금번 채용 과정 중 과제 전형에 따른 테스트 결과서 입니다.
port num 8000으로 테스트 결과 하기 내용과 같습니다. 결과는 Json 형태로 PM10, PM25 두 개의 데이터를 받습니다.
-
Test 결과
- Test Sample data (20%) RMSE : 4.25
- 월 별 데이터 비교
1월부터 4월까지 각 도표와, 차트입니다.
-
1월
date pred_PM10 real_PM10 pred_PM25 real_PM25 2021-01-07 41.553024 38 13.060808 12 2021-01-08 24.080496 23 11.259658 11 2021-01-09 30.347563 27 17.17633 16 2021-01-10 37.25146 41 23.066729 28 2021-01-11 50.005524 53 33.62785 37 2021-01-12 64.90857 69 48.091255 53 2021-01-13 110.00624 111 51.30989 50 2021-01-14 82.38222 88 29.801573 26 2021-01-15 81.97414 87 34.060028 32 2021-01-16 58.849754 60 38.32709 38 2021-01-17 21.63469 22 12.47684 14 2021-01-18 34.592377 39 17.63292 18 2021-01-19 28.52966 33 15.386126 14 2021-01-20 47.76318 51 26.365005 28 2021-01-21 48.948277 53 29.969093 31 2021-01-22 42.055725 46 30.801994 31 2021-01-23 10.346312 14 7.534932 9 2021-01-24 11.533145 12 7.775069 8 2021-01-25 21.526623 24 13.861759 15 2021-01-26 43.785286 48 27.289371 30 2021-01-27 39.623665 43 18.119736 19 2021-01-28 33.079014 35 15.261412 15 2021-01-29 22.387371 24 9.640155 10 2021-01-30 52.834732 55 23.32058 24 2021-01-31 49.65144 62 26.58119 29 -
2월
date pred_PM10 real_PM10 pred_PM25 real_PM25 2021-02-01 66.93231 76 38.48226 37 2021-02-02 28.232407 34 16.342743 17 2021-02-03 30.440657 38 18.289244 20 2021-02-04 22.644634 27 13.643778 16 2021-02-05 25.71584 32 15.610465 17 2021-02-06 64.76311 67 39.111305 37 2021-02-07 86.88496 93 55.10908 50 2021-02-08 25.77026 29 15.282055 16 2021-02-09 24.07048 25 14.370734 14 2021-02-10 35.090694 38 22.292688 22 2021-02-11 70.40311 77 49.420143 49 2021-02-12 88.468475 92 63.341785 60 2021-02-13 91.496376 94 65.459625 64 2021-02-14 83.11885 99 62.278675 66 2021-02-15 52.672592 63 36.646324 41 2021-02-16 21.016617 25 12.069715 12 2021-02-17 39.835297 44 12.54443 9 2021-02-18 44.06014 46 15.148677 14 2021-02-19 48.130825 51 24.557552 25 2021-02-20 65.133095 75 37.63278 34 2021-02-21 84.72437 85 47.837536 46 2021-02-22 55.28634 60 27.712666 25 2021-02-23 53.020885 57 15.324924 14 2021-02-24 52.86441 56 20.829866 22 2021-02-25 54.592964 62 29.65506 31 2021-02-26 38.012054 44 22.017525 23 2021-02-27 15.490236 21 9.446382 11 2021-02-28 21.170582 26 12.473009 14 -
3월
date pred_PM10 real_PM10 pred_PM25 real_PM25 2021-03-01 15.92334 18 9.895663 10 2021-03-02 8.942026 10 4.398529 5 2021-03-03 35.7669 45 21.679943 23 2021-03-04 41.18712 55 25.847942 30 2021-03-05 41.06337 45 23.66113 23 2021-03-06 31.730783 36 18.910458 18 2021-03-07 22.802055 25 13.340811 12 2021-03-08 39.409817 47 24.00756 24 2021-03-09 44.54326 50 27.21467 27 2021-03-10 89.730736 105 61.332027 63 2021-03-11 121.335266 130 86.39636 80 2021-03-12 69.52275 76 44.419434 43 2021-03-13 53.521477 61 33.42785 33 2021-03-14 89.04875 93 57.74877 57 2021-03-15 77.98031 100 55.519665 58 2021-03-16 77.43481 102 17.973385 12 2021-03-17 100.807945 113 19.31601 13 2021-03-18 103.95292 112 45.057755 39 2021-03-19 77.39359 81 24.739212 25 2021-03-20 25.451756 39 12.761743 10 2021-03-21 35.06035 0 20.44315 0 2021-03-22 22.313477 43 9.373937 16 2021-03-23 61.742443 85 21.59179 28 2021-03-24 55.496258 90 30.64544 36 2021-03-25 53.84346 72 29.07831 37 2021-03-26 90.80694 124 47.02877 84 2021-03-27 67.31174 76 38.95594 43 2021-03-28 16.686497 20 10.867267 14 2021-03-29 257.09564 312 46.325375 57 2021-03-30 122.70744 175 25.439257 34 -
4월
date pred_PM10 real_PM10 pred_PM25 real_PM25 2021-04-01 40.134018 48 13.620445 16 2021-04-02 48.478092 53 13.91754 14 2021-04-03 35.99491 40 13.724499 16 2021-04-04 12.251518 10 5.491359 5 2021-04-05 20.18902 23 10.57851 11 2021-04-06 37.08303 43 20.91623 23 2021-04-07 52.40708 63 31.716501 39 2021-04-08 34.63095 36 15.8067 16 2021-04-09 31.175346 37 16.044662 18 2021-04-10 31.801027 37 17.549591 20 2021-04-11 45.139317 49 24.65938 26 2021-04-12 38.014618 44 21.730265 24 2021-04-13 13.355633 15 8.235024 8 2021-04-14 24.118187 29 12.156639 15 2021-04-15 50.23864 52 24.906883 26 2021-04-16 76.91289 81 17.627728 18 2021-04-17 84.35558 89 16.401978 16 2021-04-18 31.19479 33 13.143918 13 2021-04-19 40.884216 51 18.922676 23 2021-04-20 67.21653 75 34.086887 37 2021-04-21 69.134186 81 36.891113 38 2021-04-22 69.47028 80 36.718597 40 2021-04-23 41.917053 48 22.305067 24 2021-04-24 23.47054 24 11.439592 11 2021-04-25 25.451202 27 11.336968 13 2021-04-26 27.523903 30 12.416232 14 2021-04-27 30.306559 33 14.193496 16 2021-04-28 65.84343 69 24.171314 26 2021-04-29 58.769573 73 19.3532 22 2021-04-30 33.97409 38 16.46458 17
-
-
아키텍처 제안
부하 분산 및 급격한 트래픽 변화에 대응하기 위해서는 GCP 내 GKE에서 제공하는 Auto Scaling을 사용할 거 같습니다. 아무래도 평상시와 다르게 특정 시간대 트래픽이 몰려서 노드가 더 필요해진다면 유동적으로 노드(서버)를 관리해야합니다. GKE 또는 K8s는 이러한 인프라 관리를 위해 두 가지 Auto Scaling 기능을 갖추고 있습니다.
- HPA(Horizontal Pods Autoscler)
- CA(Cluster Autoscaler)
→ HPA는 실행되는 Pods(Container)가 기준치 이상의 자원을 사용하게 된다면 Container를 더 늘려 로드 밸런싱을 사용하게 됩니다. Master 노드에서는 Container를 실행할 Slave Node에 빌드하게 됩니다. → CA는 새로운 Container를 실행하고 싶은데 적절한 노드가 없을 경우 노드를 추가로 늘리는 것을 의미합니다.