[论文解读] Foundations of Traversal Based Query Execution over Linked Data (Extended Version)

Olaf Hartig, Johann Christoph Freytag|arXiv (Cornell University)|Aug 31, 2011

Data Quality and Management参考文献 18被引用 5

一句话总结

本文建立了基于遍历的链接数据查询执行的理论基础，提出了针对在执行过程中动态发现数据源的合取查询的形式语义。证明了查询可计算性是不可判定的，且无法保证终止性，为在潜在无限的Web数据环境中评估和优化此类系统提供了形式化基础。

ABSTRACT

Query execution over the Web of Linked Data has attracted much attention recently. A particularly interesting approach is link traversal based query execution which proposes to integrate the traversal of data links into the construction of query results. Hence -in contrast to traditional query execution paradigms- this approach does not assume a fixed set of relevant data sources beforehand; instead, it discovers data on the fly and, thus, enables applications to tap the full potential of the Web. While several authors study possibilities to implement the idea of link traversal based query execution and to optimize query execution in this context, no work exists that discusses the theoretical foundations of the approach in general. Our paper fills this gap. We introduce a well-defined semantics for queries that may be executed using the link traversal based approach. Based on this semantics we formally analyze properties of such queries. In particular, we study the computability of queries as well as the implications of querying a potentially infinite Web of Linked Data. Our results show that query computation in general is not guaranteed to terminate and that for any given query it is undecidable whether the execution terminates. Furthermore, we define an abstract execution model that captures the integration of link traversal into the query execution process. Based on this model we prove the soundness and completeness of link traversal based query execution and analyze an existing implementation approach..

研究动机与目标

• 为解决基于遍历的链接数据查询执行在Web链接数据上的理论基础缺失问题。
• 定义一种形式语义，用于通过链接遍历动态发现数据源的合取查询。
• 在无界且不断演化的数据空间背景下，分析可计算性与终止性等基本属性。
• 建立一个抽象执行模型，确保基于遍历的查询处理在逻辑上的正确性与完备性。
• 为比较实现方案和指导动态链接数据环境中的查询优化提供形式化基础。

提出的方法

• 提出一种形式化数据模型，将链接数据的Web表示为具有标识符、谓词和对象的互联数据源图。
• 引入一种计算模型，以捕捉在Web上有限的数据访问能力，反映现实世界中的约束条件。
• 定义一种具有明确定义语义的查询模型，其中查询结果为变量到可通过指定遍历规则访问的数据的映射。
• 使用图灵机编码在计算磁带上形式化表示数据三元组、赋值和查询结果，以支持理论分析。
• 应用可计算性理论中的概念，分析查询是否为有限可计算、最终可计算，或根本不可计算。
• 开发一种抽象执行模型，将链接遍历整合到查询处理中，证明该方法在逻辑上的正确性与完备性。

实验结果

研究问题

• RQ1 如何为在链接数据Web上通过动态链接遍历执行的合取查询建立形式语义？
• RQ2 在潜在无限的链接数据Web上执行查询时，查询在何种条件下是可计算的？
• RQ3 是否可以判定基于遍历的查询执行是否会终止？
• RQ4 如何形式化建模将链接遍历集成到查询执行中的过程，以确保正确性与完备性？
• RQ5 在动态、去中心化的数据环境中，查询执行的理论极限是什么？

主要发现

• 在链接数据Web上执行查询无法保证终止，因为系统可能遍历无限多个数据源。
• 给定查询通过遍历方法执行时，其结果是有限还是无限，这一问题是不可判定的。
• 本文证明了在所提出的模型中，查询是最终可计算的，即即使完整计算永远不会终止，结果仍可逐步生成。
• 抽象执行模型确保了正确性与完备性，即所有有效的查询答案均被正确生成，且不会产生无效答案。
• 该理论框架支持对实现方案的形式化验证，并可用于比较不同的基于遍历的查询执行策略。
• 本研究确立了传统数据库假设（如数据源集合固定）在动态、去中心化的链接数据Web环境中不成立。