Bi-temporal Query Optimization Techniques in Decision Insight

Azhar Ait Ouassarah (1, 2) , Nicolas Averseng (2) , Xavier Fournet (2) , Jean-Marc Petit (3, 1) , Romain Revol (2) , Vasile-Marian Scuturici (1, 3)

1 BD - Base de Données
2 Axway Software
3 INSA - Institut National des Sciences Appliquées

The complexity of dynamic environments in which companies work requires their managers to take rapid and relevant decisions. A business activity monitoring application should be able to implement complex bi-temporal queries on real-time data and historical data in order to detect business trends and anomalies. However, accessing both real-time and historical data is costly and can hardly meet the application’s requirements of fast responses for analysts.In this paper, we propose Decision Insight, a platform developed by a French software editor, that solves this problem. It consists in redefining such a complex bi-temporal query into: 1) a set of continuous queries in charge of handling real-time data (whose results are materialized) and 2) a query that accesses both historical and materialized results of the previous continuous queries. Thus, Decision Insight can provide analysts with timely answers through a convenient GUI.Decision Insight is based on a column-store bi-temporal DBMS that handles these two types of data and implements a simple and efficient bi-temporal query optimization technique. We demonstrate the interest of our approach using an adapted version of TPCBiH, a bi-temporal extension of the TPC-H benchmark. Extensive experiments have been conducted, pointing out the interest of Decision Insight for delivering timely information based on historical and real-time data.

La complexité de l’environnement dynamique dans lequel évoluent les entreprises requiert de la part de leurs managers de prendre des décisions pertinente en un laps de temps très court. Les systèmes de supervision des activités métiers devraient supporter des requêtes bitemporelles complexes qui accèdent aussi bien à des données historiques qu’à des données temps réel afin de détecter des anomalies ou bien des tendances dans l’activité de l’entreprise. Cependant, il s’avère que l’accès à ces deux types de données peutêtre lent, ce qui ne convient pas aux applications de supervision.Dans ce papier, nous présentons Decision Insight, une plateforme développée par un éditeur de logiciels français pour aborder ce problème. Elle est basée sur un SGBD orienté colonnes qui redéfinit les requêtes bi-temporelles en: 1) un ensemble de requêtes continues pour gérer les données temps réel et dont les résultats sont matérialisés, et 2) une requête qui accède aussi bien aux données historiques qu’aux résultats des requêtes continues.Nous démontrons l’intérêt de notre approche en utilisant une version adaptée du benchmark TPC-BiH qui est une extension bi-temporelle du benchmark TPC-H.

Mots clés: Temporal Databases; Business Activity Monitoring; Business Intelligence

Domaines: Base de données [cs.DB]

Azhar Ait Ouassarah, Nicolas Averseng, Xavier Fournet, Jean-Marc Petit, Romain Revol, et al.. Bi-temporal Query Optimization Techniques in Decision Insight. Bases de Données Avancées (BDA), Sep 2015, Île de Porquerolles, France. ⟨hal-01228962⟩