[論文レビュー] Faster Concurrent Range Queries with Contention Adapting Search Trees Using Immutable Data

Kjell Winblad|arXiv (Cornell University)|Sep 3, 2017

Data Management and Algorithms被引用数 3

ひとこと要約

本論文では、競合状態適応探索木と不変データ構造を組み合わせることで、高速で線形化可能（linearizable）な範囲クエリを可能にする、新しい並列順序付き集合データ構造 Im-Tr-CA を提示する。競合状態とクエリサイズに基づいて不変データセグメントのサイズを動的に調整することで、ロック競合を低減し、特に大規模な範囲クエリを含むワークロードにおいて、従来の手法に比べて最大3倍の性能向上を達成する。

ABSTRACT

The need for scalable concurrent ordered set data structures with linearizable range query support is increasing due to the rise of multicore computers, data processing platforms and in-memory databases. This paper presents a new concurrent ordered set with linearizable range query support. The new data structure is based on the contention adapting search tree and an immutable data structure. Experimental results show that the new data structure is as much as three times faster compared to related data structures. The data structure scales well due to its ability to adapt the sizes of its immutable parts to the contention level and the sizes of the range queries.

研究の動機と目的

• 高レベルの競合状態下で、線形化可能範囲クエリをサポートする既存の並列順序付き集合のスケーラビリティ制限を解消すること。
• 並列範囲クエリにおける粗粒度および固定サイズの細粒度アプローチの性能ボトルネックを克服すること。
• クエリサイズや競合レベルなどのワークロード特性に応じて、同期の粒度を動的に適応するデータ構造を設計すること。
• 小規模および大規模な範囲クエリの両方で性能を向上させつつ、線形化可能性と低競合を維持すること。
• 実際のワークロードにおいて、最先端の並列データ構造と比較して提案手法の有効性を評価すること。

提案手法

• データ構造は、基本ノードがロックで保護された順序付きデータ構造を管理する、競合状態適応探索木（CA木）をコア構造として用いる。
• キーバリュー対を格納するために不変データ構造が使用され、更新はイン-placeでの変更ではなく、新しいバージョンの作成によって行われる。
• 不変セグメントのサイズは、観察された競合レベルと範囲クエリの予想サイズに基づいて動的に調整される。
• 範囲クエリは、共有可能な可変基本ノードを最小限の数だけ通過した後、不変データの読み取り専用走査に切り替えることで、ロック競合を最小限に抑える。
• 更新操作は、原子的比較アトムスワップ（compare-and-swap）を用いて不変データへのルート参照を置き換えることで、線形化可能性を保証する。
• 設計は、キャッシュフレンドリーなメモリアクセスパターンを活用し、可変状態を基本ノードに限定することで、誤った共有（false sharing）を低減する。

実験結果

リサーチクエスチョン

• RQ1 CA木と不変データ構造を組み合わせることで、線形化可能範囲クエリを備えた並列順序付き集合が、より高い性能を達成できるか。
• RQ2 不変セグメントサイズの動的適応が、変動する競合状態とクエリサイズのワークロード下で性能に与える影響は何か。
• RQ3 提案手法は、小規模および大規模な範囲クエリの両方のシナリオにおいて、既存のCA木バリアントおよび他の並列データ構造を上回る性能を発揮するか。
• RQ4 不変データの使用が、並列環境におけるロック競合をどれほど低減し、スケーラビリティを向上させるか。
• RQ5 データセットサイズの増加とアクセスパターンの変化に伴い、提案されたデータ構造の性能はどのようにスケーリングするか。

主な発見

• 大規模な範囲クエリを含むワークロードでは、関連するデータ構造に比べてIm-Tr-CAが最大3倍の性能を達成する。
• 範囲クエリあたりの基本ノードの走査数は低く保たれ（例：32K範囲クエリでは13）、共有可変状態へのアクセスが最小限であることが示された。
• 128K範囲クエリのシナリオでは、Im-Tr-CAはクエリあたりたった56の基本ノードを走査するにとどまり、効率的な共有状態アクセスが実証された。
• 多様なワークロードにおいても、Im-Tr-CAは高い性能を維持し、小規模および大規模なクエリ両方のシナリオで他を上回った。
• 不変セグメントサイズの動的適応により、さまざまなワークロード下で競合が効果的に低減され、スケーラビリティが向上した。
• 大規模な範囲クエリと高レベルの競合状態が重複するシナリオでも、Im-Tr-CAはロック保持時間の短縮により、優れた性能を維持した。