[论文解读] Temporal Provenance Model (TPM): Model and Query Language

Amin Beheshti, Hamid Reza Motahari‐Nezhad+1 more|arXiv (Cornell University)|Nov 21, 2012

Scientific Computing and Data Management参考文献 34被引用 27

一句话总结

本文提出时间溯源模型（TPM），一种具备时间感知能力的溯源图模型，可显式表示数据与过程的时间演化。该模型引入带时间戳的文件夹和路径作为抽象机制，用于分组相关实体并追踪随时间演变的派生历史，从而实现高效且语义准确的溯源数据查询。评估结果显示，与OPM图相比，TPM图在路径查询结果中的精确度达到93.4%，而OPM图仅为46%，显著提升了相关性与效率。

ABSTRACT

Provenance refers to the documentation of an object's lifecycle. This documentation (often represented as a graph) should include all the information necessary to reproduce a certain piece of data or the process that led to it. In a dynamic world, as data changes, it is important to be able to get a piece of data as it was, and its provenance graph, at a certain point in time. Supporting time-aware provenance querying is challenging and requires: (i) explicitly representing the time information in the provenance graphs, and (ii) providing abstractions and efficient mechanisms for time-aware querying of provenance graphs over an ever growing volume of data. The existing provenance models treat time as a second class citizen (i.e. as an optional annotation). This makes time-aware querying of provenance data inefficient and sometimes inaccessible. We introduce an extended provenance graph model to explicitly represent time as an additional dimension of provenance data. We also provide a query language, novel abstractions and efficient mechanisms to query and analyze timed provenance graphs. The main contributions of the paper include: (i) proposing a Temporal Provenance Model (TPM) as a timed provenance model; and (ii) introducing two concepts of timed folder, as a container of related set of objects and their provenance relationship over time, and timed paths, to represent the evolution of objects tracing information over time, for analyzing and querying TPM graphs. We have implemented the approach on top of FPSPARQL, a query engine for large graphs, and have evaluated for querying TPM models. The evaluation shows the viability and efficiency of our approach.

研究动机与目标

• 为解决现有溯源模型将时间视为次要注释所导致的时间感知查询效率低下且语义不准确的问题。
• 实现溯源图中时间演化的显式建模，支持在任意时间点对数据与过程的准确重建。
• 引入新颖的抽象机制——带时间戳的文件夹与带时间戳的路径，用于分组相关实体并追踪随时间演变的派生路径。
• 设计并实现一种高效的查询语言与引擎，用于大规模分析时间溯源图。
• 在真实数据集上评估该方法，并证明其在精确度与性能方面显著优于传统的基于OPM的查询方式。

提出的方法

• 通过将时间作为溯源图中的第一维，扩展开放溯源模型（OPM），支持时间戳关系与实体状态。
• 引入带时间戳的文件夹作为相关实体及其溯源信息的容器，支持按时间分区与分组相关数据。
• 引入带时间戳的路径作为演化派生历史的表示，支持跨时间区间的对象血缘追踪。
• 增强FPSPARQL查询引擎，以支持在TPM上进行时间图查询，包括可达性分析与路径查找算法（如GRIPP与所有点对最短路径）。
• 采用环路消除技术，减少路径查询中的无关结果，提升结果质量与查询效率。
• 开发前端工具用于可视化TPM图，并辅助用户构建与探索溯源查询。

实验结果

研究问题

• RQ1 如何扩展溯源图以显式表示数据与过程的时间演化？
• RQ2 为实现对特定时间点的溯源数据高效查询与分析，需要哪些抽象机制？
• RQ3 与基于注释的模型相比，显式时间建模在多大程度上提升了溯源路径查询的精确度与效率？
• RQ4 TPM模型在多大程度上减少了路径查询输出中的环路与无关路径？
• RQ5 所提出的模型与查询语言在保持性能与可用性的前提下，能否扩展至真实世界的大规模溯源图？

主要发现

• 在真实数据集上，所提出的TPM模型在路径查询中实现了93.4%的精确度，而基于等效OPM图的查询精确度仅为46%。
• 基于TPM的查询中发现的路径数量显著更低（183条），而基于OPM的查询则达到318条，表明结果相关性更高。
• 评估结果表明，使用TPM进行时间感知查询可有效减少环路与无关路径，从而同时提升结果质量与查询可维护性。
• 在路径查找工作负载下，查询TPM图时的内存与处理器消耗显著低于查询OPM图，尤其在大规模场景下优势明显。
• 将TPM与FPSPARQL集成后，实现了对大规模时间溯源查询的高效处理，验证了该框架的可行性。
• 前端工具显著提升了用户交互与可视化能力，支持高效探索与构建溯源查询。