Junções Adaptativas em Consultas Federadas sobre Linked Data

Motivated by the success of Linked Data and driven by the growing number of data sources into RDF files available on the web, new challenges for query processing are emerging, especially in distributed settings. These environments allow distributed execution of federated queries, which involve joining data provided by multiple sources, which are often unstable. In this sense, the design of new algorithms and adaptive strategies for efficiently implementing joins is a major challenge. In this paper we present a solution to the adaptive join execution in federated queries. The adaptation to the context of distributed data sources is based on statistics that are collected at runtime. To evaluate the proposed approach we implemented two adaptive join algorithms: Pipeline hash-join (PHJ) and Set-bind-join (SBJ). The experimental results demonstrate the potential of the proposed approach. Resumo. Motivado pelo sucesso de Linked Data e impulsionado pelo crescimento do número de fontes de dados em formato RDF disponíveis na Web, novos desafios para processamento de consultas estão emergindo, especialmente em configurações distribuídas. Estes ambientes distribuídos possibilitam a execução de consultas federadas, as quais envolvem junções de dados fornecidos por múltiplas fontes, as quais são muitas vezes instáveis. Nesse sentido, a concepção de novos algoritmos e estratégias adaptativas para a execução de junções de forma eficiente constitui um desafio importante. Nesse trabalho, apresentamos uma solução para a execução adaptativa de junções em consultas federadas. A adaptação ao contexto das fontes de dados distribuídas baseia-se em estatísticas que são coletadas em tempo de execução. Para avaliar a abordagem proposta implementamos dois algoritmos de junção adaptativos: Pipeline Hash-join (PHJ) e Set-bind-join (SBJ). Os resultados experimentais comprovam o potencial da abordagem proposta.