[論文レビュー] Mapping Relational Operations onto Hypergraph Model

Amani Tahat, Maurice HT Ling|arXiv (Cornell University)|May 30, 2011

Advanced Database Systems and Queries参考文献 17被引用数 3

ひとこと要約

本稿では、再帰的かつ結合的データを扱う際のリレーショナルモデルの限界を克服するため、リレーショナルモデルからハイパーグラフモデルへの二層構造のマッピングを提案する。タプルをスターフラットとして、関係をハイパーノードの集合として表現することで、コアなリレーショナル演算子（例：ジョイン、プロジェクション、選択）をハイパーグラフ上で実装し、複雑なリレーショナル操作が表形式でない一般化されたグラフ構造においてもネイティブに表現・実行可能であることを示している。この際、意味論の整合性も保持されている。

ABSTRACT

The relational model is the most commonly used data model for storing large datasets, perhaps due to the simplicity of the tabular format which had revolutionized database management systems. However, many real world objects are recursive and associative in nature which makes storage in the relational model difficult. The hypergraph model is a generalization of a graph model, where each hypernode can be made up of other nodes or graphs and each hyperedge can be made up of one or more edges. It may address the recursive and associative limitations of relational model. However, the hypergraph model is non-tabular; thus, loses the simplicity of the relational model. In this study, we consider the means to convert a relational model into a hypergraph model in two layers. At the bottom layer, each relational tuple can be considered as a star graph centered where the primary key node is surrounded by non-primary key attributes. At the top layer, each tuple is a hypernode, and a relation is a set of hypernodes. We presented a reference implementation of relational operators (project, rename, select, inner join, natural join, left join, right join, outer join and Cartesian join) on a hypergraph model. Using a simple example, we demonstrate that a relation and relational operators can be implemented on this hypergraph model.

研究の動機と目的

• リレーショナルモデルが再帰的かつ結合的現実世界のデータを表現する際の限界を解決すること。
• ハイパーグラフモデルがリレーショナル演算を一般化しつつ意味論の明確性を維持できるかどうかを検討すること。
• リレーショナルタプルと関係をハイパーグラフ構造にマッピングする二層構造の抽象化を設計すること。
• コアなリレーショナル演算子（例：ジョイン、プロジェクション、選択）をハイパーグラフモデル上で実装・検証すること。
• リレーショナル代数がハイパーグラフフレームワーク内ですべてネイティブに表現・実行可能であることを示すこと。

提案手法

• 各リレーショナルタプルを、主キーを中心ノードとし、非キー属性をリーフノードとするスターフラットとして表現する。
• このようなスターフラットを上位レイヤーのハイパーグラフモデルにおけるハイパーノードとして扱う。
• 関係をハイパーノードの集合としてモデル化し、外部キー関係を関連するハイパーノードを接続するハイパーエッジとして符号化する。
• 選択、プロジェクション、内部ジョインなどのリレーショナル演算子を、ノードおよびエッジ操作を用いたハイパーグラフ構造上の変換として定義する。
• 参照実装を用いて、標準的なリレーショナル演算子をハイパーグラフモデルにマッピング・実行する。
• 単純な例を用いて、マッピングの正しさと表現力の両方を検証する。

実験結果

リサーチクエスチョン

• RQ1 再帰的かつ結合的データ構造は、ハイパーグラフ抽象化を用いて効果的にモデル化可能か？
• RQ2 標準的なリレーショナル代数演算子は、ハイパーグラフモデル上の操作にどのようにマッピング可能か？
• RQ3 ハイパーグラフモデルは、表形式を越えた一般化を図りながらも、リレーショナル演算の意味論を保持できるか？
• RQ4 外結合やカルテシアン積といった複雑な演算をハイパーグラフフレームワークで実装する可能性はどの程度か？
• RQ5 スターフラット＋ハイパーグラフという二層構造の抽象化は、リレーショナルモデルとハイパーグラフデータモデルの間で実用的なブリッジを提供できるか？

主な発見

• 二層構造のハイパーグラフモデルは、内部ジョイン、外部ジョイン、カルテシアン積を含むすべての標準的リレーショナル演算子をハイパーグラフ構造に効果的にマッピングしている。
• スターフラット抽象化により、各タプルが主キーおよび非主キー属性をノードとするハイパーノードとして意味論的に保存可能である。
• ハイパーエッジが複数のハイパーノードを接続できる仕組みにより、再帰的かつ結合的データのサポートが可能となり、リレーショナルモデルの主な限界を克服している。
• 参照実装により、リレーショナル代数がハイパーグラフモデル上で意味論の整合性を失わずネイティブに表現・実行可能であることが示された。
• リレーショナル演算の単純さを維持しつつ、ハイパーグラフの一般化によりより豊かなデータモデリングが可能である。
• 本研究は、ハイパーグラフが表形式を超えたリレーショナル演算のための実用的で一般化可能な基盤となり得ることを示している。