recursion - Datomic 的递归数据日志查询真的很慢

Question

我目前正在评估 Datomic 用于存储和查询构成本体的已解析符号的用例。数据库中总共有 225122 个符号(实体)(所以它是一个相当大的本体，但对于 DB 来说应该不是什么大问题)。

结构非常标准，符号有

包含它们的父符号(如子符号等)

super 符号(它们继承的符号)

为了更好地访问符号，我们有一个独特的 name对于每个符号。这加起来就是以下 Datomic 模式:

[{:db/ident :ml/name,
  :db/valueType :db.type/string,
  :db/cardinality :db.cardinality/one,
  :db/unique :db.unique/identity}
 {:db/ident :ml/parent,
  :db/valueType :db.type/ref,
  :db/index true,
  :db/cardinality :db.cardinality/one}
 {:db/ident :ml/superclass,
  :db/valueType :db.type/ref,
  :db/index true,
  :db/cardinality :db.cardinality/one}]

现在我有了最基本的递归查询“给我(传递地)包含在符号 p 中的所有符号”。在数据方面:

(def rules
  '[
    [(ubersymbol ?c ?p) (?c :ml/parent ?p)]
    [(ubersymbol ?c ?p) (?c :ml/parent ?c1) (ubersymbol ?c1 ?p) ]
    ])
(q '[:find ?c ?n :in $ % :where
     (ubersymbol ?c ?d) [?d :ml/name "name of a root symbol"] [?c :ml/name ?n]]
   current-db rules)

查询本身(所以是一个中等大小的符号)需要在 之间5 和 5.5 秒并返回 80 次点击。 不是毫秒，而是实秒 .这只是我想询问的有关数据集的最基本查询(它旨在从网络工具中使用，以帮助建模者了解本体的结构)。

我在运行 datomic-pro-0.9.5554 ，使用内存数据库并使用对等库(我按照 "getting started" 指南中的描述启动了服务器。

非常感谢为 Datomic 提供案例的帮助。

马库斯

Answer 1

编辑

如 fricke自己发现，是子句排序的问题，但在查询中，而不是在规则集中。更有效的版本是:

[:find ?c ?n :in $ % :where
   [?d :ml/name "name of a root symbol"]
   (ubersymbol ?c ?d) 
   [?c :ml/name ?n]]

可以通过以下方式进一步改进上述查询:

在查询正文中使用查询参数而不是使用动态参数

使用查找引用通过其 :ml/name 解析输入实体

产生:

(d/q
  '[:find ?c ?n :in % $ ?d :where
    (ubersymbol ?c ?d)
    [?c :ml/name ?n]]
  rules current-db [:ml/name "name of a root symbol"])

我的理论是，您的规则不是以 Datalog 可以针对此读取模式优化的方式编写的 - 可能会导致遍历所有实体。我建议将它们重写如下:

[[(ubersymbol ?c ?p) 
  (?c :ml/parent ?p)]
 [(ubersymbol ?c ?p) 
  ;; we bind a child of the ancestor, instead of a parent of the descendant
  (?c1 :ml/parent ?p)
  (ubersymbol ?c ?c1)]]

这种编写规则集的方式经过优化，可以找到某个节点的后代。您最初编写它的方式经过优化以找到某个节点的祖先。

在我的机器上使用 Datomic 0.9.5385 在 50000 个实体的平衡二叉树上进行的快速基准测试表明，使用第二种方法确实获得了所需的性能。