知財求人 - 知財ポータルサイト「IP Force」
(19)【発行国】日本国特許庁(JP)
(12)【公報種別】公開特許公報(A)
(11)【公開番号】P2024075439
(43)【公開日】2024-06-03
(54)【発明の名称】クエリ実行方法およびクエリ実行プログラム
(51)【国際特許分類】
G06F 16/903 20190101AFI20240527BHJP
【ＦＩ】
G06F16/903
【審査請求】未請求
【請求項の数】7
【出願形態】ＯＬ
(21)【出願番号】P 2022186949
(22)【出願日】2022-11-22
(71)【出願人】
【識別番号】000005223
【氏名又は名称】富士通株式会社
(74)【代理人】
【識別番号】100104190
【弁理士】
【氏名又は名称】酒井 昭徳
(72)【発明者】
【氏名】今井 智大
(72)【発明者】
【氏名】横田 耕一
(72)【発明者】
【氏名】野田 政秀
(72)【発明者】
【氏名】郭 兆功
(72)【発明者】
【氏名】國川 雅司
【テーマコード（参考）】
5B175
【Ｆターム（参考）】
5B175DA01
5B175GC01
5B175GC04
(57)【要約】
【課題】エンティティが有する性質に基づく適切なクエリ分割によりクエリ実行の処理効率を向上できること。
【解決手段】クエリ実行装置１００は、エンティティＥ同士が所定のリレーションシップを持ったデジタルツインに対し、投入される複数回のクエリＱを実行する。クエリ実行装置１００は、クエリＱ中のエンティティＥのうち、データ内容の変更頻度が低いエンティティである静的エンティティＥ２を特定する。クエリ実行装置１００は、特定した静的エンティティＥ２を起点としてクエリＱを複数の分割クエリ「あ」、「い」に分割し、分割クエリ「あ」、「い」を並列実行することで、クエリ実行を短時間で行うことができ、処理効率を向上できる。
【選択図】図１
【解決手段】クエリ実行装置１００は、エンティティＥ同士が所定のリレーションシップを持ったデジタルツインに対し、投入される複数回のクエリＱを実行する。クエリ実行装置１００は、クエリＱ中のエンティティＥのうち、データ内容の変更頻度が低いエンティティである静的エンティティＥ２を特定する。クエリ実行装置１００は、特定した静的エンティティＥ２を起点としてクエリＱを複数の分割クエリ「あ」、「い」に分割し、分割クエリ「あ」、「い」を並列実行することで、クエリ実行を短時間で行うことができ、処理効率を向上できる。
【選択図】図１
【特許請求の範囲】
【請求項1】
エンティティ同士が所定のリレーションシップを持ったデジタルツインに対し、投入される複数回のクエリを実行するクエリ実行方法において、
前記クエリ中の前記エンティティのうち、データ内容の変更頻度が低いエンティティである静的エンティティを特定し、
特定した前記静的エンティティを起点として前記クエリを複数の分割クエリに分割し、
前記分割クエリを並列実行する、
処理をコンピュータが実行することを特徴とするクエリ実行方法。
前記クエリ中の前記エンティティのうち、データ内容の変更頻度が低いエンティティである静的エンティティを特定し、
特定した前記静的エンティティを起点として前記クエリを複数の分割クエリに分割し、
前記分割クエリを並列実行する、
処理をコンピュータが実行することを特徴とするクエリ実行方法。
【請求項2】
前記静的エンティティは、
前記クエリから、前記デジタルツインが有するエンティティと、プロパティと、リレーションシップを抽出し、特定のリレーションシップを有するエンティティを前記静的エンティティと特定する、
ことを特徴とする請求項１に記載のクエリ実行方法。
前記クエリから、前記デジタルツインが有するエンティティと、プロパティと、リレーションシップを抽出し、特定のリレーションシップを有するエンティティを前記静的エンティティと特定する、
ことを特徴とする請求項１に記載のクエリ実行方法。
【請求項3】
前記クエリの分割は、
投入された前記クエリがクエリ並列実行パターンに一致するか否かにより分割の有無を判断し、
前記クエリ並列実行パターンに一致すれば、前記クエリを分割し、
前記クエリ並列実行パターンに一致しなければ、前記クエリを分割せずにクエリ実行する、
ことを特徴とする請求項１に記載のクエリ実行方法。
投入された前記クエリがクエリ並列実行パターンに一致するか否かにより分割の有無を判断し、
前記クエリ並列実行パターンに一致すれば、前記クエリを分割し、
前記クエリ並列実行パターンに一致しなければ、前記クエリを分割せずにクエリ実行する、
ことを特徴とする請求項１に記載のクエリ実行方法。
【請求項4】
前記クエリ並列実行パターンは、
１回目に投入された前記クエリから、前記デジタルツインが有するエンティティと、プロパティと、リレーションシップを抽出し、特定のリレーションシップを有するエンティティを前記静的エンティティと特定し、
特定した前記静的エンティティを起点として前記クエリを複数に分割する前記クエリ実行パターンを生成し、
２回目以降に投入される前記クエリに対し、
投入された前記クエリが、生成した前記クエリ並列実行パターンに一致するか否かにより分割の有無を判断し、
前記クエリ並列実行パターンに一致すれば、前記クエリを分割し、
分割した複数の前記クエリを並列実行する、
ことを特徴とする請求項１に記載のクエリ実行方法。
１回目に投入された前記クエリから、前記デジタルツインが有するエンティティと、プロパティと、リレーションシップを抽出し、特定のリレーションシップを有するエンティティを前記静的エンティティと特定し、
特定した前記静的エンティティを起点として前記クエリを複数に分割する前記クエリ実行パターンを生成し、
２回目以降に投入される前記クエリに対し、
投入された前記クエリが、生成した前記クエリ並列実行パターンに一致するか否かにより分割の有無を判断し、
前記クエリ並列実行パターンに一致すれば、前記クエリを分割し、
分割した複数の前記クエリを並列実行する、
ことを特徴とする請求項１に記載のクエリ実行方法。
【請求項5】
前記静的エンティティは、
前記クエリ中における複数の前記静的エンティティ毎に分割した場合の各分割クエリの処理時間に基づき、特定することを特徴とする請求項４に記載のクエリ実行方法。
前記クエリ中における複数の前記静的エンティティ毎に分割した場合の各分割クエリの処理時間に基づき、特定することを特徴とする請求項４に記載のクエリ実行方法。
【請求項6】
前記並列実行後の複数の分割クエリのクエリ実行結果について、並列処理した前後の分割クエリの前記起点のエンティティが等しければ正常と判断し、後段のクエリ結果を出力し、
各分割クエリの前記起点のエンティティが等しくなければ、後段のクエリに対する差分クエリを生成し、生成した差分クエリに基づく後段クエリを再投入する、
ことを特徴とする請求項１に記載のクエリ実行方法。
各分割クエリの前記起点のエンティティが等しくなければ、後段のクエリに対する差分クエリを生成し、生成した差分クエリに基づく後段クエリを再投入する、
ことを特徴とする請求項１に記載のクエリ実行方法。
【請求項7】
エンティティ同士が所定のリレーションシップを持ったデジタルツインに対し、投入される複数回のクエリを実行するクエリ実行プログラムにおいて、
前記クエリ中の前記エンティティのうち、データ内容の変更頻度が低いエンティティである静的エンティティを特定し、
特定した前記静的エンティティを起点として前記クエリを複数の分割クエリに分割し、
前記分割クエリを並列実行する、
処理をコンピュータに実行させることを特徴とするクエリ実行プログラム。
前記クエリ中の前記エンティティのうち、データ内容の変更頻度が低いエンティティである静的エンティティを特定し、
特定した前記静的エンティティを起点として前記クエリを複数の分割クエリに分割し、
前記分割クエリを並列実行する、
処理をコンピュータに実行させることを特徴とするクエリ実行プログラム。
【発明の詳細な説明】
【技術分野】
【0001】
本発明は、クエリ実行方法およびクエリ実行プログラムに関する。
【背景技術】
【0002】
デジタルツインにより、実際に稼働している対象物を仮想空間上にモデルとして表現できる。デジタルツインが保持する情報をアプリケーションが利用することで、各種のサービスを提供できる。デジタルツインは、リレーションシップを持ったデータであり、エンティティと、プロパティと、リレーションシップの３つのデータ型で表現される。クエリ実行によりデジタルツインのリレーションを辿ることで、データ同士の繋がりを探索できる。
【0003】
情報探索の先行技術としては、例えば、データベースに格納するＸＭＬデータの事前解析により木構造の中間表現を生成し、インデックスを用いた検索により木構造を辿り検索結果を得る技術がある。また、スレッド生成ユニットが連続イベント処理クエリを演算子で分割し、演算子毎の制約条件に基づいて、並列実行可能な部分クエリを抽出し、並列実行する技術がある。また、実世界のモデル化にあたり、インスタンス生成やインスタンスへのアクセスにより固有の実行空間を生成して処理を行うことで、実行空間の量に応じてシステム構成を柔軟に変更する技術がある。また、マーケティングキャンペーンの管理・分析のシステムにおいて、各データと処理に標準化したメタデータを付与し、動的および静的に連携して実行することで、リアルタイムかつインタラクティブなデータ処理を行う技術がある。また、ビッグデータからデータを抽出するシステムにおいて、検索クエリの到着で各リレーショナル・データベースのデータ取得クエリを生成して取得したデータを並列処理することで、複数種類のリレーショナル・データベースからのデータ抽出を行う技術がある。
【先行技術文献】
【特許文献】
【0004】
【特許文献1】特開２００１－３４６１９号公報
【特許文献2】特表２０１６－５１４２９９号公報
【特許文献3】特開平６－３３２７１１号公報
【特許文献4】米国特許第７７０７１６３号明細書
【特許文献5】米国特許第１０２６８７２２号明細書
【発明の概要】
【発明が解決しようとする課題】
【0005】
従来技術において、例えば、インデックスを用いた検索をデジタルツインに適用した場合、全てのデジタルツインの情報をインデックスに登録する必要がある。デジタルツインのエンティティは、静的および動的性質を有しており、情報が頻繁に変更される動的なエンティティについては、インデックスを用いた検索は困難である。
【0006】
従来技術では、単に投入したクエリに基づく検索等のデータ処理を実行し、エンティティが有する静的および動的な性質を考慮していない。このため、多段のリレーションシップを辿るエンティティの取得には、多数回のクエリ投入が必要となり時間がかかり、クエリ実行の処理効率を向上できなかった。
【0007】
一つの側面では、本発明は、エンティティが有する性質に基づく適切なクエリ分割によりクエリ実行の処理効率を向上できることを目的とする。
【課題を解決するための手段】
【0008】
本発明の一側面によれば、エンティティ同士が所定のリレーションシップを持ったデジタルツインに対し、投入される複数回のクエリを実行するクエリ実行方法において、前記クエリ中の前記エンティティのうち、データ内容の変更頻度が低いエンティティである静的エンティティを特定し、特定した前記静的エンティティを起点として前記クエリを複数の分割クエリに分割し、前記分割クエリを並列実行する、処理をコンピュータが実行することを要件とする。
【発明の効果】
【0009】
本発明の一態様によれば、エンティティが有する性質に基づく適切なクエリ分割によりクエリ実行の処理効率を向上できるという効果を奏する。
【図面の簡単な説明】
【0010】
【発明を実施するための形態】
【0011】
以下に図面を参照して、開示のクエリ実行方法およびクエリ実行プログラムの実施の形態を詳細に説明する。
【0012】
（実施の形態にかかるクエリ実行方法の一実施例）
図１は、実施の形態にかかるクエリ実行方法の概要を示す説明図である。実施の形態のクエリ実行装置１００は、例えば、デジタルツインへのアクセス時、デジタルツインのエンティティの関係性に基づくクエリを抽出し、クエリ中のエンティティの静的あるいは動的な性質を分類判断する。そして、クエリ実行装置１００は、エンティティの性質に基づきクエリを分割し、分割したクエリを並列実行する処理を行う。クエリ実行装置１００は、サーバ等のコンピュータである。
図１は、実施の形態にかかるクエリ実行方法の概要を示す説明図である。実施の形態のクエリ実行装置１００は、例えば、デジタルツインへのアクセス時、デジタルツインのエンティティの関係性に基づくクエリを抽出し、クエリ中のエンティティの静的あるいは動的な性質を分類判断する。そして、クエリ実行装置１００は、エンティティの性質に基づきクエリを分割し、分割したクエリを並列実行する処理を行う。クエリ実行装置１００は、サーバ等のコンピュータである。
【0013】
図１（ａ）には、デジタルツインのデータ構造例を示す。デジタルツイン（ＤＴ）は、エンティティＥと、プロパティＰと、リレーション（リレーションシップ）Ｒの３つのデータ型で表現される。
【0014】
実施の形態のクエリ実行装置１００について、例えば、デジタルツインに対しユーザの購買に関する行動履歴に基づきデジタルツインを探索し、ユーザに対し商品の推薦リストを作成するデータ処理（クエリ処理）の例を用いて説明する。ユーザ（来店者）は、行動履歴として、ショッピングセンターの店舗Ｂに来店して品を購入したとする。
【0015】
エンティティＥは、例えば、保有者または保有者の被保有物のデータである。図１（ａ）の例では、エンティティＥは、ユーザＵ、購買対象の品Ｅ１、および品を保有する店舗Ｅ２である。ここで、店舗Ｅ２を保有者とすると、保有者（店舗Ｅ２）の非保有物が品Ｅ１である。プロパティＰは、例えば、保有者の非保有物（品Ｅ１）を購入するユーザ（来店者）Ｕの行動履歴のデータである。リレーションシップＲは、プロパティとエンティティＥとの関係性を示すデータである。
【0016】
クエリ実行装置１００が実行するデータ処理の流れの例は、例えば、下記１．～５．である。
１．来店者（ユーザ）の購買に関する行動履歴を取得し、以前訪問した店舗Ｅ２が保有する商品Ｅ１一式を取得する。
２．各商品Ｅ１のメーカーα，β，…（Ｅ３、エンティティ）を取得対象として抽出する。
３．メーカーα，β，…それぞれが製造している商品Ｅ４（エンティティ）を取得する。
４．取得した商品の一覧（価格、売り上げ情報を含む）からユーザＵに対する商品推薦リストを生成する。
５．ユーザＵに対し、商品推薦リストを提示する。
１．来店者（ユーザ）の購買に関する行動履歴を取得し、以前訪問した店舗Ｅ２が保有する商品Ｅ１一式を取得する。
２．各商品Ｅ１のメーカーα，β，…（Ｅ３、エンティティ）を取得対象として抽出する。
３．メーカーα，β，…それぞれが製造している商品Ｅ４（エンティティ）を取得する。
４．取得した商品の一覧（価格、売り上げ情報を含む）からユーザＵに対する商品推薦リストを生成する。
５．ユーザＵに対し、商品推薦リストを提示する。
【0017】
ここで、店舗Ｅ２が保有する商品Ｅ１は、売り切れや、商品入れ替えにより頻繁に変更されるものであり、ある時期においては商品Ｅ１のデータは存在しない（削除等）場合がある。
【0018】
例えば、ｏｗｅｎｄＢｙは、エンティティのリレーションについて、実世界での上下関係を示すものであり、ｒｅｆＰｏｉｎｔｅｒは、エンティティのリレーションの上下関係を示していないものである。図１（ａ）には、リレーションシップＲを点線で示している。
【0019】
実施の形態のクエリ実行装置１００は、上下関係を示すリレーションによって、通常はわからない各エンティティの動的／あるいは静的な性質を抽出する。クエリ実行装置１００は、エンティティに上下関係がある場合、上位のエンティティはエンティティの作成／および削除頻度が少ない（静的エンティティ）と分類判断し、下位のエンティティはエンティティの作成／および削除頻度が多い（動的エンティティ）と分類判断する。
【0020】
静的なエンティティは、作成および削除頻度が少なく、また、数が少ないため、複数回のクエリ取得時においてもエンティティが存在し、同じエンティティが参照される可能性が高い。このため、クエリ実行装置１００は、静的なエンティティを並列処理の起点として利用する。例えば、クエリ実行装置１００は、クエリ取得時、このクエリを図１（ｂ）に示したように分割する。
【0021】
図１（ｂ）には、クエリ実行装置１００が取得する（クエリ実行装置１００に投入される）クエリＱの例を示す。この１文のクエリＱには、デジタルツインに対するデータ処理が示されている。このクエリＱが示す処理要求の概要を（３行）の各行毎に説明する。
【0022】
１．１ ユーザＵのデジタルツインの行動（Ａｃｔｉｖｉｔｙ）の中から訪問した店舗Ｂのリンクを取得。
１．２ 店舗Ｂのリンクのリレーションを辿って店舗Ｂのエンティティを取得。
１．３ 店舗ＢへｏｗｅｎｄＢｙリレーションを持っている在庫商品のエンティティを取得。
２．各在庫商品のデジタルツイン中のメーカーへのリンクのリレーションを辿ってメーカーのデジタルツインを取得し、重複削除。
３．各メーカーのデジタルツインへｏｗｅｎｄＢｙリレーションを持っている商品のデジタルツインを取得。
１．２ 店舗Ｂのリンクのリレーションを辿って店舗Ｂのエンティティを取得。
１．３ 店舗ＢへｏｗｅｎｄＢｙリレーションを持っている在庫商品のエンティティを取得。
２．各在庫商品のデジタルツイン中のメーカーへのリンクのリレーションを辿ってメーカーのデジタルツインを取得し、重複削除。
３．各メーカーのデジタルツインへｏｗｅｎｄＢｙリレーションを持っている商品のデジタルツインを取得。
【0023】
そして、実施の形態のクエリ実行装置１００は、１文のクエリＱの途中の静的なエンティティを起点として、クエリを分解し、分解したクエリを用いて並列にデータ取得を実行する。
【0024】
具体的には、図１（ｂ）に示すクエリＱについて、クエリ実行装置１００は、「あ」、「い」の２つのクエリに分解する。分解後の一方のクエリ「あ」は元のクエリＱの１、２行目、他方のクエリ「い」は元のクエリＱの３行目に相当する。
【0025】
図１（ａ）には、図１（ｂ）に示した分解後のクエリ「あ」、「い」にそれぞれ対応するデータ処理の範囲を示している。クエリ実行装置１００は、静的なエンティティについて店舗Ｂと、メーカーα、β、…を判断する。
【0026】
クエリ実行装置１００は、エンティティＥについて、店舗Ｂ（Ｅ２）については、下位の商品Ｅ１からｏｗｅｎｄＢｙで多く参照されているため、静的なエンティティと判断する。また、クエリ実行装置１００は、メーカーα、β、…（Ｅ３）については、下位の商品Ｅ４からｏｗｅｎｄＢｙで多く参照されているため、静的なエンティティと判断する。一方、クエリ実行装置１００は、ユーザ（来店者）Ｕについては、ｏｗｅｎｄＢｙで多く参照されていないため、動的なエンティティと判断する。
【0027】
図１（ａ）において、クエリ実行装置１００は、クエリ処理「あ」に対応する処理は、静的なエンティティである店舗Ｅ２と、静的なエンティティであるメーカーα、β、…の静的なエンティティＥ３の取得までの処理を含む。また、クエリ実行装置１００は、クエリ処理「い」に対応する処理は、各メーカーα，β，…の静的なエンティティＥ３からメーカーα，β，…が製造する商品のエンティティＥ４の取得までの処理を含む。
【0028】
図１（ａ）に示したように、店舗Ｂの来店者Ｕが商品「まんじゅう」と「クッキー」を購入したとする。この場合、クエリ実行装置１００は、上記処理により、商品「まんじゅう「クッキー」のメーカーα，βが製造している他の商品「せんべい」と「えびせん」をこの来店者Ｕに対して商品推薦リストとして提示する。
【0029】
リレーションシップＲが保有者（ｏｗｎｅｄＢｙ等）のエンティティＥ２（店舗Ｂ）はデータ内容の変更頻度が少ない。実施の形態のクエリ実行装置１００は、１回目のクエリの後、２回目以降のクエリでこのエンティティＥ２を起点とするクエリが再び来るものとの予測のもと探索のデータ処理を行う。データ内容の変更頻度が少ないエンティティＥ２を起点にするデータ処理により、無駄になる確率の少ないクエリの投入を可能にする。ここで、クエリ実行装置１００は、クエリＱについて、エンティティＥ２を起点として分割し、並列実行することで、データ処理時間の短縮を図る。
【0030】
なお、保有者（ｏｗｎｅｄＢｙ等）以外のエンティティ（たとえは品Ｅ１）はデータ内容の変更が多い（変更頻度が高い）ため、このエンティティＥ１を起点にすると、投機（並列）実行が無駄になる確率が高い。
【0031】
より具体的には、クエリ実行装置１００は、デジタルツインを利用するアプリケーションやサービスで処理からクエリを生成可能であることに基づき、エンティティ間の実世界の上下関係のリレーションを利用し、エンティティの性質を静的／動的に分類判断する。そして、クエリ実行装置１００は、静的なエンティティを起点としてクエリを分解し、分解したクエリを並列実行する。
【0032】
例えば、図１（ｂ）に示したように「あ」と「い」の２つに分解したクエリを並列実行することにより、要求されたクエリに基づくデータ処理を短時間で行えるようになる。また、クエリ実行装置１００は、多段のリレーションを辿るエンティティを短時間で取得できる。
【0033】
（既存の技術の説明）
ここで、既存の技術内容と課題を説明しておく。既存の技術のクエリ実行装置が実行するデータ処理の流れ（ユースケース）は、上述した実施の形態と同様に下記１．～４．であるとする。
ここで、既存の技術内容と課題を説明しておく。既存の技術のクエリ実行装置が実行するデータ処理の流れ（ユースケース）は、上述した実施の形態と同様に下記１．～４．であるとする。
【0034】
図２は、クエリ実行装置が実行するデータ処理の流れの例を示す図である。図２の例では図１対応のデータ処理を示す。クエリ実行装置１００は、下記の処理１．～４．を順次実行する。
１．来店者（ユーザＵ）の購買に関する行動履歴を取得し、以前訪問した店舗が保有する商品一式を取得する（ステップＳ２０１）。
２．各商品のメーカーを取得対象として抽出する（ステップＳ２０２）。
３．メーカーの商品一覧を取得する（ステップＳ２０３）。
４．取得した商品一覧（価格、売り上げ情報を含む）から来店者に対する商品推薦リストＬを生成する（ステップＳ２０４）。
５．ユーザＵに商品推薦リストＬを提示。
１．来店者（ユーザＵ）の購買に関する行動履歴を取得し、以前訪問した店舗が保有する商品一式を取得する（ステップＳ２０１）。
２．各商品のメーカーを取得対象として抽出する（ステップＳ２０２）。
３．メーカーの商品一覧を取得する（ステップＳ２０３）。
４．取得した商品一覧（価格、売り上げ情報を含む）から来店者に対する商品推薦リストＬを生成する（ステップＳ２０４）。
５．ユーザＵに商品推薦リストＬを提示。
【0035】
図３は、既存の技術によるデータ処理例を示す説明図である。図３に示すデジタルツインのデータ構造例自体は、実施の形態と同様であるとする。既存の技術で図２に示したデータ処理を行う場合を考える。例えば、データ処理装置が事前に利用するデジタルツインへのインデックスとして、来店者Ｕのエンティティ（ａｃｔｉｖｉｔｙ）には、ｒｅｃｅｎｔ（ショッピングセンター→店舗Ｂ→まんじゅう）のインデックスが作成済みであるとする。
【0036】
このように、デジタルツインにインデックス手法を用いた検索を行う場合には、全てのデジタルツインが事前に定義され、かつデータ変更がないことが望まれる。しかし、デジタルツインでは、エンティティには、図３の商品Ｅ１「まんじゅう」に示すように、店舗Ｂの商品の入れ替えや売り切れ等により、エンティティの作成／および削除頻度が多い動的な性質を有するものが含まれる。このため、デジタルツインに対し、インデックス手法による検索は適用することができない。
【0037】
また、既存の技術では、エンティティである品Ｅ１についてメーカーα、β、…別にそれぞれ１０００個ある場合、必要な情報を出力するために多くのリレーション（例えば、１０００個×メーカー数）を辿る必要があるため、データ処理時間が増大する。
【0038】
図４は、既存技術によるデータ処理時間を示すタイミングチャートである。図４には、デジタルツインのデータを保持するデジタルツイン（ＤＴ）システムＡに対し、ＤＴアクセスシステムＢがアクセスする構成例を示す。
【0039】
ＤＴアクセスシステムＢは、１回目のクエリ投入（ステップＳ４０１）により、ＤＴシステムＡにＡｐｉリクエストを送出する。ＤＴシステムＡは、１回目のクエリ処理を処理時間Ｔ１で実行し（ステップＳ４０２）、ＤＴアクセスシステムＢに１回目のクエリ結果を出力し、ＤＴアクセスシステムＢは、１回目のクエリ結果を出力する（ステップＳ４０３）。この後、ＤＴアクセスシステムＢは、２回目のクエリ投入（ステップＳ４０４）により、ＤＴシステムＡにＡｐｉリクエストを送出する。
【0040】
ＤＴシステムＡは、２回目のクエリ処理を処理時間Ｔ２で実行し（ステップＳ４０５）、ＤＴアクセスシステムＢに２回目のクエリ結果を出力し、ＤＴアクセスシステムＢは、２回目のクエリ結果を出力する（ステップＳ４０６）。なお、図４に示す横軸の時間軸において、実際は、クエリ実行の期間Ｔ１，Ｔ２部分が大部分の時間を占める。
【0041】
既存技術では、クエリ毎にシーケンシャルにクエリ処理を実施するため、クエリ数が増えるほど、ＤＴシステムＡでは累積的に全体のクエリ処理時間が増大する（Ｔ１＋Ｔ２）。例えば、図３で示したデータ処理では、多くのリレーション（例えば、１０００個×メーカー数）の回数のクエリ実行が必要となり、データ処理時間がかかることになる。
【0042】
（実施の形態のデータ処理の詳細説明）
以下、実施の形態のクエリ実行装置１００が行うデータ処理の詳細を説明する。
以下、実施の形態のクエリ実行装置１００が行うデータ処理の詳細を説明する。
【0043】
図５は、実施の形態に適用するデジタルツインのデータ構造例を示す図である。デジタルツイン（ＤＴ）は、エンティティＥと、プロパティＰと、リレーションシップＲの３つのデータ型で表現される。デジタルツインは、例えば、ＥＴＳＩによって標準化されたＮＧＳＩ－ＬＤや、Ａｚｕｒｅ（登録商標）ＤＴＤＬによって実装されている。
【0044】
ＥＴＳＩはＥｕｒｏｐｅａｎ Ｔｅｌｅｃｏｍｍｕｎｉｃａｔｉｏｎｓ Ｓｔａｎｄａｒｄｉｚａｔｉｏｎ Ｉｎｓｔｉｔｕｔｅの略である。ＮＧＳＩはＮｅｘｔ Ｇｅｎｅｒａｔｉｏｎ Ｓｅｒｖｉｃｅ Ｉｎｔｅｒｆａｃｅｓの略であり、ＬＤはＬｉｎｋｅｄ Ｄａｔａの略である。ＤＴＤＬはＤｉｇｉｔａｌ Ｔｗｉｎｓ Ｄｅｆｉｎｉｔｉｏｎ Ｌａｎｇｕａｇｅの略である。
【0045】
図５において、来店者（ユーザ）Ｕの行動履歴（購買履歴）がプロパティＰである。リレーションシップＲは、例えば、ｒｅｆＰｏｉｎｔｅｒ、ｏｗｎｅｄＢｙを用いて表現される。例えば、（１）「ユーザの購入情報 ｒｅｆＰｏｉｎｔｅｒ 消しゴム」は、ユーザＵの購入情報（プロパティＰ）に消しゴム（エンティティＥ１）が存在する、という意味である。また、（２）「消しゴム ｏｗｎｅｄＢｙ 雑貨店」は、消しゴム（Ｅ１）は雑貨店（Ｅ２）の被保有物である、という意味である。リレーションシップＲを辿ることで、繋いだデータ同士に意味を持たせることができる。
【0046】
【0047】
図６Ａに示すエンティティＥのリレーションシップＲには、実世界での上下関係を示すｏｗｅｎｄＢｙと、エンティティのリレーションの上下関係を示していないｒｅｆＰｏｉｎｔｅｒが存在している。
【0048】
このため、クエリ実行装置１００は、上下関係を示すリレーションによって、通常はわからない各エンティティの動的／あるいは静的な性質を抽出する。クエリ実行装置１００は、エンティティに上下関係がある場合、上位のエンティティはエンティティの作成／および削除頻度が少ない（静的）に分類判断し、下位のエンティティはエンティティの作成／および削除頻度が多い（動的）と分類判断する。
【0049】
具体的には、クエリ実行装置１００は、図６Ａに示す店舗Ｂ（エンティティＥ２）については、下位のデジタルツイン（エンティティＥ１）からｏｗｅｎｄＢｙで多く参照されているため、静的なエンティティと判断する。また、クエリ実行装置１００は、メーカーα、β、…（エンティティＥ３）については、下位のデジタルツイン（エンティティＥ４）からｏｗｅｎｄＢｙで多く参照されているため、静的なエンティティと判断する。
【0050】
一方、クエリ実行装置１００は、ユーザＵについては、ｏｗｅｎｄＢｙで多く参照されていないため、動的なエンティティと判断する。また、エンティティ（品）Ｅ１は、店舗Ｂに対しｏｗｅｎｄＢｙで多く参照し、下位に位置しており、クエリ実行装置１００はＥ１を動的なエンティティと判断する。また、エンティティ（品）Ｅ４は、メーカーα，β，…に対しｏｗｅｎｄＢｙで多く参照し、下位に位置しており、クエリ実行装置１００はＥ４を動的なエンティティと判断する。
【0051】
図６Ｂは、エンティティ間の上位関係の有無のテーブル例を示す図表である。クエリ実行装置１００は、図６Ａを用いて説明したエンティティ間の上下関係の有無を、図６Ｂに示す上下関係有無テーブル６００に予め設定しておく。
【0052】
上下関係有無テーブル６００には、リレーション名別の上下関係の有無（〇，×）が設定される。例えば、リレーション「ｏｗｅｎｄＢｙ」は上下関係を有する（〇）設定であり、その他のリレーション、例えば、「ｒｅｆＰｏｉｎｔｅｒ］は上限関係を有さない（×）と設定される。図６Ｂに示す例では、上下関係有無テーブル６００のリレーション「ｉｓＩｎ」は、上下関係を有さない（×）と設定している。この「ｉｓＩｎ」が上下関係を有する（〇）例については、後述する。
【0053】
クエリ実行装置１００は、図６Ａに示すデータ構造に対応して、図６Ｂの上下関係有無テーブル６００を作成しておく。これにより、クエリ実行装置１００は、データ処理時、上下関係有無テーブル６００の設定を参照し、デジタルツインのエンティティ間の上下関係、および静的あるいは動的なエンティティを判断する。
【0054】
静的なエンティティは、作成および削除頻度が少なく、また、数が少ないため、２回目以降の複数回のクエリ取得時においてもエンティティが存在し、同じエンティティが参照される可能性が高い。
【0055】
このため、実施の形態のクエリ実行装置１００は、図６Ｂに示したエンティティ間の上下関係有無テーブル６００参照による上下関係の有無の判断後、静的なエンティティを並列処理の起点として用いる（図１（ｂ）参照）。そして、クエリ実行装置１００は、２回目以降のクエリ投入時には、図１（ｂ）に示したように、クエリ途中の静的なエンティティを起点としてクエリを「あ」、「い」に分割し、分割した「あ」、「い」のクエリを並列実行する。
【0056】
図７Ａ，図７Ｂは、動的なエンティティを起点とした分割時の不具合を示す説明図である。図７Ａは時期ｔ１におけるクエリ分割時のデータ取得の流れ、図７Ｂは時期ｔ２におけるクエリ分割時のデータ取得の流れを示す。
【0057】
図７Ａに示す時期ｔ１において、動的なエンティティＥ１（品Ｅ１１，Ｅ１２）でクエリ分割することを考える。また、デジタルツインの探索では、最終的にエンティティＥ４のデータが欲しいため、このエンティティＥ４（品Ｅ４１，Ｅ４２）でクエリ分割することを考える。
【0058】
しかしながら、図７Ｂに示すように、時期ｔ２において、店舗ＢのエンティティＥ１は、数が多く（例えば、１０００個～）、データ内容が頻繁に変更（追加・削除）されるため、Ｅ１で分割を実行したとき、実際の結果と異なり無効となる。例えば、図７Ａに示す時期ｔ１のときに存在した品Ｅ１１は、図７Ｂに示す時期ｔ２では売り切れ等で存在していない（削除）とともに、図７Ａに示す時期ｔ１のときに存在していない品Ｅ１３が、図７Ｂに示す時期ｔ２で新たに販売（追加）されている。
【0059】
また、図７Ｂに示すように、メーカーα，β，…のエンティティＥ４は数が多く（例えば、２００個～）、入れ替わりや内部のプロパティ変更が多いため、エンティティＥ４も中身が入れ替わり、Ｅ４で分割実行しても実際の結果と異なり無効となる。例えば、品Ｅ４１，Ｅ４２は、図７Ａに示す時期ｔ１と、図７Ｂに示す時期ｔ２とでは内部のプロパティ（売上）がａ→ｂ，ｚ→ｚｚｚに変わっている。
【0060】
このように、動的エンティティ等、静的エンティティ以外のエンティティを起点としたクエリ分割を行おうとした場合には、エンティティが変化するため並列実行したデータ取得が無効になる。したがって、上述したように静的エンティティを起点とした分割が有効となる。
【0061】
以上の説明から、下記の条件１．～３．が導出される。
１．デジタルツインを利用するアプリケーションやサービスでは、処理からクエリを生成可能である。
２．エンティティ間の上下関係リレーションを利用することで、エンティティの性質が静的あるいは動的と判定可能である。
３．エンティティを起点としてクエリを分解、および並列実行可能である。
１．デジタルツインを利用するアプリケーションやサービスでは、処理からクエリを生成可能である。
２．エンティティ間の上下関係リレーションを利用することで、エンティティの性質が静的あるいは動的と判定可能である。
３．エンティティを起点としてクエリを分解、および並列実行可能である。
【0062】
したがって、実施の形態のクエリ実行装置１００は、デジタルツインを利用するアプリケーションやサービスのクエリにおいて、エンティティ間の上下関係を示すリレーションを利用し、動的あるいは静的なエンティティの性質を判定する。そして、クエリ実行装置１００は、静的なエンティティでクエリを分割し、分割したクエリを並列実行する。これにより、クエリ実行装置１００は、クエリ取得後、デジタルツインの探索によるデータ処理結果までのデータ処理を効率的に行い、また、取得時間を短縮化する。
【0063】
（データ処理の概要）
クエリ実行装置１００は、以下の処理Ａ．～Ｄ．の手順でデータ処理を行う。
Ａ．投入されたクエリに対し、１回目は通常通り処理を実行し、クエリ抽出する。
クエリ実行装置１００は、以下の処理Ａ．～Ｄ．の手順でデータ処理を行う。
Ａ．投入されたクエリに対し、１回目は通常通り処理を実行し、クエリ抽出する。
【0064】
Ｂ．上記Ａ．の処理実行後、クエリを解析する。クエリ解析では、クエリ中のエンティティの動的／静的を算出し、並列実行パターンを生成する。
【0065】
図８は、クエリ並列実行パターンテーブルの例を示す図表である。クエリ実行装置１００は、１回目のクエリ実行後、クエリ並列実行パターンテーブル８００を作成する。クエリ並列実行パターンテーブル８００は、クエリを並列実行するか否かを判定するために作成する。
【0066】
クエリ並列実行パターンテーブル８００は、トリガクエリ、並列実行クエリ、並列実行エンティティ、全体クエリ、の各項目を有する。トリガクエリは、実行済みクエリの先頭（図１（ｂ）の１．１に示したＵｓｅｒ．ａｃｔｉｖｉｔｙ．ｆｉｒｓｔ．ｐｌａｃｅ）であり、クエリ実行装置１００は、２回目移行にマッチングを行うため保存する。並列実行クエリは、並列実行するクエリ列（図１（ｂ）の「い」（｜ｍａｋｅｒ｜ ｒｅｌａｓｈｏｎｓｈｉｐ（ｏｗｎｅｄＢｙ））である。
【0067】
並列実行エンティティは、並列実行クエリで実行の基点となるエンティティであり、図１（ａ），（ｂ）に示すメーカーα，βである。全体クエリは、処理全体のクエリを結合したものである。
【0068】
Ｃ．投入された２回目以降のクエリに対する処理を実行する。
Ｃ－１．実行時にクエリを抽出し、クエリ並列実行パターンのトリガクエリ（Ｕｓｅｒ．ａｃｔｉｖｉｔｙ．ｆｉｒｓｔ．ｐｌａｃｅ）と現在のクエリ「あ」が一致するか検索する。
Ｃ－２．同じクエリの実行が検出された場合、メーカーα、メーカーβのエンティティを基点にクエリを前段クエリ「あ」と、並列実行クエリ「い」（｜ｍａｋｅｒ｜ ｒｅｌａｓｈｏｎｓｈｉｐ（ｏｗｎｅｄＢｙ））に分割し、「あ」、「い」を並列実行する。
Ｃ－１．実行時にクエリを抽出し、クエリ並列実行パターンのトリガクエリ（Ｕｓｅｒ．ａｃｔｉｖｉｔｙ．ｆｉｒｓｔ．ｐｌａｃｅ）と現在のクエリ「あ」が一致するか検索する。
Ｃ－２．同じクエリの実行が検出された場合、メーカーα、メーカーβのエンティティを基点にクエリを前段クエリ「あ」と、並列実行クエリ「い」（｜ｍａｋｅｒ｜ ｒｅｌａｓｈｏｎｓｈｉｐ（ｏｗｎｅｄＢｙ））に分割し、「あ」、「い」を並列実行する。
【0069】
Ｄ．「あ」、「い」の処理実行後、全体クエリと現在のクエリを比較する。
Ｄ－１．比較結果が同一のクエリだった場合には、並列実行したクエリの結果を出力する。
Ｄ－２．比較結果が異なるクエリの場合には、並列実行結果を捨て最新の結果をもとに後半のクエリを実行し、結果を出力する。
Ｄ－１．比較結果が同一のクエリだった場合には、並列実行したクエリの結果を出力する。
Ｄ－２．比較結果が異なるクエリの場合には、並列実行結果を捨て最新の結果をもとに後半のクエリを実行し、結果を出力する。
【0070】
（デジタルツインの実際のデータ例）
図９は、デジタルツインの実際のデータ例を示す図である。図９（ａ）には、デジタルツイン（ＤＴ）のエンティティＥ、プロパティＰ、リレーションシップＲの実際の構造例を示す。
図９は、デジタルツインの実際のデータ例を示す図である。図９（ａ）には、デジタルツイン（ＤＴ）のエンティティＥ、プロパティＰ、リレーションシップＲの実際の構造例を示す。
【0071】
図９（ａ）に示すデータ構造例において、来店者（ユーザＵ）の店舗Ｂとの関係の実際のデータ例を図９（ｂ）に示す。エンティティ（ユーザＵ、プロパティＰ）がリレーションシップＲ（ｒｅｆＰｏｉｎｔｅｒ）でエンティティＥ２（店舗Ｂ）に関連付けられている。
【0072】
図９（ｂ）に示すデータ内容は、例えば、エンティティＥには、識別子（ｉｄ）「ｕｓｅｒＡ」が設定される。プロパティＰには、ｔｙｐｅ「ｓｈｏｐｐｉｎｇ」、ｄａｔｅ「日付」、ｐｌａｃｅ「ショッピングセンターの店舗Ｂ」が設定される。リレーションシップＲには、リレーションシップのｔｙｐｅ「ｒｅｆＰｏｉｎｔｅｒ」、ｖａｌｕｅ「（店舗Ｂの情報、ＵＲＬ）ｅｘｐａｍｐｌｅ．ｃｏｍ．ｓｈｏｐｐｉｎｇｃｅｎｔｅｒＡ／ｓｈｏｐＢ」が設定される。
【0073】
また、図９（ａ）に示すデータ構造例において、エンティティＥ１（品）の店舗Ｂとの関係の実際のデータ例を図９（ｃ）に示す。エンティティＥ１（品、プロパティＰ）がリレーションシップＲ（ｏｗｅｎｄＢｙ）でエンティティＥ２（店舗Ｂ）に関連付けられている。図９（ｃ）に示すデータ内容は、例えば、エンティティＥには、ｉｄ「ｉｄ０００１」が設定される。プロパティＰには、ｎａｍｅ「（品名）まんじゅう］、メーカー「α」、売値「１００円」、場所「棚Ａ中央１」、在庫数「２９」が設定される。リレーションシップＲには、リレーションシップのｔｙｐｅ「ｏｗｅｎｄＢｙ」、ｖａｌｕｅ「（店舗Ｂの情報、ＵＲＬ）ｅｘｐａｍｐｌｅ．ｃｏｍ．ｓｈｏｐｐｉｎｇｃｅｎｔｅｒＡ／ｓｈｏｐＢ」が設定される。
【0074】
図１０は、並列実行時のクエリデータの詳細例を示す図である。図１０（ａ）は、抽出したクエリを示す。このクエリＱは、例えば、投入された２回目以降のクエリであり、ｉｄ「ｓａｍｐｌｅｑｕｅｌｙ」と、クエリＱの値ｑｕｅｒｙＶａｌｕｅとを有する。
【0075】
ｑｕｅｒｙＶａｌｕｅは、「（Ｕｓｅｒ．ａｃｔｉｖｉｔｙ．ｆｉｒｓｔ．ｐｌａｃｅ）．ｒｅｌａｓｈｏｎｓｈｉｐ（ｒｅｆＰｏｉｎｔｅｒ）．ｒｅｌａｓｈｏｎｓｈｉｐ（ｏｗｎｅｄＢｙ）．ｍａｋｅｒｓ．ｕｎｉｑ｛｜ｍａｋｅｒ｜ｒｅｌａｓｈｏｎｓｈｉｐ（ｏｗｎｅｄＢｙ）｝であるとする。
【0076】
クエリ実行装置１００は、図１０（ａ）に示すクエリＱを図１０（ｂ）に示す前段クエリ「あ」と、図１０（ｃ）に示す後段クエリ「い」に分割する。クエリ実行装置１００は、図１０（ｂ）に示す前段クエリ「あ」について、ｉｄを「ｓａｍｐｌｅｑｕｅｌｙ２」に設定し、そのｔｙｐｅとして前段クエリを示す「ｆｉｒｓｔ」と、ｑｕｅｒｙＶａｌｕｅと、ｍａｓｔｅｒＱｕｅｒｙＶａｌｕｅと、を設定する。
【0077】
ｑｕｅｒｙＶａｌｕｅは、クエリＱを分割した前段部分の値「（Ｕｓｅｒ．ａｃｔｉｖｉｔｙ．ｆｉｒｓｔ．ｐｌａｃｅ）．ｒｅｌａｓｈｏｎｓｈｉｐ（ｒｅｆＰｏｉｎｔｅｒ）．ｒｅｌａｓｈｏｎｓｈｉｐ（ｏｗｎｅｄＢｙ）．ｍａｋｅｒｓ．ｕｎｉｑ」である。ｍａｓｔｅｒＱｕｅｒｙＶａｌｕｅは、図１０（ａ）に示した全体のクエリＱの値である。
【0078】
また、クエリ実行装置１００は、図１０（ｃ）に示す後段クエリ「い」について、ｉｄを「ｓａｍｐｌｅｑｕｅｌｙ３」に設定する。また、クエリ実行装置１００は、ｔｙｐｅとして後段クエリを示す「ｓｅｃｏｎｄ」と、ｑｕｅｒｙＶａｌｕｅと、ｔａｒｇｅｔＥｎｔｉｔｙ（ターゲットのエンティティ）と、ｍａｓｔｅｒＱｕｅｒｙＶａｌｕｅと、を設定する。
【0079】
ｑｕｅｒｙＶａｌｕｅは、クエリＱを分割した後段部分の値「｛｜ｍａｋｅｒ｜ｒｅｌａｓｈｏｎｓｈｉｐ（ｏｗｎｅｄＢｙ）｝」である。ｔａｒｇｅｔＥｎｔｉｔｙは、「メーカーα、メーカーβ」である。ｍａｓｔｅｒＱｕｅｒｙＶａｌｕｅは、図１０（ａ）に示した全体のクエリＱの値である。
【0080】
図１１は、実施の形態によるデータ処理時間を示すタイミングチャートである。図１１には、デジタルツインのデータを保持するデジタルツイン（ＤＴ）システムＡに対し、ＤＴアクセスシステムＢがアクセスする構成例を示す。上述したクエリ実行装置１００は、ＤＴアクセスシステムＢに相当する。
【0081】
ＤＴアクセスシステムＢは、１回目のクエリ投入（ステップＳ１１０１）により、ＤＴシステムＡにＡｐｉリクエストを送出する。ＤＴシステムＡは、１回目のクエリ処理を処理時間Ｔ１で実行し（ステップＳ１１０２）、ＤＴアクセスシステムＢに１回目のクエリ結果を出力し、ＤＴアクセスシステムＢは、１回目のクエリ結果を出力する（ステップＳ１１０４）。
【0082】
また、ＤＴアクセスシステムＢは、（１）ステップＳ１１０１で投入されたクエリに対する抽出を行う（ステップＳ１１０３）。ステップＳ１１０３の抽出は、ＤＴシステムＡによる１回目のクエリ処理（ステップＳ１１０２）と並行して行う。
【0083】
ステップＳ１１０４の後、ＤＴアクセスシステムＢは、ステップＳ１１０３で抽出した（２）クエリを解析し、エンティティの性質が静的であるか動的であるかを求め、並列実行パターンを生成する（ステップＳ１１０５）。この後、ＤＴアクセスシステムＢは、２回目のクエリ投入（ステップＳ１１０６）により、ＤＴシステムＡにＡｐｉリクエストを送出する。ＤＴシステムＡは、２回目のクエリ処理を実行する（ステップＳ１１０７）。ステップＳ１１０７では、分割された前段クエリ「あ」の処理を実行する。
【0084】
ここで、ＤＴアクセスシステムＢは、（３－１）ステップＳ１１０１で投入された２回目のクエリを抽出し、トリガクエリ（「あ」のクエリ）とのマッチングを行う（ステップＳ１１０８）。次に、ＤＴアクセスシステムＢは、（３－２）ステップＳ１１０８のマッチング結果がトリガクエリにヒット（マッチング）すれば、並列実行する後段クエリ「い」を投入する（ステップＳ１１０９）。ステップＳ１１０８，ステップＳ１１０９の処理は、ＤＴシステムＡによる２回目のクエリ処理（ステップＳ１１０７）と並行して行う。
【0085】
ステップＳ１１０９により、ＤＴアクセスシステムＢは、ＤＴシステムＡにＡｐｉリクエストを送出する。ＤＴシステムＡは、２回目の並列実行クエリ「い」の処理を実行する（ステップＳ１１１０）。
【0086】
ここで、ＤＴシステムＡは、前段クエリ「あ」の処理（ステップＳ１１０７）と、後段クエリ「い」の処理（ステップＳ１１１０）とを並列実行する。前段クエリ「あ」と後段クエリ「い」の並列実行にかかる処理時間は、２回目のクエリを単独実行したときの時間Ｔ２（図４参照）よりも短くできる（「あ」＋「い」の処理時間＜Ｔ２）。
【0087】
ＤＴシステムＡは、２回目のクエリ結果として、ステップＳ１１０７とステップＳ１１１０それぞれのクエリ結果をＤＴアクセスシステムＢに出力する。ＤＴアクセスシステムＢは、（４）前段クエリ「あ」の処理（ステップＳ１１０７）と、後段クエリ「い」の処理（ステップＳ１１１０）のクエリ結果を比較する（ステップＳ１１１１）。そして、ＤＴアクセスシステムＢは、（４－１）並列実行したクエリの結果を出力する（ステップＳ１１１２）。
【0088】
ここで、ＤＴアクセスシステムＢは、並列実行したことによるクエリの結果に問題があった場合には、ＤＴシステムＡに再度アクセスする。そして、ＤＴアクセスシステムＢは、（４－２－１）最新の結果を元に後段クエリ「い」を再度実行し（ステップＳ１１１３）、クエリ結果をＤＴアクセスシステムＢに出力する。ＤＴアクセスシステムＢは、（４－２－２）クエリ結果を出力し（ステップＳ１１１４）、以上、２回目のクエリ投入迄の処理を終了する。
【0089】
以後、ＤＴシステムＡおよびＤＴアクセスシステムＢは、３回目以降のクエリ投入時、ステップＳ１１０６以降の処理を同様に実行する。なお、図１１に示す横軸の時間軸において、実際は、クエリ実行の期間「１回目のクエリ」、「２回目のクエリ「あ」，「い」」部分が大部分の時間を占める。
【0090】
上記処理において、ステップＳ１１０５で生成する並列実行パターンは、データ内容の変更頻度が少ないエンティティＥ２（店舗Ｂ）を起点とするクエリ分割を行っている。２回目以降、複数投入されるクエリは、前回同様のクエリが再び来ることが多い。この前提に基づく実施の形態によれば、多数回のクエリ投入に対する並列実行により、クエリ数が多いほど、既存技術に比してデータ処理時間を大幅に短縮できるようになる。
【0091】
実施の形態によれば、デジタルツインの多段のリレーションを辿るエンティティの取得時間の抑制を実現できる。一つのエンティティの取得にかかる時間を５０ｍｓと仮定すると、クエリ全体では前段クエリ：１０００＋後段クエリ：１０００×メーカー数（例では２以上）のエンティティ取得が行われる。なお、実際には静的エンティティも含まれるが、少数個であるため誤差範囲となる。そして、分割したクエリを並列実行することで、クエリにかかるデータ処理時間を、後段クエリのみの時間程度に抑制可能となる（＝１０００×５０ｍｓ＝５０秒の抑制（数十％に相当）。なお、クエリ実行装置１００は、投入されたクエリが並列実行可能なクエリパターンにヒットしなかった場合には、抑制は行わない。
【0092】
（データ処理の他の例－ｉｓＩｎへの適用例）
図１２は、クエリ実行装置が実行するデータ処理の他の例を示す説明図である。上述の説明では、リレーションシップとしてｏｗｅｎｄＢｙを例に説明した。図１２では、ｉｓＩｎに適用したデータ処理例として、例えば、ユーザが複数のオフィス間で移動して業務を行う前提であり、あるオフィスにいるユーザの人事ＤＢ上の本オフィスを探索し、空きオフィスを調査する例について説明する。ここで、オフィスの収容人数は、計画上適切に配分されているという想定であり、実際のオフィス利用傾向が計画と異なるため、探索を行う例について説明する。このような探索は、例えば人事部が行う。
図１２は、クエリ実行装置が実行するデータ処理の他の例を示す説明図である。上述の説明では、リレーションシップとしてｏｗｅｎｄＢｙを例に説明した。図１２では、ｉｓＩｎに適用したデータ処理例として、例えば、ユーザが複数のオフィス間で移動して業務を行う前提であり、あるオフィスにいるユーザの人事ＤＢ上の本オフィスを探索し、空きオフィスを調査する例について説明する。ここで、オフィスの収容人数は、計画上適切に配分されているという想定であり、実際のオフィス利用傾向が計画と異なるため、探索を行う例について説明する。このような探索は、例えば人事部が行う。
【0093】
図１２（ａ）には、クエリ実行装置が実行するデータ処理の流れの例を示す。クエリ実行装置１００は、例えば、下記の処理１．～５．を順次実行する。
１．あるユーザ（Ｕｓｅｒ１）の行動履歴を起点に調査オフィス（オフィスＡ）を決定する（ステップＳ１２０１）。例えば、オフィスＡを利用したユーザ（Ｕｓｅｒ１）から使用上の苦情が来た場合等に処理開始する。
２．オフィスＡを利用していたユーザ（Ｕｓｅｒ２，３）の本オフィス（オフィスＢ，Ｃ）を探索する（ステップＳ１２０２）。
３．各本オフィス（オフィスＢ，Ｃ）の利用者（Ｕｓｅｒ４，５）を抽出する（ステップＳ１２０３）。
４．各オフィス（オフィスＡ，Ｂ，Ｃ）の混雑具合を算出する（ステップＳ１２０４）。
５．各オフィスの収容人数の改善案Ｌを提示する。
１．あるユーザ（Ｕｓｅｒ１）の行動履歴を起点に調査オフィス（オフィスＡ）を決定する（ステップＳ１２０１）。例えば、オフィスＡを利用したユーザ（Ｕｓｅｒ１）から使用上の苦情が来た場合等に処理開始する。
２．オフィスＡを利用していたユーザ（Ｕｓｅｒ２，３）の本オフィス（オフィスＢ，Ｃ）を探索する（ステップＳ１２０２）。
３．各本オフィス（オフィスＢ，Ｃ）の利用者（Ｕｓｅｒ４，５）を抽出する（ステップＳ１２０３）。
４．各オフィス（オフィスＡ，Ｂ，Ｃ）の混雑具合を算出する（ステップＳ１２０４）。
５．各オフィスの収容人数の改善案Ｌを提示する。
【0094】
図１２（ｂ）には、データ処理例を示す。上述した説明同様に、各部に該当するエンティティＥ、リレーションシップＲを記載してある。ここで、動的なエンティティＥ１であるＵｓｅｒ２，３は、日毎・時間毎にオフィスが変わる可能性があり流動的であるとする。この場合、２回目以降等、次のクエリタイミングで同じエンティティＥ１が利用される可能性は低い。したがって、上述したクエリ分割および並列実行ではクエリ結果が異なる可能性が高い。
【0095】
ここで、クエリ実行装置１００は、ｉｓＩｎでＵｓｅｒ２，３の保有者（静的エンティティＥ３）となっているオフィスＢ，Ｃで分割を行う。オフィスＢ，Ｃは、Ｕｓｅｒ２，３の本オフィスであり、内容がほぼ変わらないエンティティであるため、次のクエリタイミングでも同じエンティティが利用される可能性が高い。この場合、クエリ実行装置１００は、このエンティティＥ３，Ｅ４を起点として、クエリを前段クエリと後段クエリに分割し、並列実行することで、効率的な探査を行うことができる。
【0096】
なお、図１２に示したｉｓＩｎの適用例において、図６Ｂに示したエンティティ間の上下関係有無テーブル６００は、ｉｓＩｎのみ「上下関係あり（〇）」と設定し、クエリ実行装置１００がこの上下関係有無テーブル６００を参照する。
【0097】
【0098】
クエリ実行装置１００には、クエリ投入アプリＣが作成したクエリＱが投入される。クエリ実行装置１００は、クエリ抽出部１３０１、クエリ並列実行パターン生成部１３０２、クエリ並列実行判定部１３０３、クエリ実行部１３０４、クエリ結果出力部１３０５を含む。また、クエリ実行装置１００は、並列クエリ実行結果保存部１３０６、クエリ結果整合部１３０７、再実行クエリ差分抽出部１３０８、を含む。
【0099】
クエリ抽出部１３０１は、クエリ投入アプリＣが作成したクエリＱが示すデジタルツインＤＴへのアクセス要求から、ＤＴのエンティティの関係性に基づくクエリを抽出する。クエリ抽出部１３０１は、上下関係有無テーブル６００（図６）を参照してクエリ抽出を行う。
【0100】
クエリ並列実行パターン生成部１３０２は、エンティティの特定リレーションの参照量に応じてクエリＱ中のエンティティの動的あるいは静的な性質を算出し、算出した性質を元にクエリＱを分割したクエリ並列実行パターンを生成する。
【0101】
クエリ並列実行判定部１３０３は、クエリ並列実行パターン生成部１３０２が生成したクエリ並列実行パターンについて、現在のクエリＱが並列実行可能かを判定する。クエリ並列実行判定部１３０３は、クエリ並列実行パターンテーブル８００（図８）を参照して現在のクエリＱが並列実行可能かを判定する。クエリ並列実行判定部１３０３は、判定結果が並列実行可能な場合は、元のクエリを前段クエリ「あ」と後段クエリ「い」に分割し、並列実行するクエリとしてクエリ実行部１３０４に出力する。
【0102】
クエリ実行部１３０４は、クエリ並列実行判定部１３０３から主力されたクエリ毎に対応するＤＴシステムＡにアクセスし、前段クエリ「あ」、後段クエリ「い」それぞれに対応する探索処理を行う。クエリ結果出力部１３０５は、クエリ実行部１３０４の探索によりクエリ結果をクエリ投入アプリＣに出力する。
【0103】
並列クエリ実行結果保存部１３０６は、並列実行したクエリの結果を保存する。クエリ結果整合部１３０７は、並列実行済みのクエリが流れてきた場合、その内容を確認する。クエリ結果整合部１３０７は、並列実行結果が正しい（すなわち、前段クエリ「あ」の結果エンティティと、後段クエリ「い」の開始エンティティが等しい）場合には、後段のクエリ結果を出力する。一方、並列続行結果が正しくない場合には、並列実行した後段クエリ「い」に対する正しい後段クエリ「い」を再投入する。クエリ結果整合部１３０７は、分割されていた前段クエリ「あ」と後段クエリ場合には結果を結合し、出力する。
【0104】
再実行クエリ差分抽出部１３０８は、クエリ結果整合部１３０７から受け取った並列実行した後段クエリ「い」と、再投入された正しい後段クエリ「い」とを比較し、取得が必要なエンティティのみを含む差分クエリおよび差分実行結果を生成する。再実行クエリ差分抽出部１３０８は、差分クエリをクエリ実行部１３０４に出力し、差分実行結果を並列クエリ実行結果保存部１３０６に出力する。
【0105】
このクエリ実行装置１００に対する追加機能として設けることができる。再実行クエリ差分抽出部１３０８は、並列実行した後段クエリと、実際の後段クエリが一部異なる場合に、後段クエリの差分を生成し、差分クエリのみを実行する。この再実行クエリ差分抽出部１３０８を設けることで、取得時間の抑制の効率化を図ることができる。
【0106】
（クエリ実行装置のハードウェア構成例）
図１４は、クエリ実行装置のハードウェア構成例を示す図である。クエリ実行装置１００は、図１４に示す汎用のハードウェアからなるサーバ等のコンピュータで構成することができる。
図１４は、クエリ実行装置のハードウェア構成例を示す図である。クエリ実行装置１００は、図１４に示す汎用のハードウェアからなるサーバ等のコンピュータで構成することができる。
【0107】
クエリ実行装置１００は、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）１４０１と、メモリ１４０２と、ネットワークＩ／Ｆ（Ｉｎｔｅｒｆａｃｅ）１４０３と、を有する。また、クエリ実行装置１００は、記録媒体Ｉ／Ｆ１４０４と、記録媒体１４０５と、可搬型記録媒体Ｉ／Ｆ１４０６と、可搬型記録媒体１４０７と、を有する。また、各構成部は、バス１４００によってそれぞれ接続される。
【0108】
ＣＰＵ１４０１は、クエリ実行装置１００の全体の制御を司る制御部として機能する。ＣＰＵ１４０１は、複数のコアを有していてもよい。メモリ１４０２は、例えば、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）およびフラッシュＲＯＭなどを有する。具体的には、例えば、フラッシュＲＯＭがＯＳのプログラムを記憶し、ＲＯＭがアプリケーションプログラムを記憶し、ＲＡＭがＣＰＵ１４０１のワークエリアとして使用される。メモリ１４０２に記憶されるプログラムは、ＣＰＵ１４０１にロードされることで、コーディングされている処理をＣＰＵ１４０１に実行させる。
【0109】
ネットワークＩ／Ｆ１４０３は、通信回線を通じてネットワークＮＷに接続され、ネットワークＮＷを介して外部のコンピュータに接続される。外部のコンピュータは、例えば、クエリ投入アプリＣを有する外部の端末装置等である。そして、ネットワークＩ／Ｆ１４０３は、ネットワークＮＷと装置内部とのインターフェースを司り、外部のコンピュータからのデータの入出力を制御する。ネットワークＩ／Ｆ１４０３には、例えば、モデムやＬＡＮアダプタなどを採用することができる。
【0110】
記録媒体Ｉ／Ｆ１４０４は、ＣＰＵ１４０１の制御にしたがって記録媒体１４０５に対するデータのリード／ライトを制御する。記録媒体１４０５は、記録媒体Ｉ／Ｆ１４０４の制御で書き込まれたデータを記憶する。記録媒体１４０５としては、例えば、磁気ディスク、光ディスクなどが挙げられる。
【0111】
可搬型記録媒体Ｉ／Ｆ１４０６は、ＣＰＵ１４０１の制御にしたがって可搬型記録媒体１４０７に対するデータのリード／ライトを制御する。可搬型記録媒体１４０７は、可搬型記録媒体Ｉ／Ｆ１４０６の制御で書き込まれたデータを記憶する。可搬型記録媒体１４０７としては、例えば、ＣＤ（Ｃｏｍｐａｃｔ Ｄｉｓｃ）－ＲＯＭ、ＤＶＤ（Ｄｉｇｉｔａｌ Ｖｅｒｓａｔｉｌｅ Ｄｉｓｋ）、ＵＳＢ（Ｕｎｉｖｅｒｓａｌ Ｓｅｒｉａｌ Ｂｕｓ）メモリなどが挙げられる。
【0112】
なお、クエリ実行装置１００は、上述した構成部の他に、例えば、入力装置、ディスプレイなどを有することにしてもよい。
【0113】
図１３に示したクエリ抽出部１３０１～再実行クエリ差分抽出部１３０８の機能は、図１４に示したＣＰＵ１４０１がプログラム実行することで機能を実現できる。図６に示した上下関係有無テーブル６００と、図８に示したクエリ並列実行パターンテーブル８００は、例えば、図１４に示したメモリ１４０２、記録媒体１４０５、可搬型記録媒体１４０７を用いて機能を実現できる。
【0114】
【0115】
クエリ実行装置１００（ＣＰＵ１４０１）は、クエリ処理を行うプログラムを実行することで（ステップＳ１５０１）、以下の処理を行う。はじめに、クエリ実行装置１００は、投入されたクエリＱからＤＴのエンティティの関係性に基づくクエリを抽出する（ステップＳ１５０２）。
【0116】
次に、クエリ実行装置１００は、抽出したクエリがクエリ並列実行パターンに一致するか否かを判定する（ステップＳ１５０３）。判定結果が一致しなければ（ステップＳ１５０３：Ｎｏ）、クエリ実行装置１００は、ステップＳ１５０４以下の処理に移行する。一方、判定結果が一致すれば（ステップＳ１５０３：Ｙｅｓ）、クエリ実行装置１００は、ステップＳ１５０８以下の処理に移行する。
【0117】
ステップＳ１５０４では、クエリ実行装置１００は、クエリＱを実行する（ステップＳ１５０４）。次に、クエリ実行装置１００は、クエリＱ中の各エンティティの静的／動的な性質を算出する（ステップＳ１５０５）。
【0118】
次に、クエリ実行装置１００は、ステップＳ１５０５で算出した各エンティティ中に静的エンティティが存在するか否かを判断する（ステップＳ１５０６）。判断結果、存在する場合には（ステップＳ１５０６：Ｙｅｓ）、クエリ実行装置１００は、ステップＳ１５０７の処理に移行する。一方、判断結果、存在しない場合には（ステップＳ１５０６：Ｎｏ）、クエリ実行装置１００は、ステップＳ１５０１の処理に戻る。
【0119】
ステップＳ１５０７では、クエリ実行装置１００は、静的なエンティティを抽出し、この静的エンティティを起点にクエリ並列実行パターンを生成し（ステップＳ１５０７）、ステップＳ１５０１の処理に戻る。
【0120】
また、ステップＳ１５０８では、クエリ実行装置１００は、クエリ並列実行パターンの並列実行エンティティを起点に、クエリＱを前段クエリ「あ」と並列実行クエリ（後段クエリ「い」）に分割し、並列実行する（ステップＳ１５０８）。
【0121】
次に、クエリ実行装置１００は、前段クエリ「あ」の処理終了後、前段クエリ「あ」の結果と並列実行エンティティが一致しているかを確認する（ステップＳ１５０９）。クエリ実行装置１００は、前段クエリ「あ」の結果と並列実行エンティティが一致していれば（ステップＳ１５１０：Ｙｅｓ）、並列実行クエリの結果を出力する（ステップＳ１５１１）。
【0122】
一方、前段クエリ「あ」の結果と並列実行エンティティが一致していなければ（ステップＳ１５１０：Ｎｏ）、クエリ実行装置１００は、並列実行結果クエリ（後段クエリ「い」）の結果を捨てる。そして、クエリ実行装置１００は、前段クエリ「あ」の結果を元に並列実行クエリを実行する（ステップＳ１５１２）。
【0123】
クエリ実行装置１００は、ステップＳ１５１１、あるいはステップＳ１５１２の処理後、初期状態（ステップＳ１５０１）に戻る。
【0124】
【0125】
Ｓ１５０７では、はじめに、クエリ実行装置１００は、各性的エンティティのクエリ中における出現順序を算出する（ステップＳ１５０７ａ）。出現順序は処理の段階を示している。例えば、図１，図７Ｂに示した「店舗Ｂ」は２番目、「メーカーα，メーカーβ」は４番目となる。
【0126】
次に、クエリ実行装置１００は、同じ出現順序の各静的エンティティについて、各静的エンティティを分割起点とした場合のクエリ前後の処理時間を算出する（ステップＳ１５０７ｂ）。
【0127】
次に、クエリ実行装置１００は、ステップＳ１５０７ｂで算出した各処理時間の差が所定の閾値以内であるか否かを判断する（ステップＳ１５０７ｃ）。閾値は、例えば、３０秒、クエリ全体処理時間の１／３、等である。ここで、クエリ実行装置１００は、処理時間の閾値は、クエリ全体が前段、後段で一定の長さ以上で分割されているかを判定している。各処理時間の差が閾値を超える場合には（ステップＳ１５０７ｃ：Ｙｅｓ）、クエリ実行装置１００は、ステップＳ１５０７ｄの処理に移行する。一方、各処理時間の差が閾値以内の場合には（ステップＳ１５０７ｃ：Ｎｏ）、分割場所が前後どちらかに偏っており、並列処理の効果が薄いため、クエリ実行装置１００は、クエリ分割を行わず、ステップＳ１５０１の処理に戻る。
【0128】
ステップＳ１５０７ｄでは、クエリ実行装置１００は、同じ出現順序の静的なエンティティを抽出し、抽出したエンティティを起点にクエリを分割し、クエリ並列実行パターンを生成する（ステップＳ１５０７ｄ）。
【0129】
図１６に示した処理例では、以下２つの処理を行う。ここでは、一つの同じ出現順序のエンティティ群を選び、選んだクエリを「あ」と「い」の２つに分割することを想定している。
【0130】
クエリ実行装置１００は、下記２つの分割時の各処理時間を算出する。
分割の一つ目：店舗Ｂを起点に前後の処理時間を算出（例えば、店舗Ｂ前３秒：店舗Ｂ後８７秒）。
分割の二つ目：メーカーα、メーカーβ…を起点として前後の処理時間を算出（例えば、メーカーα，β…前４０秒、メーカーα，β後５０秒）。
分割の一つ目：店舗Ｂを起点に前後の処理時間を算出（例えば、店舗Ｂ前３秒：店舗Ｂ後８７秒）。
分割の二つ目：メーカーα、メーカーβ…を起点として前後の処理時間を算出（例えば、メーカーα，β…前４０秒、メーカーα，β後５０秒）。
【0131】
クエリ実行装置１００は、ステップＳ１５０７ｃで前後の処理時間の差をチェックすることで、図１の「い」に示すように、メーカーα，β側を分割起点として選んでいる。
【0132】
図１７は、クエリ実行装置が実行するクエリ実行の処理例の詳細を示すフローチャートである。図１７には、図１５で説明したクエリ分割処理（Ｓ１５０７）を詳細に示し、他の処理部分には図１５と同じ符号を付してある。そして、図１７では、クエリ分割をさらに複数、例えば３分割できるかを判定する処理例を説明する。
【0133】
図１７に示す処理例では、３分割できるかの判定を行うため、以下３つの処理を行う。そして、図１７に示すクエリ分割が分割時の処理であるステップＳ１５０７（ステップＳ１５０７ａ～ステップＳ１５０７ｄ）の基本処理自体は、図１６と同様にでき、ステップＳ１５０７ｃの閾値判定で用いる閾値のみ変更している（３０秒→２０秒）。
【0134】
クエリ実行装置１００は、下記３つの分割時の各処理時間を算出する。
分割の一つ目：クエリ先頭と店舗Ｂ間の処理時間を算出（例：２５秒）。
分割の二つ目：店舗Ｂとメーカーα、メーカーβ…間の処理時間を算出（例：３０秒）。
分割の三つ目：メーカーα、メーカーβ…と、クエリ末端までの処理時間を算出（例：３５秒）。
分割の一つ目：クエリ先頭と店舗Ｂ間の処理時間を算出（例：２５秒）。
分割の二つ目：店舗Ｂとメーカーα、メーカーβ…間の処理時間を算出（例：３０秒）。
分割の三つ目：メーカーα、メーカーβ…と、クエリ末端までの処理時間を算出（例：３５秒）。
【0135】
そして、クエリ実行装置１００は、これら３区間の分散を求める、１６．６６…と算出する。この場合、分散の算出結果が閾値以内のため、クエリ実行装置１００は、３分割を実施する。分散算出は、下記ＵＲＬに掲示されているように周知である。ＵＲＬ：ｈｔｔｐｓ：／／ｓｃｉ－ｐｕｒｓｕｉｔ．ｃｏｍ／ｍａｔｈ／ｓｔａｔｉｓｔｉｃｓ／ｖａｒｉａｎｃｅ．ｈｔｍｌ＃
【0136】
上述した説明では、実施の形態のクエリ実行装置１００は、ユーザＵの買い物向けレコメンドをユースケースとして説明した。実施の形態は、これに限らず、ユーザ行動履歴から訪問場所の周辺の店舗リストを取得し、同種の観光場所を検索してレコメンドするユースケースにも適用できる。さらには、企業の情報を検索して、同じ会社を検索してレコメンドするユースケースにも適用できる等、各種ユースケースにおけるデジタルツインの探索に適用できる。
【0137】
以上説明した実施の形態のクエリ実行装置１００は、エンティティ同士が所定のリレーションシップを持ったデジタルツインに対し、投入される複数回のクエリを実行する。クエリ実行装置１００は、クエリ中のエンティティのうち、データ内容の変更頻度が低いエンティティである静的エンティティを特定し、特定した静的エンティティを起点としてクエリを複数の分割クエリに分割し、分割クエリを並列実行する。このように、データ内容の変更頻度が低いエンティティであるエンティティを起点とするクエリ分割において、２回目以降、複数投入されるクエリは、前回同様のクエリが再び来ることが多い。このような前提において、多数回のクエリ投入に対する並列実行により、クエリ数が多いほど、データ処理時間を大幅に短縮できることになる。デジタルツインにおける多段のリレーションシップを辿るエンティティの取得には、多数回のクエリ投入が必要となるが、実施の形態によれば、適切なクエリ分割と分割クエリに並列実行により、クエリ実行の処理効率を向上できるようになる。
【0138】
また、クエリ実行装置１００は、静的エンティティは、クエリから、デジタルツインが有するエンティティと、プロパティと、リレーションシップを抽出する。そして、クエリ実行装置１００は、ＯｗｅｎｄＢｙやｉｓＩｎ等の特定のリレーションシップを有するエンティティを静的エンティティと特定してもよい。例えば、予めリレーションシップを有するエンティティを静的エンティティとして設定しておくことで、エンティティのうち静的エンティティを容易に特定できるようになる。
【0139】
また、クエリ実行装置１００は、クエリの分割は、投入されたクエリがクエリ並列実行パターンに一致するか否かにより分割の有無を判断する。そして、クエリ実行装置１００は、クエリ並列実行パターンに一致すれば、クエリを分割し、クエリ並列実行パターンに一致しなければ、クエリを分割せずにクエリ実行することとしてもよい。これにより、投入されるクエリに対する分割お予備並列実行の有無を適切に判断でき、処理効率を向上できるようになる。
【0140】
また、クエリ実行装置１００は、クエリ並列実行パターンを１回目に投入されたクエリから、デジタルツインが有するエンティティと、プロパティと、リレーションシップを抽出し、特定のリレーションシップを有するエンティティを静的エンティティと特定する。クエリ実行装置１００は、特定した静的エンティティを起点としてクエリを複数に分割するクエリ実行パターンを生成する。そして、クエリ実行装置１００は、２回目以降に投入されるクエリに対し、投入されたクエリが、生成したクエリ並列実行パターンに一致するか否かにより分割の有無を判断する。クエリ実行装置１００は、クエリ並列実行パターンに一致すれば、クエリを分割し、分割した複数のクエリを並列実行することとしてもよい。このように、投入される１回目のクエリを解析し、クエリ実行パターンを生成しておくことで、２回目以降複数回投入されるクエリをクエリ実行パターンに基づき並列実行でき、クエリ実行の処理効率を向上できるようになる。
【0141】
また、クエリ実行装置１００は、静的エンティティは、クエリ中における複数の静的エンティティ毎に分割した場合の各分割クエリの処理時間に基づき、特定することとしてもよい。例えば、クエリ実行装置１００は、処理時間は、分割クエリの数に応じて設定する。これにより、静的エンティティを起点としたクエリの分割を適切に行えるようになる。
【0142】
また、クエリ実行装置１００は、並列実行後の複数の分割クエリのクエリ実行結果について、並列処理した前後の分割クエリの起点のエンティティが等しければ正常と判断し、後段のクエリ結果を出力する。クエリ実行装置１００は、各分割クエリの起点のエンティティが等しくなければ、後段のクエリに対する差分クエリを生成し、生成した差分クエリに基づく後段クエリを再投入することとしてもよい。これにより、分割クエリの並列実行を実行結果に基づき適切に判断でき、分割クエリの並列処理の効率化を図ることができるようになる。
【0143】
なお、本発明の実施の形態で説明したクエリ実行方法は、予め用意されたプログラムをサーバ等のプロセッサに実行させることにより実現することができる。本方法は、ハードディスク、フレキシブルディスク、ＣＤ－ＲＯＭ（Ｃｏｍｐａｃｔ Ｄｉｓｃ－Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）、ＤＶＤ（Ｄｉｇｉｔａｌ Ｖｅｒｓａｔｉｌｅ Ｄｉｓｋ）、フラッシュメモリ等のコンピュータで読み取り可能な記録媒体に記録され、コンピュータによって記録媒体から読み出されることによって実行される。また本方法は、インターネット等のネットワークを介して配布してもよい。
【0144】
上述した実施の形態に関し、さらに以下の付記を開示する。
【0145】
（付記１）エンティティ同士が所定のリレーションシップを持ったデジタルツインに対し、投入される複数回のクエリを実行するクエリ実行方法において、
前記クエリ中の前記エンティティのうち、データ内容の変更頻度が低いエンティティである静的エンティティを特定し、
特定した前記静的エンティティを起点として前記クエリを複数の分割クエリに分割し、
前記分割クエリを並列実行する、
処理をコンピュータが実行することを特徴とするクエリ実行方法。
前記クエリ中の前記エンティティのうち、データ内容の変更頻度が低いエンティティである静的エンティティを特定し、
特定した前記静的エンティティを起点として前記クエリを複数の分割クエリに分割し、
前記分割クエリを並列実行する、
処理をコンピュータが実行することを特徴とするクエリ実行方法。
【0146】
（付記２）前記静的エンティティは、
前記クエリから、前記デジタルツインが有するエンティティと、プロパティと、リレーションシップを抽出し、特定のリレーションシップを有するエンティティを前記静的エンティティと特定する、
ことを特徴とする付記１に記載のクエリ実行方法。
前記クエリから、前記デジタルツインが有するエンティティと、プロパティと、リレーションシップを抽出し、特定のリレーションシップを有するエンティティを前記静的エンティティと特定する、
ことを特徴とする付記１に記載のクエリ実行方法。
【0147】
（付記３）前記クエリの分割は、
投入された前記クエリがクエリ並列実行パターンに一致するか否かにより分割の有無を判断し、
前記クエリ並列実行パターンに一致すれば、前記クエリを分割し、
前記クエリ並列実行パターンに一致しなければ、前記クエリを分割せずにクエリ実行する、
ことを特徴とする付記１に記載のクエリ実行方法。
投入された前記クエリがクエリ並列実行パターンに一致するか否かにより分割の有無を判断し、
前記クエリ並列実行パターンに一致すれば、前記クエリを分割し、
前記クエリ並列実行パターンに一致しなければ、前記クエリを分割せずにクエリ実行する、
ことを特徴とする付記１に記載のクエリ実行方法。
【0148】
（付記４）前記クエリ並列実行パターンは、
１回目に投入された前記クエリから、前記デジタルツインが有するエンティティと、プロパティと、リレーションシップを抽出し、特定のリレーションシップを有するエンティティを前記静的エンティティと特定し、
特定した前記静的エンティティを起点として前記クエリを複数に分割する前記クエリ実行パターンを生成し、
２回目以降に投入される前記クエリに対し、
投入された前記クエリが、生成した前記クエリ並列実行パターンに一致するか否かにより分割の有無を判断し、
前記クエリ並列実行パターンに一致すれば、前記クエリを分割し、
分割した複数の前記クエリを並列実行する、
ことを特徴とする付記１に記載のクエリ実行方法。
１回目に投入された前記クエリから、前記デジタルツインが有するエンティティと、プロパティと、リレーションシップを抽出し、特定のリレーションシップを有するエンティティを前記静的エンティティと特定し、
特定した前記静的エンティティを起点として前記クエリを複数に分割する前記クエリ実行パターンを生成し、
２回目以降に投入される前記クエリに対し、
投入された前記クエリが、生成した前記クエリ並列実行パターンに一致するか否かにより分割の有無を判断し、
前記クエリ並列実行パターンに一致すれば、前記クエリを分割し、
分割した複数の前記クエリを並列実行する、
ことを特徴とする付記１に記載のクエリ実行方法。
【0149】
（付記５）前記静的エンティティは、
前記クエリ中における複数の前記静的エンティティ毎に分割した場合の各分割クエリの処理時間に基づき、特定することを特徴とする付記４に記載のクエリ実行方法。
前記クエリ中における複数の前記静的エンティティ毎に分割した場合の各分割クエリの処理時間に基づき、特定することを特徴とする付記４に記載のクエリ実行方法。
【0150】
（付記６）前記処理時間は、前記分割クエリの数に応じて設定する、ことを特徴とする付記５に記載のクエリ実行方法。
【0151】
（付記７）前記並列実行後の複数の分割クエリのクエリ実行結果について、並列処理した前後の分割クエリの前記起点のエンティティが等しければ正常と判断し、後段のクエリ結果を出力し、
各分割クエリの前記起点のエンティティが等しくなければ、後段のクエリに対する差分クエリを生成し、生成した差分クエリに基づく後段クエリを再投入する、
ことを特徴とする付記１に記載のクエリ実行方法。
各分割クエリの前記起点のエンティティが等しくなければ、後段のクエリに対する差分クエリを生成し、生成した差分クエリに基づく後段クエリを再投入する、
ことを特徴とする付記１に記載のクエリ実行方法。
【0152】
（付記８）エンティティ同士が所定のリレーションシップを持ったデジタルツインに対し、投入される複数回のクエリを実行するクエリ実行プログラムにおいて、
前記クエリ中の前記エンティティのうち、データ内容の変更頻度が低いエンティティである静的エンティティを特定し、
特定した前記静的エンティティを起点として前記クエリを複数の分割クエリに分割し、
前記分割クエリを並列実行する、
処理をコンピュータに実行させることを特徴とするクエリ実行プログラム。
前記クエリ中の前記エンティティのうち、データ内容の変更頻度が低いエンティティである静的エンティティを特定し、
特定した前記静的エンティティを起点として前記クエリを複数の分割クエリに分割し、
前記分割クエリを並列実行する、
処理をコンピュータに実行させることを特徴とするクエリ実行プログラム。
【符号の説明】
【0153】
１００ クエリ実行装置
６００ 上下関係有無テーブル
８００ クエリ並列実行パターンテーブル
１３０１ クエリ抽出部
１３０２ クエリ並列実行パターン生成部
１３０３ クエリ並列実行判定部
１３０４ クエリ実行部
１３０５ クエリ結果出力部
１３０６ 並列クエリ実行結果保存部
１３０７ クエリ結果整合部
１３０８ 再実行クエリ差分抽出部
１４０１ ＣＰＵ
１４０２ メモリ
１４０３ ネットワークＩ／Ｆ
１４０５ 記録媒体
１４０７ 可搬型記録媒体
Ａ ＤＴシステム
Ｂ ＤＴアクセスシステム
Ｃ クエリ投入アプリ
ＤＴ デジタルツイン
Ｅ（Ｅ１～Ｅ４） エンティティ
ＮＷ ネットワーク
Ｐ プロパティ
Ｑ クエリ
Ｒ リレーションシップ
Ｕ ユーザ
６００ 上下関係有無テーブル
８００ クエリ並列実行パターンテーブル
１３０１ クエリ抽出部
１３０２ クエリ並列実行パターン生成部
１３０３ クエリ並列実行判定部
１３０４ クエリ実行部
１３０５ クエリ結果出力部
１３０６ 並列クエリ実行結果保存部
１３０７ クエリ結果整合部
１３０８ 再実行クエリ差分抽出部
１４０１ ＣＰＵ
１４０２ メモリ
１４０３ ネットワークＩ／Ｆ
１４０５ 記録媒体
１４０７ 可搬型記録媒体
Ａ ＤＴシステム
Ｂ ＤＴアクセスシステム
Ｃ クエリ投入アプリ
ＤＴ デジタルツイン
Ｅ（Ｅ１～Ｅ４） エンティティ
ＮＷ ネットワーク
Ｐ プロパティ
Ｑ クエリ
Ｒ リレーションシップ
Ｕ ユーザ
【図1】
【図2】
【図3】
【図4】
【図5】
【図6A】
【図6B】
【図7A】
【図7B】
【図8】
【図9】
【図10】
【図11】
【図12】
【図13】
【図14】
【図15】
【図16】
【図17】