[論文レビュー] Piecewise Linear Approximation in Data Streaming: Algorithmic Implementations and Experimental Analysis

Romaric Duvignau, Vincenzo Gulisano+2 more|arXiv (Cornell University)|Aug 27, 2018

Time Series Analysis and Forecasting参考文献 16被引用数 4

ひとこと要約

本稿は、リアルタイムデータ処理における区分的線形近似（PLA）のストリーミング対応フレームワークを提案し、最適化された圧縮プロトコルと新たなヒューリスティクスを導入することで、遅延と誤差を低減する。再考されたPLA出力表現とプロトコル設計により、再構築遅延と精度に顕著な改善が得られ、特に動的ストリーミング環境下でも圧縮効率を損なわずに実現可能であることを示している。

ABSTRACT

Piecewise Linear Approximation (PLA) is a well-established tool to reduce the size of the representation of time series by approximating the series by a sequence of line segments while keeping the error introduced by the approximation within some predetermined threshold. With the recent rise of edge computing, PLA algorithms find a complete new set of applications with the emphasis on reducing the volume of streamed data. In this study, we identify two scenarios set in a data-stream processing context: data reduction in sensor transmissions and datacenter storage. In connection to those scenarios, we identify several streaming metrics and propose streaming protocols as algorithmic implementations of several state of the art PLA techniques. In an experimental evaluation, we measure the quality of the reviewed methods and protocols and evaluate their performance against those streaming statistics. All known methods have deficiencies when it comes to handling streaming-like data, e.g. inflation of the input stream, high latency or poor average error. Our experimental results highlight the challenges raised when transferring those classical methods into the stream processing world and present alternative techniques to overcome them and balance the related trade-offs.

研究の動機と目的

• リアルタイムストリーミングにおける古典的手法の欠陥（高遅延、データの膨張、誤差制御の不十分さ）を是正すること。
• 圧縮比を超えたストリーミング特有の指標（データ削減、再構築遅延、精度損失）を導入することで、PLAの評価を再定式化すること。
• エッジおよびデータセンタ環境におけるPLA圧縮データの送信および保存を最適化するストリーミングプロトコルの設計と評価。
• 個々の誤差を低減しつつも、競争力のある圧縮レートを維持する新たなPLA計算ヒューリスティクスの提案。
• 小さなプロトコルおよびアルゴリズム的変更が、ストリーミングワークロードにおける圧縮、遅延、正確性のトレードオフを顕著に改善できることを実証すること。

提案手法

• PLAパフォーマンスを評価するための3つのストリーミング指標を定義：圧縮比、再構築遅延（セグメント数で表す）、平均誤差（ℓ₂ノルム）。
• 「圧縮プロトコル」を導入——ストリーミング中に線分をいつ、どのように出力するかを規定する、PLA技術の具体的なアルゴリズム的実装。
• 動的計画法を用いてPLA表現の「サイズ」を最小化——ジョイントノードを2バイト、ディスジョイントノードを3バイトとしてカウントし、セグメント数に依存しない指標へと拡張。
• 符号トリック（xの代わりに−xを格納）を適用することで、ストリーミング中でも追加ビットなしにストレージオーバーヘッドを低減。
• 既存のPLA手法（例：[10, 17, 18] からのもの）に、遅延低減と誤差制御向上を目的とした新規出力プロトコルを拡張。
• 圧縮レコードの実際のバイト消費量を測定し、UCRのような合成またはベンチマークデータセットではなく、実世界のタイムスタンプ付きデータストリーム上で性能を評価。

実験結果

リサーチクエスチョン

• RQ1 古典的手法のPLAは、実世界のストリーミング環境下で再構築遅延と誤差の膨張について、どのように動作するか？
• RQ2 プロトコルレベルの設計選択（例：セグメントをいつ出力するか）が、PLA圧縮ストリームの遅延と精度にどの程度改善をもたらすか？
• RQ3 新たなPLA計算ヒューリスティクスは、圧縮効率を損なわずに個々の近似誤差を低減できるか？
• RQ4 圧縮比、再構築遅延、誤差の間には、プロトコルおよびアルゴリズム設計によって最適化可能な意味のあるトレードオフが存在するか？
• RQ5 既存のPLA手法は急激なデータ変化にどのように反応するか？また、適応戦略によりデータの膨張を緩和できるか？

主な発見

• 古典的手法のPLAは、ストリーミング文脈においてしばしば失敗し、データ量が膨張し、再構築遅延が最大4セグメントに達するなど、不必要な高い個々の誤差を生じる。
• 提案された圧縮プロトコルは、再構築遅延を顕著に低減——入力処理から2〜4セグメント以内に出力を達成——ベースライン手法と比較して顕著な改善を示す。
• 新規ヒューリスティクス手法は、標準的手法と比較して平均ℓ₂誤差を低減しつつも、競争力のある圧縮レートを維持している。
• 圧縮比のわずかな低下が、遅延と誤差の両面で顕著な改善をもたらすことが示され、高圧縮が唯一の最適化目標であるべきではないことを示唆している。
• 動的計画法に基づくサイズ指標（ノードを2または3バイトとしてカウント）は、セグメント数のみに依存する指標よりも、ストレージコストをより正確に測定できる。
• 実世界のデータセットを用いた実験フレームワークにより、UCRベンチマークデータはストリーミングワークロードを代表していないことが判明——データの多様性のためであり、実世界のデータはより洗練された性能トレードオフを明らかにしている。