그래프 속 나무를 활용한 성능 향상

초록

이 논문은 속성 그래프에서 흔히 발견되는 트리 형태의 서브구조를 첫 번째 클래스 객체로 다루어, 관계형 엔진 기반 그래프 DBMS에서 구조적 인덱스(PrePost, Dewey)를 적용하면 경로 쿼리 성능을 크게 개선할 수 있음을 실험을 통해 입증한다. 또한 트리 서브구조를 모델링, 스키마 설계, 인덱싱, 쿼리 최적화 전 단계에 체계적으로 통합하는 비전을 제시한다.

상세 분석

논문은 속성 그래프(property graph) 내부에 다량 존재하는 트리‑형 서브구조가 기존 그래프 스키마와 쿼리 엔진에서 충분히 활용되지 못하고 있음을 지적한다. 저자들은 LDBC SNB와 합성 데이터셋을 통해 전체 노드의 95% 이상이 트리 구조에 포함된다는 사실을 제시하고, 이러한 트리를 “트리‑형 서브구조”로 명시적으로 식별·관리하는 것이 성능 최적화의 핵심이라고 주장한다.

기술적 핵심은 XML 데이터베이스에서 오랫동안 사용돼 온 구조적 인덱스, 즉 PrePost(전위·후위 번호)와 Dewey(경로 번호) 인코딩을 속성 그래프의 트리 서브구조에 적용하는 것이다. PrePost는 각 노드에 전위(pre)와 후위(post) 값을 부여해 조상‑자손 관계를 단순한 정수 비교로 판단하게 하며, Dewey는 루트부터의 경로를 점(.)으로 구분된 문자열 혹은 벡터로 저장해 조상 여부를 문자열 접두사 검사로 확인한다. 두 인덱스는 유지 비용과 저장 공간 측면에서 상보적인 특성을 갖는다: Dewey는 삽입·삭제 시 업데이트가 비교적 간단하지만 문자열 길이가 늘어 저장량이 커지고, PrePost는 업데이트가 복잡하지만 정수 비교가 빠르고 저장 효율이 높다.

실험에서는 Neo4j(네이티브 그래프 엔진), Kuzu, Apache AGE(PostgreSQL 기반) 세 시스템에 각각 PrePost와 Dewey 인덱스를 메타‑프로퍼티 혹은 별도 컬럼으로 추가하고, 기본 Cypher/SQL 쿼리와 인덱스를 활용한 변형 쿼리를 비교하였다. 평가 쿼리는 ① 모든 자손 찾기(Q_desc), ② 특정 노드의 리프 찾기(Q_leaf), ③ 조상‑자손 관계 확인(Q_a&d) 세 종류이며, 각각 트리 전체를 탐색하거나 특정 깊이만을 검사한다. 결과는 인덱스 기반 쿼리가 특히 대규모 깊은 트리(DT)와 다중 트리 포레스트(TF)에서 5배 이상, 경우에 따라 20배 이상 빠른 성능을 보였으며, Neo4j와 같은 포인터 기반 엔진에서도 구조적 인덱스를 활용하면 전통적인 트래버설보다 유의미한 이점을 얻을 수 있음을 확인했다.

이러한 실험적 증거를 바탕으로 저자들은 트리‑형 서브구조를 그래프 스키마에 명시적으로 선언하고, 자동 탐지·인덱스 생성 파이프라인을 구축하며, 쿼리 플래너가 트리 인덱스를 활용하도록 비용 모델을 확장하는 연구 로드맵을 제시한다. 특히 동적 업데이트, 다중 라벨·다중 프로퍼티 트리, 그리고 트리와 일반 그래프가 혼합된 하이브리드 쿼리 최적화가 향후 과제로 강조된다.