{"id":{"repo_id":"athens","oai_identifier":"oai:lib.uoa.gr:uoadl:3395963"},"canonical_url":"https://search.ndltd.org/etd/athens/oai:lib.uoa.gr:uoadl:3395963","repository":{"repo_id":"athens","name":"National and Kapodistrian University of Athens","base_url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh"},"display":{"title":"Development of just-in-time query operators for complex data using partial evaluation","abstract":"Καθημερινά, τεράστιες ποσότητες δεδομένων παράγονται παγκοσμίως σε διάφορες μορφές, συμπεριλαμβανομένων δομημένων τύπων όπως CSV, XML και JSON, καθώς και μη δομημένων μορφών. Τα δεδομένα αποθηκεύονται σε διάφορες τοποθεσίες, όπως βάσεις δεδομένων διαφόρων τύπων, καθώς και πλατφόρμες νέφους. Αυτή η ποικιλομορφία αποτελεί σημαντική πρόκληση όταν προσπαθούμε να εκτελέσουμε ερωτήματα σε συνδυασ- μένες πηγές δεδομένων με ελάχιστη προσπάθεια και γρήγορη εκτέλεση. H Snapi είναι μια ανοιχτού κώδικα γλώσσα ερωτημάτων που αναπτύχθηκε από τη RAW Labs, η οποία έχει σχεδιαστεί ειδικά για να αντιμετωπίσει αυτό το ζήτημα. Η Snapi επιτρέπει τους χρήστες, να μετασχηματίσουν, συνδυάσουν, συσσωματώσουν δεδομένα σε πραγματικό χρόνο. Για να βελτιώσουμε την απόδοση των ερωτημάτων και να διαχειριστούμε αποτελεσματικά τα ετερογενή σύνολα δεδομένων, υιοθετήσαμε το framework GraalVM/Truffle για την εκτέλεση της Snapi. Αυτή η προσέγγιση δεν επιταχύνει μόνο την επεξεργασία των ερωτημάτων αλλά προσφέρει επίσης μια πιο συντηρήσημη λύση σε σύγκριση με την παραγωγή προσαρ- μοσμένου κώδικα, την οποία θεωρούμε ότι βελτιώνει τη συνολική ανθεκτικότητα του συστήματος. Αυτή η προσέγγιση περιλαμβάνει την παροχή στο Truffle της υλοποίησης γλώσσας Snapi (interpreter) και του Δέντρου Αφηρημένης Σύνταξης του ερωτήματος ως είσοδο. Το Truffle, με τη σειρά του, παράγει έναν υψηλά βελτιστοποιημένο κώδικα που μπορεί να προσαρμοστεί δυναμικά στα συγκεκριμένα δεδομένα που ερωτώνται. Το σύστημα αξιολογείται συγκριτικά με παρόμοια προσέγγιση παραγωγής κώδικα βασισμένες στο JVM. Η εκτέλεση επιταχύνεται έως και 2,5 φορές από την αρχή μέχρι το τέλος (cold start) και έως και 11,5 φορές για δεδομένα των οποίων τα παιδεία μπορούν να έχουν περισσότερους από έναν τύπους.","abstract_html":"Καθημερινά, τεράστιες ποσότητες δεδομένων παράγονται παγκοσμίως σε διάφορες μορφές, συμπεριλαμβανομένων δομημένων τύπων όπως CSV, XML και JSON, καθώς και μη δομημένων μορφών. Τα δεδομένα αποθηκεύονται σε διάφορες τοποθεσίες, όπως βάσεις δεδομένων διαφόρων τύπων, καθώς και πλατφόρμες νέφους. Αυτή η ποικιλομορφία αποτελεί σημαντική πρόκληση όταν προσπαθούμε να εκτελέσουμε ερωτήματα σε συνδυασ- μένες πηγές δεδομένων με ελάχιστη προσπάθεια και γρήγορη εκτέλεση. H Snapi είναι μια ανοιχτού κώδικα γλώσσα ερωτημάτων που αναπτύχθηκε από τη RAW Labs, η οποία έχει σχεδιαστεί ειδικά για να αντιμετωπίσει αυτό το ζήτημα. Η Snapi επιτρέπει τους χρήστες, να μετασχηματίσουν, συνδυάσουν, συσσωματώσουν δεδομένα σε πραγματικό χρόνο. Για να βελτιώσουμε την απόδοση των ερωτημάτων και να διαχειριστούμε αποτελεσματικά τα ετερογενή σύνολα δεδομένων, υιοθετήσαμε το framework GraalVM/Truffle για την εκτέλεση της Snapi. Αυτή η προσέγγιση δεν επιταχύνει μόνο την επεξεργασία των ερωτημάτων αλλά προσφέρει επίσης μια πιο συντηρήσημη λύση σε σύγκριση με την παραγωγή προσαρ- μοσμένου κώδικα, την οποία θεωρούμε ότι βελτιώνει τη συνολική ανθεκτικότητα του συστήματος. Αυτή η προσέγγιση περιλαμβάνει την παροχή στο Truffle της υλοποίησης γλώσσας Snapi (interpreter) και του Δέντρου Αφηρημένης Σύνταξης του ερωτήματος ως είσοδο. Το Truffle, με τη σειρά του, παράγει έναν υψηλά βελτιστοποιημένο κώδικα που μπορεί να προσαρμοστεί δυναμικά στα συγκεκριμένα δεδομένα που ερωτώνται. Το σύστημα αξιολογείται συγκριτικά με παρόμοια προσέγγιση παραγωγής κώδικα βασισμένες στο JVM. Η εκτέλεση επιταχύνεται έως και 2,5 φορές από την αρχή μέχρι το τέλος (cold start) και έως και 11,5 φορές για δεδομένα των οποίων τα παιδεία μπορούν να έχουν περισσότερους από έναν τύπους.","abstract_has_math":false,"creators":["Ζέρντεβ Αλέξανδρος","Zerntev Alexandros"],"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":"2026-11-19T06:29:01Z","subjects":["Τεχνολογία – Πληροφορική","Technology - Computer science"],"languages":["Ελληνικά","English","Greek"],"rights":[],"rights_urls":[],"identifier_entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:3395963"],"render_values":[{"text":"uoadl:3395963","href":null,"code":true}]}],"person_identifier_entries":[]},"links":{"outbound_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/3395963","outbound_label":"Repository record","outbound_source":"dc:identifier","record_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/3395963","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%3A3395963","prefix":"oai_dc"},"metadata_groups":[{"id":"people","label":"People","entries":[{"key":"dc:creator","label":"Author","values":["Ζέρντεβ Αλέξανδρος","Zerntev Alexandros"]}]},{"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":["Ελληνικά","English","Greek"]}]},{"id":"identifiers","label":"Identifiers","entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:3395963","https://pergamos.lib.uoa.gr/uoa/dl/object/3395963"]}]},{"id":"additional","label":"Additional Metadata","entries":[{"key":"dc:description","label":"Description","values":["Καθημερινά, τεράστιες ποσότητες δεδομένων παράγονται παγκοσμίως σε διάφορες μορφές, συμπεριλαμβανομένων δομημένων τύπων όπως CSV, XML και JSON, καθώς και μη δομημένων μορφών. Τα δεδομένα αποθηκεύονται σε διάφορες τοποθεσίες, όπως βάσεις δεδομένων διαφόρων τύπων, καθώς και πλατφόρμες νέφους. Αυτή η ποικιλομορφία αποτελεί σημαντική πρόκληση όταν προσπαθούμε να εκτελέσουμε ερωτήματα σε συνδυασ- μένες πηγές δεδομένων με ελάχιστη προσπάθεια και γρήγορη εκτέλεση. H Snapi είναι μια ανοιχτού κώδικα γλώσσα ερωτημάτων που αναπτύχθηκε από τη RAW Labs, η οποία έχει σχεδιαστεί ειδικά για να αντιμετωπίσει αυτό το ζήτημα. Η Snapi επιτρέπει τους χρήστες, να μετασχηματίσουν, συνδυάσουν, συσσωματώσουν δεδομένα σε πραγματικό χρόνο. Για να βελτιώσουμε την απόδοση των ερωτημάτων και να διαχειριστούμε αποτελεσματικά τα ετερογενή σύνολα δεδομένων, υιοθετήσαμε το framework GraalVM/Truffle για την εκτέλεση της Snapi. Αυτή η προσέγγιση δεν επιταχύνει μόνο την επεξεργασία των ερωτημάτων αλλά προσφέρει επίσης μια πιο συντηρήσημη λύση σε σύγκριση με την παραγωγή προσαρ- μοσμένου κώδικα, την οποία θεωρούμε ότι βελτιώνει τη συνολική ανθεκτικότητα του συστήματος. Αυτή η προσέγγιση περιλαμβάνει την παροχή στο Truffle της υλοποίησης γλώσσας Snapi (interpreter) και του Δέντρου Αφηρημένης Σύνταξης του ερωτήματος ως είσοδο. Το Truffle, με τη σειρά του, παράγει έναν υψηλά βελτιστοποιημένο κώδικα που μπορεί να προσαρμοστεί δυναμικά στα συγκεκριμένα δεδομένα που ερωτώνται. Το σύστημα αξιολογείται συγκριτικά με παρόμοια προσέγγιση παραγωγής κώδικα βασισμένες στο JVM. Η εκτέλεση επιταχύνεται έως και 2,5 φορές από την αρχή μέχρι το τέλος (cold start) και έως και 11,5 φορές για δεδομένα των οποίων τα παιδεία μπορούν να έχουν περισσότερους από έναν τύπους.","Every day, substantial quantities of data are generated globally. This data manifests in various formats, including structured forms such as CSV, XML, and JSON, as well as in unstructured formats. The data is stored in a multitude of locations, such as databases of different types and cloud storage platforms. This diversity poses a significant challenge when attempting to efficiently query combined data sources with minimal effort and rapid execution. Snapi is an open-source query language developed by RAW Labs, which is specifically designed to address this issue. Snapi allows the user to aggregate, join and transform these distributed and heterogenous datasets in real-time. To improve query performance and effectively handle heterogeneous datasets, we adopted the GraalVM/Truffle framework for executing Snapi. This approach not only accelerates query processing but also offers a more maintainable solution compared to custom code generation, which we believe enhances overall system robustness. This approach in- volves supplying Truffle with a Snapi language implementation (interpreter) and the Ab- stract Syntax Tree of the query as input. Truffle, in turn, generates highly optimized code that can dynamically adapt to the specific data being queried. We evaluate our system against similar JVM Based code generation approach. We achieve up to x2.5 speedup in cold start end to end execution and up to x11.5 speedup in queries for data which attributes can have more than one type."]},{"key":"dc:title","label":"Title","values":["Development of just-in-time query operators for complex data using partial evaluation"]}]}],"canonical_facts":{"dc:creator":["Ζέρντεβ Αλέξανδρος","Zerntev Alexandros"],"dc:date":["2024"],"dc:description":["Καθημερινά, τεράστιες ποσότητες δεδομένων παράγονται παγκοσμίως σε διάφορες μορφές, συμπεριλαμβανομένων δομημένων τύπων όπως CSV, XML και JSON, καθώς και μη δομημένων μορφών. Τα δεδομένα αποθηκεύονται σε διάφορες τοποθεσίες, όπως βάσεις δεδομένων διαφόρων τύπων, καθώς και πλατφόρμες νέφους. Αυτή η ποικιλομορφία αποτελεί σημαντική πρόκληση όταν προσπαθούμε να εκτελέσουμε ερωτήματα σε συνδυασ- μένες πηγές δεδομένων με ελάχιστη προσπάθεια και γρήγορη εκτέλεση. H Snapi είναι μια ανοιχτού κώδικα γλώσσα ερωτημάτων που αναπτύχθηκε από τη RAW Labs, η οποία έχει σχεδιαστεί ειδικά για να αντιμετωπίσει αυτό το ζήτημα. Η Snapi επιτρέπει τους χρήστες, να μετασχηματίσουν, συνδυάσουν, συσσωματώσουν δεδομένα σε πραγματικό χρόνο. Για να βελτιώσουμε την απόδοση των ερωτημάτων και να διαχειριστούμε αποτελεσματικά τα ετερογενή σύνολα δεδομένων, υιοθετήσαμε το framework GraalVM/Truffle για την εκτέλεση της Snapi. Αυτή η προσέγγιση δεν επιταχύνει μόνο την επεξεργασία των ερωτημάτων αλλά προσφέρει επίσης μια πιο συντηρήσημη λύση σε σύγκριση με την παραγωγή προσαρ- μοσμένου κώδικα, την οποία θεωρούμε ότι βελτιώνει τη συνολική ανθεκτικότητα του συστήματος. Αυτή η προσέγγιση περιλαμβάνει την παροχή στο Truffle της υλοποίησης γλώσσας Snapi (interpreter) και του Δέντρου Αφηρημένης Σύνταξης του ερωτήματος ως είσοδο. Το Truffle, με τη σειρά του, παράγει έναν υψηλά βελτιστοποιημένο κώδικα που μπορεί να προσαρμοστεί δυναμικά στα συγκεκριμένα δεδομένα που ερωτώνται. Το σύστημα αξιολογείται συγκριτικά με παρόμοια προσέγγιση παραγωγής κώδικα βασισμένες στο JVM. Η εκτέλεση επιταχύνεται έως και 2,5 φορές από την αρχή μέχρι το τέλος (cold start) και έως και 11,5 φορές για δεδομένα των οποίων τα παιδεία μπορούν να έχουν περισσότερους από έναν τύπους.","Every day, substantial quantities of data are generated globally. This data manifests in various formats, including structured forms such as CSV, XML, and JSON, as well as in unstructured formats. The data is stored in a multitude of locations, such as databases of different types and cloud storage platforms. This diversity poses a significant challenge when attempting to efficiently query combined data sources with minimal effort and rapid execution. Snapi is an open-source query language developed by RAW Labs, which is specifically designed to address this issue. Snapi allows the user to aggregate, join and transform these distributed and heterogenous datasets in real-time. To improve query performance and effectively handle heterogeneous datasets, we adopted the GraalVM/Truffle framework for executing Snapi. This approach not only accelerates query processing but also offers a more maintainable solution compared to custom code generation, which we believe enhances overall system robustness. This approach in- volves supplying Truffle with a Snapi language implementation (interpreter) and the Ab- stract Syntax Tree of the query as input. Truffle, in turn, generates highly optimized code that can dynamically adapt to the specific data being queried. We evaluate our system against similar JVM Based code generation approach. We achieve up to x2.5 speedup in cold start end to end execution and up to x11.5 speedup in queries for data which attributes can have more than one type."],"dc:identifier":["uoadl:3395963","https://pergamos.lib.uoa.gr/uoa/dl/object/3395963"],"dc:language":["Ελληνικά","English","Greek"],"dc:subject":["Τεχνολογία – Πληροφορική","Technology - Computer science"],"dc:title":["Development of just-in-time query operators for complex data using partial evaluation"],"dc:type":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]},"updated_at":"2026-11-19T06:29:01Z"}