- 1、本文档共13页,可阅读全部内容。
- 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
SIGMOD2009 強会
Session 7 : Testing and Security
担当:小林 大(NEC)
1
【SIGMOD2009勉強会】
I. Generating Example Data for Dataflow Programs
C. Olston, S. Chopra, U. Srivastava (Yahoo! Research)
データフロープログラム
プログラムをデータのフローとoperator(filter, join等)で定義
Aurora, Dryad, Map-Reduce, Pig,…
よいExampleデータが必要
扱うデータが巨大 → 短時間でプログラムチェックするには簡潔で特徴的なExampleが必要
プログラム理解や,新言語の習得にも有用
ナイーブなアプローチでは自動生成困難
(filterでexampleデータが空になる, operatorの特徴をうまく表現できない,など)
定式化
Exampleの良さを, 「Realism」(現実性),「Completeness」(完全性), 「Conciseness」(簡潔性)で定義し,定量化
Exampleデータ生成アルゴリズム
データフローを用いたレコードLineageの作成による現実性向上と,完全性基準を利用した冗長レコードの削除
Session 7 : Testing and Security 担当:小林大(NEC)
2
概要: データフロープログラムにおいて,よいExampleデータを生成する問題の定式化とアルゴリズム提案,Apache Pigにおいて実現
I. Generating Example Data for Dataflow Programs問題の概要と定式化
Session 7 : Testing and Security 担当:小林大(NEC)
3
前準備
Equivalence class (同値類) ε0 ={ E1, E2, E3,…, Em} の導入
オペレータを特徴づけるレコード集合Ei の集合
例えばfilterであれば, E1=(フィルタを通る全レコード), E2=(フィルタを通らない全レコード)
現実性,完全性,簡潔性の3つがExampleデータの目標
現実性
定義:Exampleデータ中のレコードは本物のデータのサブセット,あるいは本物のデータのみから生成可能である必要がある
定量化:Exampleデータ中の本物に含まれるデータの割合 ∈ [0,1]
完全性
定義:オペレータの主要な特徴を表している
(例えばfilterであれば,通るレコードと落とすレコードが両方含まれている)
定量化: オペレータごとに満たされている同値類の割合の平均 ∈ [0,1]
簡潔性
定義:Exampleデータは十分少ない必要がある
定量化: 全同値類数 / 全Exampleデータ合計 ∈ [0, 1]
(特徴を表すのに多数のexampleが必要なオペレータへの配慮)
I. Generating Example Data for Dataflow Programs Exampleデータ生成アルゴリズム
Session 7 : Testing and Security 担当:小林大(NEC)
4
x
x
x
x
x
x
x
x
アルゴリズムのGeneralな説明 → Section 4
Pig Latinにおけるアルゴリズム → Appendix A
udf(x): user-defined function(非可逆)
PASS 1
PASS 2
PASS 3
PASS 4
INPUT: P={O1, O2, …,On}(オペレータ集合), D(inputデータ集合)
OUTPUT: Example Table {T1, T2,…, Tn} (各オペレータごとのoutput集合)
手順
PASS 1: Downstream Pass(フロー正方向)
inputデータから任意のデータをサンプリングし,各オペレータで処理し通してExampleデータ生成
各オペレータの出力レコードと関係する入力レコードは同じLineage Liに属するとする
PASS 2: 現実性と完全性を基準に冗長レコード除去
各オペレータごとに全ての同値類を満たす範囲(for 完全性)でExampleデータをLineage単位で削減
PASS 3: Upstream Pass (フロー逆方向)
最終オペレータから逆順に,完全性を満たすようにExampleデータを追加し,可能な範囲でリーフまで伝播.
PASS 4: 冗長レコード除去
再び冗長なExampleデータ削除(PASS 3のデータ生成で冗長化したデータの削除)
I. Generating Example D
文档评论(0)