QuOnto: Driver per SQLite e Derby e test su database di dimensione crescente
description
Transcript of QuOnto: Driver per SQLite e Derby e test su database di dimensione crescente
QuOnto: Driver per SQLite e Derby e test su database di
dimensione crescente
A cura di:Francesco Menniti
07/07/2008 2
Obiettivi Tesina Realizzare driver di QuOnto (“Querying
Ontologies” ): Driver per Derby Driver per SQLite
Realizzare guide all’uso dei DBMS usati: Guida all’uso di Derby Guida all’uso di SQLite
Testare i driver Confronti tra i risultati
07/07/2008 3
Descrizione Derby e SQLite
Derby è un motore Open Source Database Technology parte dell’ Apache DB Project
SQLite è una libreria C che implementa un DBMS SQL incorporabile all'interno di applicazioni.
07/07/2008 4
Derby: obiettivi, caratteristiche, compatibilità e note I principali obiettivi di Derby sono:
Conformità agli standard SQL! Portabilità (JAVA) !
Scritto interamente in Java e Open-Source Fornisce supporto JDBC (Java Batabase
Connectivity) Può funzionare come DB embedded Deadlock detection, crash recovery,
backup and restore ability, Multi-user, transactions API
07/07/2008 5
SQLite: obiettivi, caratteristiche, compatibilità e note Gli obiettivi di SQLite sono:
Semplicità e leggerezza ! Efficienza su piccoli DB Portabilità (ANSI-C)
Supporto mediante binding e wrapper E’ una libreria scritta in C ed è Open-Source Fornisce supporto JDBC (Java Batabase
Connectivity) Può funzionare come DB embedded Non completa conformità allo standard SQL
View di sola lettura, non si possono fare insert, delete, update
Le FOREIGN KEYS sono riconosciute ma non implementate
07/07/2008 6
Strumenti ed interfacce Sia per Derby che per SQLite esistono
interfacce che permettono di usare tali DB
Derby: (ad es.) SQuirreLSQL Client Aqua Data Studio
SQLite: (ad es.) SharpPlus Sqlite Developer Liteman SQLite3 (interfaccia a riga di camando)
07/07/2008 7
Valutazioni finali
Derby: Completa compatibilità con lo standard
SQL Possibilità di creare un driver per
QuOnto SQLite
Incompleta compatibilità con SQL Possibilità di creare un driver per
QuOnto
07/07/2008 8
Implementazione Esempi di alcune differenze
implementative tra Derby e SQLite: Derby:
comando per rimuovere una vista è "DROP VIEW + nomeVista“
Nella UNION il DISTINCT è di default
SQLite: il comando per rimuovere una vista è "DROP VIEW IF
EXIST + nomeVista“ Nella UNION il DISTINCT non è di default
07/07/2008 9
Implementazione …continua Esempi di alcune somiglianze
implementative tra Derby e SQLite:
Sia in Derby sia in SQLite l’operatore di concatenazione è “||”
(String createFunctorConcatStatment(String,String[]))
Sia in Derby sia in SQLite il comando per creare una vista è "CREATE VIEW " + name + " AS " + body
07/07/2008 10
Come avviene il test Stesso computer nelle stesse condizioni per i
test Aboxes di dimensioni differenti (sia per SQLite
che per Derby): 1, 5, 10, 30 università Realizzate off-line da un tool scritto in Java a partire
dalle Aboxes della LUBM Output del test
EXPANSION TIME EVALUATION TIME TOTAL TIME (tempi rappresentati nei grafici) NUMERO DI CQs DENTRO LA UCQ ESPANSA Numero di answers delle query
07/07/2008 11
Query usate nei test Per descrivere le query sono stati utilizzati i seguenti
fattori: Grandezza input: misura la porzione delle istanze delle
classi coinvolte nella query sul totale delle istanze delle classi (grande se input > 5%)
Selettività: misura come la porzione stimata delle istanze delle classi coinvolte nella query soddisfano i criteri di selezione della query (alta se la porzione < 10%)
Complessità: il numero di classi e di proprietà coinvolte nella query determina la complessità della stessa
Assunzione di gerarchia: considera se informazioni provenienti da una gerarchia di classi o da una gerarchia di proprietà sono richieste per raggiungere la risposta completa (ampia se la profondità della gerarchia > 3)
Assunzione di inferenza logica: considera se l’inferenza logica è richiesta per raggiungere la completezza della risposta
07/07/2008 12
Query usate nei test (cont.)1. {x | GraduateStudent(x) AND takesCourse(x,”Dep0.Univ0/GraduateCourse0”)}(query con grande input, alta selettività, tale query riguarda una classe e una proprietà, non assume nessuna informazione gerarchica)
2. {x,y,z | GraduateStudent(x) AND University(y) AND Department(z) AND subOrganizationOf(z,y) AND memberOf(x,z) AND undergraduateDegreeFrom(x,y)}(query con pattern triangolare, riguarda 3 classi e tre proprietà, quindi molti join)
5. {x | Person(x) AND memberOf(x,”Dep0.Univ0”)}(Person e memberOf hanno una gerarchia molto ampia)
6. {x | Student(x)}(query con grande quantità in input, e una discreta gerarchia determinata da Student, tale query è relativa ad una sola classe; assume sia la SubClassOf esplicita della relazioni tra UndergraduateStudent e Student e quella implicita tra GraduateStudent e Student )
07/07/2008 13
Query usate nei test (cont.)
7. {x,y | Student(x) AND Course(y) AND takesCourse(x,y) AND teacherOf(“Dep0.Univ0/AssociateProfessor0”,y)}(query simile alla precedente ma con selettività più alta, infatti è relativa a 2 classi e ad una proprietà)
8. {x,y,z | Student(x) AND Department(y) AND memberOf(x,y) AND subOrganizationOf(y,”Univ0”) AND emailAddress(x,z)}(query ancora più complessa della 7 con aggiunta di un’altra proprietà)
13. {x | Person(x) AND hasAlumnus(“Univ0”,x)}(query di verifica per relazioni inverse)
14. {x | UndergraduateStudent(x)}(è la query più semplice: grande quantità in input, bassa selettività, assenza di gerarchia, assenza di inferenza)
07/07/2008 14
Test SQLiteTest SQLite query leggere
0
1000
2000
3000
4000
5000
6000
7000
0 5 10 15 20 25 30 35
Dimensione dati (numero di università)
Tempo di calcolo (millisecondi)
Query 1 Query 3 Query 4 Query 5 Query 10
Query 11 Query 7 Query 14
TestSQLite query pesanti
0
50000
100000
150000
200000
250000
300000
350000
400000
450000
0 5 10 15 20 25 30 35
Dimensione dati (numero di università)
Tem
po d
i cal
colo
del
la Q
uer
y
(mill
isec
ondi)
Query 12 Query 6 Query 8 Query 2 Query 13 Query 9
07/07/2008 15
Test DerbyTest Derby query leggere
0100020003000400050006000
0 5 10 15 20 25 30 35
Dimensione dati (numero di università)
Tempo di calcolo (millisecondi)
Query 1 Query 3 Query 4 Query 5 Query 7 Query 10
Query 11 Query 12 Query 13
Test Derby query pesanti
0
50000
100000
150000
200000
250000
0 5 10 15 20 25 30 35
Dimensione dati (numero di università)
Tempo di calcolo (millisecondi)
Query 2 Query 8 Query 9
Test Derby query molto pesanti
0
20000000
40000000
60000000
80000000
100000000
120000000
0 5 10 15 20 25 30 35
Dimensione dati (numero di università)
Tempo di calcolo (millisecondi)
Query 14 Query 6
07/07/2008 16
Confronto Derby SQLite query 4
0
1000
2000
3000
4000
5000
6000
Dimensione dati (numero di università)
Tempo di calcolo (millisecondi)
Query SQLite
Query Derby
Query SQLite 172 469 500 750
Query Derby 4532 5125 5313 5562
1 5 10 30
Esempio 1: query 4{x,y1,y2,y3 | Professor(x) AND worksFor(x,”Dep0.Univ0”) AND name(x,y1) AND emailAddress(x,y2) AND telephone(x,y3)}(query con 3 attributi di concetto che interroga su proprietà multiple di una singola classe, ampia gerarchia per Professor, piccolo input e alta selettività)
07/07/2008 17
Esempio 2: query 7
Confronto Derby SQLite query 7
0
2000
4000
6000
8000
Dimensione dati (numero di università)
Tempo di calcolo (millisecondi)
Query SQLite
Query Derby
Query SQLite 46 78 109 5860
Query Derby 31 438 2594 5029
1 5 10 30
{x,y | Student(x) AND Course(y) AND takesCourse(x,y) AND teacherOf(“Dep0.Univ0/AssociateProfessor0”,y)}(query con selettività alta, infatti è relativa a 2 classi e ad una proprietà)
07/07/2008 18
Esempio 3: query 12
Confronto Derby SQLite query 12
0
2000
4000
6000
8000
Dimensione dati (numero di università)
Tempo di calcolo (millisecondi)
Query SQLite
Query Derby
Query SQLite 5593 3375 3625 7422
Query Derby 878 625 984 1344
1 5 10 30
{x,y | Chair(x) AND Department(y) AND worksFor(x,y) AND subOrganizationOf(y,”Univ0”)}(tale query richiede di inferire che professore è una istanza della classe Chair perché lui o lei sono a capo del dipartimento; query con piccolo input)
07/07/2008 19
Esempio 4: query 14
Confronto Derby SQLite query 14
0
5000000
10000000
15000000
20000000
25000000
30000000
Dimensione dati (numero di università)
Tempo di calcolo (millisecondi)
Query SQLite
Query Derby
Query SQLite 0 0 0 312
Query Derby 14875 262860 1181765 28509265
1 5 10 30
{x | UndergraduateStudent(x)}(è la query più semplice: grande quantità in input, bassa selettività, assenza di gerarchia, assenza di inferenza)
07/07/2008 20
Conclusioni Derby:
Si comporta molto meglio di SQLite per Aboxes di grandi dimensioni In via generale all’aumentare della dimensione della Abox i tempi di
answering aumentano in modo pressoché lineare o quasi Estrema lentezza nel fare answering sulle query con grandi quantità
di dati in ingresso e dove ci sono molti elementi da restituire Più veloce in query dove bisogna effettuare inferenza logica
SQLite: si comporta meglio di Derby per Aboxes di dimensioni ridotte In via generale all’aumentare della dimensione della Abox i tempi di
answering aumentano in modo pressoché lineare o quasi Limite: massimo numero di termini che possono essere messi in
UNION, UNION ALL, EXCEPT, oppure INTERSECT è determinato da un parametro fisso e tale parametro di default è settato a 500
Su query con più di qualche attributo di concetto SQLite risulta più veloce rispetto a Derby indipendentemente dalla dimensione della Abox considerata
Su query dove bisogna fare inferenza logica SQLite risulta più lento, perché non adotta ottimizzazioni particolari