Dec, 2018

扩展内存中的 Datalog 处理：观察和技术

PDF
TL;DR本文提出了一种名为 RecStep 的通用 Datalog 引擎，该引擎基于并行单节点关系型系统，通过对多种技术的运用，在大规模数据处理方面表现非常出色，相较于现有并行 Datalog 引擎有 4-6 倍的性能提升，同时证明了过去的质疑，表明在关系引擎之上可以构建高性能的 Datalog 系统。
recursive query processingdatalog engineparallel single-node relational systemgraph analyticsprogram-analysis
发现论文，激发创造
  • 大数据推理和高级分析的扩展

    BigDatalog 是 Datalog 的扩展，旨在实现在 Apache Spark 和多核系统上的性能和可扩展性，其图分析性能优于 GraphX，通过实现技术（例如半朴素极限和魔术集）解决了在递归中使用数量、总和和极值等问题。

    Jul, 2018

  • 聚合递归在图分析到机器学习中的大数据应用

    使用 PreM 概念优化聚合 - 分层程序的语义，使递归逻辑程序和演绎数据库具有高效操作语义，并使其能够在分布式平台上具有优越的性能和可扩展性，进而可实现各种数据挖掘和机器学习应用的声明式表达，包括 Datalog、Prolog 和 SQL

    Sep, 2019

  • 大规模场景中预计算 Datalog 评估计划

    本文介绍一种用于优化 Datalog 查询的索引技术，通过确定最佳索引方案及 Datalog 规则的适当排列来降低内存消耗并优化查询效率，结果表明在不损失效率的情况下，内存使用显著减少。

    Jul, 2019

  • 使用超树分解增强 Datalog 推理

    本文提供了应用超树分解来优化和简化 Datalog 程序的算法，并与标准 Datalog 和增量规则评估方法相结合。经过实验证明，当程序包含复杂规则时，这种方法通常比基线方法快得多。

    May, 2023

  • 在数据库和逻辑编程系统中尝试递归查询

    本文介绍了一个名为 DLV$^{DB}$ 的新系统，该系统旨在解决推理海量数据时存在的主存限制，外部数据库管理系统的互动不易等问题，并在比较逻辑推理和数据库的几个先前的系统（LDL ++，XSB，Smodels 和三个顶级商业 DBMS）的实验分析中获得了显着的效能优势。

    Apr, 2007

  • 大规模知识图谱的基于列的 Datalog 实体化 (扩展技术报告)

    本文介绍了一种新的 Datalog 推理物化方法，将基于列的内存布局与避免运行时冗余推理的新型优化方法相结合，进一步提高了效率，并通过有预测性的缓存某些子查询，实现了在受限资源下甚至可以与最先进的系统的性能相匹配的结果。

    Nov, 2015

  • 大数据上基于良基语义的高效计算

    本文提出了一种基于 MapReduce 框架的并行化方法，探讨了基于良基的语义如何处理海量数据，并指出实验结果表明其可扩展性好，具有应用于数十亿条事实的潜力。此外，这是第一篇涉及任意元谓词的大规模非单调推理的研究。

    May, 2014

  • ZodiacEdge: 一种带有增量规则集维护的 Datalog 引擎

    本文提出了一种基于分层策略的依赖超图适应方法，用于在 Datalog 推理中进行增量维护，特别适用于物联网和边缘计算的环境中，通过对智能设备的新获取知识进行推理和 Datalog 规则的更新。

    Dec, 2023

  • Datalog 查询的 Why-Provenance 复杂性

    本文旨在填补 why-provenance 计算复杂性方面的空白，我们确定了 Datalog 查询和其子类的 why-provenance 的数据复杂度，得出结论，由于其计算复杂性的特殊性质，递归查询的 why-provenance 是一个棘手的问题。

    Mar, 2023

  • Datalog 材料化的优化维护

    本研究提出了两种将 Delete/Rederive 算法和 Backward/Forward 算法与 Counting 算法相结合的混合算法，以减少甚至消除对于逆向规则评估的瓶颈，从而有效优化对于非递归 datalog 程序的更新速度。

    Nov, 2017