TAPER：面向大型异构图的查询感知分区增强

图分区长期以来被视为解决图数据库管理系统(Graph DBMS)可扩展性的一种可行方法。然而，除非分区对特定查询工作负载敏感，并针对该工作负载优化以最小化分区间遍历，否则可能会引入额外的查询处理延迟。此外，还应能够根据图拓扑、查询工作负载或两者的变化增量式调整分区。由于复杂性，当前的分区算法无法满足其中一项或两项要求，因为它们是为离线使用和一次性操作而设计的。TAPER 系统旨在利用现有分区算法同时满足这两项要求。TAPER 以任何给定的初始分区为起点，通过跨分区交换选定顶点来迭代调整它，启发式地降低给定模式匹配查询工作负载的分区间遍历概率。由于底层支持数据结构在时间和空间上的优化，迭代开销很低。我们在两个不同的大型测试图和真实查询工作负载上评估了 TAPER。结果表明，在基于哈希的分区下，TAPER 将分区间遍历次数减少了约 80%；在无权 METIS 分区下，减少了约 30%。这些减少在 8 次迭代内实现，并且具有工作负载感知和可在線使用的额外优势。