TrieJax 架构：通过关系连接加速图操作
数据库
2019-05-21 v1
摘要
图模式匹配（例如寻找所有环和团）已成为社交网络、生物学和网络安全等许多关键领域中的重要组成部分。这一发展推动了针对图模式匹配更快算法的研究。近年来，数据库界表明，将图模式匹配问题映射到一类新型关系连接算法，为计算这些问题提供了高效的框架。在本文中，我们论证这类新型关系连接算法由于两个基本特性——改善的局部性和固有的并发性——非常适于专用硬件加速。局部性的改善源于这类算法所生成的中间结果数量可被证明是有界的，从而带来更小的工作集。此外，其固有的并发性可被用于有效的硬件加速并隐藏内存延迟。我们通过提出 TrieJax（一种用于图模式匹配的硬件加速器）来展示这类新算法的硬件适应性。TrieJax 设计利用改善的局部性和高并发特性大幅加速图模式匹配，并可紧密集成到现有的多核处理器中。我们在一组标准图模式匹配查询和数据集上评估了 TrieJax。评估表明，与不采用这类新算法的近期提出的图与数据库处理硬件加速器相比，TrieJax 平均快 7-63 倍（最高 539 倍），同时能耗降低 15-179 倍（最高 1750 倍）；与确实采用现代关系连接算法的系统相比，平均快 9-20 倍（最高 45 倍），同时能耗降低 59-110 倍（最高 372 倍）。
引用
@article{arxiv.1905.08021,
title = {The TrieJax Architecture: Accelerating Graph Operations Through Relational Joins},
author = {Oren Kalinsky and Benny Kimelfeld and Yoav Etsion},
journal= {arXiv preprint arXiv:1905.08021},
year = {2019}
}