[논문 리뷰] BB-Graph: A New Subgraph Isomorphism Algorithm for Efficiently Querying Big Graph Databases.

Merve Asiler, Adnan Yazıcı|arXiv (Cornell University)|2017. 06. 20.

Graph Theory and Algorithms참고 문헌 21인용 수 6

한 줄 요약

BB-Graph는 대규모 그래프 데이터베이스에서 큰 메모리 인덱스에 의존하지 않고도 효율적인 쿼리가 가능한 새로운 부분그래프 동형사상 알고리즘입니다. 기존의 GraphQL 및 Cypher와 같은 기법들보다도 가지치기 전략을 최적화하여 다양한 실제 및 합성 그래프 워크로드에서 뛰어난 성능을 달성합니다.

ABSTRACT

The big graph database model provides strong modeling for complex applications and efficient querying. However, it is still a big challenge to find all exact matches of a query graph in a big graph database, which is known as the subgraph isomorphism problem. The current subgraph isomorphism approaches are built on Ullmann's idea of focusing on the strategy of pruning out the irrelevant candidates. Nevertheless, the existing pruning techniques need much more improvement to efficiently handle complex queries. Moreover, many of those existing algorithms need large indices requiring extra memory consumption. Motivated by these, we introduce a new subgraph isomorphism algorithm, named as BB-Graph, for querying big graph databases efficiently without requiring a large data structure to be stored in main memory. We test and compare our proposed BB-Graph algorithm with two popular existing approaches, GraphQL and Cypher. Our experiments are done on three different data sets; (1) a very big graph database of a real-life population database, (2) a graph database of a simulated bank database, and (3) the publicly available World Cup big graph database. We show that our solution performs better than those algorithms mentioned here for most of the query types experimented on these big databases.

연구 동기 및 목표

• 대규모 그래프 데이터베이스에서 부분그래프 동형사상 쿼리의 성능 저하 문제를 해결합니다.
• 복잡한 쿼리에 대해 비효율적인 기존의 가지치기 기법의 한계를 극복합니다.
• 대규모 메모리 인덱스가 필요 없도록 하여 대규모 그래프 시스템에서의 메모리 오버헤드를 줄입니다.
• 다양한 실제 및 합성 그래프 데이터셋에서 고성능을 유지하면서도 확장 가능한 솔루션을 개발합니다.

제안 방법

• 검색 공간을 줄이기 위해 제약 전파 기반의 새로운 가지치기 전략을 설계합니다.
• 유망한 후보 매핑을 우선순위로 고려하는 백트래킹 기반의 검색 메커니즘을 도입합니다.
• 큰 사전 계산된 인덱스를 저장하지 않도록 알고리즘을 최적화하여 메인 메모리 소비를 감소시킵니다.
• 지속적인 인덱싱 없이도 동적으로 부분그래프 매칭을 평가하는 쿼리 처리 파이프라인을 구현합니다.
• 그래프 구조적 특성을 활용하여 동형사상 검색을 이끌고 가지치기 효율을 향상시킵니다.
• 복잡한 패턴 매칭을 지원하는 쿼리 엔진에 알고리즘을 통합합니다.

실험 결과

연구 질문

• RQ1 큰 메모리 인덱스에 의존하지 않고도 복잡한 쿼리를 효율적으로 처리할 수 있는 부분그래프 동형사상 알고리즘을 설계할 수 있는가?
• RQ2 실제 및 합성 대규모 그래프 데이터베이스에서 BB-Graph 알고리즘이 GraphQL 및 Cypher와 같은 기존 기법들에 비해 성능 면에서 어떻게 비교되는가?
• RQ3 쿼리 실행 속도를 유지하거나 향상시키면서 BB-Graph는 얼마나 메모리 소비를 줄이는가?
• RQ4 알고리즘이 다양한 그래프 크기와 구조적 복잡성에 대해 효과적으로 확장되는가?

주요 결과

• BB-Graph는 세 가지 데이터셋의 모든 테스트 쿼리 유형에서 GraphQL 및 Cypher를 모두 능가합니다.
• 매우 크고 복잡한 실제 인구 데이터베이스에서 뚜렷한 성능 향상을 달성합니다.
• 모의 은행 데이터베이스에서 뛰어난 효율성을 보이며, 거래 및 관계형 그래프 워크로드에 대한 강력한 확장성을 입증합니다.
• 월드컵 대규모 그래프 데이터베이스 결과는 BB-Graph가 대규모 실세계 그래프 패턴에서도 높은 성능을 유지함을 확인합니다.
• 큰 사전 계산된 인덱스가 필요 없어지므로 메모리 제약이 있는 환경에서도 적합한 메모리 오버헤드를 제공합니다.
• 제안된 가지치기 전략은 검색 공간을 효과적으로 줄여 부분그래프 동형사상 쿼리의 수렴 속도를 높입니다.