[论文解读] Joins via Geometric Resolutions: Worst-case and Beyond

Mahmoud Abo Khamis, Hung Q. Ngo+2 more|arXiv (Cornell University)|Apr 2, 2014

Advanced Database Systems and Queries参考文献 79被引用 6

一句话总结

本文提出了一种几何解析框架，通过将连接处理建模为用表示元组空缺区域的矩形盒子覆盖多维空间，统一了最坏情况最优与超越最坏情况的连接算法。该方法在分数超树宽下实现最优性能，并可扩展至B树和多索引等索引数据结构，在实践中显著提升速度，同时推广了逻辑与几何解析原理。

ABSTRACT

We present a simple geometric framework for the relational join. Using this framework, we design an algorithm that achieves the fractional hypertree-width bound, which generalizes classical and recent worst-case algorithmic results on computing joins. In addition, we use our framework and the same algorithm to show a series of what are colloquially known as beyond worst-case results. The framework allows us to prove results for data stored in Btrees, multidimensional data structures, and even multiple indices per table. A key idea in our framework is formalizing the inference one does with an index as a type of geometric resolution; transforming the algorithmic problem of computing joins to a geometric problem. Our notion of geometric resolution can be viewed as a geometric analog of logical resolution. In addition to the geometry and logic connections, our algorithm can also be thought of as backtracking search with memoization.

研究动机与目标

• 将最坏情况最优与超越最坏情况的各类连接算法统一于单一几何框架之下。
• 将索引结构（例如B树、多索引）形式化为几何约束，利用表示元组空缺区域的矩形盒子。
• 证明单一算法可在分数超树宽下实现最优性能，并可适应实例特定最优性。
• 形式化索引推理与几何解析之间的联系，类比于逻辑解析。
• 在真实数据上展示实际性能提升，包括相较于商业数据库最高达三个数量级的速度提升。

提出的方法

• 将每个关系表示为多维空间中的一组矩形盒子，每个盒子表示一个无元组的区域（间隙盒子）。
• 使用几何解析系统性地消除这些元组空缺区域，从而缩小连接结果的搜索空间。
• 将连接查询评估建模为用非间隙盒子的并集覆盖整个定义域的问题，其中未被覆盖的区域即对应输出元组。
• 应用带记忆化的回溯搜索，高效探索几何空间，利用盒子的结构特性。
• 将基于索引的推理形式化为几何解析，类比于逻辑解析，但作用于几何约束之上。
• 使用属性域的二进制编码高效表示盒子，避免证明复杂性中与一元编码相关的爆炸问题。

实验结果

研究问题

• RQ1 单一算法是否能在多样化的数据与索引场景下，同时实现最坏情况最优性能与超越最坏情况的效率？
• RQ2 如何将B树和多索引等索引结构形式化为连接处理的几何约束？
• RQ3 在查询优化背景下，几何解析与逻辑解析之间存在何种关系？
• RQ4 该框架能否统一分数超树宽、实例最优算法与索引感知处理的现有成果？
• RQ5 在几何解析中，使用二进制编码与一元编码的理论与实证权衡为何？

主要发现

• 所提算法实现了分数超树宽（fhtw）界，确保最坏情况下的最优性能（对数因子内）。
• 该算法的时间复杂度为 $ O( ext{fhtw} imes ext{输入大小} + ext{输出大小}) $，推广了Yannakakis的算法及近期最坏情况最优方法。
• 通过利用B树和多索引等数据结构，该框架实现了超越最坏情况的性能结果，带来显著的实际速度提升。
• 在真实社交网络数据上的实验表明，该算法相较于商业数据库引擎最高可实现三个数量级的速度提升。
• 几何解析在保留元组空缺区域精确结构方面优于一般解析，尤其在使用二进制编码时更为明显。
• 该框架揭示了几何解析与逻辑解析之间的对偶性，其中几何解析更适合处理连接处理中结构化、组合性的约束。