[論文レビュー] The Entity Registry System: Implementing 5-Star Linked Data Without the Web

Marat Charlaganov, Philippe Cudré-Mauroux+4 more|arXiv (Cornell University)|Aug 15, 2013

Semantic Web and Ontologies参考文献 3被引用数 5

ひとこと要約

エンティティレジストリーシステム（ERS）は、オープンソースで分散型のエンティティレジストリーであり、5つ星のリンクドデータの公開と、低帯域幅地域やローカルメッシュネットワークなどのオフラインまたは途切れの生じる接続環境における共同データ編集を可能にする。CassandraをバックエンドとするNoSQLデータベースに、アプリケーションレベルのロックと衝突解決を組み合わせることで、制限された接続性下でもデータの一貫性と高いスループットを確保し、最大64名の同時接続クライアントを達成する。この際、衝突に起因する遅延は低く抑えられる。

ABSTRACT

Linked Data applications often assume that connectivity to data repositories and entity resolution services are always available. This may not be a valid assumption in many cases. Indeed, there are about 4.5 billion people in the world who have no or limited Web access. Many data-driven applications may have a critical impact on the life of those people, but are inaccessible to those populations due to the architecture of today's data registries. In this paper, we propose and evaluate a new open-source system that can be used as a general-purpose entity registry suitable for deployment in poorly-connected or ad-hoc environments.

研究の動機と目的

• 信頼性の低いまたはインターネット接続のない地域における構造化データの共有という課題に取り組むこと。
• 中央サーバーへの継続的接続を必要としない、分散型の共同データ編集を可能にすること。
• グローバルに一意の識別子をサポートし、緩く結合されたデバイス間で一貫したデータ同期を実現するシステムを設計すること。
• 元のホストがオフラインまたは切断状態であっても、データの永続性と可用性を保証すること。
• リソース制限のある環境における途切れの生じる接続に最適化されたトランザクション同期を実現すること。

提案手法

• エンティティデータの永続的ストレージ層として、スケーラブルでフェイルセーフなデータ管理を可能にするCassandraベースのNoSQLデータベースを採用する。
• ロックの競合を低減するため、基本操作には述語レベルの粒度、クローン作成にはエンティティレベルの粒度を持つアプリケーション層のロックを実装する。
• ロック競合に遭遇したトランザクションに対して最大10回のリトライメカニズムを適用し、競合状態下でも成功確率を向上させる。
• 2種類のクローン方式をサポートする：浅いクローン（リンクのみ）と深いクローン（プロパティとリンクの完全コピー）、両方のパフォーマンスを測定する。
• 低リソース環境でのデータ交換を可能にする軽量ブリッジデバイスとしてRaspberry Piを採用する。
• W3C準拠の識別子とRDF三元組を採用し、Web接続がなくてもリンクドデータの原則を維持する。

実験結果

リサーチクエスチョン

• RQ1 オフライン環境において、非協調的で分散型の方法で衝突のない一意の識別子をどのように生成できるか？
• RQ2 元のデータホストがオフラインまたは切断状態であっても、データの可用性をどのように維持できるか？
• RQ3 複数のノードからの寄与によって構成されるエンティティ記述の最適な内部表現は何か？
• RQ4 エンティティレジストリーをWebから緩く結合しつつも、リンクドデータの原則をどのように維持できるか？
• RQ5 リソース制限があり接続が途切れがちなデバイス向けに、トランザクション同期をどのように最適化できるか？

主な発見

• スループットは約64名の同時接続クライアントでピークに達し、Cassandraにおける効率的なトゥームストーンマークにより、削除操作が最も高いスループットを達成する。
• 双方向リンクの作成には1つのリンクあたり2回のアトミックインサートが必要なため、基本操作よりもオーバーヘッドが大きい。
• 浅いクローンは深いクローンの2〜3倍のパフォーマンスを示し、リンクのみの複製がはるかに効率的であることが示された。
• Raspberry Piをブリッジデバイスとして使用することで、低リソース環境でも実用的なデータ交換が可能となり、制限のある環境への展開可能性が実証された。
• 衝突確率が上昇する（1クライアントあたり利用可能なエンティティ数を減らすことで）と、トランザクションスループットは低下するが、リトライメカニズムにより競合が効果的に管理され、処理が継続される。
• 平均して、衝突状態下では成功するトランザクションに1〜3回のリトライが必要であり、ネットワークや並列処理の課題に耐えうるが、許容可能な遅延で処理が可能であることが示された。