Paper von DFKI, TU Berlin und NUS über Parallelisierung von Intra-Window Joins wurde auf der SIGMOD 2021 angenommen

Das Paper "Parallelizing Intra-Window Join on Multicores: An Experimental Study" von Shuhao Zhang, Yancan Mao, Jiong He, Philipp Grulich, Steffen Zeuch, Bingsheng He, Richard Ma und Volker Markl wurde auf der ACM SIGMOD/PODS International Conference on Management of Data (SIGMOD/PODS 2021) angenommen, die von 20. -25. Juni 2021 in Xi’an, China stattfinden wird.

Diese Forschungsarbeit ist das Ergebnis einer Kollaboration von Forschenden des Forschungsbereichs Intelligente Analytik für Massendaten (IAM) des DFKI, des  Fachbereichs Datenbanksysteme und Informationsmanagement (DIMA) an der TU Berlin, des Department of Computer Science an der National University of Singapore (NUS) und ByteDance.
Die jährliche ACM SIGMOD/PODS-Konferenz ist ein führendes internationales Forum für Forschende, Anwendender*innen, Entwickler*innen und Nutzer*innen von Datenbanken, um sich über Ergebnisse, Techniken, Tools und Erfahrungen in allen Aspekten von Datenmanagement auszutauschen. Um mehr über ACM SIGMOD/PODS zu erfahren, besuchen Sie bitte  https://2021.sigmod.org/.

Abstract:

The intra-window join (IaWJ), i.e., joining two input streams over a single window, is a core operation in modern stream processing applications. This paper presents the first comprehensive study on parallelizing the IaWJ on modern multicore architectures. In particular, we classify IaWJ algorithms into lazy and eager execution approaches. For each approach, there are further design aspects to consider, including different join methods and partitioning schemes, leading to a large design space. Our results show that none of the algorithms always performs the best, and the choice of the most performant algorithm depends on: (i) workload characteristics, (ii) application requirements, and (iii) hardware architectures. Based on the evaluation results, we propose a decision tree that can guide the selection of an appropriate algorithm.

Eine Preprint-Version des Papers (PDF) steht zum Download zur Verfügung

Beitrag teilen auf:

Kontakt

Reinhard Karger M.A.
Unternehmenssprecher DFKI

Tel.: +49 681 85775 5253


Deutsches Forschungszentrum für Künstliche Intelligenz GmbH (DFKI)
Saarland Informatics Campus
Stuhlsatzenhausweg 3
66123 Saarbrücken
Deutschland

Deutsches Forschungszentrum für Künstliche Intelligenz
German Research Center for Artificial Intelligence