[논문 리뷰] Visualizing a Million Time Series with the Density Line Chart

Dominik Moritz, Danyel Fisher|arXiv (Cornell University)|2018. 08. 17.

Data Visualization and Analytics참고 문헌 28인용 수 13

한 줄 요약

이 논문은 밀리온 개의 타임시리즈의 밀도를 계산하고 표시하기 위해 호 길이를 사용해 각 선의 기여도를 정규화하는 가시화 기법인 DenseLines를 소개한다. 이는 집합적 추세와 이질적 데이터를 명확히 식별할 수 있도록 하며, 오버플로팅을 색상 매핑된 밀도 히트맵으로 전환하여 혼잡함 없이 시장 붕괴나 집합된 주가와 같은 패턴을 드러낸다.

ABSTRACT

Data analysts often need to work with multiple series of data---conventionally shown as line charts---at once. Few visual representations allow analysts to view many lines simultaneously without becoming overwhelming or cluttered. In this paper, we introduce the DenseLines technique to calculate a discrete density representation of time series. DenseLines normalizes time series by the arc length to compute accurate densities. The derived density visualization allows users both to see the aggregate trends of multiple series and to identify anomalous extrema.

연구 동기 및 목표

• 과도한 오버플로팅이나 혼잡함 없이 수많은 타임시리즈를 가시화하는 문제를 해결한다.
• 분석가가 수천 개의 타임시리즈를 동시에 병합된 추세를 인지하고 이상치를 탐지할 수 있도록 한다.
• 데이터 양에 관계없이 시각적 명료성을 유지하는 확장 가능한 상호작용 기반 가시화 기법을 개발한다.
• 금융, 시스템 모니터링, 인프라 운영과 같은 분야에서 실제 분석 작업을 지원한다.
• 생산 분석 워크플로우에 적용 가능한 실용적이고 오픈소스 구현을 제공한다.

제안 방법

• 2차원 격자에서 각 (시간, 값) 좌표를 통과하는 타임시리즈의 수를 세어 이산적 밀도 표현을 계산한다.
• 각 타임시리즈의 기여도를 그 호 길이로 정규화하여 기울기 또는 길이에 관계없이 각 시리즈가 동일한 기여도를 가지도록 보장한다.
• 결과 밀도를 색상 스케일을 사용해 시각화하며, 강도는 각 지점에서 겹치는 시리즈의 수를 반영한다.
• 효율적인 계산과 렌더링을 가능하게 하기 위해 시간과 값 차원을 이산화하는 버킷 전략을 사용한다.
• 고성능 상호작용 가시화를 위해 루스트와 자바스크립트/ WebGL 모두에서 기법을 구현한다.
• 변동 가능한 버킷 크기와 색상 스케일 조정을 통해 다양한 해상도에서 패턴을 드러내는 상호작용 탐색을 지원한다.

실험 결과

연구 질문

• RQ1 어떻게 시각적 혼잡함 없이 백만 개의 타임시리즈를 효과적으로 가시화할 수 있는가?
• RQ2 다양한 기울기와 길이를 가진 타임시리즈를 밀도 기반 가시화에서 공정하게 표현하기 위해 어떤 정규화 기법이 필요한가?
• RQ3 밀도 기반 접근 방식이 대규모 타임시리즈 데이터에서 의미 있는 집합적 추세와 이질적 데이터를 드러낼 수 있는가?
• RQ4 고속도, 고용량 타임시리즈를 포함한 실제 모니터링 및 분석 시나리오에서 이 기법의 성능은 어떠한가?
• RQ5 이 방법이 운영 데이터 워크플로우에 통합되고 상호작용 탐색을 얼마나 잘 지원하는가?

주요 결과

• DenseLines는 데이터 양이 많아져도 시각적 복잡도가 증가하지 않으며 백만 개 이상의 타임시리즈를 성공적으로 가시화했다.
• 호 길이 정규화로 기울기나 변화가 급격한 시리즈의 과대 표현을 방지하여 공정한 밀도 추정을 보장한다.
• 2008년 금융위기의 집합적 하락이 주가 밀도에서 명확하게 드러나 시스템적 사건 탐지의 가능성을 입증한다.
• $15와 $25 주변의 두 개의 명확한 주가 밴드가 나타나 원형 숫자 향한 마켓 행동을 보여준다.
• 실제 사례 연구에서 브래드는 DenseLines 차트에서 단일 수직선으로 서버 장애를 식별하여 이상치 탐지에 대한 유용성을 확인했다.
• 기법은 서버 CPU 사용률과 메모리의 일일 및 시간대 리듬을 드러내었으며, 버킷 크기 조정을 통해 다양한 시간 해상도에서 패턴을 노출시켰다.