A Unified Framework for Multi-Model Data Management and Adaptation

Abstract

Multi-modelové databáze kombinují relační, dokumentové, grafové a další datové mod- ely. Jejich správa však zůstává roztříštěná napříč nekompatibilními schématy, dotazo- vacími jazyky a adaptačními mechanismy. Tato práce navazuje na existující framework, založený na teorii kategorií, který obsahuje multi-modelová schémata, mapování, transfor- mace a dotazování. Přitom rozvíjí metody pro propagaci změn konceptuálního schématu do logických shémat a dotazů. Dále navrhuje přístup samo-adaptace, který hledá vhod- nější logické uspořádání dat při měnící se zátěži dotazů. Adaptační proces kombinuje vyhledávání řízené zátěží dotazů s naučeným odhadováním ceny dotazů, což umožňuje porovnávat možné konfigurace pouze na základě plánů dotazů. Práce přináší formální modely, propagační a synchronizační algoritmy, a experimentální validaci. Tyto výsledky ukazují, že správu multi-modelových dat lze popsat koherentně, do značné míry autom- atizovat a přizpůsobovat vyvíjejícím se potřebám aplikací.

Multi-model databases combine relational, document, graph, and other data mod- els, but their management remains fragmented across incompatible schemas, query lan- guages, and adaptation mechanisms. Building on an existing category-theoretic foun- dation for multi-model schemas, mappings, transformations, and querying, this thesis develops methods for propagating conceputal schema changes to logical schemas, and queries, as well as a self-adaptation approach that searches for better logical configu- rations under changing workloads. The adaptation process combines workload-driven search with learned cost estimation, allowing candidate configurations to be compared only from query plans. The thesis contributes formal models, propagation and synchro- nization algorithms, and an experimental validation. Together, the results show that multi-model data management can be described coherently, automated to a substantial degree, and adapted to evolving application needs.