[論文レビュー] In-Memory Object Graph Stores

Renzo Angles, János Benjamin Antal+3 more|arXiv (Cornell University)|Jan 7, 2020

Peer-to-Peer Network Technologies被引用数 14

ひとこと要約

LDBC Social Network Benchmark (v2.2.4) は、インタラクティブ（トランザクション系クエリ）およびビジネスインテリジェンス（分析系クエリ）の2つのワークロードを通じて、グラフデータベースシステムの評価を標準化するフレームワークを定義する。実際のソーシャルネットワークのデータモデル、クエリワークロード、データ生成手順、実行ルールを規定することで、多様なグラフ技術間で公平で再現可能かつ産業界に実用的なパフォーマンス比較を可能にする。

ABSTRACT

The Linked Data Benchmark Council's Social Network Benchmark (LDBC SNB) is an effort intended to test various functionalities of systems used for graph-like data management. For this, LDBC SNB uses the recognizable scenario of operating a social network, characterized by its graph-shaped data. LDBC SNB consists of two workloads that focus on different functionalities: the Interactive workload (interactive transactional queries) and the Business Intelligence workload (analytical queries). This document contains the definition of both workloads. This includes a detailed explanation of the data used in the LDBC SNB, a detailed description for all queries, and instructions on how to generate the data and run the benchmark with the provided software.

研究の動機と目的

• ソーシャルネットワークアプリケーションで使用されるグラフデータベースシステムを公平に、現実的かつ拡張可能に評価するためのベンチマークを確立すること。
• 1つのベンチマークフレームワーク内でトランザクション系（インタラクティブ）および分析系（ビジネスインテリジェンス）の両方のワークロードをサポートすること。
• ネイティブグラフデータベース、RDFストア、リレーショナルシステムを含む多様なグラフ技術間で、再現可能なパフォーマンス評価を可能にすること。
• 業界および学術界による容易な導入を可能にするために、データスキーマ、クエリ定義、データ生成ツール、実行ルールを含む包括的なスタックを提供すること。
• システムのボトル neck を特定し、スケーラブルで効率的なグラフデータ管理に関する研究を導くことで、イノベーションを促進すること。

提案手法

• エンティティ（例：Person, Forum, Message）と関係（例：knows, created, repliedTo）を備えたグラフ構造のソーシャルネットワークデータモデルを定義する。
• OLTP スタイルのトランザクション系クエリを対象とするインタラクティブ（v1 および v2）と、分析的で複雑なパターンマッチングクエリを対象とするビジネスインテリジェンスの2つの異なるワークロードを指定する。
• スケールファクターを設定可能にし、実際のソーシャルネットワークを模倣するための分布（例：preferential attachment、パワーロウ）を用いたスケーラブルなデータ生成プロセスを導入する。
• 更新ストリームを介した動的データ操作（挿入および削除）をサポートし、エンティティのライフスパン管理により現実世界のデータの衰退をモデル化する。
• 置換パラメータ、戻り値の仕様、実行ルールを備えた形式的なクエリ記述フォーマットを提供し、一貫したベンチマーク評価を実現する。
• ベンチマーク結果の透明性と再現可能性を確保するための監査および開示ルールを含む。

実験結果

リサーチクエスチョン

• RQ1 異なる使用パターンに応じて、多様なグラフデータベースシステムを公平に評価できる標準化されたベンチマークをどのように設計できるか？
• RQ2 スケーラブルで設定可能でありながら、実際のソーシャルネットワークの構造的・時間的リアリズムを最もよく捉えるデータ生成戦略は何か？
• RQ3 インタラクティブなトランザクション系ワークロードと分析系ワークロードの両方を、1つのベンチマークフレームワークに一貫して統合するにはどうすればよいか？
• RQ4 異なるシステムやデプロイ環境間で、一貫性があり再現可能で監査可能なベンチマーク実行を保証するメカニズムは何か？
• RQ5 グラフデータベースにおける現実世界のデータダイナミクスを反映するために、ライフスパン管理および削除操作をどのようにモデル化できるか？

主な発見

• LDBC SNB v2.2.4 は、業界および学術界で広く採用されており、包括的でオープンかつ拡張可能なベンチマークフレームワークを提供している。
• 1GB から 100TB までのスケールファクターを備えた現実的なデータ生成をサポートしており、さまざまなシステム容量での評価が可能である。
• インタラクティブおよび分析系の両方のワークロードを含むことで、OLTP および OLAP の両方のワークロードにわたる包括的なシステム評価が可能である。
• 置換パラメータと形式的なクエリ定義の使用により、異なるシステム間で一貫性があり再現可能なクエリ実行が保証される。
• ライフスパンおよび削除のモデル化により、データの進化、特にソーシャルネットワークにおける連鎖的削除の現実的なシミュレーションが可能である。
• ベンチマークは、深さのある削除操作を備えた Interactive v2 ワークロードや、パス探索クエリのパラメータの最適化を支援する新規ワークロードのサポートへと拡張されている。