Pilk maagiaga päringutele

Abstract

Less research has gone into the practical aspects of Datalog relative to the theoretical ones. In this thesis, top-down evaluation and top-down-mimicking bottom-up evaluation (Magic Sets Transformation) are implemented and compared with regular bottom-up evaluation Datalog, using benchmarks on incrementally updated data. The findings demonstrate the advantage of Magic Sets Transformation in sparse graph structures with performance up to 2000 times faster than regular bottom-up evaluation, and of top-down evaluation in knowledge base reasoning tasks with performance up to 1000 times faster. Datalogi praktilisi aspekte on teoreetilistega võrreldes vähem uuritud. Selles uurimistöös implementeeritakse ülalt-alla hindamine ja ülalt-alla jäljendavat alt-üles hindamine (Magic Sets Transformation) ning võrreldakse neid tavalise alt-üles hindamisega Datalogis inkrementaalselt uuendatavatel andmetel. Tulemused näitavad, et Magic Sets Transformationi kiirus hõredate graafistruktuuride puhul võib olla kuni 2000 korda kiirem kui tavalisel alt-üles hindamisel, ning ülalt-alla hindamisel kuni 1000 korda kiirem teadmusbaasi arutlusülesannetes.