[论文解读] Unravelling Graph-Exchange File Formats

Matthew Roughan, Simon Jonathan Tuke|arXiv (Cornell University)|Mar 10, 2015

Graph Theory and Algorithms参考文献 46被引用 11

一句话总结

本文分析了近100种图交换文件格式，以减少冗余格式的开发并指导未来标准化。它评估了格式在可移植性、可扩展性和元数据支持方面的表现，结论认为，一种具备自文档化和多格式封装功能的容器格式最能满足未来需求，尤其是在大规模和异构图数据交换方面。

ABSTRACT

A graph is used to represent data in which the relationships between the objects in the data are at least as important as the objects themselves. Over the last two decades nearly a hundred file formats have been proposed or used to provide portable access to such data. This paper seeks to review these formats, and provide some insight to both reduce the ongoing creation of unnecessary formats, and guide the development of new formats where needed.

研究动机与目标

• 通过分析现有格式，减少图交换文件格式的过度繁衍和不兼容现象。
• 识别当前格式的常见缺陷，例如缺乏元数据、可扩展性差以及人类可读性弱。
• 通过评估可移植性、可扩展性以及对属性和元数据的支持等特性，指导未来格式的设计。
• 倡导采用基于容器的方案，以封装多种格式，并支持自文档化和元数据。
• 为研究人员和工具开发者提供全面参考，以选择或设计更优的图交换格式。

提出的方法

• 系统性地审查和分类70多种图交换格式，包括专用设计和事实标准。
• 基于关键标准评估格式：跨系统可移植性、可扩展性、对属性和元数据的支持，以及人类可读性。
• 分析结构和语法特征，包括XML、JSON和自定义格式的使用，及其对性能和可维护性的影响。
• 比较单体式与模块化设计模式，尤其关注大规模图的并行I/O和可扩展性。
• 识别旧格式中先进但未被充分利用的功能（如NetML），以指导未来格式设计。
• 提出一种容器格式概念，支持多种底层格式并包含元数据，实现灵活且可扩展的数据交换。

实验结果

研究问题

• RQ1 现有图交换文件格式的关键设计与实现特征是什么？它们在可移植性和可扩展性方面如何比较？
• RQ2 尽管已有大量现有格式，为何仍不断创建新的图格式？这种冗余的根本原因是什么？
• RQ3 当前格式中缺少哪些关键功能——例如元数据支持、属性灵活性和自文档化——但对稳健的数据交换至关重要？
• RQ4 如何设计一种容器格式，以封装多种图格式，同时支持可扩展性、元数据和高效的I/O？
• RQ5 现有格式，包括较旧或不为人知的格式（如NetML），在多大程度上可为未来更稳健的图交换标准设计提供参考？

主要发现

• 超过70种图交换格式存在，其中许多是冗余的或文档不全，导致研究社区中不必要的碎片化。
• 大多数格式缺乏对属性语义的标准化定义，尽管在语法上兼容，但在数据交换过程中仍存在被误解的风险。
• 大多数格式采用单体式设计，限制了其在并行I/O和大规模图高效处理方面的适用性。
• 现有格式在可扩展性和元数据支持方面差异显著，仅有少数（如GraphML）接近全面解决方案。
• 旧格式（如NetML）包含先进且周全的功能（如丰富的元数据和可扩展性），但在现代工具链中仍被严重低估。
• 一种能够封装多种底层格式、支持自文档化和元数据的容器格式，将显著提升图数据交换的长期可持续性和互操作性。