论文注解《Query Languages for Graph Databases》graph数据库查询语法（I）

概述

这篇paper主要介绍了历史上的graph数据库查询语法的发展和用途，并从查询处理的表达能力和计算复杂性做出评估

简介

• 对于一个graph数据库 $G$ 最简单的形式为 $(V,E)$ ，其中 $V$ 是有限点集，$E$ 是连接点对的有限边集（有向|无向）。在大多数的应用场景中点和边往往以某种形式被打上标签（例如 属性-值），且用字符 $\sum$ 表示打标签的过程，即 $E \subseteq V \times \sum \times V$ 。有些应用环境则需要更精巧的graph化的数据结构，例如用于对超文本建模的超图，它的节点就可以由图构成。除此之外，在一些graph数据模型中，每个graph均需要对应特定的架构（$schema$ ）。
  $Figure\ 1...$
• paper中用一张图来表示阐释这种模式，举个查询的例子：找出同时获得$Booker$和$Nobel$奖的作者——一种简单的联合查询$CQ$，可利用以下语法来表示该次查询 $$ans(x) \leftarrow (x, hasWon, Nobel), (x, hasWon, Booker)......(1)$$ 其中$x$代表节点，$hasWon，Nobel，Booker$代表常量。这种语法类似于$Datalog$，但是查询主体中的元素不包含谓词。实际上这些元素更像是三元组（$triple$ $patterns$被用于$SPARQL$）或$W3C$查询语言（$RDF$）
• 为了在graph中找出点对$（x,y）$ 表示存在一条从$x$到$y$的路径$P = e_{a},e_{b},e_{c},...$且序列$label_{a},label_{b},label_{c},...$符合某种模式。一种做法是用正则表达式指定该模式，这种查询被称作$RPQ$。例如 $$(x, (citizenOf | ((bornIn | livesIn) · locatedIn∗)), y)$$ $CQ$和$RPQ$可以组合成一种新的形式$CRPQ$，例如 $$ans(x, y)← (x, hasWon, Nobel), (x, hasWon, Booker)(x, (citizenOf | ((bornIn | livesIn) · locatedIn∗)), y)......(2)$$ 在 $GraphLog$中的表示形式如下
  $Figure\ 2...$
  图中较粗的边被称作$distinguished\ edge$，代表出现在结果中的边，需要与查询头部相对应
• 当需要表示路径之间的关系时，$CRPQ$就显得不够强大，因此需要一种新的查询语法$ECRPQ$。例如 $$(x, y) ← (Coetzee, π, y), (x, π, y), Σ^{∗}(π)$$ 找出实体$x$和$y$，两者间路径上标签的序列等同于$Coetzee$和$y$之间。$π$代表可行的路径，$Σ^{∗}$代表标签的序列。

查询语言功能

子图匹配

• 子图查询是被最广泛支持的一种图查询模式。以$CQ$为例，设可用点集为$(x,y,z,...)$，则查询语句的形式可以是 $$ans(z1, . . . , zn) ←\bigwedge_{1≤i≤m} (x_i, a_i, y_i)$$ 设$\bar x = (x_1,x_2,...x_m)$，$\bar y=(y_1,y_2,...y_m)$，$\bar z=(z_1,z_2,...z_n)$，需要指定$\bar x$，$\bar y$到$G=V,E)$点集的映射关系$\sigma$：$(G,\sigma)\vDash Q$，使 $(σ(x_i), a_i, σ(y_i)) ∈ E$。在某些应用领域，数据库本身就是由graph的集合组成，其查询结果需要返回匹配的子集。
• 尽管$CQ$在某种意义上是最简单的graph查询模式，但是研究难点在于找到一种有效的方式去评估其在大规模graph查询中的表现。因为针对$CQ$计算$QEP$的复杂度等同于子图同构问题(NP问题)。因此，业内正在研究基于graph模拟的graph模式匹配。

发现路径所连的节点

• 设 $G=(V,E)$，$v_0、v_1 \in V$，$v_0、v_1$之间存在一条路径$\rho = v_0 a_0 v_1 a_1 v_2 a_2...v_{m-1} a_{m-1} v_m$，路径上标签的序列为$\lambda(\rho) = a_0...a_{m−1} ∈ Σ^{*}$

正则路径查询（$RPQ$）

• 计算和决定节点间的可达性这种查询机制存在于绝大部分graph查询语言中。$RPQ$通常返回与一条路径相连的所有符合正则表达式的点对集合。其形式为 $$ans(x, y) ← (x, r, y)......(3)$$ $x$和$y$为可用的节点，$r$为正则表达式（用$|$表示析取，$·$表示，并保留简写$r^+ \Rightarrow (r · r^∗)、r? \Rightarrow (r|\epsilon)、Σ \Rightarrow (a_1|... |a_n)、a^- \Rightarrow$任何标记为$a$的反向边）。
• 正则路径查询的难点在于针对给出的查询$Q$和点对$(x,y)$，如何判断$(x,y)∈ Q(G)?$有一种算法如下：
  
  1. 构造一个非确定性的有穷自动机($NFA$)$M_r$（初始状态$s_0$终止状态$s_1$）来接收$L(r)$
  2. 将$G$ 视作一个拥有初始状态$x$终止状态$y$的$NFA$
  3. 构建自动机的乘积$M_r×G$
  4. 判断在$M_r×G$是否存在从$(s_0, x)$到$(s_f, y)$的路径
• 算法中的每个步骤是PTIME的复杂度，因此正则路径查询问题的总体复杂度是$\sum PTIME$
• 或者，我们可以按照$Datalog$的规则把$Q$转化为一组集合，例如正则表达式$citizenOf | ((bornIn | livesIn) · locatedIn∗)$可转化为
  $ans(x, y) ← citizenOf(x, y)$
  $ans(x, y) ← assoc(x, y)$
  $ans(x, y) ← assoc(x, z),partOf(z, y)$
  $assoc(x, y) ← bornIn(x, y)$
  $assoc(x, y) ← livesIn(x, y)$
  $partOf(x, x) ← locatedIn(x, x)$
  $partOf(x, y) ← locatedIn(x, z), partOf(z, y)$
• 有时我们可能仅仅想在$G$中找出的匹配正则表达式$r$的简单路径（当一条路径$ρ$中没有重复的节点时则将其定义为简单路径）。所以正则简单路径问题可以被阐明为：给定$G$、点对$(x,y)$和正则表达式$r$，判断是否存在一条从$x$到$y$且匹配$r$的简单路径。然而，这个问题居然tm的是个$NP$问题，即使对于固定的正则表达式。