[논문 리뷰] The Query Translation Landscape: a Survey

Mohamed Nadjib Mami, Damien Graux외 4명|arXiv (Cornell University)|2019. 10. 07.

Semantic Web and Ontologies참고 문헌 65인용 수 16

한 줄 요약

이 종합 검토는 7개의 주요 쿼리 언어를 대상으로 40개 이상의 쿼리 번역 방법을 분석하며, 번역 품질 평가를 위한 여덟 가지 기준을 제안하고, 유니버설 쿼리 언어로 적합한 SQL과 SPARQL를 특정한다. 고도의 쿼리 기능 처리에 대한 심각한 격차를 드러내며, 표준화된 벤치마크와 용도 기반 평가의 필요성을 제기한다.

ABSTRACT

Whereas the availability of data has seen a manyfold increase in past years, its value can be only shown if the data variety is effectively tackled ---one of the prominent Big Data challenges. The lack of data interoperability limits the potential of its collective use for novel applications. Achieving interoperability through the full transformation and integration of diverse data structures remains an ideal that is hard, if not impossible, to achieve. Instead, methods that can simultaneously interpret different types of data available in different data structures and formats have been explored. On the other hand, many query languages have been designed to enable users to interact with the data, from relational, to object-oriented, to hierarchical, to the multitude emerging NoSQL languages. Therefore, the interoperability issue could be solved not by enforcing physical data transformation, but by looking at techniques that are able to query heterogeneous sources using one uniform language. Both industry and research communities have been keen to develop such techniques, which require the translation of a chosen 'universal' query language to the various data model specific query languages that make the underlying data accessible. In this article, we survey more than forty query translation methods and tools for popular query languages, and classify them according to eight criteria. In particular, we study which query language is a most suitable candidate for that 'universal' query language. Further, the results enable us to discover the weakly addressed and unexplored translation paths, to discover gaps and to learn lessons that can benefit future research in the area.

연구 동기 및 목표

• 다양한 데이터 환경에서의 데이터 상호운용성 문제를 해결하기 위해, 특히 폴리글랏 영속성 및 데이터 레이크 아키텍처에서의 적용을 목적으로 한다.
• 다양한 데이터 소스를 하나의 통일된 쿼리 언어로 쿼리할 수 있도록 하는 기존의 쿼리 번역 방법을 식별하고 평가하는 것.
• 특히 고도의 쿼리 기능과 최적화 전략에 대한 지원 부족을 포함한 현재 연구에서 다루지 않은 번역 경로와 격차를 밝혀내는 것.
• 분야 내 전용 벤치마크 부족을 규명함으로써 쿼리 번역을 위한 표준화된 평가 프레임워크를 제안하는 것.

제안 방법

• 저자들은 언어 커버리지, 표현력, 최적화 등 기술적 요소를 바탕으로 쿼리 번역 방법을 체계적으로 평가하고 분류하기 위해 8가지 기준을 포함한 '쿼리 번역 신원 카드'를 정의한다.
• SQL, SPARQL, XPath, XQuery, Gremlin, Cypher, NoSQL 변형 등 널리 사용되는 쿼리 언어 간의 번역을 다룬 40개 이상의 도구 및 학술 연구를 조사한다.
• 2003~2019년까지의 쿼리 번역 연구 역사적 타임라인을 포함하여, 채택 추세를 추적하고 연구 활동이 높거나 낮은 시기들을 식별한다.
• 그래픽적 표현과 비교 분석을 통해 번역 커버리지, 언어 쌍, 시스템 간 기능 지원을 시각화한다.
• 번역 과정 중 적용된 최적화 기법과 타겟 쿼리에 대한 후속 최적화를 비교하여 런타임 성능 향상 정도를 분석함으로써 번역 품질을 평가한다.
• 다양한 번역 파이프라인에서 복잡한 조인, 시간 함수, 빈 노드, 그룹화 등의 쿼리 기능 지원 범위를 평가한다.

실험 결과

연구 질문

• RQ1 이질적인 데이터 소스 간 상호운용성을 위해 가장 적합한 유니버설 쿼리 언어는 무엇인가?
• RQ2 인기 있는 쿼리 언어 간에 가장 다루지 않았거나 탐색되지 않은 번역 경로는 무엇인가?
• RQ3 쿼리 번역 과정 중 최적화 전략이 타겟 쿼리에 대한 후속 최적화 대비 성능에 어떤 영향을 미치는가?
• RQ4 시간 함수, 복잡한 조인, SPARQL 전용 구문과 같은 고도의 쿼리 기능을 기존 번역 방법이 얼마나 잘 지원하는가?
• RQ5 왜 쿼리 번역 시스템 평가를 위한 표준화된 벤치마크가 부족한가? 그리고 유니버설 벤치마크는 어떤 모습이어야 하는가?

주요 결과

• SQL과 SPARQL는 다른 언어로의 双방향 번역 매핑 수가 가장 많아, 유니버설 쿼리 언어로 가장 적합한 후보로 나타났다.
• 소스 시스템 통계를 활용해 번역 과정 중 적용된 최적화가 타겟 쿼리에 대한 후속 최적화보다 더 큰 성능 향상을 이끌어낸다.
• 많은 기존 번역 시스템이 SQL의 복잡한 조인, SPARQL의 빈 노드 및 그룹화, 시간 함수 등의 고도의 쿼리 기능을 지원하지 못한다.
• 표준화된 벤치마크가 없음에도 불구하고, 이러한 도구가 공정하고 재현 가능한 비교를 가능하게 하기 위한 필요성이 증가하고 있다.
• 대부분의 평가 프레임워크는 사례 기반 검증이 부족한 임시적 접근이며, 실제 용도 기반 테스트와 대표적인 쿼리 패턴을 통한 검증이 의미 있는 평가를 위해 필요하다.
• XML-to-SQL 및 XML-to-Gremlin 번역에 대한 연구는 감소 추세에 있으며, 2015년 이후 신규 논문이 발표되지 않아 이 분야에 대한 관심 감소 또는 성숙도 도달을 시사한다.