[论文解读] Brief Announcement: Concurrent Aggregate Queries

Gal Sela, Erez Petrank|arXiv (Cornell University)|Jan 1, 2024

Data Management and Algorithms被引用 1

一句话总结

本文提出了一种并发二叉搜索树，可高效支持对键范围的聚合查询，例如指定年龄范围内的平均工资。它引入了两种算法——一种优化更新时间，另一种优化查询时间——通过版本化元数据和原子快照机制，在避免遍历查询元素的完整路径的同时，确保线性可串行化。

ABSTRACT

Concurrent data structures serve as fundamental building blocks for concurrent computing. Many concurrent counterparts have been designed for basic sequential algorithms; however, one notable omission is a concurrent tree that supports aggregate queries. Aggregate queries essentially compile succinct information about a range of data items. Such queries play an essential role in various applications and are commonly taught in undergraduate data structures courses. In this paper, we formalize a type of aggregate queries that can be efficiently supported by concurrent trees and present a design for implementing these queries on concurrent lock-based trees. We present two algorithms implementing this design, where one optimizes for tree update time, while the other optimizes for aggregate query time.

研究动机与目标

• 解决并发数据结构中缺乏对聚合查询的高效并发支持的问题，尽管这类查询在顺序系统中已被广泛使用。
• 设计一种支持基于范围的聚合查询（例如平均值、求和）的并发树，而无需遍历查询范围内的所有元素。
• 通过在更新和查询过程中维护多个节点间元数据的线性可串行化快照，确保并发环境下的正确性。
• 通过两种不同的算法变体，在更新时间和查询时间之间实现性能权衡。

提出的方法

• 在外部二叉搜索树中增强每个节点的元数据字段，用于存储基于子树元素计算出的聚合值（例如总和、计数）。
• 使用带时间戳和更新编号的版本化字段，以跟踪元数据的最新一致状态，从而实现原子快照语义。
• 引入一个全局的无等待队列，用于聚合查询的时间戳，以支持批量更新并减少版本创建的开销。
• 在无活动查询依赖中间状态时，使用双倍宽度的CAS操作或复合CAS操作，将数据写入现有版本，以提高空间和时间效率。
• 允许聚合查询对非目标节点使用版本化读取，以减少开销，同时仅在目标路径中选择性地应用待处理的更新，以保持正确性。
• 使用线程本地的更新编号数组，记录每个线程最新的有效操作ID，使查询能够检测待处理的更新是否已影响某个元数据字段。

实验结果

研究问题

• RQ1 如何在不遍历范围内所有元素的情况下，高效实现对并发二叉搜索树中键范围的聚合查询？
• RQ2 当多个有效操作（插入/删除）和聚合查询同时访问并更新多个节点上的元数据时，应采用何种机制确保线性可串行化？
• RQ3 通过减少创建的版本数量并重用现有版本，能否提升并发聚合查询的性能？
• RQ4 在并发聚合查询支持中，优化更新时间与优化查询时间之间的权衡是什么？

主要发现

• 所提出的算法通过确保每个有效操作在遍历节点的元数据中要么完全反映，要么完全不反映，从而实现聚合查询的线性可串行化。
• FastQueryTree变体通过批量更新和在无活动查询依赖中间状态时重用现有版本，显著降低了查询时间和空间消耗。
• 通过利用预先计算的元数据而非完整遍历，聚合查询可实现相对于查询范围内元素数量的次线性时间复杂度。
• 使用线程本地的更新编号和版本化字段，使查询能够检测待处理更新是否已影响元数据字段，从而实现正确且一致的结果计算。
• 算法改进将版本化元数据更新的次数减少了 O(concUpdatingQueries)，其中 concUpdatingQueries 表示重叠的活跃查询数量。
• 通过在非目标节点使用版本化读取，并仅在目标路径中选择性地应用更新，提升了查询性能，而不会影响渐近时间复杂度。