[论文解读] HepToX: Heterogeneous Peer to Peer XML Databases

Angela Bonifati, Elaine Chang+2 more|ArXiv.org|Jun 1, 2005

Peer-to-Peer Network Technologies参考文献 20被引用 14

一句话总结

HepToX 引入了一种点对点 XML 数据库系统，使异构节点能够通过从视觉注释（箭头和方框）推断出的直观模式映射共享数据。它为 XQuery 的一个子集提出了一种正确且高效的查询转换算法，并在大规模 P2P 测试平台上通过实验验证，展示了在动态环境中具有可扩展性且转换开销低的特点。

ABSTRACT

We study a collection of heterogeneous XML databases maintaining similar and related information, exchanging data via a peer to peer overlay network. In this setting, a mediated global schema is unrealistic. Yet, users/applications wish to query the databases via one peer using its schema. We have recently developed HepToX, a P2P Heterogeneous XML database system. A key idea is that whenever a peer enters the system, it establishes an acquaintance with a small number of peer databases, possibly with different schema. The peer administrator provides correspondences between the local schema and the acquaintance schema using an informal and intuitive notation of arrows and boxes. We develop a novel algorithm that infers a set of precise mapping rules between the schemas from these visual annotations. We pin down a semantics of query translation given such mapping rules, and present a novel query translation algorithm for a simple but expressive fragment of XQuery, that employs the mapping rules in either direction. We show the translation algorithm is correct. Finally, we demonstrate the utility and scalability of our ideas and algorithms with a detailed set of experiments on top of the Emulab, a large scale P2P network emulation testbed.

研究动机与目标

• 解决在无法使用全局中介模式的点对点（P2P）环境中查询异构 XML 数据库的挑战。
• 通过允许管理员使用直观的视觉注释（箭头和方框）而非复杂的正式语言来指定模式对应关系，实现轻量级的节点集成。
• 开发一种自动化算法，从这些视觉注释中推断出精确的类似 Datalog 的映射规则，以支持准确的查询转换。
• 为跨异构节点的查询评估建立形式化语义，并确保转换过程的正确性。
• 在真实世界的 P2P 模拟环境（Emulab）中，通过动态查询工作负载验证系统的可扩展性和性能。

提出的方法

• 使用节点 DTD 之间的视觉模式对应关系（箭头和方框）来表示元素和属性之间的非正式映射。
• 应用一种新颖的推断算法，将这些视觉注释转换为捕捉模式级转换的正式 Datalog 类映射规则。
• 基于数据交换定义查询评估的语义，确保翻译后的查询在异构模式之间保留原始语义。
• 实现一种双向查询转换算法，利用推断出的映射规则在任一方向（源到目标或目标到源）上转换 XQuery 片段。
• 将转换引擎集成到使用 Emulab 测试平台的 P2P 架构中，以模拟大规模、动态的网络环境。
• 通过累积答案到达时间图和查询完成率来测量性能，将转换时间与本地查询处理开销分离。

实验结果

研究问题

• RQ1 如何以轻量、直观的方式指定异构 XML 数据库之间的模式映射，以避免使用复杂的正式语言？
• RQ2 视觉注释（箭头和方框）能否被系统性地转换为精确、可执行的映射规则，以支持正确的查询转换？
• RQ3 在没有全局模式的异构节点网络中，如何定义一种正确且高效的查询评估语义？
• RQ4 查询转换开销在大规模 P2P 环境中的整体系统性能方面有何影响？
• RQ5 该系统在动态节点参与和并发查询工作负载下，其可扩展性达到何种程度？

主要发现

• 该系统成功地从视觉模式注释中推断出准确的类似 Datalog 的映射规则，实现了无需正式模式定义的正确查询转换。
• 即使在并发查询工作负载下，查询转换时间依然保持较低水平，且与本地查询处理时间相比可忽略不计。
• 答案到达在 P2P 网络中呈现出可预测的突发模式，与大规模系统中的预期行为一致。
• 累积答案到达图（图 12，底部）显示，系统在各节点间实现了高完整性与及时响应分布。
• Emulab 实验表明，系统在动态节点加入和退出的情况下仍具备可扩展性和鲁棒性，性能下降极小。
• 查询转换算法在所定义语义下被形式化证明正确，确保了在模式异构性下的语义保真度。