Изследването сравнява графови СУБД по цената на зареждането и заявките.

Авторите на изследването сравняват Corvic AI, колонен механизъм за заявки, със седем специализирани графови СУБД или СУБД с графово разширение при три мащаба на графа.

Нито една система в извадката не е най-бърза за всички задачи: Ladybug изпреварва Corvic AI при заявки към ограничена околност, а Corvic AI е по-бърза при заявки, които сканират или свързват голяма част от графа.

Авторите наричат основната разлика в данните си не забавянето на заявките, а цената за подготовка на данните за заявки: скоростта на пакетно зареждане се различава с три порядъка, от 5,0 хиляди до 4,3 милиона реда в секунда. Изчислението им за точката на пресичане показва, че при по-малко от приблизително 100 хиляди заявки за едно обновяване на данните разликата при зареждането определя общата цена.

Проверка на твърденията:

  • Авторите на изследването сравняват Corvic AI със седем специализирани графови СУБД или СУБД с графово разширение при три мащаба на графа. (потвърдено от самата публикация: доказателство; «We benchmark Corvic AI - a purpose-built columnar query engine underlying Corvic’s ontology management layer ("memories")- against seven purpose-built or graph-extension database systems (LoraDB, Ladybug, DuckPGQ, Memgraph, Neo4j, HugeGraph, and FalkorDB) at three graph scales spanning three orders of magnitude.»)
  • Нито една система в извадката не е най-бърза за всички задачи: Ladybug изпреварва Corvic AI при заявки към ограничена околност, а Corvic AI е по-бърза при заявки, които сканират или свързват голяма част от графа. (потвърдено от самата публикация: доказателство; «Our central finding is that no system in this sample is categorically fastest: a native graph engine (Ladybug) outperforms Corvic AI on narrow, bounded-neighborhood shapes, while Corvic AI is faster on shapes that scan or join a large fraction of the graph»)
  • Авторите наричат основната разлика в данните си не забавянето на заявките, а цената за подготовка на данните за заявки: скоростта на пакетно зареждане се различава с три порядъка, от 5,0 хиляди до 4,3 милиона реда в секунда. (потвърдено от самата публикация: доказателство; «The dominant cost differential in our data is not query latency but the cost of making data queryable at all: bulk-ingest throughput varies by three orders of magnitude across engines (5.0k-4.3M rows/s)»)
  • Изчислението им за точката на пресичане показва, че при по-малко от приблизително 100 хиляди заявки за едно обновяване на данните разликата при зареждането определя общата цена. (потвърдено от самата публикация: доказателство; «a simple crossover-point calculation shows dominates total cost for any workload with fewer than roughly 105 queries per data refresh.»)

Първоизточници:

оценка 55,5 от 100 · вид: изследване