.png){kind=icon}
返回
TuskFlow: An Efficient Graph Database for Long-Running Transactions
.png){kind=icon}
PRE
AI
DOI：10.14778/3750601.3750603.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
猛犸象事务（涉及访问大量元素的长时间运行操作）在图工作负载中很常见。图分析任务（包括模式匹配和图算法）会产生大型读写操作，影响大量数据，这使得在严格隔离保证下执行这些任务具有挑战性。因此，我们面临着确保高隔离性与实现高性能之间的明显权衡，迫使用户在两者之间做出选择。在本工作中，我们提出了TUSKFLOW，一个基于Neo4j的实验性图数据库，旨在高效处理图上的猛犸象事务（该技术适用于其他模型，如关系模型），同时保持现有的事务语义。TUSKFLOW采用了一种确定性协议，可在纪元（epoch）内安全地对常规事务进行重排序以围绕猛犸象事务进行调度。我们的协议支持受图并行算法启发的并行猛犸象执行。为最小化与常规事务的冲突，TUSKFLOW引入了查询与工作负载感知的优化，包括图实体标记和分区。我们的实验表明，与两阶段锁或MVCC等传统协议不同，TUSKFLOW避免了阻塞写事务，并将尾部延迟最多降低了45倍。
期刊
P
IF:
3.3
论文数:
563
被引数:
1.2W
机构
查看更多机构
.png){kind=icon}
