게임 전용 네트워크 성능 예측과 데이터 웨어하우스 구축

초록

본 논문은 WTFast가 수집한 방대한 원시 네트워크 로그를 정제·구조화하여 전용 데이터 웨어하우스에 적재하고, 머신러닝·신경망 모델을 활용해 GPN(게임 전용 네트워크)의 지연시간·패킷 손실 등 핵심 성능 지표를 예측한다. 예측 결과는 GPN 사용 시 일반 인터넷 대비 지연 감소와 안정성 향상을 정량적으로 입증한다.

상세 분석

본 연구는 크게 네 단계로 구성된다. 첫 번째는 데이터 수집 단계로, WTFast 클라이언트와 서버 사이에서 발생하는 RTT, 패킷 손실, 트래픽 양, 라우팅 경로, 게임 종류, 사용자 지역 등 30여 개 이상의 원시 로그를 실시간 스트리밍 방식으로 수집한다. 두 번째는 ETL(Extract‑Transform‑Load) 파이프라인 구축이다. Apache Kafka와 Flink를 이용해 로그를 실시간으로 버퍼링하고, 결측치 보정, 이상치 탐지, 시간 동기화, 정규화 과정을 거쳐 스키마‑온‑리드 방식의 Parquet 파일로 변환한다. 변환된 데이터는 AWS Redshift 기반의 컬럼형 데이터 웨어하우스에 적재되며, Fact 테이블(세션 별 성능 지표)과 Dimension 테이블(사용자, 게임, 지역 등)으로 정규화된다.

세 번째는 분석 단계로, 비즈니스 인텔리전스 도구인 Tableau와 PowerBI를 연동해 KPI 대시보드를 구현하고, 시계열 분석을 위해 Prophet과 ARIMA 모델을 적용한다. 특히, 딥러닝 기반의 LSTM·GRU 모델을 활용해 5분, 30분, 1시간 단위의 지연시간 변동을 예측했으며, 하이퍼파라미터 튜닝에는 Bayesian Optimization을 사용해 MSE를 12 % 이상 감소시켰다. 모델 학습에는 1억 건 이상의 라벨링된 세션 데이터를 사용했으며, 교차 검증 결과 R²는 0.87에 달했다.

마지막으로 결과 해석 단계에서는 SHAP 값을 통해 각 피처(예: 사용자의 ISP, 게임 서버 위치, 피크 시간대)가 지연에 미치는 영향을 정량화했다. 주요 인사이트는 (1) GPN 사용 시 평균 RTT가 45 ms에서 28 ms로 38 % 감소, (2) 패킷 손실률이 0.8 %에서 0.3 %로 감소, (3) 피크 시간대에도 성능 저하가 최소화된다는 점이다. 이러한 결과는 GPN이 기존 인터넷 대비 게임 경험을 실질적으로 향상시킨다는 비즈니스 가치를 뒷받침한다.