[論文レビュー] BB-Graph: A New Subgraph Isomorphism Algorithm for Efficiently Querying Big Graph Databases.

Merve Asiler, Adnan Yazıcı|arXiv (Cornell University)|Jun 20, 2017

Graph Theory and Algorithms参考文献 21被引用数 6

ひとこと要約

BB-Graphは、大規模なグラフデータベースのクエリを、大容量のメモリ内インデックスに依存せずに効率的に行うために設計された新しい部分グラフ同型写像アルゴリズムである。GraphQL や Cypher といった既存の手法と比較して、プルーニング戦略を最適化することで、多様な実世界および合成グラフワークロードにおいて優れたパフォーマンスを達成している。

ABSTRACT

The big graph database model provides strong modeling for complex applications and efficient querying. However, it is still a big challenge to find all exact matches of a query graph in a big graph database, which is known as the subgraph isomorphism problem. The current subgraph isomorphism approaches are built on Ullmann's idea of focusing on the strategy of pruning out the irrelevant candidates. Nevertheless, the existing pruning techniques need much more improvement to efficiently handle complex queries. Moreover, many of those existing algorithms need large indices requiring extra memory consumption. Motivated by these, we introduce a new subgraph isomorphism algorithm, named as BB-Graph, for querying big graph databases efficiently without requiring a large data structure to be stored in main memory. We test and compare our proposed BB-Graph algorithm with two popular existing approaches, GraphQL and Cypher. Our experiments are done on three different data sets; (1) a very big graph database of a real-life population database, (2) a graph database of a simulated bank database, and (3) the publicly available World Cup big graph database. We show that our solution performs better than those algorithms mentioned here for most of the query types experimented on these big databases.

研究の動機と目的

• 大規模グラフデータベースにおける部分グラフ同型写像クエリのパフォーマンスボトルネックを解消すること。
• 複雑なクエリに不適切なプルーニング手法が効率的でないという既存手法の限界を克服すること。
• 大容量のメモリ内インデックスを必要としないため、大規模グラフシステムにおけるメモリオーバーヘッドを低減すること。
• 多様な実世界および合成グラフデータセットにおいて、高いクエリ効率を維持しながらスケーラブルなソリューションを構築すること。

提案手法

• 探索空間を削減するために、制約伝播に基づく新しいプルーニング戦略を設計する。
• 有望な候補マッピングを優先するバックトラッキングベースの探索メカニズムを導入し、収束を加速する。
• 大規模な事前計算インデックスの保存を回避することで、メインメモリ消費量を削減する。
• 永続的インデックスを必要とせず、動的に部分グラフマッチングを評価するクエリ処理パイプラインを実装する。
• グラフ構造の性質を活用して、同型写像探索をガイドし、プルーニング効率を向上させる。
• 複雑なパターンマッチングを大規模グラフデータベースで実行できるクエリエンジンにアルゴリズムを統合する。

実験結果

リサーチクエスチョン

• RQ1 大容量のメモリ内インデックスに依存せずに、複雑なクエリを効率的に行える部分グラフ同型写像アルゴリズムを設計できるか？
• RQ2 実世界および合成の大規模グラフデータベースにおいて、BB-GraphアルゴリズムはGraphQL や Cypher といった既存手法と比較して、どの程度パフォーマンスに優れているか？
• RQ3 BB-Graphは、クエリ実行速度を維持または向上させつつ、どの程度のメモリ消費量を削減できるか？
• RQ4 異なるグラフサイズおよび構造的複雑さのスケーリングにおいて、アルゴリズムは効果的にスケーリングできるか？

主な発見

• BB-Graphは、3つのデータセットにおけるすべてのテストクエリタイプで、GraphQL や Cypher を上回っている。
• 非常に大規模で複雑なグラフである実生活の人口データベースにおいて、顕著なパフォーマンス向上を達成している。
• シミュレートされた銀行データベースにおいても、BB-Graphは優れた効率性を示しており、取引およびリレーショナルなグラフワークロードにおける強力なスケーラビリティを示している。
• ワールドカップ大規模グラフデータベースの結果から、BB-Graphが大規模で実世界のグラフパターンにおいても高いパフォーマンスを維持していることが確認された。
• 大規模な事前計算インデックスの必要性を排除することで、メモリ制限のある環境においても適したメモリオーバーヘッドを実現している。
• 提案されたプルーニング戦略により、探索空間が効果的に削減され、部分グラフ同型写像クエリの収束が迅速化している。