[论文解读] Trade-offs Computing Minimum Hub Cover toward Optimized Graph Query Processing

Belma Yelbay, Ş. İlker Birbil+2 more|arXiv (Cornell University)|Nov 7, 2013

Graph Theory and Algorithms参考文献 37被引用 4

一句话总结

本文提出了一种新型图表示模型——最小枢纽覆盖（Minimum Hub Cover, MHC），通过利用基于枢纽的结构单元，实现高效索引利用，从而优化图查询处理。结合整数规划与启发式算法，研究结果表明，计算MHC可显著降低查询处理成本，尤其在社交网络和生物网络等大规模图上表现突出，且可在合理时间内获得近似最优解。

ABSTRACT

As techniques for graph query processing mature, the need for optimization is increasingly becoming an imperative. Indices are one of the key ingredients toward efficient query processing strategies via cost-based optimization. Due to the apparent absence of a common representation model, it is difficult to make a focused effort toward developing access structures, metrics to evaluate query costs, and choose alternatives. In this context, recent interests in covering-based graph matching appears to be a promising direction of research. In this paper, our goal is to formally introduce a new graph representation model, called Minimum Hub Cover, and demonstrate that this representation offers interesting strategic advantages, facilitates construction of candidate graphs from graph fragments, and helps leverage indices in novel ways for query optimization. However, similar to other covering problems, minimum hub cover is NP-hard, and thus is a natural candidate for optimization. We claim that computing the minimum hub cover leads to substantial cost reduction for graph query processing. We present a computational characterization of minimum hub cover based on integer programming to substantiate our claim and investigate its computational cost on various graph types.

研究动机与目标

• 为解决缺乏统一图表示模型以支持图查询处理中高效、基于成本的优化问题。
• 将最小枢纽覆盖（Minimum Hub Cover, MHC）概念形式化为图表示的结构单元，类比RDF三元组，以支持通用索引与查询优化。
• 评估MHC计算在多种图类型（包括无标度图与网格图）中的计算可行性及其成本降低潜力。
• 研究在大规模图上MHC计算中解的质量与计算时间之间的权衡。
• 探索将MHC作为基础，实现真实图数据库中动态、自适应查询优化的可行性。

提出的方法

• 提出一种基于枢纽的新图表示模型——枢纽为覆盖其邻居所有关联边的节点，形成如星形与三角形等原子结构单元。
• 将最小枢纽覆盖问题建模为整数规划（IP）公式，以寻找覆盖图中所有边的最小枢纽集合。
• 采用启发式算法（包括贪心算法GR1、GR2与局部搜索LSLP），在解的质量与计算时间之间实现平衡。
• 使用MHC问题的受限版本（MBH）以提升可扩展性，对多数实例可实现最优求解。
• 在六类图上评估性能：随机图、度数受限图、不规则度数受限图、规则网格（2D–4D）、不规则网格图与无标度图。
• 将MHC与子图同构技术结合，以实现高效查询计划的生成与选择。

实验结果

研究问题

• RQ1 基于枢纽的图表示模型（如最小枢纽覆盖）能否实现更高效且通用的图查询索引？
• RQ2 MHC计算的计算成本在不同图类型中如何变化？是否可针对大规模图进行优化？
• RQ3 在使用精确方法（IP）与启发式方法（贪心、LSLP）计算MHC时，解的质量与计算时间之间的权衡如何？
• RQ4 基于MHC的查询优化是否能在总处理成本上优于传统索引策略？
• RQ5 在动态或大规模图环境中，计算查询的完整MHC家族（Γ(Q)）以选择最低成本查询计划是否可行？

主要发现

• 贪心算法（GR1、GR2）的解算时间显著快于精确方法，尽管解非最优，但在大规模图上仍具实用性。
• 基于MHC的方法通过实现高效索引利用与结构剪枝，显著降低了查询处理成本。
• MBH（基于MIP的）方法在大多数图实例中可在合理时间内实现受限MHC问题的最优求解，尤其在度数受限图与网格图中表现优异。
• LSLP提供了与MBH相当的解质量与时间性能，且保证解的可行性，但性能依赖于参数调优。
• 对于无标度图（如蛋白质-蛋白质相互作用网络），现有求解器可高效计算最优MHC，支持其在生物应用中的可行性。
• 尽管大查询的计算成本较高，但多数图类型解算时间较低，表明MHC优化在大多数实际应用中具有可行性。