[論文レビュー] A Distributed Process Infrastructure for a Distributed Data Structure

Marko A. Rodriguez|ArXiv.org|Jul 24, 2008

Semantic Web and Ontologies参考文献 6被引用数 6

ひとこと要約

本論文は、データにプロセスを移動させる（データをローカルシステムに転送するのではなく）、セマンティックウェブ上で分散型でチューリング完全な計算を直接可能にするRDFバーチャルマシン（RVM）モデルを提案する。URIベースのアドレス空間内で、計算マシン、ソフトウェア、データをすべてRDFとして表現することにより、RVMは大規模かつ分散型のRDFグラフを効率的にトラバースおよび処理するアルゴリズムを可能にし、集中型インデクシングや「ダウンロードしてインデックス化する」モデルの制限を克服する。

ABSTRACT

The Resource Description Framework (RDF) is continuing to grow outside the bounds of its initial function as a metadata framework and into the domain of general-purpose data modeling. This expansion has been facilitated by the continued increase in the capacity and speed of RDF database repositories known as triple-stores. High-end RDF triple-stores can hold and process on the order of 10 billion triples. In an effort to provide a seamless integration of the data contained in RDF repositories, the Linked Data community is providing specifications for linking RDF data sets into a universal distributed graph that can be traversed by both man and machine. While the seamless integration of RDF data sets is important, at the scale of the data sets that currently exist and will ultimately grow to become, the "download and index" philosophy of the World Wide Web will not so easily map over to the Semantic Web. This essay discusses the importance of adding a distributed RDF process infrastructure to the current distributed RDF data structure.

研究の動機と目的

• 大規模なRDFグラフにおける集中型データ取得の非効率性を解消し、計算をデータに移動させることで実現する。
• 既存の分散型データ構造と補完的な分散プロセスインfraを提供すること。
• チューリング完全で機械実行可能なアルゴリズムをサポートし、データ転送を必要とせずにグローバルなリンクデータグラフをトラバースおよび操作可能にする。
• 一様なURIベースのアドレス空間を用いて、分散型RDFリポジトリ間で安全でスケーラブルかつポータブルにアルゴリズムを実行可能にする。
• キーワード検索やSPARQLクエリの制限を超えて、セマンティックウェブ上で複雑で分散型のグラフアルゴリズムを可能にする。

提案手法

• ハードウェア、ソフトウェア、データのすべての計算スタックをURIアドレス空間内にRDF三元組として表現する。
• RDFエンコードされたソフトウェアのみを実行し、RDFエンコードされたデータのみを処理するRDFバーチャルマシン（RVM）を設計する。
• RVMとそのコードをRDFサブグラフとしてリモートリポジトリに移動させることで、物理マシン間でのプロセス移行を可能にする。
• FABL、Ripple、AdenosineなどのRDFプログラミング言語を活用し、これらは直接RDFにコンパイルされるため、二重モデルプログラミングの必要がなくなる。
• セマンティックウェブの本質的な分散性を活用し、RVMがデータが存在する場所で計算を行うことで、ネットワーク転送を最小限に抑える。
• 計算が下位の物理マシンに依存せず、実行場所を特定するのにURI空間のみに依存するモデルを確立する。

実験結果

リサーチクエスチョン

• RQ1 セマンティックウェブにおける分散型グラフ計算は、従来の「ダウンロードしてインデックス化する」アプローチよりもどのようにしてより効率的に行えるか？
• RQ2 分散型でRDFベースのデータ構造を有するセマンティックウェブに、チューリング完全な計算をネイティブにサポートするアーキテクチャモデルは何か？
• RQ3 分散型RDFリポジトリ間で、安全でスケーラブルな形でプロセス移行を実現するにはどうすればよいか？
• RQ4 RDFプログラミング言語は、セマンティックウェブアルゴリズムの均一で分散型の実行モデルをどのように可能にするか？
• RQ5 RVMモデルは、グローバルなリンクデータグラフを横断してアルゴリズムを実行する際のパフォーマンスおよびセキュリティの制限をどのように克服できるか？

主な発見

• RVMモデルは、URIベースのアドレス空間内で計算のすべての側面をRDF三元組として表現することにより、セマンティックウェブ上で分散型でチューリング完全な計算を可能にする。
• データにプロセスを移動させる（データをプロセスに転送するのではなく）ことで、大規模なグラフ解析においてスケーラビリティと効率性が顕著に向上する。
• FABL、Ripple、AdenosineなどのRDFプログラミング言語により、開発者は完全にRDFでコードを記述でき、二重モデルプログラミングの必要がなくなり、コードと計算のシームレスな分散が可能になる。
• RVMは特定の物理マシンに束縛されないため、実行のポータビリティとプラットフォーム非依存性をサポートする。
• セキュリティ、パフォーマンス、採用は依然として主な課題であり、信頼性、実行速度、およびRDFデータプロバイダがRVM「ファーム」をサポートする必要性が関係する。
• RVMモデルは、集中型インデクシングやデータ複製に依存せずに、グローバルなリンクデータグラフにまたがる複雑な分散アルゴリズムを実行する基盤を提供する。