[论文解读] Data-Oblivious Stream Productivity

Jörg Endrullis, Clemens Grabmayer+1 more|ArXiv.org|Jun 16, 2008

Advanced Database Systems and Queries参考文献 5被引用 6

一句话总结

本文提出了一种可证明最优的、与数据无关的方法，用于通过正交项重写系统确定无限流规格中的生产力。它引入了一种用于平面流规格的决策算法，可计算流函数生成的紧致下界，实现与数据无关的最优性，并证明了纯规格中生产力的可判定性——在这些情况下，与数据无关的分析已足够；同时，该方法还扩展至友好嵌套情况，提供了充分条件。

ABSTRACT

We are concerned with demonstrating productivity of specifications of infinite streams of data, based on orthogonal rewrite rules. In general, this property is undecidable, but for restricted formats computable sufficient conditions can be obtained. The usual analysis disregards the identity of data, thus leading to approaches that we call data-oblivious. We present a method that is provably optimal among all such data-oblivious approaches. This means that in order to improve on the algorithm in this paper one has to proceed in a data-aware fashion.

研究动机与目标

• 形式化并分析无限流规格中的与数据无关的生产力。
• 识别可通过与数据无关分析判定生产力的语法类别（平面和纯类）。
• 为平面流规格中的与数据无关生产力开发一种在所有与数据无关方法中均最优的决策算法。
• 证明对于纯规格，与数据无关的生产力等价于完全生产力，从而实现该类中生产力的可判定性。
• 将框架扩展至友好嵌套流规格，提供充分（但非最优）的判定准则。

提出的方法

• 通过抽象具体数据值，形式化与数据无关的重写，仅关注生成与消耗行为的定量特征。
• 将流函数的与数据无关下界定义为所有可能数据输入下最小生成速率，通过模式匹配规则计算。
• 使用生成函数复合的最小不动点（例如，∞ = lfp(suc ∘ id)）计算流常量的与数据无关生成量。
• 对于平面规格，为每个函数符号计算紧致的与数据无关下界，并传播至评估流常量的整体生成量。
• 通过在规则中允许嵌套函数调用，将方法扩展至友好嵌套，同时保持可计算性。
• 在Haskell中实现该算法，并提供基于网页的工具以供公众使用和实验。

实验结果

研究问题

• RQ1 与数据无关的方法能否在识别流规格生产力方面实现最优性？
• RQ2 在哪些流规格语法类别中，与数据无关的生产力蕴含完全生产力？
• RQ3 对于所有规则仅在数据值上不同的纯流规格类，其生产力是否可判定？
• RQ4 与数据无关的生产力准则能否扩展至平面规格之外，以涵盖友好嵌套？
• RQ5 与数据无关分析在识别非生产力方面存在哪些局限性？为何不存在针对非生产力的与数据无关最优准则？

主要发现

• 所提出的平面流规格决策算法在所有与数据无关方法中均可证明是最优的，意味着不存在其他此类方法能识别更多具有生产力的规格。
• 对于纯流规格，与数据无关的生产力等价于完全生产力，从而可在该类中实现生产力的决策过程。
• 在交替比特流示例中，函数f的与数据无关下界为恒等函数 n ↦ n，导致流常量A的无限与数据无关生成量。
• 相比之下，对于具有规则 g(1 : σ) → g(σ) 的规格g，其与数据无关下界为 n ↦ 0，因此任何与数据无关方法均无法识别其生产力。
• 该方法可扩展至友好嵌套流规格，提供充分（但非最优）的与数据无关生产力判定准则。
• 一个基于网页的工具已公开发布，实现该算法，网址为 http://infinity.few.vu.nl/productivity，可供实际验证流的生产力。