P r o y e c t o C u r s o T ó p i c o s B D W e b

Transcripción

1 P r o y e c t o C u r s o T ó p i c o s B D W e b Benchmarking Bases de Datos XML Nativas Juan Pablo Galeotti Mariano Moscato

2 B e n c h m a r k s X007: no pudimos compilar (g++/linux) XMach-1: requiere J2EE MicroBenchmark: no pudimos descargarla no responden los autores Xmark funciona generación es Xquery 2.0

3 X M a r k - G e n e r a c i ó n XML bien formado, válido, y con significado. Generación escalable y eficiente con varios Gigas de tamaño Observancia de constraints referenciales ID/IDREF. Bajo uso de memoria, independente del tamaño del documento generado.

4 X M a r k - M o t i v a c i ó n Documentos XML que modelan una sitio de subastas. Usa Shakespeare para las secciones de <text></text> Download:

5 X M a r k - E s t r u c t u r a X M L

6 X M a r k - G e n e r a c i ó n Factor de Crecimiento Performance Pentium III 450 Mhz < 2MB memoria 100 MB: 33,4 sg 1 GB: 5,5 min

7 X M a r k C l a s e s d e Q u e r i e s Match Exacto Join de valores Acceso Ordenado Reconstrucción Casteo Texto Completo Path Expressions Regulares Búsqueda de Referencias Construcción de resultados complejos Path Traversals Missing Elements Aplicación de func. Ordenamiento Agregación

8 X M a r k Q u e r i e s ( 1 / 4 ) Match Exacto: manejo de búsquedas de strings simples (1 query) Acceso Ordenado: tratamiento del orden del árbol XML (3 queries) Casteo casteo de texto a tipos de datos (1 query)

9 X M a r k Q u e r i e s ( 2 / 4 ) Path Expressions Regulares cuán efectivo es el motor de búsqueda en prunear caminos innecesarios (2 queries) Búsqueda de referencias aprovechamiento de links ID/IDREF (2 queries) Construcción de resultados complejos reproducción de nuevos subárboles (1 query)

10 X M a r k Q u e r i e s ( 3 / 4 ) Join de valores habilidad para manejar resultados intermedios (2 queries) Reconstrucción Devolver porciones medianas-grandes del documento original (1 query) Búsqueda sobre el texto Completo Pattern matching en documento Recorrido de caminos Costo de recorridos largos (2 queries)

11 X M a r k Q u e r i e s ( 4 / 4 ) Missing elements elementos opcionales en DTD (1 query) Aplicación de funciones 1 query Ordenamiento uso de SORTBY (1 query) Agregación múltiples consultas en 1 (1 query)

12 X M L - D B M S El almacenamiento de XML es nativo. Los documentos XML son la unidad fundamental de almacenamiento (vs. una fila en una tabla) XML-DBMS estudiadas: Timber (opensource) Tamino (commercial) exist (opensource)

13 T i m b e r Tree-structured native XML database Implemented at the University of Michigan by Bright :-) Energetic Researchers

14 T i m b e r Badada en arquitectura RDBMS TAX: Tree Algebra for XML No se consideran esquemas (ni DTDs ni XSDs)

15 T i m b e r X Q u e r y XQuery 1.0 soporta mayor parte de XQuery 1.0 Extensión timber-updates Schema-Free Xquery (Meaningful Lowest Common Ancestor [MLCA])

16 T a m i n o Core Services: db XML nativa, DB relacional integrada, X- Tension, herramientas de seguridad, administración,... XML Schema Service (sólo validación) Enabling Services: X-Port, X-Plorer, X-Application, varias APIs (DOM, JDOM, SAX,...), X-Node, WebDAV,... Restricción: 20 MB versión trial

17 T a m i n o

18 e X i s t Almacenamiento de datos propietario B+ trees y arhivos paginados soporta XQuery/XPath 2.0 parcialmente XInclude y XPointer XUpdate Mantiene índices de texto completo puede desactivarse para partes del doc. Documentación Completa Opensource

19 S e r v i d o r d e p r u e b a 1 GB RAM 1.3 GHZ Athlon Windows XP SP2 NTFS JVM: 1.6 (Sun)

20 X M a r k - D a t a S e t g e n e r a d o XMark Tiny XMark Standard Scaling Factor de 0,01 Scaling Factor de 1 tamaño MB tamaño: 1.1 MB XMark Small Scaling Factor de 0,1 XMark Large Scaling Factor de 10 tamaño 1.1 GB tamaño: 11 MB

21 X M a r e X i s t ejecutaron todas las queries* Puntos de corte/escala: verde claro: <1sg verde oscuro: <1min naranja: <20min rojo: >20min (interrumpido) dado el deterioro de los tiempos de ejecución, detuvimos la ejecución de XMark-Large

22 X M a r e X i s t

23 X M a r T i m b e r

24 X M a r T a m i n o

25 X M a r k s u b s e t c o m p a r a b l e q1: Exact Match q2: Ordered Access q5: Casting q6,q7: Regular Path Expressions q8,q9: Chasing References q10: Construction of Complex Results q13: Reconstruction q15: Path Traversals

26 C o m p a r a c i ó n ( n a t i v a s ) XMark Tiny: XMark Small:

27 O b s e r v a c i o n e s d e l a C o m p a r a c i ó n exist supera a Tamino, salvo Queries de la categoría Chasing References (q8,q9) Queries de la categoría Construcción de resultados complejos (q10) Timber (sobre el subjconjunto comparable) es la de peor performance

28 R D B M S c o n s o p o r t e X M L Sólo referencian a XQuery IBM-DB2 Oracle Database 10g Instalamos IBM-DB2 XML Extender No soporta XQuery para XML no nativo

29 C o n c l u s i o n e s / P r o b l e m a s No pudimos correr el mismo bench para todas las XML-DBMS subconjunto comparable de 10 queries La versión trial de Tamino restringe el tamaño a 20MB no pudimos ejecutar los benchmarks XMark- Standard y XMark-Large Por falta de espacio en disco no pudimos correr el benchmark XMark-Large en Timber

30 C o n c l u s i o n e s / P r o b l e m a s El subconjunto de queries que pueden ser ejecutadas (Tamino y exist) no expone diferencias de performance significativas para los benchmark usados, salvo las anteriormente destacadas. No se pudo comparar la performance contra un RDBMS con soporte XML nonativo. Ninguna de las XML-DBMS estudiadas aprovecha esquemas (DTD,XSD) para hacer optimizaciones de las queries