1/40 High Speed Networks Laboratory Önszerveződő adatbázisok

2/40 Önszerveződő adatbázisok Hosszu Éva 1. Paradigmaváltás az adatbázisokban Megtervezett adatbázis → Evolúció alkotta adatbázis 2. Önszerveződő adatbázis: struktúra, lekérdezés 3. Struktúra: a hálózatot meghatározó jellemzők Méret, átmérő Kisvilág tulajdonság Skálafüggetlen hálózatok Preferenciális kapcsolódás 4. Lekérdezés Lekérdezés önszerveződő adatbázisokban Internetes keresőmotorok működésének alapjai Önszerveződő adatbázisok

3/40 Önszerveződő adatbázisok Hosszu Éva Mennyi zenét tárolsz a számítógépeden? Régen: rengeteg zene a számítógépen Hatalmas adatbázisban Viszonylag struktúrálva Most: Kevés zene a gépen, csak amire azonnal szükség van Túlnyomó részben: YouTube, Spotify, Tidal, Google, … Egy struktúrálatlan halmazból keressük ki Paradigmaváltás az adatbázisokban

4/40 Önszerveződő adatbázisok Hosszu Éva Eddig Relációs adatbázis Elosztott adatbázis Lekérdezés: erősen megnövelte a kommunikációs költségek részarányát az adatbázis-kezelés költségein belül Ötlet: próbáljuk meg az adatokat a felhasználás közelében elhelyezni. Osztott adatbázisok. Az osztott adatbázis egy fizikailag megosztott, de logikailag egységes adatbázis. Paradigmaváltás az adatbázisokban

5/40 Önszerveződő adatbázisok Hosszu Éva Megtervezett adatbázis → evolúció alkotta adatbázis Elosztott adatbázisok: A kommunikációs költségek csökkenése. Mindenki a számára ismerős adatokat gondozza. Egy-egy csomópont kiesése esetén a többi adatai továbbra is elérhetőek. Lehetséges a moduláris tervezés, a rugalmas konfigurálás. Rugalmasabb adatstruktúra kell Önszerveződő adatbázisok: A kapcsolódást nem egy központi egység határozza meg A csomópontok saját maguk döntik el, hova kapcsolódnak Amerre mozdul a világ:

6/40 Önszerveződő adatbázisok Hosszu Éva 1. Paradigmaváltás az adatbázisokban Megtervezett adatbázis → Evolúció alkotta adatbázis 2. Önszerveződő adatbázis: struktúra, lekérdezés 3. Struktúra: a hálózatot meghatározó jellemzők Méret, átmérő Kisvilág tulajdonság Skálafüggetlen hálózatok Preferenciális kapcsolódás 4. Lekérdezés Lekérdezés önszerveződő adatbázisokban Internetes keresőmotorok működésének alapjai Önszerveződő adatbázisok

7/40 Önszerveződő adatbázisok Hosszu Éva A szó tág értelmében Önszerveződő adatbázis = (struktúra,lekérdezés) Az adatbázis önszerevződő jellege meghatározza a kialakuló topológiát A topológia meghatározza, milyen a hatékony keresés Önszerveződő adatbázis példák: Internet Blogok Google Fordító Szocális hálózat P2P hálózat Mit az önszerveződő adatbázis?

8/40 Önszerveződő adatbázisok Hosszu Éva Általános értelemben: Nagy bonyolult hálózatok Hálózat komplexitása Sok csomópont Sok kapcsolat Heterogén csomópont típusok és kapcsolattípusok Tisztán kivehető tendencia: kommunikációs hálózatok egyre bonyolultabbakká válnak Az Internet fejlődési trendek Felhasználók számának drámai növekedése Kicsi mobil eszközök Szerteágazó szabványok, sok gyártó  Heterogén eszközök Virtuális hálózatok fizikai hálózakon – VPNs, virtual ISPs Milyen struktúra lakozik a komplexitás mögött? Önszerveződő hálózat: Az Internet

9/40 Önszerveződő adatbázisok Hosszu Éva A hálózatok dinamikusak Még jó, annyira gyorsan változnak az igények Jelenleg nincs lehetőség a dinamizmus vizsgálatára nagy léptékben Legtöbb adatbázis csak a pillanatnyi állapotot tárolja Ezért egy-egy elemzés csak egy pillanatfelvétel Előfordulnak statisztikai hibák Néha később módosított eredmények Pillanatfelvételek

10/40 Önszerveződő adatbázisok Hosszu Éva 1. Paradigmaváltás az adatbázisokban Megtervezett adatbázis → Evolúció alkotta adatbázis 2. Önszerveződő adatbázis : struktúra, lekérdezés 3. Struktúra: a hálózatot meghatározó jellemzők Méret, átmérő Kisvilág tulajdonság Skálafüggetlen hálózatok Preferenciális kapcsolódás 4. Lekérdezés Lekérdezés önszerveződő adatbázisokban Internetes keresőmotorok működésének alapjai Önszerveződő adatbázisok

11/40 Önszerveződő adatbázisok Hosszu Éva 1. Hálózat méret: Csomópontok száma Ezres, milliós, esetleg milliárdos méretek esetén lehet statisztikai adatokkal jól jellemezni egy hálózatot 2. Klaszterezettség: “ C soportosul ás ” mértéke A szomszéd node-jaim kapcsolódnak-e egymáshoz? Ha 1 akkor mindig, ha 0 akkor soha! 3. Átmérő: Kis átmérő, rövid utak, “kisvilág ” jelleg Egy rácsban igen nagy átmérők lehetnek, míg pl. a teljes gráf átmérője Hasonlósági paraméter (γ): Mennyire hasonló a szerepük? (s kálafüggetlen szerkezet ) Ha a szám magas, akkor az egyének nagyon hasonlítanak, ha alacsony akkor (~ 2) akkor erősen eltérő szerepek vannak 5. Fokszámeloszlás: a csúcsok mekkora hányadának k a fokszáma? Egyenletes? Binomiális? Valami más? Számunkra jelenleg lényeges paraméterek

12/40 Önszerveződő adatbázisok Hosszu Éva Mekkora egy önszerveződő adatbázis? Csomópontok száma: néhány tíz – milliárdok Mekkora az adatbázis átmérője? 1929: Karinthy Frigyes – Láncszemek Hat lépés távolság 1967: Milgram—kísérlet (a másik) Levélküldés nagy távolságra (szociológiai, földrajzi), véletlenszerűen választott emberek Információk a célszemélyről Személyes ismeretség esetén azonnal a célhoz Egyébként olyanhoz aki valószínűleg személyesen ismeri+levél a Harvardra Méret és átmérő

13/40 Önszerveződő adatbázisok Hosszu Éva Néha 1-2 lépés elég volt néha kilenc kellett 296 levélből 232 nem ért célba A maradékból az átlagos távolság 5.5-nek adódott (ellentmondott a tapasztalatokkal, és várakozásokkal) Az utolsó személy igen sokszor ugyanaz Legtöbbször gyorsan földrajzi közelbe értek, ahol köröztek, amíg rést nem találtak a célszemély belső köreibe Problémák Kevés célbeérkező levél Emiatt hosszabb láncok kevésbé vannak jelen (alábecslés) Többször ismételték 2002-ben verzió 2008, Microsoft.NET Messenger Service: 6.6 Hatlépésnyi távolság Milgram kísérlete (további részletek)

14/40 Önszerveződő adatbázisok Hosszu Éva Példa: Rubik-kocka állapotai Átmérő

15/40 Önszerveződő adatbázisok Hosszu Éva Átmérő

16/40 Önszerveződő adatbázisok Hosszu Éva Ugander, Karrer, Backstrom, Marlow arXiv: v1 [cs.SI] májusi állapot elemzése Aktív felhasználók: 1. Bejelentkezett a vizsgálatot megelőző 28 napban 2. Van legalább 1 ismerőse 721 millió aktív felhasználó (a Föld lakossága akkor 6.9 milliárd) 68.7 milliárd kapcsolat átlagosan 190 ismerős The Anatomy of the Facebook Social Graph

17/40 Önszerveződő adatbázisok Hosszu Éva 4.7 lépés távolság USÁ-n belül: 4.3 Független tanulmány: átmérő ~40 Az átmérő önmagában megtévesztő Felhasználók közti átlagos távolság

18/40 Önszerveződő adatbázisok Hosszu Éva A weboldalak jellemzően szoktak egymásra mutatni Minél több közös oldalra mutatnak, annál nagyobb valószínűséggel egymásra is Melyik tűnik hihetőbbnek mint weboldalak hálózata? Miért? Csoportosulás mértéke

19/40 Önszerveződő adatbázisok Hosszu Éva Klaszterezettségi együttható

20/40 Önszerveződő adatbázisok Hosszu Éva Egy adatbázisban

21/40 Önszerveződő adatbázisok Hosszu Éva Kisvilág-tulajdonság

22/40 Önszerveződő adatbázisok Hosszu Éva Fokszámeloszlás

23/40 Önszerveződő adatbázisok Hosszu Éva Fokszámeloszlás

24/40 Önszerveződő adatbázisok Hosszu Éva A fokszámeloszlás hatványfüggvényt követ Skálafüggetlenség

25/40 Önszerveződő adatbázisok Hosszu Éva 1. A hálózatra rázoomolva önhasonló szerkezet Pont így van a természetben is 2. Nem heterogén szerepű csomópontok Néhány központ, sok kis node Skálafüggetlenség szemléletesen

26/40 Önszerveződő adatbázisok Hosszu Éva Valós hálózatok

27/40 Önszerveződő adatbázisok Hosszu Éva Egy már meglévő adatbázis melyik pontjához fogunk kapcsolódni? P2P hálózatban melyik fájlt töltöd le? Egy nemzetségen belül melyik fajok szaporodnak el? Minél népszerűbb Népszerűség ~ minél több kapcsolata van eddig Hogyan kapcsolódnak új pontok az adatbázishoz?

28/40 Önszerveződő adatbázisok Hosszu Éva Preferenciális kapcsolódás

29/40 Önszerveződő adatbázisok Hosszu Éva Speciális értelemben 1. Nem véletlenszerű kapcsolatok, “csoportosuló” 2. Kis átmérő, rövid utak, kisvilág 3. Skálafüggetlen szerkezet: erősen változó szerepek a hálózatban Szűkebb értelemben vett önszerveződő hálózatok

30/40 Önszerveződő adatbázisok Hosszu Éva 1. Paradigmaváltás az adatbázisokban Megtervezett adatbázis → Evolúció alkotta adatbázis 2. Önszerveződő adatbázis : struktúra, lekérdezés 3. Struktúra: a hálózatot meghatározó jellemzők Méret, átmérő Kisvilág tulajdonság Skálafüggetlen hálózatok Preferenciális kapcsolódás 4. Lekérdezés Lekérdezés önszerveződő adatbázisokban Internetes keresőmotorok működésének alapjai Önszerveződő adatbázisok

31/40 Önszerveződő adatbázisok Hosszu Éva Hogyan működnek a keresőmotorok?

32/40 Önszerveződő adatbázisok Hosszu Éva A keresőmotorok két fő funciója 1. Crawling és az oldalak térképének felépítése 2. Válasz a lekérdezésre 1. Crawling & Indexing A weben levő dokumentumok, fájlok, oldalak bejárása és indexelése Indexelés ~ tárgymutató egy könyv végén 2. Válaszadás a felhasználói lekérdezésre Releváns oldalak listája Sorrend Internetes keresőmotorok

33/40 Önszerveződő adatbázisok Hosszu Éva 1. Megmondjuk, hogy létezik Home page URL-je search.yahoo.com/info/submit.html search.live.com/docs/submit.aspx XML oldaltérkép 2. Ha egy másik oldal mutat rá: keresőrobotok beindexelik Struktúra miatt működik A kapcsolatok mentén a keresőmotor bejárja = crawling Ha találnak egy új oldalt: részleteket tárolnak Honnan tud a keresőmotor egy oldalról?

34/40 Önszerveződő adatbázisok Hosszu Éva Egy Google keresés

35/40 Önszerveződő adatbázisok Hosszu Éva A keresőmotor egy válaszadó gép Háromféle keresés: "Do" Tranzakciós keresés – valami végrehajtása: repülőjegy vásárlás, zenehallgatás "Know" Információs keresés – egy zenekar neve, a város legjobb étterme "Go" Navigációs keresés – Kifejezetten egy weblap keresése: menj a Facebook-ra, az NFL homepage-re Csak az a válasz érdekel, ami relevéns Hasznosság remélt sorrendjében A relevancia több, mint hogy “tartalmazza a jó szavakat” A keresőmotorok első napjaiban ennyi volt Nem is működött jól AltaVista → Google Adjunk választ!

36/40 Önszerveződő adatbázisok Hosszu Éva Egy weboldal láthatóságának befolyásolása egy keresőmotor találati listájában Nem a keresőmotorok kijátszása Jó felhasználói élmény Az oldal szándékainak közvetítése, hogy a releváns kereséseknél ajánlhassák robots.txt: amit a keresőrobotok ne járjanak be Bejelentkezés után látható oldalak Személyes információt tartalmazó oldalak: vásárlás Oldalon belüli keresési eredmények Korai algoritmusok: Szerepelnek-e a megadott szavak Kulcsszó-sűrűség Keyword meta-tag Könnyű volt kijátszani Search Engine Optimization

37/40 Önszerveződő adatbázisok Hosszu Éva A legtöbb keresőmotornál: fontosság = népszerűség Minél népszerűbb egy oldal, annál fontosabb kell legyen az infó, ami rajta van Algoritmusokkal szűrik és rangsorolják az oldalakat relevancia és népszerűség alapján Ranking faktorok Tartalom: Az oldal szövege, címek, ismertetők. Teljesitmény: Milyen gyors? Jól működik? Megbizhatóság: Elég jó a tartalom ahhoz, hogy más oldalak ide mutassanak? Más oldalak megjelölik referenciaként? Felhasználói élmény: Hogy néz ki? Könnyű eligazodni? Magas a bounce rate? Mennyire fontos egy oldal?

38/40 Önszerveződő adatbázisok Hosszu Éva SEO Success Factors

39/40 Önszerveződő adatbázisok Hosszu Éva Oda-vissza ható folyamat Algoritmus → helyezést javító trükkök → új algoritmus → új trükkök → … Hogy pontosan hogy működik, azt a tapsztalat alapján sejteni lehet On-the-page SEO  Ami az oldal szerzőjének befolyása alá tartozik Tartalom HTML Felépítés Off-the-page SEO  Az olvasókon, látogatókon és a többi oldal szerzőjén múlik Linkek Megbízhatóság Közösségi média Személyes paraméterek Search Engine Optimization

40/40 Önszerveződő adatbázisok Hosszu Éva White Hat technikák A felhasználónak szóljon az oldal, ne a keresőnek A weboldal struktúráját tagolttá kell tenni, megfelelő header használattal. A taget megfelelően kell kitölteni. Az oldalon elhelyezett szövegeket is érdemes optimalizálni. Helyezzünk el olyan linkeket, amik egyéb aloldalakra mutatnak. Hosszú távú eredmény Black Hat technikák Hogyan tévesszük meg a keresőt Láthatatlan tartalom Más oldal megjelenítése, ha a kereső kéri = cloaking Gyors eredmény, de: ha a kereső rájön: büntetés Search Engine Optimization