.png){kind=icon}
返回
An efficient and scalable graph database with built-in temporal support
.png){kind=icon}
PRE
AI
DOI：10.1007/s00778-025-00932-w.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
现实世界中的图通常是动态的，并且会随时间演化。在图数据库中存储和查询图的演化过程至关重要。然而，现有工作要么存在高存储开销，要么缺乏高效的时态查询支持，或两者兼而有之。在本文中，我们提出了$$\textsf{AeonG}$$，一个具有内置时态支持的图数据库。基于一种新颖的时态图模型，我们构建了$$\textsf{AeonG}$$，其包含一个混合存储引擎和一个高效的时态查询引擎。存储引擎由当前存储和历史存储组成，分别用于管理图对象的最新版本和先前版本。这种分离方式最小化了查询最新图对象版本时的性能下降。为减少历史存储开销，我们提出了一种锚点+增量（anchor+delta）策略，即定期创建图对象的完整版本（即锚点），并维护同一对象相邻锚点之间的所有变更（即增量）。在查询引擎中，我们提出了一种基于锚点的版本检索技术，以跳过不必要的历版本遍历，从而提升时态查询处理效率。此外，我们将$$\textsf{AeonG}$$扩展为一种云原生数据库，具有解耦的计算和存储层，从而实现时态图数据的弹性与可扩展管理。我们在真实和合成数据集上进行了广泛的实验。结果表明，$$\textsf{AeonG}$$相较于现有最先进方法，在存储消耗上最多降低5.73倍，时态查询延迟最多降低2.57倍，同时仅引入9.74%的性能下降以支持时态特性。
Keyword:
Temporal graph
Graph database
Cloud-native database
Transaction time
期刊
IF:
3.8
论文数:
80
被引数:
2.4K
机构
引用论文
.png){kind=icon}
分享收藏分享收藏
分享收藏分享收藏分享收藏
查看更多内容