ROSIE：使用增量评估的SPARQL查询运行时优化
数据库
2016-05-24 v1
摘要
关系数据库在 RDF（资源描述框架）数据管理中得到广泛采用。对于高效的 SPARQL 查询评估，传统查询优化器需要重新考量。一个关键问题是如何应对由易出错的基数估计导致的次优查询计划。考虑到 RDF 数据的无模式特性以及 SPARQL 查询的连接密集型特征，在查询实际评估之前确定最优执行顺序代价高昂甚至不可行，尤其是对于大规模数据上的复杂查询。在本文中，我们提出 ROSIE，一个运行时优化框架，它根据增量部分查询评估得出的实际基数迭代地重新优化 SPARQL 查询计划。通过引入一种基于启发式的计划生成方法，以及一种在运行时检测基数估计错误的机制，ROSIE 以高效方式缓解了有偏基数传播的问题，从而对复杂查询评估更具弹性。在真实和基准数据上的大量实验表明，与现有最优方法相比，ROSIE 在复杂查询上始终具有数量级的性能优势。
引用
@article{arxiv.1605.06865,
title = {ROSIE: Runtime Optimization of SPARQL Queries Using Incremental Evaluation},
author = {Lei Gai and Wei Chen and Tengjiao Wang},
journal= {arXiv preprint arXiv:1605.06865},
year = {2016}
}