[论文解读] Axiomatic Foundations and Algorithms for Deciding Semantic Equivalences of SQL Queries

Shumo Chu, Murphy, Brendan+3 more|arXiv (Cornell University)|Feb 6, 2018

Advanced Database Systems and Queries参考文献 39被引用 5

一句话总结

本文提出了U-半环（U-semiring），一种用于建模SQL查询语义的最小公理化框架，支持集合、多重集（bag）及混合语义，包括完整性约束。该文提出了UDP算法，通过少量公理自动验证SQL查询的语义等价性，成功形式化证明了62条真实世界的查询重写规则——其中许多是首次被形式化验证——展示了对关键查询类别的 soundness（正确性）与 completeness（完备性）。

ABSTRACT

Deciding the equivalence of SQL queries is a fundamental problem in data management. As prior work has mainly focused on studying the theoretical limitations of the problem, very few implementations for checking such equivalences exist. In this paper, we present a new formalism and implementation for reasoning about the equivalences of SQL queries. Our formalism, U-semiring, extends SQL's semiring semantics with unbounded summation and duplicate elimination. U-semiring is defined using only very few axioms and can thus be easily implemented using proof assistants such as Coq for automated query reasoning. Yet, they are sufficient enough to enable us reason about sophisticated SQL queries that are evaluated over bags and sets, along with various integrity constraints. To evaluate the effectiveness of U-semiring, we have used it to formally verify 39 query rewrite rules from both classical data management research papers and real-world SQL engines, where many of them have never been proven correct before.

研究动机与目标

• 为解决现代数据库系统中缺乏SQL查询等价性形式化验证工具的问题，特别是在开源引擎（如Calcite）中，其重写规则未经验证。
• 克服先前系统（如Cosette）的局限性，后者依赖复杂的类型理论（如HoTT），且无法处理外键或一般完整性约束。
• 设计一种轻量级、公理化的基础，支持集合与多重集语义，包括含DISTINCT的混合语义，并整合主键、外键等完整性约束。
• 设计一种算法（UDP），对一般SQL具有正确性，且对集合与多重集语义下的元胞合查询（UCQ）具有完备性。
• 通过Coq等证明助手实现自动化、机器可检查的语义等价性证明，减少可信代码基，提升查询优化的可靠性。

提出的方法

• 提出U-半环，作为交换半环的扩展，引入无界求和与重复消除，仅通过少数简单公理定义。
• 将SQL查询建模为U-表达式，将其转换为可使用等式推理进行形式化分析的代数形式。
• 将完整性约束（如主键、外键）表示为U-半环框架内的恒等式，实现其在等价性证明中的集成。
• 设计UDP算法，通过类似 chase 过程的重写操作判断等价性，但使用U-表达式并测试同构或同态关系。
• 与Coq等证明助手集成，生成机器可检查的证明，确保正确性并最小化可信代码基。
• 通过在U-半环结构中将DISTINCT建模为一种重复消除形式，支持混合语义（集合/多重集）。

实验结果

研究问题

• RQ1 能否定义一个最小公理系统，以捕捉SQL查询在集合、多重集及混合语义下的本质语义，包括完整性约束？
• RQ2 是否可能设计一种算法，仅使用少量可信公理集，自动验证SQL查询的语义等价性？
• RQ3 如何在统一的查询等价性框架中，形式化编码并推理外键与主键等完整性约束？
• RQ4 所提框架在多大程度上能处理来自生产数据库系统的实际查询重写规则，尤其是那些在先前工作中未被验证的规则？
• RQ5 该框架能否扩展以支持复杂SQL特性（如算术运算、字符串操作与类型转换），还是这些特性本质上不可判定？

主要发现

• U-半环框架成功建模了广泛的SQL特性，包括集合与多重集语义、含DISTINCT的混合语义，以及主键与外键等完整性约束。
• UDP算法对一般SQL查询具有正确性，且对集合与多重集语义下的元胞合查询（UCQ）具有完备性。
• 作者形式化验证了62条来自生产系统的实际查询重写规则，包括经典研究与真实引擎中的62/68条规则，其中许多此前未被证明正确。
• 该框架的最小公理集——仅包含少数恒等式——可高效集成至Coq等证明助手，与先前系统（如Cosette）相比，显著减少了可信代码基。
• 该系统成功处理了Calcite优化器中的74条重写规则中的68条，其余6条因不支持整数算术与字符串转日期转换等特性而失败，这些并非根本障碍，但需未来扩展。
• 该系统表明，对查询等价性的形式化验证在现代数据库引擎中是可行且可扩展的，尤其适用于缺乏专职验证团队的开源系统。