[논문 리뷰] Towards Analytics Aware Ontology Based Access to Static and Streaming Data (Extended Version)

Evgeny Kharlamov, Yannis Kotidis외 11명|arXiv (Cornell University)|2016. 07. 18.

Semantic Web and Ontologies참고 문헌 2인용 수 3

한 줄 요약

이 논문은 온톨로지 기반 데이터 액세스(OBDA)에 분석을 고려한 확장을 제안하여 집계 함수, 상관 관계 연산, 스트리밍 데이터 처리를 네이티브로 지원한다. 분석 함수를 온톨로지 및 쿼리 언어에 직접 통합하고, 비용 인식 기반 쿼리 최적화를 적용함으로써 이론적이고 효율적인 분석을 이질적인 정적 및 스트리밍 데이터 위에서 수행할 수 있도록 한다. 실세계 터빈 진단 사례에서 Siemens에서의 검증을 통해 쿼리 복잡도를 수백 개에서 단일 온톨로지 쿼리로 감소시켰다.

ABSTRACT

Real-time analytics that requires integration and aggregation of heterogeneous and distributed streaming and static data is a typical task in many industrial scenarios such as diagnostics of turbines in Siemens. OBDA approach has a great potential to facilitate such tasks; however, it has a number of limitations in dealing with analytics that restrict its use in important industrial applications. Based on our experience with Siemens, we argue that in order to overcome those limitations OBDA should be extended and become analytics, source, and cost aware. In this work we propose such an extension. In particular, we propose an ontology, mapping, and query language for OBDA, where aggregate and other analytical functions are first class citizens. Moreover, we develop query optimisation techniques that allow to efficiently process analytical tasks over static and streaming data. We implement our approach in a system and evaluate our system with Siemens turbine data.

연구 동기 및 목표

• 기존 OBDA가 집계, 상관 관계 및 스트리밍 데이터를 포함한 분석 쿼리를 처리하는 데 한계를 보이고 있는 문제를 해결하기 위해.
• 저수준의 데이터 소스 쿼리가 필요 없이 복잡한 분석을 표현할 수 있는 선언적이고 고수준의 온톨로지 쿼리를 가능하게 하기 위해.
• 터빈 모니터링과 같은 산업 응용 분야에서 진단 워크플로우의 시간과 복잡도를 줄이기 위해.
• 소스 기능을 활용하고 데이터 전송을 최소화하는 쿼리 최적화 기법을 개발하기 위해.
• 현대적 데이터 스트림 관리 시스템과 온톨로지 기반 액세스를 통합하여 실시간 분석을 지원하기 위해.

제안 방법

• 집계 함수(예: 최소값, 평균값) 및 상관 관계 연산을 일급 시민으로 지원하도록 DL-Lite_A^agg 온톨로지 언어를 확장한다.
• 분석 함수를 온톨로지 쿼리 내에서 직접 표현할 수 있도록 하는 쿼리 언어를 도입하여 소스에 종속된 구문에서 분리한다.
• 가능한 한 분석 연산을 데이터 소스로 푸시하는 쿼리 재작성 전략을 설계하여 사전 계산된 집계를 활용한다.
• 비용 기반 최적화를 적용하여 효율적인 실행 계획을 선택하고 데이터 전송 및 계산을 최소화한다.
• ExaStream과 같은 데이터 스트림 관리 시스템(DSMS)과 통합하여 스트리밍 센서 데이터의 지속적이고 실시간 처리를 지원한다.
• 데이터 웨어하우징에서 유래한 물리적 윈도우 서명 기법을 변형하여 스트리밍 및 이력 데이터의 효율적 요약을 수행한다.

실험 결과

연구 질문

• RQ1 어떻게 OBDA를 확장하여 온톨로지 쿼리 내에서 집계 및 상관 관계와 같은 분석 함수를 네이티브로 지원할 수 있는가?
• RQ2 이질적이고 분산된 환경에서 분석 연산을 데이터 소스로 푸시할 경우의 성능 영향은 무엇인가?
• RQ3 통합된 온톨로지 기반 인터페이스는 산업 진단 워크플로우에서 필요한 쿼리 수를 줄일 수 있는가?
• RQ4 혼합된 정적 및 스트리밍 데이터를 처리할 때 비용 인식 기반 쿼리 최적화가 효율성을 어떻게 향상시킬 수 있는가?
• RQ5 실시간 및 기록된 데이터 스트림에 대한 복잡한 분석을 가속화하는 데 효과적인 최적화는 무엇인가?

주요 결과

• 제안된 접근 방식은 Siemens 터빈 진단에서 필요한 쿼리 수를 수백 개에서 단일 온톨로지 쿼리로 줄였다.
• 분석 연산을 데이터 소스로 푸시함으로써 전체 데이터 검색을 피하고 사전 계산된 집계를 활용함으로써 성능 향상이 크게 이루어졌다.
• ExaStream과의 통합을 통해 물리적 윈도우 요약을 활용하여 스트리밍 센서 데이터의 효율적이고 지속적인 처리가 가능했다.
• 실제 Siemens 터빈 데이터를 대상으로 한 평가를 통해 이론적이고 대규모 산업 환경에서의 접근 방식의 타당성과 효율성을 입증했다.
• 프레임워크는 온톨로지 계층에서 페어슨 상관계수 및 임계값 기반 필터링과 같은 복잡한 분석을 직접 지원하여 표현력과 유지보수성을 향상시켰다.
• 초기 결과에 따르면 근사 알고리즘과 사전 계산된 물리적 구조를 활용하면 결과 품질을 유지하면서도 쿼리 실행을 더욱 가속화할 수 있다.