[논문 리뷰] Trade-offs Computing Minimum Hub Cover toward Optimized Graph Query Processing

Belma Yelbay, Ş. İlker Birbil외 2명|arXiv (Cornell University)|2013. 11. 07.

Graph Theory and Algorithms참고 문헌 37인용 수 4

한 줄 요약

이 논문은 그래프 쿼리 처리의 효율성을 높이기 위해 허브 기반의 구조적 단위를 활용한 인덱스 활용을 최적화하기 위해 새로운 그래프 표현 모델인 최소 허브 커버(Minimum Hub Cover, MHC)를 제안한다. 정수계획법과 휴리스틱 알고리즘을 사용하여 MHC 계산이 특히 소셜 네트워크와 생물학적 네트워크와 같은 대규모 그래프에서 쿼리 처리 비용을 크게 감소시킴을 입증한다. 이는 합리적인 시간 내에 거의 최적의 해를 도출할 수 있음을 시사한다.

ABSTRACT

As techniques for graph query processing mature, the need for optimization is increasingly becoming an imperative. Indices are one of the key ingredients toward efficient query processing strategies via cost-based optimization. Due to the apparent absence of a common representation model, it is difficult to make a focused effort toward developing access structures, metrics to evaluate query costs, and choose alternatives. In this context, recent interests in covering-based graph matching appears to be a promising direction of research. In this paper, our goal is to formally introduce a new graph representation model, called Minimum Hub Cover, and demonstrate that this representation offers interesting strategic advantages, facilitates construction of candidate graphs from graph fragments, and helps leverage indices in novel ways for query optimization. However, similar to other covering problems, minimum hub cover is NP-hard, and thus is a natural candidate for optimization. We claim that computing the minimum hub cover leads to substantial cost reduction for graph query processing. We present a computational characterization of minimum hub cover based on integer programming to substantiate our claim and investigate its computational cost on various graph types.

연구 동기 및 목표

• 그래프 쿼리 처리에서 비용 기반 최적화를 가능하게 하는 통합된 그래프 표현 모델의 부재 문제를 해결하기 위해.
• RDF 삼항관계와 유사한 구조적 단위로서 최소 허브 커버(Minimum Hub Cover, MHC)의 개념을 정식화하여 일반화된 인덱싱과 쿼리 최적화를 가능하게 하기 위해.
• 스케일프리 및 메쉬 네트워크를 포함한 다양한 그래프 유형에서 MHC 계산의 계산 가능성과 비용 절감 잠재력을 평가하기 위해.
• 특히 대규모 그래프에서 MHC 계산의 해 품질과 계산 시간 간의 트레이드오프를 조사하기 위해.
• 실세계 그래프 데이터베이스에서 동적이고 적응적인 쿼리 최적화의 기초로 MHC를 활용할 수 있는지 탐색하기 위해.

제안 방법

• 이웃의 모든 간선을 커버하는 노드인 허브를 기반으로 하는 새로운 그래프 표현 모델을 제안하며, 이는 별형, 삼각형 등의 원자적 구조 단위를 형성한다.
• 그래프 내 모든 간선을 커버하는 최소 허브 집합을 찾기 위해 최소 허브 커버 문제를 정수계획법(Integer Programming, IP)으로 수식화한다.
• 해 품질과 계산 시간의 균형을 맞추기 위해 그레디(Greedy, GR1, GR2) 및 국소 탐색(Local Search, LSLP) 휴리스틱 알고리즘을 적용한다.
• 대부분의 경우에 최적해를 도출할 수 있도록 스케일러비리티를 향상시키기 위해 MHC 문제의 제한된 버전(MBH)을 사용한다.
• 랜덤, 유한한 차수, 비정규 유한 차수, 정규 메쉬(2D–4D), 비정규 메쉬, 스케일프리 그래프 등 총 6종의 그래프 유형에서 성능을 평가한다.
• 서브그래프 이sovorphism 기법과 MHC를 통합하여 효율적인 쿼리 계획 생성 및 선택을 가능하게 한다.

실험 결과

연구 질문

• RQ1 최소 허브 커버(Minimum Hub Cover)와 같은 허브 기반 그래프 표현 모델이 그래프 쿼리 처리를 위한 더 효율적이고 일반화된 인덱싱을 가능하게 할 수 있는가?
• RQ2 다양한 그래프 유형에서 MHC 계산의 계산 비용은 어떻게 변동하는가? 그리고 대규모 그래프에 대해 최적화할 수 있는가?
• RQ3 정확한(IP) 방법과 휴리스틱(Greedy, LSLP) 방법을 사용할 경우, 해 품질과 계산 시간 간의 트레이드오프는 어떠한가?
• RQ4 MHC 기반 쿼리 최적화가 기존의 인덱싱 전략보다 총 처리 비용 측면에서 뛰어나게 성능을 발휘할 수 있는가?
• RQ5 특히 동적 또는 대규모 그래프 환경에서 쿼리에 대한 전체 MHC 가족(Γ(Q))을 계산하여 최저비용 쿼리 계획을 선택하는 것은 가능한가?

주요 결과

• 그레디 알고리즘(GR1, GR2)은 하위최적해를 제공하지만 정확한 방법보다 훨씬 빠른 해 시간을 확보하여 대규모 그래프에 실용적으로 적용 가능하다.
• MHC 기반 접근법은 효율적인 인덱스 활용과 구조적 프루닝을 가능하게 하여 쿼리 처리 비용을 크게 감소시킨다.
• MBH(MIP 기반) 방법은 대부분의 그래프 인스턴스에서 합리적인 시간 내에 제한된 MHC 문제를 최적해로 해결하며, 특히 유한한 차수와 메쉬 그래프에서 뛰어난 성능을 보인다.
• LSLP는 MBH와 유사한 해 품질과 처리 시간을 제공하며 타당한 해를 보장하는 실용적인 대안이지만, 성능은 파rameter 조정에 따라 달라진다.
• 단백질-단백질 상호작용 네트워크와 같은 스케일프리 그래프의 경우 기존 솔버들이 최적의 MHC를 효율적으로 계산할 수 있어 생물학적 응용 분야에서의 타당성을 뒷받침한다.
• 대규모 쿼리에 대해서는 높은 계산 비용이 발생하지만, 대부분의 그래프 유형에서 낮은 해 시간을 보이므로 MHC 기반 최적화는 대부분의 실용적 응용 분야에서 타당하다.