Gloria: Graph-based Sharing Optimizer for Event Trend Aggregation
Gloria: Graph-based Sharing Optimizer for Event Trend Aggregation
复制标题
Gloria：基于图的事件趋势聚合共享优化器
DOI：
10.1145/3514221.3526145
复制
发表时间：
2022
期刊：
影响因子：
--
通讯作者：
Rundensteiner, Elke A.
中科院分区：
文献类型：
--
作者：
Ma, Lei;Lei, Chuan;Poppe, Olga;Rundensteiner, Elke A.
广泛部署事件趋势聚合查询的大工作负载，以近真实的时间获得关于当前事件趋势的高级见解。为了加快执行速度，我们从具有平面Kleene运算符甚至嵌套Kleene表达式的复杂模式中识别并利用共享机会。我们提出了格洛丽亚，一个基于图的事件趋势聚合共享优化器。首先，我们将共享优化问题映射到格洛丽亚图中的图路径搜索问题，执行成本编码为权重。其次，我们缩小搜索空间，通过应用成本驱动的修剪原则，保证最优的减少格洛丽亚图在大多数情况下。最后，我们提出了一个路径搜索算法，以确定最小的执行成本的共享计划。我们对三个真实数据集的实验研究表明，我们的格洛丽亚优化器有效地减少了搜索空间，导致优化时间的5倍加速。与最先进的方法生成的计划相比，优化的计划始终将查询延迟降低了68%-93%。
Large workloads of event trend aggregation queries are widely deployed to derive high-level insights about current event trends in near real time. To speed-up the execution, we identify and leverage sharing opportunities from complex patterns with flat Kleene operators or even nested Kleene expressions. We propose Gloria, a graph-based sharing optimizer for event trend aggregation. First, we map the sharing optimization problem to a graph path search problem in the Gloria graph with execution costs encoded as weights. Second, we shrink the search space by applying cost-driven pruning principles that guarantee optimality of the reduced Gloria graph in most cases. Lastly, we propose a path search algorithm that identifies the sharing plan with minimum execution costs. Our experimental study on three real-world data sets demonstrates that our Gloria optimizer effectively reduces the search space, leading to 5-fold speed-up in optimization time. The optimized plan consistently reduces the query latency by 68%-93% compared to the plan generated by state-of-the-art approaches.
登录
查看更多内容
Muse：多查询事件趋势聚合
DOI：
10.1145/3340531.3412138
发表时间：
2020
期刊：
Proceedings of the 29th ACM International Conference on Information & Knowledge Management
影响因子：
--
作者：
Rozet, Allison;Poppe, Olga;Lei, Chuan;Rundensteiner, Elke A.
通讯作者：
Rundensteiner, Elke A.
GRETA：基于图的实时事件趋势聚合
影响因子：
2.5
作者：
Poppe, Olga;Lei, Chuan;Rundensteiner, Elke;Maier, David
通讯作者：
Maier, David
复杂事件分析：流序列模式的在线聚合
DOI：
10.1145/2588555.2593684
发表时间：
2014
期刊：
Proceedings of the 2014 ACM SIGMOD International Conference on Management of Data
影响因子：
--
作者：
Yingmei Qi;Lei Cao;M. Ray;Elke A. Rundensteiner
通讯作者：
Elke A. Rundensteiner
丰富事件匹配语义下的事件趋势聚合
DOI：
10.1145/3299869.3319862
发表时间：
2019
期刊：
SIGMOD
影响因子：
--
作者：
Poppe, Olga;Lei, Chuan;Rundensteiner, Elke A.;Maier, David
通讯作者：
Maier, David