[论文解读] View Synthesis from Schema Mappings

Diego Calvanese, Giuseppe De Giacomo+2 more|arXiv (Cornell University)|Mar 5, 2010

Advanced Database Systems and Queries参考文献 35被引用 3

一句话总结

本文提出从模式映射生成视图，这是数据集成与数据仓库领域的一个新问题，可自动从源到目标模式映射生成目标模式视图。针对关系型与半结构化数据，提出使用选择性查询与正则路径查询的技术，建立复杂度上界：2RPQs为ExpTime，CRPQs为2ExpSpace。

ABSTRACT

In data management, and in particular in data integration, data exchange, query optimization, and data privacy, the notion of view plays a central role. In several contexts, such as data integration, data mashups, and data warehousing, the need arises of designing views starting from a set of known correspondences between queries over different schemas. In this paper we deal with the issue of automating such a design process. We call this novel problem "view synthesis from schema mappings": given a set of schema mappings, each relating a query over a source schema to a query over a target schema, automatically synthesize for each source a view over the target schema in such a way that for each mapping, the query over the source is a rewriting of the query over the target wrt the synthesized views. We study view synthesis from schema mappings both in the relational setting, where queries and views are (unions of) conjunctive queries, and in the semistructured data setting, where queries and views are (two-way) regular path queries, as well as unions of conjunctions thereof. We provide techniques and complexity upper bounds for each of these cases.

研究动机与目标

• 解决在数据集成与数据仓库中，从源到目标模式映射自动生成目标模式视图的挑战。
• 将视图生成形式化为查询重写问题，要求源查询必须可被重写为在合成视图上的等价表达式。
• 针对不同查询语言（选择性查询、2RPQs、CRPQs 和 UC2RPQs）提供视图存在性问题的可判定性与复杂度分析。
• 通过正则路径查询及其扩展，将框架扩展至半结构化数据模型。
• 探索具有可靠与精确重写语义的视图生成的理论基础。

提出的方法

• 将视图生成建模为查询重写问题：对每个源查询，合成一个目标视图，使得源查询在逻辑上等价于该视图上的重写。
• 使用自动机理论技术，将查询包含问题约化为词自动机（NWA 与 2NWA）上的语言包含问题。
• 应用树自动机与等价类技术，管理视图闭包并最小化视图复杂度。
• 通过词自动机构造，将复杂查询（如 CRPQs）的包含性约化为正则语言的包含性。
• 利用从查询包含到自动机语言包含的约化，实现可判定性与复杂度分析。
• 从源映射与目标映射构造视图定义自动机，并通过验证包含约束来确保合成视图的正确性。

实验结果

研究问题

• RQ1 我们能否自动从一组源到目标模式映射中合成目标模式视图，使得源查询可被重写为这些视图？
• RQ2 在不同查询语言（如 2RPQs、CRPQs）下，视图存在性问题的计算复杂度边界是什么？
• RQ3 视图生成的复杂度在可靠重写（确定性答案）与精确重写（逻辑等价）语义之间有何差异？
• RQ4 自动机理论方法能否有效用于约化查询包含问题，并在半结构化数据模型中实现视图生成？
• RQ5 对于更丰富的查询语言（如 CRPQs 与 UC2RPQs），视图生成在可判定性与复杂度方面的理论极限是什么？

主要发现

• 视图存在性问题在关系型与半结构化数据模型中均可判定，其复杂度上界取决于所使用的查询语言。
• 对于 2RPQs，视图存在性问题处于 ExpTime，精确视图存在性问题处于 ExpSpace。
• 对于 CRPQs，视图存在性问题处于 2ExpTime，精确视图存在性问题处于 2ExpSpace。
• 对于 UC2RPQs，复杂度边界与 CRPQs 相同，原因在于使用了 2RPQ 视图与基于自动机的包含性检查。
• 使用词自动机（NWA 与 2NWA）可将复杂查询包含问题约化为语言包含问题，构成合成技术的核心。
• 等价类技术可实现视图最小化并保持等价性下的闭包，从而提升合成视图的效率与正确性。