[论文解读] The Query Translation Landscape: a Survey

Mohamed Nadjib Mami, Damien Graux+4 more|arXiv (Cornell University)|Oct 7, 2019

Semantic Web and Ontologies参考文献 65被引用 16

一句话总结

本综述分析了七种主要查询语言之间超过40种查询转换方法，提出了八项标准以评估转换质量，并确定SQL和SPARQL是最适合用作通用查询语言的候选者。研究揭示了在处理高级查询特性方面存在的关键空白，并呼吁建立标准化基准和基于使用场景的评估体系。

ABSTRACT

Whereas the availability of data has seen a manyfold increase in past years, its value can be only shown if the data variety is effectively tackled ---one of the prominent Big Data challenges. The lack of data interoperability limits the potential of its collective use for novel applications. Achieving interoperability through the full transformation and integration of diverse data structures remains an ideal that is hard, if not impossible, to achieve. Instead, methods that can simultaneously interpret different types of data available in different data structures and formats have been explored. On the other hand, many query languages have been designed to enable users to interact with the data, from relational, to object-oriented, to hierarchical, to the multitude emerging NoSQL languages. Therefore, the interoperability issue could be solved not by enforcing physical data transformation, but by looking at techniques that are able to query heterogeneous sources using one uniform language. Both industry and research communities have been keen to develop such techniques, which require the translation of a chosen 'universal' query language to the various data model specific query languages that make the underlying data accessible. In this article, we survey more than forty query translation methods and tools for popular query languages, and classify them according to eight criteria. In particular, we study which query language is a most suitable candidate for that 'universal' query language. Further, the results enable us to discover the weakly addressed and unexplored translation paths, to discover gaps and to learn lessons that can benefit future research in the area.

研究动机与目标

• 为解决异构数据环境中数据互操作性的挑战，特别是在多语言持久化和数据湖架构中。
• 识别并评估现有查询转换方法，以实现通过单一统一的查询语言查询多种数据源。
• 揭示当前研究中尚未充分探索的转换路径和空白，特别是针对高级查询特性与优化策略的支持情况。
• 通过识别该领域缺乏专用基准，提出查询转换的标准化评估框架。

提出的方法

• 作者定义了一个包含八项标准的“查询转换身份卡”，以系统化地评估和分类基于语言覆盖范围、表达能力、优化等技术方面的查询转换方法。
• 他们调研了超过40项关于广泛使用查询语言之间查询转换的工具和学术成果，包括SQL、SPARQL、XPath、XQuery、Gremlin、Cypher以及NoSQL变体。
• 该综述包含2003年至2019年的查询转换研究历史时间线，以追踪采用趋势并识别研究活动的高峰期或低谷期。
• 作者使用图形化表示和对比分析，可视化展示不同系统之间的转换覆盖范围、语言配对关系以及特性支持情况。
• 通过考察转换过程中应用的优化技术与目标查询的后期优化之间的对比，评估转换质量，强调运行时性能的提升。
• 评估不同转换管道对支持查询特性（如复杂连接、时间函数、空白节点和分组）的范围。

实验结果

研究问题

• RQ1 哪些查询语言最适合作为跨异构数据源的通用语言？
• RQ2 在主流查询语言中，哪些查询转换路径最被忽视或尚未探索？
• RQ3 在查询转换过程中应用的优化策略与对生成的目标查询进行优化相比，对性能的影响如何？
• RQ4 现有转换方法在多大程度上支持高级查询特性，如时间函数、复杂连接或SPARQL特有结构？
• RQ5 为何目前缺乏用于评估查询转换系统的标准化基准？一个通用基准应具备何种形态？

主要发现

• SQL和SPARQL是最适合用作通用查询语言的候选者，因为它们与其他语言之间的双向转换映射数量最多。
• 在转换过程中应用的优化（利用源系统统计信息）带来的性能提升，大于对目标查询进行后期优化的效果。
• 许多现有转换系统缺乏对高级查询特性的支持，例如SQL中的复杂连接、SPARQL中的空白节点和分组，以及时间函数。
• 尽管需求日益增长，但目前仍缺乏用于评估查询转换系统的标准化基准。
• 大多数评估框架为临时性设计，缺乏真实使用场景的验证；需要基于代表性查询模式的使用场景驱动测试，以实现有意义的评估。
• 关于XML到SQL和XML到Gremlin转换的研究正在减少，2015年后未再有新成果发表，表明这些领域兴趣减弱或已趋于成熟。