[논문 리뷰] Heuristic and Cost-based Optimization for Diverse Provenance Tasks

Xing Niu, Raghav Kapoor외 5명|arXiv (Cornell University)|2018. 04. 17.

Scientific Computing and Data Management참고 문헌 14인용 수 3

한 줄 요약

이 논문은 다양한 프로벤ance 작업에서 실행 시간을 수개의 주요 차수 감소시키는 데 성공한, 히우리스틱 및 비용 기반 기법을 융합한 프로벤ance 인식 최적화 프레임워크를 제안한다. 대체적인 대수적 동치성과 다른 인스트루멘테이션 전략을 활용함으로써, 프로벤ance 집약적인 쿼리의 성능을 크게 향상시킨다.

ABSTRACT

A well-established technique for capturing database provenance as annotations on data is to instrument queries to propagate such annotations. However, even sophisticated query optimizers often fail to produce efficient execution plans for instrumented queries. We develop provenance-aware optimization techniques to address this problem. Specifically, we study algebraic equivalences targeted at instrumented queries and alternative ways of instrumenting queries for provenance capture. Furthermore, we present an extensible heuristic and cost-based optimization framework utilizing these optimizations. Our experiments confirm that these optimizations are highly effective, improving performance by several orders of magnitude for diverse provenance tasks.

연구 동기 및 목표

• 데이터베이스 시스템에서 프로벤ance 캡처를 위한 쿼리 인스트루멘테이션으로 인한 성능 저하 문제를 해결한다.
• 프로벤ance 인식 쿼리의 최적화를 위해 대수적 동치성과 대체 인스트루멘테이션 방법을 개발한다.
• 히우리스틱 및 비용 기반 최적화를 통합한 확장 가능한 최적화 프레임워크를 설계한다.
• 프로벤ance 무결성 또는 정확성에 손상을 주지 않으면서 쿼리 실행 효율성을 향상시킨다.
• 지능적인 최적화를 통해 런타임 오버헤드를 줄여 프로벤ance 시스템의 실용적 구현을 가능하게 한다.

제안 방법

• 인스트루먼티드 쿼리에 특화된 대수적 동치성을 제안하여, 프로벤ance 인식 실행 계획 간 최적화를 가능하게 한다.
• annotation 전파 오버헤드를 줄이면서도 프로벤ance 의미를 유지하는 대체 인스트루멘테이션 전략을 도입한다.
• 통계 및 선택도 추정치를 사용하여 대체 실행 계획의 비용을 추정하는 비용 기반 최적화 프레임워크를 설계한다.
• 최적화 시간과 계획 품질 간의 균형을 맞추는 적응형 최적화 전략을 구현하여, 최적 전략에 비해 요비율 2배 이내의 경쟁력을 확보한다.
• 구간 기반 프루닝을 사용하여 효율적으로 고품질의 프로벤ance 쿼리 계획 영역을 탐색하는 계획 공간 탐색 알고리즘을 설계한다.
• 프로벤ance 다항식 의미론과 관계형 인코딩을 활용하여 프로벤ance 어노테이션을 쿼리 대수의 일부로 모델링한다.

실험 결과

연구 질문

• RQ1 어떻게 인스트루먼티드 쿼리에 대수적 동치성을 식별하고 적용하여 프로벤ance 쿼리 성능을 향상시킬 수 있는가?
• RQ2 프로벤ance 무결성을 잃지 않으면서도 계산 비용을 줄일 수 있는 대체 인스트루멘테이션 방법은 무엇인가?
• RQ3 비용 기반 최적화는 어떻게 확장되어 프로벤ance 인식 쿼리 계획을 효과적으로 처리할 수 있는가?
• RQ4 프로벤ance 쿼리 최적화에서 최적화 시간과 계획 품질 간의 상호 교환 관계는 어떠한가?
• RQ5 적응형 최적화 전략은 오버헤드를 제한하면서도 근사 최적 성능을 달성할 수 있는가?

주요 결과

• 제안된 최적화 프레임워크는 다양한 프로벤ance 작업에서 쿼리 성능을 수개의 주요 차수 감소시킨다.
• 적응형 최적화 전략은 2-경쟁 가능성이 입증되어 총 최적화 및 실행 시간이 최적 전략에 비해 요비율 2배 이내에 머무른다.
• 대수적 동치성과 대체 인스트루멘테이션 방법은 프로벤ance 인식 쿼리 실행 비용을 크게 감소시킨다.
• 비용 기반 최적화 프레임워크는 계획 비용을 효과적으로 추정하고 비교하여 고품질의 실행 계획 선택을 가능하게 한다.
• 계획 공간 탐색 알고리즘은 구간 기반 프루닝과 동적 저/상한 사용을 통해 검색 공간의 유망한 영역을 효율적으로 탐색한다.
• 실험적 평가를 통해 프레임워크가 다양한 프로벤ance 워크로드에서 상당한 성능 향상을 제공하는 것으로 확인되었다.