Thèse Année : 2024

Earliest Query Answering for Regular Queries with Complete Subhedge Projection

Evaluation au plus tôt de requêtes régulières avec projection de sous-haies complète

Résumé

Logical queries are at the core of graph databases, complex event processing, andXML stream processing. The efficiency of query answering algorithms is crucial inpractice, despite the inherent theoretical complexity of the underlying algorithmicproblem, which rules out any solution that is at the same time fully general andefficient.We reconsider the problem of how to answer regular queries on sequences ofdata trees - often called hedges - in an earliest manner. This problem was firststudied by Gauwin et al. in 2011. Their original motivation, and still our mainapplication, is to answer regular XPath queries on XML streams with the lowestpossible latency. Query answers should be output immediately whenever theybecome certain independently of the continuation of the stream.Earliest query answering for deterministic nested word automata was shown tobe in polynomial time by Gauwin et al (2011). Unfortunately, their earliest queryanswering algorithm for was not successful in practice when applied to regularXPath queries on Xml streams: the deterministic nested word automata obtainedwere huge even for small XPath queries, the processing time per event of the streamwas too high, and no projection of irrelevant events was available. Therefore, thebest current tools for evaluating regular XPath queries on XML streams - obtainedby Sebastian et al. (2015) - is based on an approximation of earliest query answeringthat avoids the need to determinize nested word automata.In this thesis, we show that earliest query answering for regular XPath queries isfeasible in practice. For this, we develop a new earliest query answering algorithmfor deterministic stepwise hedge automata (dShas). This more recent automatonmodel from Sakho et al (2021) combines deterministic finite state automata forwords and trees in a natural manner. We enhance our algorithm with completesubhedge projection in order to project irrelevant subhedges maximally. We showhow to obtain small dShas for regular XPath queries harvested from practical XSLTand XQuery programs by Lick and Schmitz by schema-based determinization, de-velop a streaming algorithm for monadic queries defined by dSha with better worstcase complexity, and the first complete subhedge projection algorithms for dShas.It turns out that complete subhedge projection makes earliest query answeringwith dShas competitive in time efficiency with the best existing streaming tools forgeneral regular XPath queries, while being more memory efficient in cases wherethese tools are not earliest. We believe that the algorithmic progress made onearliest query answering on streams in the present thesis will eventually enableearliest query answering on hyperstreams as proposed by Sakho et al. (2021).
Les requêtes logiques sont au cœur des bases de données graphes, du traitementd'événements complexes et du traitement de flux Xml. L'efficacité des algorithmesde réponse à ces requêtes est cruciale en pratique, malgré la complexité théoriqueinhérente du problème algorithmique sous-jacent, qui exclut toute solution à la foispleinement générale et efficace.Nous réexaminons le problème de la réponse au plus tôt aux requêtes régulièressur des séquences d'arbres de données, souvent appelées haies. Ce problème a étéétudié pour la première fois par Gauwin et al. en 2011. Leur motivation initiale,qui demeure notre principale application, est de répondre aux requêtes régulièresXPath sur des flux XML avec la latence la plus faible possible. Les réponses auxrequêtes doivent être produites immédiatement dès qu'elles deviennent certaines,indépendamment de la continuation du flux.Gauwin et al. (2011) ont montré que la réponse au plus tôt aux requêtes pourles automates à mots imbriqués déterministes est en temps polynomial. Mal-heureusement, leur algorithme de réponse n'était pas suffisament performant enpratique lorsqu'il était appliqué aux requêtes régulières XPath sur des flux XML :les automates obtenus étaient énormes même pour de petites requêtes XPath, letemps de traitement par événement du flux était trop élevé, et aucune projectiond'événements non pertinents n'était disponible. Par conséquent, les meilleurs outilsactuels pour évaluer les requêtes régulières XPath sur des flux XML - obtenus parSebastian et al. (2015) - reposent sur une approximation des réponses au plus tôtqui évite la nécessité de déterminiser des automates à mots imbriqués.Dans cette thèse, nous montrons que la réponse au plus tôt aux requêtes régulièresXPath est réalisable en pratique. Pour ce faire, nous développons un nouvel algo-rithme pour les automates de haies déterministes pas-à-pas (dShas). Ce modèled'automate plus récent de Sakho et al. (2021) combine de manière naturelle lesautomates à états finis déterministes pour les mots et les arbres. Nous renforçonsnotre algorithme avec une projection complète de sous-haies afin de projeter aumaximum des sous-haies non pertinentes. Nous montrons comment obtenir depetits dShas pour des requêtes régulières XPath extraites de programmes XSLTet XQuery pratiques par Lick et Schmitz, par déterminisation guidée par schéma,développons un algorithme de streaming pour des requêtes monadiques définiespar dSha avec une meilleure complexité dans le pire des cas, et introduisons lespremiers algorithmes complets de projection de sous-haies pour les dShas.Il s'avère que la projection complète de sous-haies rend la réponse au plus tôt avecles dShas compétitive en termes d'efficacité temporelle par rapport aux meilleursoutils de streaming existants pour les requêtes régulières XPath générales, tout enétant plus efficace en mémoire dans les cas où ces outils ne fonctionnent pas au plustôt. Nous croyons que les progrès algorithmiques réalisés sur l'approche au plus tôtsur les flux de données dans la présente thèse permettront finalement d'avoir cettemême approche sur les hyperflux, comme proposé par Sakho et al. (2021).
Fichier principal
Vignette du fichier
These_AL_SERHALI_Antonio.pdf (11) Télécharger le fichier
Origine Version validée par le jury (STAR)

Dates et versions

tel-04960673 , version 1 (21-02-2025)

Identifiants

  • HAL Id : tel-04960673 , version 1

Citer

Antonio Al Serhali. Earliest Query Answering for Regular Queries with Complete Subhedge Projection. Databases [cs.DB]. Université de Lille, 2024. English. ⟨NNT : 2024ULILB037⟩. ⟨tel-04960673⟩
0 Consultations
0 Téléchargements

Partager

More