[論文レビュー] Towards Query Optimization for SPARQL Property Paths

Nikolay Yakovets, Parke Godfrey+1 more|arXiv (Cornell University)|Apr 30, 2015

Semantic Web and Ontologies参考文献 19被引用数 4

ひとこと要約

この論文では、有限オートマトンとウェーブフロントを用いて豊かな評価計画空間をモデル化する、コストベースのクエリ最適化フレームワーク「Waveguide」を紹介する。ループキャッシュ、デルタプリーニング、およびfpp（最初のパスプリーニング）といった最適化を活用することで、最大で1000倍の性能向上を達成し、グラフ構造に応じて計画選択が性能に大きく影響することを示している。

ABSTRACT

The extension of SPARQL in version 1.1 with property paths offers a type of regular path query for RDF graph databases. Such queries are difficult to optimize and evaluate efficiently, however. We have embarked on a project, Waveguide, to build a cost-based optimizer for SPARQL queries with property paths. Waveguide builds a query plan - a waveguide plan (WGP) - which guides the query evaluation. There are numerous choices in the construction of a plan, and a number of optimization methods, meaning the space of plans for a query can be quite large. Execution costs of plans for the same query can vary by orders of magnitude. We illustrate the types of optimizations this approach affords and the performance gains that can be obtained. A WGP's costs can be estimated, which opens the way to cost-based optimization.

研究の動機と目的

• RDFストアにおけるSPARQLプロパティパスクエリの非効率な評価という課題に対処すること。
• 既存のアプローチを包含・拡張する包括的で拡張可能な計画空間（ウェーブフロント計画、WGPs）を設計すること。
• 中間結果サイズやプリーニング効率といった重要なコスト要因をモデル化することで、コストベースの最適化を可能にすること。
• 計画選択が性能に顕著に影響することを示し、データに依存する最適化の必要性を明らかにすること。

提案手法

• SPARQLプロパティパスの非決定的有限オートマトンに基づく評価戦略として、ウェーブフロント計画（WGPs）を提案する。
• クエリ評価をウェーブフロントの伝搬としてモデル化し、各ウェーブフロントがプロパティパスの有限オートマトンにおける状態に対応する。
• 3つの主要な最適化を導入する：再帰的トラバーサルを回避するためのループキャッシュ、重複タプルを早期に削除するためのデルタプリーニング、非生産的パスを排除するための最初のパスプリーニング（fpp）。
• 中間結果サイズ、ラベル頻度、プリーニング効果性に基づいて実行コストを推定するコストモデルを採用する。
• 動的列挙を用いてWGP空間を探索し、最小コストの計画を選択する。
• 実世界のRDFデータセットを用いてアプローチを検証し、複数のクエリ計画間でのパフォーマンスを比較する。

実験結果

リサーチクエスチョン

• RQ1 既存のアプローチを越えて包括的かつ拡張可能なSPARQLプロパティパスの評価計画空間をどのようにモデル化できるか？
• RQ2 プロパティパス評価計画のパフォーマンスに最も顕著に影響を与えるコスト要因は何か？
• RQ3 ループキャッシュ、デルタプリーニング、fppといった最適化は、実際の実行時間にどの程度の短縮効果をもたらすか？
• RQ4 ウェーブフロント計画の選択が、多様なグラフ構造やクエリパターンにおいてパフォーマンスにどのように影響を与えるか？
• RQ5 コストベースの最適化エンジンは、実世界のシナリオにおいてJena や Virtuoso といった既存のSPARQLエンジンを上回るパフォーマンスを達成できるか？

主な発見

• Waveguide計画は、単純または標準的手法に比べて最大で1000倍のパフォーマンス向上を達成できる。1つのクエリでは1000倍の向上が確認された。
• 計画の実行時間は、エッジウォークの回数と中間結果サイズと強く相関しており、特にプリーニングが効果を発揮しない場合に顕著である。
• 高い再帰的冗長性を示すクエリ（例：D1–D8）では、デルタプリーニングが重複タプルを早期に削除することでコストを顕著に低減する。
• レンズ効果（ラベル頻度に応じてプリーニングの焦点がずれる現象）は、グラフ構造に応じてプリーニング効果を向上または低下させる可能性がある。
• キャッシュ、デルタプリーニング、fppを1つの計画（例：P4）に組み合わせることで最良のパフォーマンスが得られ、最適でない計画に比べて実行時間が90％以上短縮された。
• 最良の計画と最悪の計画の間には顕著なパフォーマンスギャップ（例：Q4におけるP1とP4）が存在し、計画選択が極めて重要であり、コストベースの最適化が不可欠であることを示している。