연결 데이터 연합 질의의 적응형 튜플 라우팅 처리

초록

ADQUEX는 사전 통계 없이도 연합 SPARQL 질의를 실행할 수 있도록, 실행 중에 튜플 라우팅 방식을 이용해 질의 계획을 동적으로 재구성하는 적응형 프레임워크이다. 네트워크 지연이나 중간 결과 폭증과 같은 변동 상황에 실시간으로 대응하여 전체 처리 비용을 최소화한다.

상세 요약

본 논문은 연합 질의 처리에서 흔히 발생하는 두 가지 근본적인 문제, 즉 데이터 소스의 자율성으로 인한 정확한 통계 부재와 실행 환경의 동적 변동성을 동시에 해결하고자 한다. 기존 시스템은 사전 수집된 통계에 의존해 최적 계획을 수립하지만, 통계가 부정확하거나 최신이 아닐 경우 과도한 중간 결과가 생성돼 네트워크와 메모리 비용이 급증한다. ADQUEX는 이러한 한계를 극복하기 위해 ‘튜플 라우팅’이라는 개념을 도입한다. 질의 실행 초기에 고정된 연산자 연결망을 만들고, 각 연산자 사이에 라우터를 배치해 들어오는 튜플을 실시간으로 모니터링한다. 라우터는 현재 큐 길이, 전송 지연, 연산자 처리율 등을 측정해 어느 경로로 튜플을 전달할지 판단한다. 만약 특정 경로에서 대기열이 급증하거나 네트워크 응답이 늦어지면, 라우터는 대안 경로로 튜플을 전환하거나 연산자 재배치를 트리거한다. 이 과정은 전통적인 비용 기반 옵티마이저가 실행 전 단계에서만 수행하는 ‘정적 최적화’와 달리, 실행 중에 지속적으로 이루어지는 ‘동적 최적화’이다. 또한 ADQUEX는 사전 통계가 전혀 없어도 작동하도록 설계되었으며, 각 연산자의 실제 처리 성능을 피드백으로 받아들이면서 점진적으로 최적 경로를 학습한다. 이러한 적응 메커니즘은 복잡한 조인 구조를 가진 질의, 특히 다중 소스 간의 다중 연결 조인에서 중간 결과 폭발을 효과적으로 억제한다. 실험에서는 DBpedia, LinkedGeoData 등 대형 공개 데이터셋을 대상으로 복합 질의를 수행했으며, 기존 비적응형 프레임워크 대비 평균 응답 시간이 30 % 이상 단축되고, 네트워크 트래픽도 현저히 감소함을 확인했다. 따라서 ADQUEX는 통계가 불완전하거나 네트워크 상황이 급변하는 웹 규모 연합 환경에서 실용적인 솔루션으로 평가될 수 있다.