔진을 선택합니다. 다섯 번째 엔진은 딥러닝 모델을 주기적으로 생성하기 위해 RUNTYPE반복 실행 으로 설정합니다. 주기매분 으로 설정합니다. 매분은 테스트용으로 5분 단위로 엔진이 submit 되어 실행됩니다.

RunType 설정

Reader

FileReader를 선택하고 아래표와 같은 속성을 지정합니다. 앞의 엔진에서 출력한 파일을 지정합니다.

field value 설명
filePath file:///home/csle/ksb-csle/examples/output/traffic_processing.csv 파일 경로
fileType CSV 파일 타입
delimiter , 구분자
header false header 포함 유무
saveMode 사용 하지 않음

Writer

FileWriter를 선택하고 아래표와 같은 속성을 지정합니다. 학습한 딥러닝 모델이 최종 저장될 폴더를 지정합니다. 다른 엔진에서 학습한 딥러닝 모델을 사용하도록 하기 위해 HDFS 절대경로를 지정합니다. 상대경로를 지정할 경우, 동적으로 생성한 사용자 기본 파일경로 가 앞에 추가되므로 다른 엔진에서 정확한 파일 경로를 지정하는 것이 어렵습니다.

field value 설명
filePath hdfs://csle1:9000/user/ksbuser_etri_re_kr/model/kangnam 저장 경로
fileType CSV 파일 타입
delimiter , 구분자
header false header 포함 유무
saveMode 사용 하지 않음

Controller

Controller는 외부 Tensorflow 호출하기 위해 ExternalAnalysisController을 선택합니다.

Runner

TensorflowRunner를 선택합니다.

field value 설명
pyEntryPath dataset/tensorflowTrainSource/kangnam/tensorflow_train.py 파이썬 코드 경로
cluster false cluster 환경 실행 여부
inJson false Json 형태 파라미터 전달 유무
tfVersion r1.6 Tensorflow 버전 정보

Operator

DLTrainOperator를 선택하고 아래표와 같은 속성을 지정합니다.

field value 설명
modelPath file:///home/csle/ksb-csle/examples/output/kangnam/model 내부적으로 학습된 모델을 저장할 경로
반드시 로컬 경로만 지정
additionalParams 아래의 표 참고

additionalParams 설정은 [+] 버튼을 두 번 클릭하여 다음과 같이 합니다. 파이썬 코드에서 argument 로 받는 부분입니다.

field value 설명
paramName isTrain 학습 유무
paramValue True
field value 설명
paramName num_epochs 학습 반복 횟수
paramValue 2


워크플로우 완성 화면

ksbuser@etri.re.kr 계정으로 접속하면 예제 워크플로우가 만들어져있습니다. 불러오기해서도 돌려볼 수 있습니다.

워크플로우 실행 및 모니터링하기

워크플로우 실행하기

위에서 작성한 워크플로우를 실행하기 위해서는 워크플로우 편집기 상단의 실행 버튼을 누릅니다. 스트림 데이터를 처리하므로 Batch 체크 박스는 해제하고 워크플로우를 제출합니다.

워크플로우 모니터링 하기

KSB 웹툴킷 상단 메뉴의 Monitoring 탭을 클릭하면 Workflow 탭이 선택되어있습니다. Workflow 탭에서는 실행한 워크플로우들의 목록 및 동작 상태를 확인하고 제어할 수 있습니다. 위에서 실행한 워크플로우 이름을 클릭하면 워크플로우의 각 엔진들의 동작 상태 (status) 를 확인할 수 있습니다.

워크플로우 동작 상태 확인

다섯 번째 엔진은 주기적으로 (5분 마다) 실행되므로, 동작 상태(status) 가 완료(Completed)였다가 실행 중일 때는 실행 중(Inprogress) 으로 바뀌는 것을 확인할 수 있습니다.

워크플로우 동작 상태 확인

WorkFlow History 탭을 선택하면, 프레임워크에서 워크플로우가 동작하며 발생시킨 로그 정보를 확인 할 수 있습니다.
그리고 본 예제에서는 다섯 번째 엔진이 5분 마다 동작한 내역을 확인할 수 있습니다.

워크플로우 히스토리

학습한 후 export 된 모델 확인하기

다섯 번째 엔진의 FileWriter 에서 지정한 위치에 학습된 모델이 생성된 것을 확인합니다. 다섯 번째 엔진이 5분 마다 실행되어 모델을 주기적으로 생성하는 것을 확인할 수 있습니다. 모델의 버전은 0000 부터 자동으로 1씩 증가합니다.
본 예제에서는 학습된 모델 업로드 에서 올려둔 0001 버전 이후부터 자동으로 모델이 생성된 것을 확인할 수 있습니다.

학습된 모델 확인

체크포인트 파일 확인

첫 번째 엔진과 두 번째 엔진의 KafkaPipeWriter 가 생성한 체크포인트 파일이 지정한 위치에 생성된 것을 확인할 수 있습니다.
워크플로우 종료 후 재시작 할 경우에는 체크포인트 파일을 삭제하고 실행해야 원하는 결과를 얻을 수 있습니다.

체크포인트 파일 확인

속도 예측 결과 확인하기

Kafka의 consumer를 이용하여 속도 예측 결과를 확인합니다. 이를 위해 카프카가 설치된 폴더로 이동하여 아래 명령어를 실행합니다. 카프카는 home/csle/ksb-csle/tools/kafka_2.11-0.10.0.1 위치에 설치되어 있습니다.

cd /home/csle/ksb-csle/tools/kafka_2.11-0.10.0.1
./bin/kafka-console-consumer.sh --zookeeper localhost:2181 --bootstrap-server localhost:9092 --topic kangnam_output

아래 그림과 같이 예측된 속도값을 Kafka로 보내는 것을 확인할 수 있습니다.

예측 결과 확인

워크플로우 종료하기

KSB 웹툴킷 상단 "Monitoring" 메뉴의 "Workflow" 탭에서 실행 중인 TrafficEndToEnd 워크플로우를 종료()할 수 있습니다.