[论文解读] A Formal Presentation of MongoDB (Extended Version).

Elena Botoeva, Diego Calvanese+3 more|arXiv (Cornell University)|Mar 30, 2016

Advanced Database Systems and Queries参考文献 10被引用 9

一句话总结

本文正式规范了 MongoDB 的基于 JSON 的数据模型以及其聚合语言 MUPGL 的核心片段，证明 MUPGL 至少与单个集合上的完整关系代数一样具有表达能力，包括支持任意连接操作。此外，本文还分析了 MUPGL 及其子片段的计算复杂度。

ABSTRACT

A significant number of database architectures and data models have been proposed during the last decade. While some of these new systems have gained in popularity, their formal semantics are generally still missing. In this paper, we consider the symptomatic case of MongoDB, a widely adopted document database, in which roughly speaking relational tables correspond to collections, and tuples to documents. We provide a formalization of the JSON-based data model adopted by MongoDB, and of a core fragment of the MongoDB aggregation query language, MUPGL, which includes the match, unwind, project, group, and lookup operators. We study the expressiveness of MUPGL by defining a relational view of MongoDB databases and developing a translation from relational algebra to MUPGL. Notably, we show that the MUPG fragment is already at least as expressive as full relational algebra over (the relational view of) a single collection, and in particular able to express arbitrary joins. We further investigate the computational complexity of MUPGL and of significant fragments of it.

研究动机与目标

• 为 MongoDB 的基于 JSON 的数据模型提供形式化语义，以解决流行 NoSQL 系统中缺乏形式化基础的问题。
• 形式化 MongoDB 聚合语言的核心片段 MUPGL，包括 match、project、group 和 lookup 等关键操作符。
• 通过证明 MUPGL 可以模拟单个集合上的完整关系代数，确立 MUPGL 的表达能力。
• 分析 MUPGL 及其重要子片段的计算复杂度，为查询优化与评估提供理论基础。

提出的方法

• 定义 MongoDB 数据库的形式化关系视图，以实现与关系代数的比较。
• 设计从关系代数到 MUPGL 的翻译机制，以证明表达能力的等价性。
• 形式化关键 MUPGL 操作符（如 match、unwind、project、group 和 lookup）的语义。
• 使用标准复杂性理论技术，分析 MUPGL 及其子片段的计算复杂度。
• 使用形式逻辑与集合论构造来建模文档结构与查询操作。
• 证明 MUPGL 可通过其 group 和 lookup 操作符表达任意连接。

实验结果

研究问题

• RQ1 MUPGL 是否能够表达单个集合上完整关系代数的所有操作？
• RQ2 MUPGL 及其重要子片段的计算复杂度是多少？
• RQ3 如何构建 MongoDB 数据库的形式化关系视图，以支持理论分析？
• RQ4 MUPGL 片段在多大程度上能够模拟传统关系操作（如选择、投影和连接）？
• RQ5 对于像 MongoDB 这类面向文档的数据库，可以为查询语义提供哪些形式化保证？

主要发现

• MUPGL 至少与单个集合上的完整关系代数一样具有表达能力，包括支持任意连接操作的能力。
• 从关系代数到 MUPGL 的形式化翻译表明，所有关系代数操作均可在 MUPGL 中编码。
• MUPGL 片段支持复杂操作，如分组和嵌套的查找，从而支持高级数据操作。
• 对 MUPGL 的计算复杂度进行了分析，结果表明某些片段属于 PTIME，而其他片段则为 NP-难，具体取决于所使用的操作符。
• 该形式化为 MongoDB 类似系统中的查询优化与正确性提供了坚实的理论基础。
• 对 MongoDB 数据库的关系视图使得对查询语义与等价性的精确推理成为可能。