Optimizing Subgraph Queries by Combining Binary and Worst-Case Optimal Joins

本文由滑铁卢大学的Amine Mhedhbi和Semih Salihoglu发表

摘要

本文主要研究子图查询优化问题，并使用新的 worst-case optimal join plans。
worst-case optimal join plans 通过使用多路交叉一次匹配一个查询顶点来评估查询。
其核心问题是选取一个查询点序。

本文中我们设计了一个基于代价的优化器，其作用是：
1、选取有效的查询点序。
2、生成混合计划，包含传统的Binary Join和 worst-case 风格的多路交叉。

同时描述了一个适应性技术，在查询执行中可以改变 worst-case optimal subplans 的序。

---

1. 相关介绍

子图查询是一个图数据库所支持的基本查询类，用来在一个输入图 $G(V,E)$ 中找到一个子图查询实例 $Q(V_Q,E_Q)$ 。

本文研究评估一个点和边都带有标签的子图查询类。对于有标签的查询，查询边对应的边表只包含G中和点和边标签一致的边。

子图查询使用两种方法评估：

• Query-edge(s)-at-a-time
  • 执行一个Binary Join序列来评估Q。每个Binary Join有效地匹配G中Q的查询边的更大子集，直到Q匹配为止。
• Query-vertex-at-a-time
  • 选取一个 $V_Q$ 的查询点序，根据查询点序，使用多路连接符，匹配一次查询Q的一个查询点。使用 worst-case optimal join 算法计算，交合一个或多个点邻接列表来扩展部分匹配。

本文主要贡献

第一个主要贡献

动态规划优化器，可生成带有Binary Join和扩展/相交操作符通过一个查询点来扩展部分匹配。
优化器通过两种可替换的方法枚举计划，评估查询Q的k点子查询 $Q_k$， $k=2,...,m$：

1. 两个更小的子查询的Binary Join
2. 通过一次相交，用一个查询点扩展一个子查询 $Q_{k-1}$

优化器使用 intersection cost (i-cost) 来排序 WCO 计划。
i-cost表示一个计划中相交的工作量，其使用计划中要相交的领接表的大小信息。

结合i-cost和Binary的代价来排序混合计划。

代价度量考虑输入图的属性，例如前后邻接表大小的分布，将作为计划的一部分计算的不同子图的匹配数。

我们使用子图目录来估计 i-cost, Binary Join的代价, 计划中会产生的部分匹配的数量。
子图目录包含：
(i) 输入图的领接表大小分布
(ii) 在小子图上对于不同相交的选择

第二个主要贡献

使用适应性技术来选取 WCO 中的查询点序。

---

2. 初步工作

Generic Join 是 WCO 连接的一个算法，每次计算查询的查询点有两步：

1. Query Vertex Ordering (QVO)
2. Iterative Partial Match Extensions

---

3. Optimizing WCO plans

展示内容：

1. WCO plans
2. 指定的不同 QVOs 的影响
3. WCO plans 的 i-cost metric

WCO plans and E/I(Extend/Intersect) operator

使用两个操作符

Scan

计划中的叶节点，匹配一条查询边，使用一个 Scan 操作符来评估。Scan 操作符扫描图G中的前邻接表，匹配查询边上的标签，和它的起始点和终点，并且输出每个匹配成功的边作为 2-match。

Extend/Intersect

E/I操作符接收输入的(k-1)-matches，并将每个元组t扩展到一个或多个k-matches。
操作符配置了一个或多个邻接表描述符和目标点的标签 $l_k$
每个操作符是一个(i, dir, $l_e$)元组，i是t中点的索引，dir是前或后的方向，$l_e$是查询边上的标签。

对于每个(k-1)-match t，描述符首先通过相交所描述邻接表计算 t 的扩展集 S，确保匹配到特定的边和目标点标签，然后扩展 t 到 t × S 。
对于单个描述符，S是此描述符所描述的列表。否则使用迭代二路串联相交。

在一个 E/I 操作符连续处理的多个(k-1)-matches，如果它们进行相同的相交，则它们需要相同的扩展集。在这种情况下，我们的 E/I 操作符缓存并重复使用最近的扩展集。相交缓存可以全面提高 WCO 计划的性能。

Effects of QVOs

三个主要的因素影响相交工作和 WCO 运行时间：

1. 相交的邻接表的方向
2. 查询点序生成的中间部分匹配的数量
3. 查询点序使用相交缓存的量

1. Directions of Intersected Adjacency Lists

邻接表方向组合的效率，依赖于输入图的结构性质，例如前后邻居表的分布。

2. Number of Intermediate Partial Matches

带尾三角状查询可由 WCO 两大类评估：

1. Edge-2Path
2. Edge-Triangle

$|E|$ 表示边的数量
$|2Path|$ 表示2边路径
$|△|$ 表示三角形的数量

在忽略扩展和相交的方向下，Edge-2Path完成$|E|$次扩展加上$|2Path|$次相交，然而Edge-Triangle完成$|E|$次相交加上$|△|$次扩展。

QVOs产生更少的中间匹配，依赖于：

1. 查询结构
2. 对于带标签的查询，查询标签的选择
3. 输入图的结构性质，图的聚集系数越低，中间产物越低

3. Intersection Cache Hits

如果QVO扩展(k-1)-matches,使用带索引 $a_1...a_{k-2}$ 的邻接表匹配到 $a_k$ ，E/I操作符的相交缓存会使用更多。

使用 $(k-1{)}^{th}$ 索引的相交不能重复使用，因为 $a_{k-1}$ 是前一个E/I操作符相交的结果，并且会匹配不同的点ID。
但是那些使用索引 $a_1...a_{k-2}$ 有重复使用的可能性。

缓存可以提供类似因式分解的好处。在因式分解处理中，查询结果表示为查询独立成分的笛卡尔积。

Cost Metric for WCO Plans

intersection cost(i-cost) 定义为被不同 WCO 计划使用和相交的邻接表的大小。

令$t$为$Q_{k-1}$的一个(k-1)-match，假设$t$通过相交一个使用邻接表描述符$A_{k-1}$的邻接表的集合来扩展到$Q_k$的实例。$\sigma$的i-cost的形式为：

KaTeX parse error: Undefined control sequence: \substack at position 97: …Q_{k-1}} \sum_{\̲s̲u̲b̲s̲t̲a̲c̲k̲{(i,dir)\in A_{…

$|t.dir|$捕获不同方向上的邻接表的大小
第二个求和覆盖所有中间匹配，获取中间匹配的大小
最后一个求和覆盖所有使用的邻接表，忽略相交时已缓存的表。

---

4. Full Plan Space & DP Optimizer

完整的任务计划包括：Binary Join，E/I操作符，这些计划的代价以及动态规划优化器

Hybrid Plans and HashJoin Operator

一个计划是一个有根树

$Q_k$是$Q$的一个投影，投射到k个查询点的一个任意集合

叶节点标记为$Q$的单个查询边
根节点标记为$Q$
每个内部点标记为$Q_k$，是查询点的子集的投影

内部点$o_k$要么有一个child，要么有两个children。

有一个子节点的$o_k$标记为$Q_{k-1}$，是$Q_k$的子图，其中点$q_v\in V_k$