利用交织查询实现可扩展的社会协调

社会协调使用户能够超越对朋友的感知，进而高效地与他人协调物理活动。虽然 Evite、Meetup 和 Groupon 等工具中可见特定形式的社会协调，但我们引入了一种更通用的模型，即所谓的交织查询 (enmeshed queries)。交织查询允许用户通过指定期望的群组规模以及谁/什么/何时等社会属性，以声明方式指定协调意图，数据库则返回匹配的查询。交织查询是连续的，但新查询（而非数据）会回应旧查询；可变的群组规模也使得交织查询不同于纠缠查询、发布 - 订阅系统和约会服务。我们表明，即使使用交织查询进行离线群组协调也是 NP 难的。随后，我们引入了高效的启发式算法，利用位置和时间等选择性索引来减少可能匹配的空间；我们还增加了延迟评估和利用用户相对可匹配性来确定搜索顺序等优化措施。我们描述了一种集中式实现，并评估了其相对于最优算法的性能。我们表明，不提前停止（在找到匹配后）与延迟评估相结合，产生了一种能找到最优算法所获匹配数 86% 的算法，且在 2.5 GHz 服务器单核上平均每查询耗时 40 微秒。此外，该算法具有良好的延迟，对大群组规模请求相当公平，并可通过多核和多服务器扩展至全球工作负载。最后，我们描述了向基本交织查询添加价格、推荐和数据挖掘等潜在推广方向。