[논문 리뷰] Old Techniques for New Join Algorithms: A Case Study in RDF Processing

Christopher R. Aberger, Susan Tu외 2명|arXiv (Cornell University)|2016. 02. 10.

Advanced Database Systems and Queries참고 문헌 14인용 수 7

한 줄 요약

이 논문은 LUBM 벤치마크를 사용하여 원래 이론적 구조였던 최악의 경우 최적 조인 알고리즘을 실질적인 RDF 쿼리 처리에 적용해 평가한다. 추가 최적화가 없을 경우, EmptyHeaded와 LogicBlox 같은 엔진이 사이클이 있는 쿼리에서 전통적인 RDF 엔진보다 최대 6배 빠르게 작동하며, 세 가지 고전적 최적화(인덱스 레이아웃, 선택 조건 프로젝션, 파이프라인 처리)를 적용하면 EmptyHeaded는 비순환 쿼리에서 최상위 RDF 엔진과 비슷한 성능을 달성한다.

ABSTRACT

Recently there has been significant interest around designing specialized RDF engines, as traditional query processing mechanisms incur orders of magnitude performance gaps on many RDF workloads. At the same time researchers have released new worst-case optimal join algorithms which can be asymptotically better than the join algorithms in traditional engines. In this paper we apply worst-case optimal join algorithms to a standard RDF workload, the LUBM benchmark, for the first time. We do so using two worst-case optimal engines: (1) LogicBlox, a commercial database engine, and (2) EmptyHeaded, our prototype research engine with enhanced worst-case optimal join algorithms. We show that without any added optimizations both LogicBlox and EmptyHeaded outperform two state-of-the-art specialized RDF engines, RDF-3X and TripleBit, by up to 6x on cyclic join queries-the queries where traditional optimizers are suboptimal. On the remaining, less complex queries in the LUBM benchmark, we show that three classic query optimization techniques enable EmptyHeaded to compete with RDF engines, even when there is no asymptotic advantage to the worst-case optimal approach. We validate that our design has merit as EmptyHeaded outperforms MonetDB by three orders of magnitude and LogicBlox by two orders of magnitude, while remaining within an order of magnitude of RDF-3X and TripleBit.

연구 동기 및 목표

• 최악의 경우 최적 조인 알고리즘이 실제 RDF 워크로드에서 실질적인 성능 향상을 가져올 수 있는지 평가하기 위해.
• 이론적으로 최적인 이러한 알고리즘이 최신 전문화된 RDF 엔진보다 뛰어나거나 경쟁할 수 있는지 조사하기 위해.
• 최악의 경우 최적 엔진에 대한 고전적 관계형 데이터베이스 최적화(인덱스 레이아웃, 선택 조건 프로젝션, 파이프라인 처리)의 영향을 평가하기 위해.
• 최악의 경우 최적 조인의 점근적 이점이 다양한 RDF 쿼리 패턴 전반에서 측정 가능한 성능 향상으로 이어지는지 확인하기 위해.
• 프로토타입 최악의 경우 최적 엔진(EmptyHeaded)이 기존의 일반 및 최악의 경우 최적 엔진을 초월하면서도 전문 RDF 시스템과 경쟁 가능한 성능을 유지할 수 있는지 검증하기 위해.

제안 방법

• 저자는 최악의 경우 최적 엔진인 EmptyHeaded를 구현하고 평가하였으며, 이는 집합 교차 및 다중 방향 조인 처리 기반의 고급 조인 알고리즘을 사용한다.
• 저자는 LUBM 벤치마크 전체(1억 3,300만 트리플 포함)에서 EmptyHeaded와 LogicBlox(상용 최악의 경우 최적 엔진)를 RDF-3X와 TripleBit와 비교한다.
• 연구에서는 세 가지 고전적 최적화를 적용한다: 고선택성 패턴을 위한 최적화된 인덱스 레이아웃, 중간 결과 크기를 줄이기 위한 선택 조건의 프로젝션, 쿼리 계획 노드 간 중간 결과의 파이프라인 처리.
• 성능는 일곱 번의 쿼리 실행 동안의 벽시계 실행 시간으로 측정되며, 변동성을 줄이기 위해 가장 빠른 및 가장 느린 실행 결과를 제외한다.
• 저자는 EmptyHeaded에서 커버링 인덱스를 지원하기 위해 트라이 기반 데이터 구조를 사용한다. 이는 고선택성 비순환 쿼리에 대해 효율적인 액세스를 가능하게 한다.
• 저자는 사이클이 있는 패턴과 비순환 패턴에 걸쳐 쿼리 실행 시간을 분석하며, 점근적 이점과 실질적 성능 트레이드오���을 모두 고려한다.

실험 결과

연구 질문

• RQ1 최악의 경우 최적 조인 알고리즘이 실제 RDF 워크로드에서 기존 및 전문화된 RDF 엔진보다 측정 가능한 성능 향상을 제공할 수 있는가?
• RQ2 인덱스 레이아웃, 선택 조건 프로젝션, 파이프라인 처리 등의 고전적 데이터베이스 최적화가 최악의 경우 최적 엔진과 전문 RDF 시스템 간의 성능 격차를 어느 정도 줄일 수 있는가?
• RQ3 최악의 경우 최적 조인 알고리즘이 기존 엔진에서 점근적으로 열등한 성능를 보이는 것으로 알려진 사이클이 있는 쿼리에서 실질적인 이점을 제공하는가?
• RQ4 프로토타입 최악의 경우 최적 엔진(EmptyHeaded)의 성능가 일반 목적 및 전문 RDF 엔진 간의 다양한 쿼리 유형에서 어떻게 비교되는가?
• RQ5 최악의 경우 최적 엔진에서 성능 저하 요인은 무엇이며, 이는 대상 최적화로 완화될 수 있는가?

주요 결과

• 사이클이 있는 쿼리—특히 삼각형 패턴을 포함한 LUBM Q2 및 Q9—에서 EmptyHeaded와 LogicBlox는 RDF-3X와 TripleBit를 최대 6배 빠르게 처리하여 최악의 경우 최적 조인 알고리즘의 실질적 이점을 입증한다.
• 추가 최적화 없이도 LogicBlox와 EmptyHeaded는 기존 관계형 엔진보다 사이클이 있는 쿼리에서 최대 18배 빠르고, 전문화된 RDF 엔진보다는 4배 빠르게 작동한다.
• 세 가지 고전적 최적화(인덱스 레이아웃, 선택 조건 프로젝션, 파이프라인 처리)를 적용하면 EmptyHeaded는 고선택성 비순환 쿼리에서 실행 시간을 두 개 이상의 지수만큼 감소시켜 RDF-3X 및 TripleBit와 비슷한 성능 수준에 도달한다.
• 고선택성의 단순 비순환 쿼리(예: LUBM Q1, Q3, Q5, Q11, Q13, Q14)에서 EmptyHeaded는 효율적인 트라이 기반 커버링 인덱스 덕분에 전문 엔진과 유사한 성능을 보인다.
• 복잡한 비순환 쿼리(예: LUBM Q7, Q8, Q12)에서는 여전히 전문 엔진이 EmptyHeaded를 앞서지만, 최적화를 통해 성능을 최대 48배 향상시킬 수 있다.
• LUBM Q8에서 EmptyHeaded의 성능 저하 원인은 메모리 재할당에 기인하며, 이는 주요 성능 저하 요인으로 밝혀졌다. 이 요인을 제거하면 RDF-3X와 유사한 성능을 달성하여 향후 최적화 잠재력이 있음을 시사한다.