Busca avançada
Ano de início
Entree


Enhancing recursive graph querying on RDBMS with data clustering approaches

Texto completo
Autor(es):
Scabora, Lucas C. ; Spadon, Gabriel ; Oliveira, Paulo H. ; Rodrigues-Jr, Jose F. ; Traina-Jr, Caetano ; ACM
Número total de Autores: 6
Tipo de documento: Artigo Científico
Fonte: PROCEEDINGS OF THE 35TH ANNUAL ACM SYMPOSIUM ON APPLIED COMPUTING (SAC'20); v. N/A, p. 8-pg., 2020-01-01.
Resumo

Recursive queries are one of the main mechanisms in Relational Database Management Systems to process topology-aware, or graph-like, queries. However, existing works focus only on optimizing the recursive query statements and processing, disregarding the potential physical arrangements that might improve performance. In this work, we propose to use an approach based on adjacent-list storage to physically organize the graph-like data aiming at both reducing the recursive query time and the number of I/O operations. By using Clustered Tables, we tied the adjacency list in chunks for (i) storing both vertex and edge tables together in a Combined Tables approach; and (ii) reordering the edge table with the Edge Clustered Table approach using 20% and 80% of the total adjacency list size. The clustered approaches enabled a faster recursive query processing (up to 22%) and a reduction of up to 61% in the number of page accesses when compared to the Conventional approach. When starting from multiple vertices, the Combined Tables approach achieved a query reduction time of up to 50% in the first join operation, and Edge Clustered Table 20% provided an overall time reduction of up to 20%. The results show that our physical design is effective and allows one to use recursive queries without adaptations. (AU)

Processo FAPESP: 16/17078-0 - Mineração, indexação e visualização de Big Data no contexto de sistemas de apoio à decisão clínica (MIVisBD)
Beneficiário:Agma Juci Machado Traina
Modalidade de apoio: Auxílio à Pesquisa - Temático
Processo FAPESP: 16/17330-1 - Armazenamento e Operações de Navegação em Grafos em SGBDs Relacionais
Beneficiário:Lucas de Carvalho Scabora
Modalidade de apoio: Bolsas no Brasil - Doutorado
Processo FAPESP: 18/17620-5 - Medicina preventiva por meio de técnicas de deep learning aplicadas ao prognóstico de saúde
Beneficiário:José Fernando Rodrigues Júnior
Modalidade de apoio: Bolsas no Exterior - Pesquisa
Processo FAPESP: 18/20360-5 - Aumentando a Escalabilidade em Limpeza de Dados Holística
Beneficiário:Paulo Henrique de Oliveira
Modalidade de apoio: Bolsas no Exterior - Estágio de Pesquisa - Doutorado
Processo FAPESP: 17/08376-0 - Análise e aperfeiçoamento de sistemas urbanos por meio de mapas digitais representados por redes complexas
Beneficiário:Gabriel Spadon de Souza
Modalidade de apoio: Bolsas no Brasil - Doutorado
Processo FAPESP: 19/04461-9 - Prognóstico médico avançado baseado em conceitos de grafos e redes neurais artificiais
Beneficiário:Gabriel Spadon de Souza
Modalidade de apoio: Bolsas no Exterior - Estágio de Pesquisa - Doutorado