{"id":{"repo_id":"athens","oai_identifier":"oai:lib.uoa.gr:uoadl:3389595"},"canonical_url":"https://search.ndltd.org/etd/athens/oai:lib.uoa.gr:uoadl:3389595","repository":{"repo_id":"athens","name":"National and Kapodistrian University of Athens","base_url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh"},"display":{"title":"Optimization of Complex Imperative Analytical Programs","abstract":"Οι σύγχρονες αναλύσεις δεδομένων περιλαμβάνουν πολύπλοκες λειτουργίες πάνω σε τεράστιους όγκους δεδομένων, που απαιτούν τη χρήση διαδικαστικών γλωσσών με ροές εργασίας SQL. Οι προκύπτουσες πολύπλοκες δομές κώδικα αποτελούνται από ροές ελέγχου και εξαρτήσεις μεταξύ ερωτημάτων, που επιβάλλουν περιορισμούς στη σειρά εκτέλεσης. Τα όρια που επιβάλλονται από τις εξαρτήσεις ροής ελέγχου περιορίζουν τις επιλογές χρονοπρογραμματισμού και βελτιστοποίησης. Σεβόμενοι τις εξαρτήσεις του προγράμματος, τα ερωτήματα που εξαρτώνται το ένα από το άλλο δεν μπορούν να εκτελεστούν παράλληλα. Έτσι, όσο περισσότερες εξαρτήσεις επιβάλλει ένα πρόγραμμα ανάλυσης δεδομένων, τόσο περισσότερο υποεκμεταλλεύεται τους πόρους του, αυξάνει το συνολικό χρόνο επεξεργασίας του και δεν μπορεί να κλιμακωθεί. Επιπλέον, η αντιμετώπιση του διαδικαστικού κώδικα και των εντολών SQL ως ξεχωριστών οντοτήτων έχει ως αποτέλεσμα να παραμείνουν ανεξερεύνητες, κρίσιμες βελτιστοποιήσεις, όπως η χρήση της διαθέσιμης μνήμης για την προσωρινή αποθήκευση κοινών υπο-εκφράσεων. Όλα τα παραπάνω οδηγούν σε σημαντικά αναποτελεσματικές αποφάσεις χρονοπρογραμματισμού για πολύπλοκους φόρτους εργασίας, που περιορίζονται από διάφορες εξαρτήσεις, καθώς και σε χαμένες ευκαιρίες για αξιοποίηση κοινής εργασίας με αποτέλεσμα την μη αποτελεσματική εκμετάλλευση της διαθέσιμης μνήμης. Στην παρούσα διπλωματική εργασία, παρουσιάζουμε έναν βελτιστοποιητή προγράμματος, ο οποίος, δεδομένου ενός διαδικαστικού προγράμματος που περιέχει εντολές SQL, βρίσκει ένα σύνολο κανόνων βελτιστοποίησης που ελαχιστοποιούν τον χρόνο εκτέλεσης από την αρχή έως το τέλος. Υποστηρίζουμε ότι ο βελτιστοποιητής θα πρέπει να χρησιμοποιεί μια ολιστική εικόνα του προγράμματος και να λαμβάνει αποφάσεις βελτιστοποίησης just-in-time. Για να αποδείξουμε αυτή τη δήλωση, παρουσιάζουμε τέσσερις κανόνες βελτιστοποίησης: την εικασία, την αξιοποίηση κοινής εργασίας, τη σειρά χρονοπρογραμματισμού, και τη κύλιση βρόχου. Η εικασία και η κύλιση βρόχου χαλαρώνουν τις εξαρτήσεις των ερωτημάτων, επιτρέπουν περισσότερα περιθώρια βελτιστοποίησης. Πιο αναλυτικά, αυξάνουν τον αριθμό των ερωτημάτων που μπορούν να εκτελούνται παράλληλα, εμφανίζονας ευκαιρίες καταμερισμού του φόρτου εργασίας. Μέσω της αξιοποίησης κοινής εργασίας εξαλείφεται ο διπλός υπολογισμός, με αποτέλεσμα την ταχύτερη και πιο αποδοτική ως προς τους πόρους εκτέλεση. Τέλος, η εύρεση της βέλτιστης σειράς χρονοπρογραμματισμού με βάση το γράφημα εξάρτησης ερωτημάτων επιτρέπει την αξιοποίηση των πόρων και τον αποτελεσματικό παραλληλισμό. Επιπλέον, έχουμε υλοποιήσει δύο διαφορετικούς βελτιστοποιητές: τον εξαντλητικό και τον άπληστο. Σύμφωνα με τα ευρήματά μας, οι προτεινόμενες τεχνικές βελτιστοποίησης μπορούν να οδηγήσουν σε σημαντική αύξηση της ταχύτητας εκτέλεσης, που κυμαίνεται από 2.3x έως 4.1x, σε σύγκριση με τις παραδοσιακές, διαδοχικές μεθόδους εκτέλεσης ερωτημάτων. Αυτό αποδεικνύει την αποτελεσματικότητα και τις δυνατότητες της προσέγγισής μας στη βελτιστοποίηση σύνθετων διαδικαστικών αναλυτικών προγραμμάτων.","abstract_html":"Οι σύγχρονες αναλύσεις δεδομένων περιλαμβάνουν πολύπλοκες λειτουργίες πάνω σε τεράστιους όγκους δεδομένων, που απαιτούν τη χρήση διαδικαστικών γλωσσών με ροές εργασίας SQL. Οι προκύπτουσες πολύπλοκες δομές κώδικα αποτελούνται από ροές ελέγχου και εξαρτήσεις μεταξύ ερωτημάτων, που επιβάλλουν περιορισμούς στη σειρά εκτέλεσης. Τα όρια που επιβάλλονται από τις εξαρτήσεις ροής ελέγχου περιορίζουν τις επιλογές χρονοπρογραμματισμού και βελτιστοποίησης. Σεβόμενοι τις εξαρτήσεις του προγράμματος, τα ερωτήματα που εξαρτώνται το ένα από το άλλο δεν μπορούν να εκτελεστούν παράλληλα. Έτσι, όσο περισσότερες εξαρτήσεις επιβάλλει ένα πρόγραμμα ανάλυσης δεδομένων, τόσο περισσότερο υποεκμεταλλεύεται τους πόρους του, αυξάνει το συνολικό χρόνο επεξεργασίας του και δεν μπορεί να κλιμακωθεί. Επιπλέον, η αντιμετώπιση του διαδικαστικού κώδικα και των εντολών SQL ως ξεχωριστών οντοτήτων έχει ως αποτέλεσμα να παραμείνουν ανεξερεύνητες, κρίσιμες βελτιστοποιήσεις, όπως η χρήση της διαθέσιμης μνήμης για την προσωρινή αποθήκευση κοινών υπο-εκφράσεων. Όλα τα παραπάνω οδηγούν σε σημαντικά αναποτελεσματικές αποφάσεις χρονοπρογραμματισμού για πολύπλοκους φόρτους εργασίας, που περιορίζονται από διάφορες εξαρτήσεις, καθώς και σε χαμένες ευκαιρίες για αξιοποίηση κοινής εργασίας με αποτέλεσμα την μη αποτελεσματική εκμετάλλευση της διαθέσιμης μνήμης. Στην παρούσα διπλωματική εργασία, παρουσιάζουμε έναν βελτιστοποιητή προγράμματος, ο οποίος, δεδομένου ενός διαδικαστικού προγράμματος που περιέχει εντολές SQL, βρίσκει ένα σύνολο κανόνων βελτιστοποίησης που ελαχιστοποιούν τον χρόνο εκτέλεσης από την αρχή έως το τέλος. Υποστηρίζουμε ότι ο βελτιστοποιητής θα πρέπει να χρησιμοποιεί μια ολιστική εικόνα του προγράμματος και να λαμβάνει αποφάσεις βελτιστοποίησης just-in-time. Για να αποδείξουμε αυτή τη δήλωση, παρουσιάζουμε τέσσερις κανόνες βελτιστοποίησης: την εικασία, την αξιοποίηση κοινής εργασίας, τη σειρά χρονοπρογραμματισμού, και τη κύλιση βρόχου. Η εικασία και η κύλιση βρόχου χαλαρώνουν τις εξαρτήσεις των ερωτημάτων, επιτρέπουν περισσότερα περιθώρια βελτιστοποίησης. Πιο αναλυτικά, αυξάνουν τον αριθμό των ερωτημάτων που μπορούν να εκτελούνται παράλληλα, εμφανίζονας ευκαιρίες καταμερισμού του φόρτου εργασίας. Μέσω της αξιοποίησης κοινής εργασίας εξαλείφεται ο διπλός υπολογισμός, με αποτέλεσμα την ταχύτερη και πιο αποδοτική ως προς τους πόρους εκτέλεση. Τέλος, η εύρεση της βέλτιστης σειράς χρονοπρογραμματισμού με βάση το γράφημα εξάρτησης ερωτημάτων επιτρέπει την αξιοποίηση των πόρων και τον αποτελεσματικό παραλληλισμό. Επιπλέον, έχουμε υλοποιήσει δύο διαφορετικούς βελτιστοποιητές: τον εξαντλητικό και τον άπληστο. Σύμφωνα με τα ευρήματά μας, οι προτεινόμενες τεχνικές βελτιστοποίησης μπορούν να οδηγήσουν σε σημαντική αύξηση της ταχύτητας εκτέλεσης, που κυμαίνεται από 2.3x έως 4.1x, σε σύγκριση με τις παραδοσιακές, διαδοχικές μεθόδους εκτέλεσης ερωτημάτων. Αυτό αποδεικνύει την αποτελεσματικότητα και τις δυνατότητες της προσέγγισής μας στη βελτιστοποίηση σύνθετων διαδικαστικών αναλυτικών προγραμμάτων.","abstract_has_math":false,"creators":["Μίχας Γεώργιος","Michas Georgios"],"institution":null,"degree_name":null,"degree_level":null,"degree_discipline":null,"degree_department":null,"school":null,"contributors":[],"advisors":[],"committee_chairs":[],"committee_members":[],"year":2024,"date_issued":"2024","date_published":"2024","updated_at":"2026-11-19T06:27:55Z","subjects":["Τεχνολογία – Πληροφορική","Technology - Computer science"],"languages":["English"],"rights":[],"rights_urls":[],"identifier_entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:3389595"],"render_values":[{"text":"uoadl:3389595","href":null,"code":true}]}],"person_identifier_entries":[]},"links":{"outbound_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/3389595","outbound_label":"Repository record","outbound_source":"dc:identifier","record_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/3389595","record_label":"Repository record","record_kind":"record","record_source":"dc:identifier","download_url":null,"download_label":null,"download_source":null,"access_status":null,"embargo_until":null,"access_note":null},"source_record":{"url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh?verb=GetRecord&metadataPrefix=oai_dc&identifier=oai%3Alib.uoa.gr%3Auoadl%3A3389595","prefix":"oai_dc"},"metadata_groups":[{"id":"people","label":"People","entries":[{"key":"dc:creator","label":"Author","values":["Μίχας Γεώργιος","Michas Georgios"]}]},{"id":"academic_context","label":"Academic Context","entries":[{"key":"dc:date","label":"Dc Date","values":["2024"]},{"key":"dc:type","label":"Dc Type","values":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]}]},{"id":"subjects_keywords","label":"Subjects and Keywords","entries":[{"key":"dc:subject","label":"Dc Subject","values":["Τεχνολογία – Πληροφορική","Technology - Computer science"]}]},{"id":"language_rights","label":"Language and Rights","entries":[{"key":"dc:language","label":"Dc Language","values":["English"]}]},{"id":"identifiers","label":"Identifiers","entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:3389595","https://pergamos.lib.uoa.gr/uoa/dl/object/3389595"]}]},{"id":"additional","label":"Additional Metadata","entries":[{"key":"dc:description","label":"Description","values":["Οι σύγχρονες αναλύσεις δεδομένων περιλαμβάνουν πολύπλοκες λειτουργίες πάνω σε τεράστιους όγκους δεδομένων, που απαιτούν τη χρήση διαδικαστικών γλωσσών με ροές εργασίας SQL. Οι προκύπτουσες πολύπλοκες δομές κώδικα αποτελούνται από ροές ελέγχου και εξαρτήσεις μεταξύ ερωτημάτων, που επιβάλλουν περιορισμούς στη σειρά εκτέλεσης. Τα όρια που επιβάλλονται από τις εξαρτήσεις ροής ελέγχου περιορίζουν τις επιλογές χρονοπρογραμματισμού και βελτιστοποίησης. Σεβόμενοι τις εξαρτήσεις του προγράμματος, τα ερωτήματα που εξαρτώνται το ένα από το άλλο δεν μπορούν να εκτελεστούν παράλληλα. Έτσι, όσο περισσότερες εξαρτήσεις επιβάλλει ένα πρόγραμμα ανάλυσης δεδομένων, τόσο περισσότερο υποεκμεταλλεύεται τους πόρους του, αυξάνει το συνολικό χρόνο επεξεργασίας του και δεν μπορεί να κλιμακωθεί. Επιπλέον, η αντιμετώπιση του διαδικαστικού κώδικα και των εντολών SQL ως ξεχωριστών οντοτήτων έχει ως αποτέλεσμα να παραμείνουν ανεξερεύνητες, κρίσιμες βελτιστοποιήσεις, όπως η χρήση της διαθέσιμης μνήμης για την προσωρινή αποθήκευση κοινών υπο-εκφράσεων. Όλα τα παραπάνω οδηγούν σε σημαντικά αναποτελεσματικές αποφάσεις χρονοπρογραμματισμού για πολύπλοκους φόρτους εργασίας, που περιορίζονται από διάφορες εξαρτήσεις, καθώς και σε χαμένες ευκαιρίες για αξιοποίηση κοινής εργασίας με αποτέλεσμα την μη αποτελεσματική εκμετάλλευση της διαθέσιμης μνήμης. Στην παρούσα διπλωματική εργασία, παρουσιάζουμε έναν βελτιστοποιητή προγράμματος, ο οποίος, δεδομένου ενός διαδικαστικού προγράμματος που περιέχει εντολές SQL, βρίσκει ένα σύνολο κανόνων βελτιστοποίησης που ελαχιστοποιούν τον χρόνο εκτέλεσης από την αρχή έως το τέλος. Υποστηρίζουμε ότι ο βελτιστοποιητής θα πρέπει να χρησιμοποιεί μια ολιστική εικόνα του προγράμματος και να λαμβάνει αποφάσεις βελτιστοποίησης just-in-time. Για να αποδείξουμε αυτή τη δήλωση, παρουσιάζουμε τέσσερις κανόνες βελτιστοποίησης: την εικασία, την αξιοποίηση κοινής εργασίας, τη σειρά χρονοπρογραμματισμού, και τη κύλιση βρόχου. Η εικασία και η κύλιση βρόχου χαλαρώνουν τις εξαρτήσεις των ερωτημάτων, επιτρέπουν περισσότερα περιθώρια βελτιστοποίησης. Πιο αναλυτικά, αυξάνουν τον αριθμό των ερωτημάτων που μπορούν να εκτελούνται παράλληλα, εμφανίζονας ευκαιρίες καταμερισμού του φόρτου εργασίας. Μέσω της αξιοποίησης κοινής εργασίας εξαλείφεται ο διπλός υπολογισμός, με αποτέλεσμα την ταχύτερη και πιο αποδοτική ως προς τους πόρους εκτέλεση. Τέλος, η εύρεση της βέλτιστης σειράς χρονοπρογραμματισμού με βάση το γράφημα εξάρτησης ερωτημάτων επιτρέπει την αξιοποίηση των πόρων και τον αποτελεσματικό παραλληλισμό. Επιπλέον, έχουμε υλοποιήσει δύο διαφορετικούς βελτιστοποιητές: τον εξαντλητικό και τον άπληστο. Σύμφωνα με τα ευρήματά μας, οι προτεινόμενες τεχνικές βελτιστοποίησης μπορούν να οδηγήσουν σε σημαντική αύξηση της ταχύτητας εκτέλεσης, που κυμαίνεται από 2.3x έως 4.1x, σε σύγκριση με τις παραδοσιακές, διαδοχικές μεθόδους εκτέλεσης ερωτημάτων. Αυτό αποδεικνύει την αποτελεσματικότητα και τις δυνατότητες της προσέγγισής μας στη βελτιστοποίηση σύνθετων διαδικαστικών αναλυτικών προγραμμάτων.","Modern data analytics involve complex operations over huge volumes of data, requiring the use of imperative languages with SQL workflows. The resulting complex code structures consist of control flow and inter-query dependencies that force execution ordering constraints. The boundaries enforced by the control-flow dependencies limit scheduling and optimization options. Respecting the program's dependencies, queries that depend on one another cannot be executed in parallel. Thus, the more dependencies a data analytics program enforces, the more it underutilizes resources increases the overall processing time, and the less scalable it is. In addition, treating the imperative code and the SQL statements as separate entities results in crucial optimizations such as using the available memory to cache common sub-expressions being unexplored. All of the above lead to profoundly inefficient scheduling decisions for complex workloads, restricted by various dependencies, and missed optimization opportunities. In this work, we show how to build a program optimizer, that, given an imperative program that contains SQL statements, applies a set of optimization rules that minimize the end-to-end execution time. The optimizer's effectiveness lies in its ability to use a holistic view of the program and make just-in-time optimization decisions. We introduce four optimization rules to prove our statement: speculation, sharing subqueries, scheduling order, and loop unrolling. Speculation and loop unrolling relax query dependencies to allow more room for optimization. Specifically, they increase the number of queries that can run in parallel and uncover work-sharing opportunities. Work sharing eliminates duplicate computation resulting in faster and more resource-efficient processing. Lastly, finding the optimal scheduling order based on the query dependency graph enables effective resource utilization and parallelization. Additionally, we developed two optimizers: an exhaustive and a greedy one. Our experimental evaluation demonstrates that our proposed optimization techniques can lead to a significant speedup, ranging from 2.3x to 4.1x, compared to traditional, sequential query execution methods. This evidences the effectiveness and potential of our approach in optimizing complex imperative analytical programs."]},{"key":"dc:title","label":"Title","values":["Optimization of Complex Imperative Analytical Programs"]}]}],"canonical_facts":{"dc:creator":["Μίχας Γεώργιος","Michas Georgios"],"dc:date":["2024"],"dc:description":["Οι σύγχρονες αναλύσεις δεδομένων περιλαμβάνουν πολύπλοκες λειτουργίες πάνω σε τεράστιους όγκους δεδομένων, που απαιτούν τη χρήση διαδικαστικών γλωσσών με ροές εργασίας SQL. Οι προκύπτουσες πολύπλοκες δομές κώδικα αποτελούνται από ροές ελέγχου και εξαρτήσεις μεταξύ ερωτημάτων, που επιβάλλουν περιορισμούς στη σειρά εκτέλεσης. Τα όρια που επιβάλλονται από τις εξαρτήσεις ροής ελέγχου περιορίζουν τις επιλογές χρονοπρογραμματισμού και βελτιστοποίησης. Σεβόμενοι τις εξαρτήσεις του προγράμματος, τα ερωτήματα που εξαρτώνται το ένα από το άλλο δεν μπορούν να εκτελεστούν παράλληλα. Έτσι, όσο περισσότερες εξαρτήσεις επιβάλλει ένα πρόγραμμα ανάλυσης δεδομένων, τόσο περισσότερο υποεκμεταλλεύεται τους πόρους του, αυξάνει το συνολικό χρόνο επεξεργασίας του και δεν μπορεί να κλιμακωθεί. Επιπλέον, η αντιμετώπιση του διαδικαστικού κώδικα και των εντολών SQL ως ξεχωριστών οντοτήτων έχει ως αποτέλεσμα να παραμείνουν ανεξερεύνητες, κρίσιμες βελτιστοποιήσεις, όπως η χρήση της διαθέσιμης μνήμης για την προσωρινή αποθήκευση κοινών υπο-εκφράσεων. Όλα τα παραπάνω οδηγούν σε σημαντικά αναποτελεσματικές αποφάσεις χρονοπρογραμματισμού για πολύπλοκους φόρτους εργασίας, που περιορίζονται από διάφορες εξαρτήσεις, καθώς και σε χαμένες ευκαιρίες για αξιοποίηση κοινής εργασίας με αποτέλεσμα την μη αποτελεσματική εκμετάλλευση της διαθέσιμης μνήμης. Στην παρούσα διπλωματική εργασία, παρουσιάζουμε έναν βελτιστοποιητή προγράμματος, ο οποίος, δεδομένου ενός διαδικαστικού προγράμματος που περιέχει εντολές SQL, βρίσκει ένα σύνολο κανόνων βελτιστοποίησης που ελαχιστοποιούν τον χρόνο εκτέλεσης από την αρχή έως το τέλος. Υποστηρίζουμε ότι ο βελτιστοποιητής θα πρέπει να χρησιμοποιεί μια ολιστική εικόνα του προγράμματος και να λαμβάνει αποφάσεις βελτιστοποίησης just-in-time. Για να αποδείξουμε αυτή τη δήλωση, παρουσιάζουμε τέσσερις κανόνες βελτιστοποίησης: την εικασία, την αξιοποίηση κοινής εργασίας, τη σειρά χρονοπρογραμματισμού, και τη κύλιση βρόχου. Η εικασία και η κύλιση βρόχου χαλαρώνουν τις εξαρτήσεις των ερωτημάτων, επιτρέπουν περισσότερα περιθώρια βελτιστοποίησης. Πιο αναλυτικά, αυξάνουν τον αριθμό των ερωτημάτων που μπορούν να εκτελούνται παράλληλα, εμφανίζονας ευκαιρίες καταμερισμού του φόρτου εργασίας. Μέσω της αξιοποίησης κοινής εργασίας εξαλείφεται ο διπλός υπολογισμός, με αποτέλεσμα την ταχύτερη και πιο αποδοτική ως προς τους πόρους εκτέλεση. Τέλος, η εύρεση της βέλτιστης σειράς χρονοπρογραμματισμού με βάση το γράφημα εξάρτησης ερωτημάτων επιτρέπει την αξιοποίηση των πόρων και τον αποτελεσματικό παραλληλισμό. Επιπλέον, έχουμε υλοποιήσει δύο διαφορετικούς βελτιστοποιητές: τον εξαντλητικό και τον άπληστο. Σύμφωνα με τα ευρήματά μας, οι προτεινόμενες τεχνικές βελτιστοποίησης μπορούν να οδηγήσουν σε σημαντική αύξηση της ταχύτητας εκτέλεσης, που κυμαίνεται από 2.3x έως 4.1x, σε σύγκριση με τις παραδοσιακές, διαδοχικές μεθόδους εκτέλεσης ερωτημάτων. Αυτό αποδεικνύει την αποτελεσματικότητα και τις δυνατότητες της προσέγγισής μας στη βελτιστοποίηση σύνθετων διαδικαστικών αναλυτικών προγραμμάτων.","Modern data analytics involve complex operations over huge volumes of data, requiring the use of imperative languages with SQL workflows. The resulting complex code structures consist of control flow and inter-query dependencies that force execution ordering constraints. The boundaries enforced by the control-flow dependencies limit scheduling and optimization options. Respecting the program's dependencies, queries that depend on one another cannot be executed in parallel. Thus, the more dependencies a data analytics program enforces, the more it underutilizes resources increases the overall processing time, and the less scalable it is. In addition, treating the imperative code and the SQL statements as separate entities results in crucial optimizations such as using the available memory to cache common sub-expressions being unexplored. All of the above lead to profoundly inefficient scheduling decisions for complex workloads, restricted by various dependencies, and missed optimization opportunities. In this work, we show how to build a program optimizer, that, given an imperative program that contains SQL statements, applies a set of optimization rules that minimize the end-to-end execution time. The optimizer's effectiveness lies in its ability to use a holistic view of the program and make just-in-time optimization decisions. We introduce four optimization rules to prove our statement: speculation, sharing subqueries, scheduling order, and loop unrolling. Speculation and loop unrolling relax query dependencies to allow more room for optimization. Specifically, they increase the number of queries that can run in parallel and uncover work-sharing opportunities. Work sharing eliminates duplicate computation resulting in faster and more resource-efficient processing. Lastly, finding the optimal scheduling order based on the query dependency graph enables effective resource utilization and parallelization. Additionally, we developed two optimizers: an exhaustive and a greedy one. Our experimental evaluation demonstrates that our proposed optimization techniques can lead to a significant speedup, ranging from 2.3x to 4.1x, compared to traditional, sequential query execution methods. This evidences the effectiveness and potential of our approach in optimizing complex imperative analytical programs."],"dc:identifier":["uoadl:3389595","https://pergamos.lib.uoa.gr/uoa/dl/object/3389595"],"dc:language":["English"],"dc:subject":["Τεχνολογία – Πληροφορική","Technology - Computer science"],"dc:title":["Optimization of Complex Imperative Analytical Programs"],"dc:type":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]},"updated_at":"2026-11-19T06:27:55Z"}