[论文解读] Afterburner: The Case for In-Browser Analytics

Kareem El Gebaly, Jimmy Lin|arXiv (Cornell University)|May 13, 2016

Cloud Computing and Resource Management参考文献 7被引用 5

一句话总结

Afterburner 是一个完全使用 JavaScript 实现的高性能、浏览器内分析型关系型数据库管理系统（RDBMS），通过使用类型数组和 asm.js 技术，在相同硬件上实现了与原生 MonetDB 相当的性能。该系统支持低延迟、交互式的浏览器内分析，具备拆分执行策略，并能与基于 Web 的笔记本无缝集成。

ABSTRACT

This paper explores the novel and unconventional idea of implementing an analytical RDBMS in pure JavaScript so that it runs completely inside a browser with no external dependencies. Our prototype, called Afterburner, generates compiled query plans that exploit typed arrays and asm.js, two relatively recent advances in JavaScript. On a few simple queries, we show that Afterburner achieves comparable performance to MonetDB running natively on the same machine. This is an interesting finding in that it shows how far JavaScript has come as an efficient execution platform. Beyond a mere technical curiosity, we discuss how our techniques could support ubiquitous in-browser interactive analytics (potentially integrating with browser-based notebooks) and also present interesting opportunities for split-execution strategies where query operators are distributed between the browser and backend servers.

研究动机与目标

• 探索仅使用 JavaScript 在浏览器中完全实现一个分析型关系型数据库管理系统（RDBMS）的可行性。
• 评估现代 JavaScript 引擎是否能在相同硬件上为分析工作负载提供与原生数据库系统相媲美性能。
• 通过将查询执行更靠近用户端，实现低延迟、低负载的交互式分析新模式。
• 探索客户端（浏览器）与服务器之间分布查询算子的拆分执行策略，利用 JavaScript 的广泛适用性。

提出的方法

• 将 Afterburner 实现为一个纯 JavaScript 库，可在任何符合标准的浏览器中运行，且依赖极少。
• 使用 JavaScript 的 ArrayBuffer 和类型数组视图，以列式内存布局存储数据，实现高效的内存访问和类型安全。
• 通过 asm.js 编译查询计划，生成高度优化的机器代码，提升数值运算性能。
• 利用类型数组将列表示为连续内存块，支持高效迭代和向量化操作。
• 设计类似 SQL 的查询接口，使用户可直接在浏览器中表达分析查询。
• 通过在数据物化后允许部分查询在客户端（浏览器）执行，支持拆分执行，减轻后端负载。

实验结果

研究问题

• RQ1 能否仅使用 JavaScript 在浏览器中完全实现并高效执行一个分析型关系型数据库管理系统？
• RQ2 在相同硬件上，浏览器内分析数据库的性能与原生编译系统（如 MonetDB）相比如何？
• RQ3 将分析查询执行移至客户端浏览器对交互式分析的实际影响是什么？
• RQ4 当客户端和服务器均使用同一种执行语言（JavaScript）时，如何有效设计拆分执行策略？
• RQ5 当查询执行可直接在浏览器中进行时，哪些新的交互式分析工作负载成为可能？

主要发现

• Afterburner 实现了与在相同机器上原生运行的 MonetDB 相当的查询执行性能，证明现代 JavaScript 引擎可支持高性能分析工作负载。
• 对于一个包含 200 万行的物化结果集的过滤查询，Afterburner 仅用 25 毫秒完成，与后端执行时间（28 毫秒，不含网络延迟）相当，显示出强大的客户端性能。
• 使用类型数组和 asm.js 使 Afterburner 实现了底层内存和计算效率，性能接近原生系统。
• 该系统实现了对物化数据子集的无缝、低延迟客户端过滤与分析，减轻了服务器负载并提升了交互性。
• Afterburner 支持与浏览器内分析工具（如 Jupyter 笔记本）的集成，实现交互式、浏览器内数据探索。
• 该方法为混合执行策略打开了新可能，其中查询算子可自动或手动在客户端与服务器之间分发，JavaScript 统一了执行环境。