[논문 리뷰] BB-Graph: A Subgraph Isomorphism Algorithm for Efficiently Querying Big Graph Databases

Merve Asiler, Adnan Yazıcı|arXiv (Cornell University)|2017. 06. 20.

Graph Theory and Algorithms인용 수 4

한 줄 요약

BB-Graph는 첫 번째 매칭된 데이터베이스 노드의 주변 지역에서 후보 매칭을 국소적으로 검색함으로써 전역 검색의 중복을 줄여 대규모 그래프 데이터베이스 쿼리의 효율성을 향상시키는 새로운 부분그래프 동형성 알고리즘입니다. 대규모 시나리오에서 GraphQL과 Cypher를 모두 능가하며, 큰 메모리 인덱스가 필요로 하지 않습니다.

ABSTRACT

The big graph database model provides strong modeling for complex applications and efficient querying. However, it is still a big challenge to find all exact matches of a query graph in a big graph database, which is known as the subgraph isomorphism problem. The current subgraph isomorphism approaches are built on Ullmann's idea of focusing on the strategy of pruning out the irrelevant candidates. Nevertheless, the existing pruning techniques need much more improvement to efficiently handle complex queries. Moreover, many of those existing algorithms need large indices requiring extra memory consumption. Motivated by these, we introduce a new subgraph isomorphism algorithm, named as BB-Graph, for querying big graph databases efficiently without requiring a large data structure to be stored in main memory. We test and compare our proposed BB-Graph algorithm with two popular existing approaches, GraphQL and Cypher. Our experiments are done on three different data sets; (1) a very big graph database of a real-life population database, (2) a graph database of a simulated bank database, and (3) the publicly available World Cup big graph database. We show that our solution performs better than those algorithms mentioned here for most of the query types experimented on these big databases.

연구 동기 및 목표

• 기존 알고리즘이 높은 계산 비용과 메모리 오버헤드를 야기하는 대규모 그래프 데이터베이스에서 부분그래프 동형성의 확장성 문제를 해결합니다.
• 기존 브랜치 앤 바운드 알고리즘에서 전역 후보 검색의 비효율성으로 인해 발생하는 중복 매칭 시도를 해결합니다.
• 메모리 소비를 줄이기 위해 대규모 사전 계산된 인덱스가 필요로 하지 않는 국소적 검색 전략을 도입함으로써 인덱스의 필요성을 제거합니다.
• 실제 및 합성 대규모 그래프 데이터베이스에서 다양한 쿼리 유형—특히 경로, 트리, 복잡한 구조적 쿼리—에 대해 성능을 향상시킵니다.
• 정확한 매칭 정확도를 유지하면서도 최신 기술 대비 쿼리 응답 시간을 크게 줄이는 확장성 있고 메모리 효율적인 솔루션을 제공합니다.

제안 방법

• 노드 속성을 사용하여 첫 번째 쿼리 노드에 대한 초기 후보를 선택함으로써 부분그래프 동형성을 시작하며, 이는 국소적 검색 공간을 가능하게 합니다.
• 첫 번째 쿼리 노드를 매칭한 후, 후속 노드의 후보 검색을 매칭된 데이터베이스 노드의 국소적 주변 지역으로 제한함으로써 전역 검색 범위를 줄입니다.
• 백트래킹을 포함한 브랜치 앤 바운드 전략을 활용하여 잘못된 매칭 경로를系통적으로 탐색하고 제거함으로써 정확성과 완전성을 보장합니다.
• 관계 카디널리티(1-N, N-M) 및 노드 레이블 빈도와 같은 쿼리 및 데이터베이스 그래프의 구조적 및 의미적 특징을 활용하여 효율적인 검색 순서를 안내합니다.
• 사전 색인화를 피하고 트래버스 중 동적으로 후보를 식별함으로써 메모리 프로파일을 최소화하고, 주로 메모리가 제한된 시스템에서도 배포 가능하게 합니다.
• 그래프 토폴로지와 레이블 빈도를 기반으로 쿼리별 노드 매칭 순서 선택 전략을 도입하여 성능을 추가로 최적화합니다.

실험 결과

연구 질문

• RQ1 전체 후보 검색을 줄임으로써 기존의 GraphQL 및 Cypher와 같은 접근 방식보다 뛰어난 성능을 달성할 수 있는가?
• RQ2 큰 인덱스에 의존하지 않고 국소적 주변 지역 기반의 후보 선택 전략이 대규모 그래프 데이터베이스에서 쿼리 효율성을 얼마나 향상시키는가?
• RQ3 BB-Graph의 성능은 경로, 트리, 순환 구조 등의 다양한 쿼리 유형과 그래프 구조에서 어떻게 변화하는가?
• RQ4 노드 매칭 순서가 BB-Graph의 성능에 미치는 영향은 무엇이며, 특히 관계 카디널리티(1-N 대비 N-N)와의 관계에서 어떻게 나타나는가?
• RQ5 다양한 실제 및 합성 대규모 그래프 데이터베이스에서 메모리 사용을 최소화하면서도 고성능을 유지할 수 있는가?

주요 결과

• BB-Graph는 Population, WorldCup, Bank 데이터베이스 세 가지 데이터셋에서 대부분의 쿼리 유형에서 GraphQL 및 Cypher를 모두 능가합니다.
• N-1 관계의 'N' 측을 먼저 매칭할 경우 Q-18 경로 쿼리에서 후보 수가 감소하여 성능이 약 20배 향상되었습니다.
• Q-21과 같은 트리 쿼리에서는 매칭 순서가 경로 유사한 순서로 진행되었을 때 성능이 크게 향상되었으며, 이는 Q-19의 효율적인 패턴을 모방한 결과입니다.
• Q-11 및 Q-12에서 희귀한 의미적 노드 유형에서 매칭을 시작함으로써 잘못된 양성 결과가 감소하고 성능이 최대 17.3초 향상되었습니다.
• BB-Graph의 성능은 노드 레이블 빈도, 관계 유형(1-N, N-M), 그래프 토폴로지(예: 사이클)와 같은 구조적 특징에 매우 민감합니다.
• 대부분의 경우 뛰어난 성능를 보였지만, 단축 경로 기능이 있는 특정 분석 쿼리에서는 Cypher에 비해 성능이 略로 떨어지는 경우가 있어 향상 여지가 있음을 시사합니다.