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

聚合

• 聚合运算，例如：$count, sum, min, max$
  $Figure\ 3...$
  $Figure\ 4...$
• 在$GraphLog$中，聚合项可以是可区分的边或节点的标签，一个简单的$count$查询如$Figure\ 3$所示：对于每个作者$x$，计算其获$y$奖的次数。 $$ans(x,count(y)) \leftarrow (x,hasWon, y)$$
• 找出每个点对间的最短路径需要计算出沿路径各段的最小距离，再汇总（基本也就是Floyd算法），如$Figure\ 4$所示。查询中的变量$d$是聚集变量，$sum$是汇总功能，$min$用于聚合汇总的距离。当汇总和聚合的操作是闭半环时，查询时间复杂度是$PTIME$。查询$Q$可悲转化为以下$Datalog$程序：
  $len(x, x, x, 0) ← dist(x, y, l)$
  $len(x, x, x, 0) ← dist(y, x, l)$
  $len(x, z, y, d) ← sp(x, z, s), dist(z, y, l), d = s + l$
  $sp(x, y, min(d)) ← len(x, z, y, d)$
  谓词$len(x, z, y, d)$说明有一条长度为$d=s+l$的路径从$x$经过$z$到$y$，$x$到$z$的最短路径为$s$，$z$到$y$的最短路径为$l$。

近似匹配和排名

• 设一条正则路径查询$Q$如公式$(3)$，运用正则表达式$r$。近似匹配可通过把编辑操作应用到$L(r)$来实现。可能的编辑操作包括符号的插入、删除、置换、移项、倒置。
• 令$x,y \in \Sigma$，从$x$到$y$的编辑操作被模型化为一个基于$\Sigma^*$的二元关系$\mapsto$，以至于$x \mapsto y$当且仅当存在$u,v \in \Sigma^* , a,b \in \Sigma , a \neq b$。例如：
  $x = uav, y = ubv (置换)$
  $x = uav, y = uv (删除)$
  $x = uv, y = ubv (插入)$
  令${^k_{\mapsto}}$代表执行$k$次$\mapsto$操作。$d_e(x,y)$代表$x\ {^k_{\mapsto}}\ y$所需最小的$k$。
• 每个操作的开销可能都不一样。通常来说，对于不同实例，相同操作的开销也不一定相同。
• 假定近似值由加权正则转换器的方法指定，这种转换器能用一个基于三元组$(a,k,b)$的正则表达式来表示（$a$能被$b$以$k$开销替换）。加权转换器 $T=(S_T, Σ, σ_T, S_{0_T} , F_T)$：有穷状态集合$S_T$、输入/输出字符集$\Sigma$、初始状态集合$S_{0_T}$、终止状态集合$F_T$、转换关系$\sigma_T \subseteq S_T \times \Sigma \subseteq \Bbb{N} \times \Sigma \times S_T$。转换$(s, a, k, b, t)$表示当转换器处于状态$s$读入符号$a$，输出符号$b$消耗$k$并转到状态$t$。
• 从查询$Q$的正则表达式$r$中构造一个$NFA$ $M_r$并将$G$也作为一个$NFA$。得到乘积自动机$M_r \times T \times G$。$(a, b, k) \in ans_T(Q,G)$当且仅当从初始状态$(\_,\_,a)$到终止状态$(\_,\_,b)$的最短路径开销为$k$。在一种更简单的设定里，近似值由编辑操作引起，所有开销均为$1$，且转换器$T$只有一个状态$s$实现从$s$到$s$的标签$ε$：
  $(a, 1, ε), a \in Σ (删除)$
  $(ε, 1, a), a \in Σ (插入)$
  $(a, 1, b), a, b \in Σ,a \neq b (置换)$

表达能力和计算复杂性

• 我们将查询语句分类为：联合查询（$CQ$）、正则路径查询($RPQ$)、联合路径查询($CRPQ$)、扩展联合路径查询($ECRPQ$）。设$FQ$为一阶逻辑，可得到 $$CQ \subseteq FO$$ $$RPQ \subset CRPQ \subset ECRPQ$$
  具有传递闭包（用$FO + TC$来表示）的一阶逻辑语言，用形如公式$TC=(\lambda \bar x, \bar y \cdot \phi(\bar x, \bar y))$扩展了一阶逻辑：$\bar x$和$\bar y$是$k$元组，$\phi(\bar x, \bar y)$为$FO+TC$中的公式且决定了$k$元组的二元关系。$TC=(\lambda \bar x, \bar y \cdot \phi(\bar x, \bar y))$决定了$\phi$的传递闭包。
• 在一个线性$Datalog$程序中，每一条规则都最多只有一个递归子目标。在一个分层$Datalog$程序中，否定谓词的使用是有层次的。

总结

• 总的来说这是篇概述性的论文，主要铺述了各类graph数据库的查询语言，主要着重于几个功能性的层面。尽管很多语言的特性和概念已经成为学术研究的主题，但对于graph查询语言来说工作则着力于建立一个完整且一致的框架。近似查询和图的转换也值得更多研究。

个人感悟

• graph数据库可以说是传统关系型数据库的一个特化版本，即更专注于一元|二元关系的表达。$RDF$的形式为主语$\rightarrow$谓词$\rightarrow$宾语，相较于$schema$化的graph数据库灵活性更强，但是在线计算的能力必然更弱。当图中的节点数多到必须分布式存储时，针对子图分割和最短路径的传统算法就完全没有什么卵用，因此必须涉及到概率性的层面。很多语言在功能和架构完善后都会引入正则表达式，正则语法应当是对原有功能的汇总表示。