[论文解读] Expressivity and Complexity of MongoDB (Extended Version)

Elena Botoeva, Diego Calvanese+2 more|arXiv (Cornell University)|Mar 30, 2016

Advanced Database Systems and Queries参考文献 4被引用 4

一句话总结

本文正式分析了 MongoDB 的数据模型和查询语言（MQuery），证明其与嵌套关系代数（NRA）等价，并精确刻画了其查询片段的计算复杂度。研究证明，完整 MQuery 和 Mmupg 完全属于具有多项式交替次数的交替指数时间，而最小片段的复杂度范围从 LogSpace 到 NP-完全，提供了紧致的复杂度界限，并为优化和改进 NoSQL 查询系统奠定了基础。

ABSTRACT

A significant number of novel database architectures and data models have been proposed during the last decade. While some of these new systems have gained in popularity, they lack a proper formalization, and a precise understanding of the expressivity and the computational properties of the associated query languages. In this paper, we aim at filling this gap, and we do so by considering MongoDB, a widely adopted document database managing complex (tree structured) values represented in a JSON-based data model, equipped with a powerful query mechanism. We provide a formalization of the MongoDB data model, and of a core fragment, called MQuery, of the MongoDB query language. We study the expressivity of MQuery, showing its equivalence with nested relational algebra. We further investigate the computational complexity of significant fragments of it, obtaining several (tight) bounds in combined complexity, which range from LOGSPACE to alternating exponential-time with a polynomial number of alternations. As a consequence, we obtain also a characterization of the combined complexity of nested relational algebra query evaluation.

研究动机与目标

• 正式定义 MongoDB 的数据模型和其查询语言的核心片段 MQuery，以支持对其表达能力和计算复杂度的严格分析。
• 证明 MQuery 与嵌套关系代数（NRA）在表达能力上等价，表明尽管存在普遍误解，MongoDB 仍可在单个集合内表达任意连接操作。
• 研究 MQuery 各片段的联合复杂度与查询复杂度，识别可 tractable 与不可 tractable 的情况，并提供紧致的复杂度界限。
• 通过形式化分析识别 MongoDB 查询语言中反直觉或存在问题的特性，为未来语言设计与优化提供洞见。

提出的方法

• 使用基于 JSON 的树形结构文档形式化 MongoDB 的数据模型，并定义一个与嵌套关系代数操作符匹配的核心查询语言片段 MQuery。
• 在 MQuery 与嵌套关系代数（NRA）之间建立双向多项式时间转换，证明其表达等价性，并支持复杂度结果的相互转移。
• 使用归约与复杂度理论技术分析 MQuery 的片段（如 Mmu、Mmupg、Mmupgl）的联合复杂度与查询复杂度。
• 使用非确定性与确定性算法评估查询片段，特别利用 DAG 表示法紧凑编码中间结果并管理指数级膨胀。
• 应用布尔可满足性问题与图灵机接受问题的归约，证明 NP-难与 NP-完全性结果。
• 为在类型约束下的查询引入类型检查机制，证明其为 DP-完全，并证明完整查询类型验证为 TA[2nO(1), nO(1)]-难，表明静态类型检查具有高复杂度。

实验结果

研究问题

• RQ1 MongoDB 的查询语言 MQuery 是否在表达能力上等价于嵌套关系代数（NRA）？
• RQ2 MQuery 片段的联合复杂度是多少，特别是包含 unwind、group 和 lookup 操作符的片段？
• RQ3 排除 lookup 操作符的 MQuery 片段是否仍能表达单个集合内的任意连接，与普遍认知相反？
• RQ4 数组操作符（如 filter、map 和 setUnion）的存在如何影响 MQuery 查询评估的复杂度？
• RQ5 在给定一组类型约束下，检查 MQuery 是否为良好类型的复杂度是多少？

主要发现

• MQuery 在表达能力上与嵌套关系代数（NRA）等价，且双向存在多项式时间转换，证明 MongoDB 可在单个集合内表达任意连接操作。
• 最小片段 Mm（仅包含 match）在联合复杂度下为 LogSpace-完全，表明其评估具有可 tractable 性。
• 仅添加 unwind 操作符即使联合复杂度提升至 NP-完全，尽管其查询复杂度仍保持为 LogSpace-完全。
• 当同时存在 unwind 与 grouping 操作时，复杂度达到 PSpace-难，原因在于中间结果可能呈双指数级增长。
• 完整 MQuery 语言与 Mmupg 片段（排除 lookup）完全属于具有多项式交替次数的交替指数时间，具体为 TA[2nO(1), nO(1)]，与布尔 NRA 查询评估的最紧已知上界一致。
• 在给定类型约束下检查查询是否良好类型的复杂度为 DP-完全；验证所有阶段良好类型的复杂度为 TA[2nO(1), nO(1)]-难，表明静态类型检查具有极高复杂度。