[論文レビュー] Labeling Workflow Views with Fine-Grained Dependencies

Zhuowei Bao, Susan B. Davidson+1 more|arXiv (Cornell University)|Aug 1, 2012

Scientific Computing and Data Management参考文献 13被引用数 4

ひとこと要約

本稿では、細粒度の依存関係とグレイボックスビューを備えたワークフローにおけるプロヴァナンスグラフ上の効率的な到達可能性クエリ評価を目的として、ビューに適応する動的ラベリング方式を提案する。実行中にデータアイテムを動的にラベル付けし、事前にビューを静的ラベル付けすることで、大規模な再帰的ワークフローのクラスにおいて、コンパクトな対数的サイズのラベルと定数時間のクエリ評価を達成する。複数のビューを扱う際、従来の手法よりもラベルサイズとクエリ効率の両面で優れている。

ABSTRACT

This paper considers the problem of efficiently answering reachability queries over views of provenance graphs, derived from executions of workflows that may include recursion. Such views include composite modules and model fine-grained dependencies between module inputs and outputs. A novel view-adaptive dynamic labeling scheme is developed for efficient query evaluation, in which view specifications are labeled statically (i.e. as they are created) and data items are labeled dynamically as they are produced during a workflow execution. Although the combination of fine-grained dependencies and recursive workflows entail, in general, long (linear-size) data labels, we show that for a large natural class of workflows and views, labels are compact (logarithmic-size) and reachability queries can be evaluated in constant time. Experimental results demonstrate the benefit of this approach over the state-of-the-art technique when applied for labeling multiple views.

研究の動機と目的

• 細粒度の入出力依存関係を有するワークフローにおけるプロヴァナンスグラフ上の到達可能性クエリを効率的に回答する課題に対処すること。
• 特に抽象化ビューおよびセキュリティビューを含む複数のビューをサポートすること。ここで、依存関係はホワイトボックス、グレイボックス、ブラックボックスとして明示的にモデル化可能であること。
• 従来の動的ラベリング方式の限界を克服すること。これらの方式はブラックボックス依存関係を仮定しており、細粒度またはビュー固有の依存関係を処理できないこと。
• 複数のビューを管理する際のラベリングオーバーヘッドとインデックスメンテナンスコストを低減し、データアイテムの各ビューごとの再ラベリングを回避すること。
• 自然な再帰的ワークフロークラスにおいて、コンパクトで対数的サイズのデータラベルと定数時間の到達可能性評価を達成すること。

提案手法

• ワークフロー実行中にビュー仕様の静的ラベル付けとデータアイテムの動的ラベル付けを分離する、ビューに適応するラベリング方式を導入すること。
• データラベルをコンパクトに保つために、ビューの依存構造を圧縮されたパースツリー表現で表現すること。
• モジュールの入出力間の細粒度の依存関係を、事前に計算して保存した到達可能性行列を用いてエンコードすること。
• グレイボックス依存関係をサポートするため、ビューに偽の依存関係を追加できるようにすることにより、プライバシー保護型プロヴァナンスモデリングを可能にすること。
• ラベル比較によって到達可能性を確認する仕組みを提供し、定数時間の到達可能性クエリを実現すること。ここで、ラベル比較は、あるデータアイテムのラベルが他方のデータアイテムからの到達可能性を示すかを検査する。
• 依存関係が完全（すなわちブラックボックス）である場合に冗長な行列乗算を回避する、Matrix-Free FVLを用いてクエリパフォーマンスを最適化すること。

実験結果

リサーチクエスチョン

• RQ1 再帰的ワークフローにおいて、細粒度の依存関係を持つビューに対して、ラベリング方式が到達可能性クエリを効率的にサポートできるか。
• RQ2 動的ラベリングをどのようにして各ビューに適応させ、各ビューごとのデータアイテムの再ラベリングを回避できるか。
• RQ3 ビュー固有の依存関係（例：グレイボックス）がラベルサイズとクエリパフォーマンスに与える影響は何か。
• RQ4 自然なワークフロークラスにおいて、コンパクト（対数的サイズ）なラベルを達成でき、定数時間のクエリ評価が可能になるか。
• RQ5 提案手法は、ビュー数、モジュールの次数、ネスティング深さの増加に伴ってどのようにスケーリングするか。

主な発見

• 安全なビューを備えた厳密な線形再帰的ワークフローの広いクラスにおいて、提案されたFVL方式はコンパクトな対数的サイズのデータラベルを生成し、定数時間の到達可能性クエリを可能にする。
• FVLでは、1データアイテムあたりの総ラベル長は複数のビューにわたり一定であるが、ベースラインのDRL手法ではビュー数に比例して線形に増加する。
• 3つ以上のビューが存在する際、FVLはDRLに比べて著しく低いラベリングオーバーヘッドと短い構築時間を達成する。
• FVLのクエリ時間は粗粒度のビューではDRLの約4倍遅いが、最適化されたMatrix-Free FVLバージョンではDRLとほぼ同等のクエリパフォーマンスを達成する。
• ネスティング深さは、ラベル構築に使用される圧縮パースツリーの深さを増加させるため、データラベル長に線形的な影響を与える。
• モジュールの次数は、ラベルデコード時の行列乗算コストの増加に起因し、クエリ時間にほぼ線形的な影響を与える。