[논문 리뷰] Fast and Tiny Structural Self-Indexes for XML

Sebastian Maneth, Tom Sebastian|arXiv (Cornell University)|2010. 12. 27.

Advanced Database Systems and Queries참고 문헌 32인용 수 17

한 줄 요약

이 논문은 반복적인 마크업으로 인해 높은 압축 비율을 달성할 수 있는 직선 트리(SLT) 문법을 기반으로 하여, 원본 데이터 크기의 일부에 불과한 공간 오버헤드로 빠른 XPath 쿼리 평가를 가능하게 하는 새로운 구조적 자기색인(structural self-index)을 제안한다. 직선 트리 문법을 활용하고, 효율적인 taggedDesc/taggedFoll 연산을 지원하기 위해 보조 구조를 도입함으로써, 이 색인은 전체 XPath 평가—특히 결과 수 계산 및 직렬화 작업—를 이전 시스템 대비 최대 100배 빠르게 수행할 수 있으며, 원본 데이터 크기의 일부에 불과한 공간만을 사용한다.

ABSTRACT

XML document markup is highly repetitive and therefore well compressible using dictionary-based methods such as DAGs or grammars. In the context of selectivity estimation, grammar-compressed trees were used before as synopsis for structural XPath queries. Here a fully-fledged index over such grammars is presented. The index allows to execute arbitrary tree algorithms with a slow-down that is comparable to the space improvement. More interestingly, certain algorithms execute much faster over the index (because no decompression occurs). E.g., for structural XPath count queries, evaluating over the index is faster than previous XPath implementations, often by two orders of magnitude. The index also allows to serialize XML results (including texts) faster than previous systems, by a factor of ca. 2-3. This is due to efficient copy handling of grammar repetitions, and because materialization is totally avoided. In order to compare with twig join implementations, we implemented a materializer which writes out pre-order numbers of result nodes, and show its competitiveness.

연구 동기 및 목표

• XPath의 탐색 축을 완전히 지원하지 못하는 기존의 구조적 XML 색인의 비효율성과 높은 공간 비용 문제를 해결하기 위해.
• SLT 문법을 사용한 문법 기반 압축을 통해 XML 트리 구조를 압축하면서도 전체 쿼리 표현력을 유지하는 자기색인을 설계하기 위해.
• 원본 데이터를 완전히 복원하지 않고도 압축된 색인 위에서 임의의 트리 알고리즘과 XPath 쿼리를 직접 빠르게 평가할 수 있도록 하기 위해.
• 특히 공간 제약이 있는 환경에서 핵심 작업인 결과 수 계산과 직렬화 성능을 기존 시스템을 뛰어넘기 위해.

제안 방법

• 반복적인 마크업으로 인해 높은 압축 비율을 달성할 수 있는 직선 트리(SLT) 문법으로 XML 트리 구조를 압축한다.
• 각 비단말기와 비단말기마다 비트 벡터를 추가하여, 비단말기가 해당 단말기를 생성하는지 여부를 기록함으로써 taggedDesc 및 taggedFoll 연산을 빠르게 수행할 수 있도록 한다.
• 압축된 문법 위에서 임의의 트리 알고리즘(예: 깊이 우선 순회, XPath 평가)을 실행할 수 있는 일반적인 순차적 인터페이스를 제공한다.
• XPath 결과 수 계산과 쿼리 결과의 직렬화/물리적 재구성에 특화된 평가기(evaluator)를 구현하여, 효율적인 문법 순회를 통해 물리적 재구성을 피한다.
• 경로 쿼리에 대해 하향식 접근 방식을 사용하며, 문법의 구조를 활용해 관련이 없는 노드를 건너뛰어 순회 비용을 줄인다.
• 비단말기의 랭크를 줄이기 위해 bCNF(이진 체옴스키 정규형) 변환을 적용하여, 자동기계 평가 함수에서 발생하는 오버헤드를 최소화한다.

실험 결과

연구 질문

• RQ1 문법 기반 압축을 통해 표현된 트리 구조를 사용하여, 원본 데이터를 복원하지 않고도 효율적이고 완전한 XPath 평가를 지원하는 자기색인을 구축할 수 있는가?
• RQ2 기존의 구조적 색인 대비, 문법 기반 압축이 색인 크기를 얼마나 줄일 수 있으며, 이로 인해 쿼리 성능이 유지되거나 향상되는가?
• RQ3 문법 색인 위에서 특화된 평가기를 사용하면, 결과 수 계산 및 직렬화와 같은 일반적인 XPath 작업에서 기존 시스템을 뛰어넘는 성능 향상을 달성할 수 있는가?
• RQ4 문법 내 비단말기의 랭크가 압축 색인 위에서 쿼리 평가 성능에 미치는 영향은 어떠한가?
• RQ5 이 색인은 XML 데이터베이스에서 선택도 추정과 빠른 직렬화를 위한 구조적 요약으로 효과적으로 사용될 수 있는가?

주요 결과

• TinyT 색인은 116MB 크기의 XMark 문서에 대해 단지 83MB의 공간을 사용하여 극도로 높은 공간 효율성을 입증하였다.
• XMark116M에서 TreeRePair 문법을 사용할 경우, 이전 시스템인 MonetDB와 Qizx 대비 XPath 결과 수 계산 속도가 최대 100배 빠르며, 평가 시간이 5ms로 측정되었다.
• 문법 반복을 효율적으로 처리하고 물리적 재구성을 피하기 때문에, 쿼리 결과의 직렬화 및 물리적 재구성 속도가 기존 시스템 대비 2배에서 3배 빠르게 되었다.
• 평가기 성능은 문법의 랭크에 매우 민감하게 영향을 받는다: 랭크 8인 문법은 쿼리에 38ms가 소요된 반면, 랭크 3인 문법은 단 28ms로 더 빠른 성능을 보였다. 이는 낮은 랭크가 성능 향상에 기여함을 시사한다.
• SXSI의 트리 저장소를 새로운 인터페이스로 교체하면 성능은 약 4배 저하되지만 메모리 사용량은 3배 감소하여, 유리한 시간-공간 트레이드오프를 확보하였다.
• 색인이 매우 작아서(예: 116MB의 데이터에 대해 83MB), 주 메모리에 유지할 수 있어 선택도 추정 및 쿼리 최적화를 위한 빠른 메모리 내 처리가 가능하다.