阅读TurboFlux: A Fast Continuous Subgraph Matching System for Streaming Graph Data(SIGMOD18)

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档

文章目录

        1.摘要&介绍

3.中间结果的维护 incremental maintenance of intermediate results

3.1 数据中心表示 data centric representation

        3.2 边转换模型

4.TURBOFLUX算法

        总结

---

---

1.摘要&介绍

动态图由初始图和由边插入和删除组成的图更新流定义。识别和监控动态图中的关键模式在各种应用领域中非常重要，如欺诈检测、网络安全和应急响应。给定一个动态数据图和一个查询图，一个连续子图匹配系统报告边插入的正匹配，并报告边删除的负匹配。以前的系统显示出显著的低吞吐量，因为每个边更新的重复子图匹配或保持巨大的中间结果的昂贵开销。我们提出了一个快速连续子图匹配系统TurboFlux，它通过快速图更新流提供高吞吐量。TurboFlux采用了中间结果的简明表示，其执行模型允许快速增量维护。我们的实证评估表明，涡轮通量的表现明显超过现有的竞争对手高达6个数量级。

---

3.中间结果的维护 incremental maintenance of intermediate results

3.1 数据中心表示 data centric representation

在存在循环的情况下，删除一些非树边，所以现在假设查询图都是一个树的表现形式。

定义4：显示边

查询图可以匹配的边，用实线表示

定义5：隐式边

查询图不可以匹配的边，用虚线表示

TurboFlux使用了“检查和避免”的方法。它首先检查要插入的中间结果（即边缘）是否已经在DCG中构建，然后我们简单地避免构建它们，这比生成和丢弃策略更有效。

3.2 边转换模型

边缘转换模型使用DCG来有效地识别哪些更新操作会影响当前的中间结果和/或有助于正/负匹配。

EL算法就是说重复执行Transition1-5，知道再也没有可以转化的状态。

4.TURBOFLUX算法

把所有的边标记起来，如果数据图g中可以出现一个被标记的查询图q，则在根节点执行子图匹配。

---

 

总结

论文演讲视频：

https://www.youtube.com/watch?v=0BAyhMs5ggg

• TurboFlux是一个快速、连续的子图匹配系统。
• 以数据为中心的图形是用于存储部分解的简明表示。
• 边沿转换模型可识别哪些更新操作会影响 DCG 并有助于正/负匹配。
• 广泛的实验表明，TurboFlux的表现比现有的竞争对手高出一个数量级。