[논문 리뷰] An Experimental Investigation of XML Compression Tools

Sherif Sakr|ArXiv.org|2008. 05. 31.

Algorithms and Data Compression참고 문헌 18인용 수 7

한 줄 요약

이 논문은 57개의 다양한 XML 문서를 대상으로 최신 9종의 XML 압축 도구를 종합적으로 평가하여 압축 비율, 속도, 실용성 측면에서 평가한다. 연구 결과, 일반 목적의 압축기인 gzip과 XMLGzip가 실제 성능에서 전문적인 XML 인식 도구를 능가하며, XML 인식 기법으로 인한 압축 비율 향상은 미미한 편이었고, 안정적이고 오픈소스인 쿼리 가능한 압축기와 재현 가능한 벤치마킹의 필요성을 강조한다.

ABSTRACT

This paper presents an extensive experimental study of the state-of-the-art of XML compression tools. The study reports the behavior of nine XML compressors using a large corpus of XML documents which covers the different natures and scales of XML documents. In addition to assessing and comparing the performance characteristics of the evaluated XML compression tools, the study tries to assess the effectiveness and practicality of using these tools in the real world. Finally, we provide some guidelines and recommen- dations which are useful for helping developers and users for making an effective decision for selecting the most suitable XML compression tool for their needs.

연구 동기 및 목표

• 실제 환경에서 최신 XML 압축 도구의 성능을 평가하고 비교하는 것.
• 압축 비율, 속도, 자원 사용 측면에서 XML 인식형 압축기와 일반 목적의 압축기 간의 실용성과 효과성을 평가하는 것.
• 현재 구현의 격차를 특정적으로 파악하는 것, 특히 소스 코드 가용성과 쿼리 가능한 압축 기능 지원 측면에서.
• 특정 요구사항(예: 속도, 압축 비율, 쿼리 지원 등)에 따라 개발자와 사용자가 최적의 XML 압축 도구를 선택할 수 있도록 실질적인 지침을 제공하는 것.

제안 방법

• 다양한 데이터 유형과 규모를 반영하는 57개의 다양한 XML 문서 코퍼스를 활용해 9종의 공개된 XML 압축 도구를 평가하였다.
• 두 가지 테스트 환경(다른 시스템 자원을 갖춘)에서 압축 및 복원 시간, 압축 비율, 자원 사용량을 측정하였다.
• 공정한 비교와 최적의 성능 설정을 위해 각 도구에 대해 튜닝된 파라미터를 적용하였다.
• 전반적인 도구 효과성 평가를 위해 압축 비율, 시간, 병합 지표를 가중치로 적용한 다수의 랭킹 함수를 적용하였다.
• 도구를 구조 인식 수준(구조 무시형 대비 XML 인식형), 쿼리 지원 여부(쿼리 가능한 대비 비쿼리 가능한), 압축 모드(온라인 대비 오프라인)로 분류하였다.
• 재현 가능성과 결과의 투명성을 확보하기 위해 공개 웹 페이지에서 수집한 결과를 수집하고 분석하였다.

실험 결과

연구 질문

• RQ1 XML 인식형 압축기와 일반 목적의 텍스트 압축기 간에 압축 비율과 성능 측면에서 어떤 차이가 있는가?
• RQ2 메모리 집약적 압축기(예: PPM, XWRT)의 성능에 시스템 자원(예: RAM)이 미치는 영향은 어떠한가?
• RQ3 압축 비율, 속도, 압축된 데이터에 대한 직접 쿼리 지원 간의 최적의 트레이드오프를 제공하는 압축 도구는 무엇인가?
• RQ4 XML 인식 압축 기법이 일반 목적의 압축기 성능을 넘어선 압축 향상 효과를 얼마나 크게 제공하는가?
• RQ5 쿼리 가능한 및 스키마 인식형 XML 압축기의 보급에 있어 실질적인 장애 요소는 무엇이며, 이를 어떻게 해결할 수 있는가?

주요 결과

• gzip과 XMLGzip는 모든 랭킹 함수에서 일관되게 최상위 성능을 보이며, 압축 비율과 속도의 균형을 가장 잘 유지하였다.
• XML 인식형 압축기 중 어느 것도 기반 일반 목적 압축기(gzip, bzip2, PPM 등)에 비해 압축 비율 향상에서 뚜렷하거나 눈에 띄는 개선을 보이지 않았으며, 대부분의 경우 5% 이내의 개선에 그쳤다.
• 압축 및 복원 시간은 도구 랭킹에서 핵심 요소였으며, 압축 비율의 미세한 향상보다도 더 큰 영향을 미쳤다.
• 스키마에 의존하는 쿼리 가능한 XML 압축기는 여전히 개발이 부족하며, 특히 문법 기반 접근 방식의 경우 안정적이고 공개된 구현이 거의 없었다.
• 많은 도구, 특히 쿼리 가능한 도구들이 공개된 소스 코드를 보유하지 않아 연구 간 재현 가능성과 공정한 비교를 둔축하게 되었다.
• 이 연구는 XMill의 核심 기술인 구조적 부분과 데이터 부분을 분리하여 타겟 압축을 수행하는 방식이 여전히 기초가 되고 있음을 확인하였지만, 이후 도구들이 이 모델을 크게 발전시키지 못했다.