[論文レビュー] An Empirical Study of Real-World SPARQL Queries

Mario Arias, Javier D. Fernández+2 more|arXiv (Cornell University)|Mar 25, 2011

Semantic Web and Ontologies参考文献 16被引用数 143

ひとこと要約

本論文は、DBPediaおよびSWDFの公開エンドポイントから得た300万件の実世界SPARQLクエリの実証的分析を提示しており、大多数のクエリが少数の三項節と結合を含む単純な構造であることが明らかになった。研究では、主語-主語（SS）、主語-目的語（SO）、目的語-目的語（OO）の結合が最も一般的であることが判明し、99.97％のクエリが非常に短いチェーンを持つスターベースのグラフ構造を示しており、RDFストアの最適化およびクエリエンジン設計に役立つ情報が得られた。

ABSTRACT

Understanding how users tailor their SPARQL queries is crucial when designing query evaluation engines or fine-tuning RDF stores with performance in mind. In this paper we analyze 3 million real-world SPARQL queries extracted from logs of the DBPedia and SWDF public endpoints. We aim at finding which are the most used language elements both from syntactical and structural perspectives, paying special attention to triple patterns and joins, since they are indeed some of the most expensive SPARQL operations at evaluation phase. We have determined that most of the queries are simple and include few triple patterns and joins, being Subject-Subject, Subject-Object and Object-Object the most common join types. The graph patterns are usually star-shaped and despite triple pattern chains exist, they are generally short.

研究の動機と目的

• RDFストアおよびクエリエンジン設計の改善を目的とした、実世界のSPARQLクエリパターンの理解。
• 結合や三項節パターンなどの高コストな操作に注目した、SPARQLクエリの文法的および構造的特徴の分析。
• RDFシステムにおけるインデックス構築、クエリ最適化、ベンチマークのためのデータ駆動型の知見の提供。
• 実使用状況におけるグラフパターンの形状（例：スターベース）およびチェーン長に対する仮定の妥当性の検証。

提案手法

• DBPediaおよびSWDFの公開エンドポイントのログから500万件のSPARQLクエリを収集・解析。
• 同一ホストからの重複および構文解析エラーを除外し、DBPediaの43.9％、SWDFの29.1％のクエリを分析対象に保持。
• Jenaを用いたカスタムツールを用いて、クエリの種別、三項節、グラフパターン構造などの文法的および構造的特徴を抽出。
• クエリパターンから有向グラフを構築し、最長パス長および出次数分布を測定して形状分析を実施。
• 変数ペア（例：SS、SO、OO）に基づいて結合タイプを分類し、複数のクエリエンジンに一貫して適用可能な頻度を数え上げた。
• 出次数のパターンシリアル化を用いて、スターベースおよびチェーン型のグラフ構造を同定。

実験結果

リサーチクエスチョン

• RQ1 実世界の使用状況において、最も一般的なSPARQLクエリの種別は何か？
• RQ2 結合、OPTIONAL、UNIONといった高コストな操作は、実際のクエリでどの程度頻出するか？
• RQ3 実世界のSPARQLクエリにおいて、グラフパターンの構造的分布（特にスターベース対チェーン型）はいかなるものか？
• RQ4 実際のクエリワークロードにおいて、結合タイプ（SS、SO、OOなど）はどのように分布しているか？
• RQ5 実際のクエリは、スターベースまたは長チェーン型のパターンであるという仮定をどの程度満たしているか？

主な発見

• DBPediaクエリの66.41％およびSWDFクエリの97.25％が、単一の三項節パターンのみを含んでおり、単純なクエリの広範な普及を示している。
• 主語-主語（SS）結合が最も一般的（全結合の約60％）、次に主語-目的語（SO、約35％）、目的語-目的語（OO、約4.5％）が続く。
• DBPediaクエリの4.25％のみが少なくとも1つの結合を含んでおり、クエリあたりの結合数は2つを超えると急激に減少する。
• 98％のクエリがグラフパターンにおいて最長パス長が1であることが判明し、5ホップを超えるパスを持つクエリはたった0.07％にとどまる。
• 99.97％のクエリがスターベースまたはほぼスターベースのグラフパターンを示しており、最も頻出するパターンは単一の三項節（DBPediaの66.5％、SWDFの97.5％）。
• 三項節のチェーンは存在するが非常にまれで、5ノードを超えるチェーンを持つクエリは0.07％にとどまり、観察された最長パスは5ホップである。