Prolog与数据库

最新推荐文章于 2024-06-20 09:48:07 发布

hk201406

最新推荐文章于 2024-06-20 09:48:07 发布

阅读量1.5k

点赞数

CC 4.0 BY-SA版权

文章标签： prolog 数据库 SQL borland GEOBASE

本文链接：https://blog.youkuaiyun.com/hk201406/article/details/40297551

本文探讨了Prolog与数据库的联系，指出Prolog的查询语法与SQL类似，但更简洁。文章以Turbo Prolog GEOBASE为例，提出了一种重新设计数据库的方法，强调每个谓词只表达一个概念，并通过示例展示了如何使用Prolog实现更灵活的查询。此外，还讨论了自然语言查询和数据库按列存储的概念。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

Prolog与数据库

简介

Prolog用谓词表示数据，并且用合一将不同谓词关联，这与SQL的数据查询暗合。例如，

    /* 数据库架构。
     *   student(id, name, age)
     *   course(id, name)
     *   studies(student_id, course_id)
     */

    /* 下面的查询列出学生及所学课程的名称(SName, CName)。*/
    student(S, SName, _), studies(S, C), course(C, CName).

    -- 相应的SQL查询。
    SELECT student.name, course.name
      FROM student JOIN studies ON student.id = studies.student_id
                   JOIN course  ON course.id  = studies.course_id;

不难看到，Prolog的查询语法更简练，但它有必须写出整个tuple的缺点（将作进一步讨论）。QBE（Query By Example）是另一种采用合一的数据库查询方式。

尽管查询机制相似，但Prolog的视角完全不同。上例中，Prolog的语言是说查询成功的条件是用逗号分开的各个子句都成功。

Prolog查询与SQL查询相似，都代表逻辑关系，而不是指定具体的查询实现机制，尽管二者都用简单的语法（暗示循环依次检索）来表达逻辑关系。在上述查询中，无论SQL引擎还是Prolog引擎都可以通过选择查询顺序（子句顺序）来提高查询效率。与SQL数据库相似，Prolog引擎也可以为数据建立索引或将其置入哈希表中。下面的例子则更好地说明了逻辑表达与实现机制的区别。在例中，引擎有责任优化查询，避免O(N^2)的开销。

    /* 查找年龄最大的一个或多个学生。'\+' 代表“不存在”。*/
    student(ID, Name, Age), \+ (student(_, _, Age1), Age < Age1).

    SELECT id, name FROM student
     WHERE age >= ALL (SELECT age FROM student);

    SELECT id, name FROM student
     WHERE age = (SELECT MAX(age) FROM student);

很明显，无论SQL还是Prolog在表达此查询时都较为笨拙。不过，语法的改进并非不可能（gprolog支持自定义运算符）：

    student(ID, Name, Age), \+ Age < student(_, _, #).
    student(ID, Name, Age), Age >=all student(_, _, #). /* >=all 为自定义算符 */

Prolog崇尚用简单的元素组合出漂亮的功能，而不引入多余的复杂度。下例中简单的list append的递归定义，可以支持不同方向的查询。

    app([], L, L).
    app([A|L1], L2, [A|L12]) :- app(L1, L2, L12).

    ?- app([a], [b], L).
    L = [a,b]

    ?- app(X, [b], [a,b]).
    X = [a]

    ?- app(X, Y, [a,b]).
    X = [], Y = [a,b]
    X = [a], Y = [b]
    X = [a,b], Y = []

重新设计Turbo Prolog GEOBASE的数据库

Trubo Prolog 2.0（Borland公司1988年发行）中包含一个美国地理数据库示例程序，它支持用简单的自然语言（英语）作查询（程序在80x25的文本窗口中运行，仅需要520K的内存）。这里仅讨论数据库的设计与查询。

GEOBASE数据库的架构如下：

    /* 依据最近下载的版本，源代码有很多更改过的痕迹。稍有改动。*/
    state(NAME, ABBREVIATION, CAPITAL, AREA, POPULATION)
    city(STATE, ABBREVIATION, NAME, POPULATION) 
    river(NAME, LENGTH, STATE_LIST)
    border(STATE, ABBREVIATION, STATE_LIST) 
    highlow(STATE, ABBREVIATION, POINT, HEIGHT, POINT, HEIGHT) 
    mount(STATE, ABBREVIATION, NAME, HEIGHT) 
    lake(NAME, AREA, STATE_LIST) 
    road(NUMBER, STATE_LIST)

它支持的英语查询例句如下：

   - give me the cities in california.

   - what is the biggest city in california?

   - what is the longest river in the usa?

   - which rivers are longer than 1 thousand miles?

   - what is the name of the state with the lowest point?

   - which states border alabama?

   - which rivers do not run through texas?

   - which rivers run through states that border the state
     with the capital austin?

尽管自然语言查询很有趣，但在我看来，数据库首先应当支持用简洁清晰的Prolog语句作灵活的（较复杂的）查询。为此，数据库可以按照下述原则重新设计：不再使用长的数据tuple，每个谓词仅表达一个特定的概念，并仅包含与之相关的项。下面的设计用gprolog实现。

实体谓词声明地理数据库中的实体对象，它的参数是对象的ID，在同类实体中唯一。实体对象可以另外指定一个或多个名称，ID是缺省的名称。

    实体谓词  示例
    --------  ----------------------------------------
    state     state(ny).
              names(state(ny), 'new york').
    city      city('new york, ny').
              names(city('new york, ny'), 'new york').
              names(city('new york, ny'), nyc).
    river     river(delaware).
    lake      lake(ontario).

    查询示例                说明
    ----------------------  --------------------------
    state(X).               列出所有的州。
    river(delaware).        确认delaware河存在。
    names(X, 'new york').   列出名为new york的实体。
    names(city(X), nyc).    列出名为nyc的城市。

必须说明，在names声明中用到的state()与city()仅代表数据tuple，Prolog并不强制检查所指的state或city已经存在。Prolog也不会检查ID的唯一性。这些功能需要由额外的用户层或者由扩展的Prolog来支持。

属性谓词为实体标出某一性质。同一谓词可用于多种实体。

    属性谓词      示例
    ------------  ------------------------------------------
    area          area(state(ny), 49100.0).
    population    population(state(ny), 17558000).
                  population(city('new york, ny'), 7071639).

    查询示例                      说明
    ----------------------------  --------------------------
    population(city(X), N),
        N > 1000000.              列出人口大于一百万的城市。

关系谓词表示不同实体之间的某种关联。同一关系谓词可用于不同的实体组合。

    关系谓词      示例
    ------------  ------------------------------------------
    in            in(city('new york, ny'), state(ny)).
                  in(river(delaware), state(ny)).
                  in(river(delaware), state(pa)).
                  in(river(delaware), state(nj)).
                  in(river(delaware), state(de)).
    capital       capital(state(ny), city('albany, ny')).

    查询示例                      说明
    ----------------------------  --------------------------------
    population(city(X), N),       列出人口大于一百万的城市。
        N > 1000000.
    C = city(_), S = state(_),    列出占州中人口比例大于0.5的城市，
        in(C, S),                   有washington与honolulu。
        population(C, A),
        population(S, B),
        A / B > 0.5.

仍须指出，以上设计的严格实现有赖更多的支持。例如，应当约束谓词所接受的参数”类型“（如capital只能用在state与city之间），这在Turbo Prolog中可以用domain来声明，但gprolog缺少对domain的支持。又如，应当声明关系各方的数量比例。不过，即使缺少这样的支持，用户代码仍不难自行声明约束，并在用户查询层中确认约束的有效性。例如，

    dom(state).
    dom(city).
    dom(river).

    prop(area, float).
    prop(population, integer).

    rel(capital).
    rel(in).

    req(area, state).
    opt(area, D) :- dom(D).
    req(population, state).
    req(population, city).

    req(capital, state, city, 1:1).
    req(in, city, state, 1:1).
    req(in, river, state, 1:"+").

上述用户自行声明的约束条件有不少好处。一方面，它便于用简单方式列出约束：既能查出某一实体所属关系，也能查出与某一关系相关的实体。另一方面，它支持聪明的声明方式，如根据规则判断in关系能发生在哪些实体之间。（实际的地理关系远比示例中复杂，如支流与主流的关系，又如流域与流经的区别。）

与SQL数据库的存储方式比较，上述Prolog数据库设计实际上是按列存储。它不是按实体保存数据，而是按谓词保存数据。在具体实现时，实体声明如state(ny)、river(delaware)可被转换为同一谓词的声明：ent(state(ny))、ent(river(delaware))，而Prolog会自动将state(ny)等转换为整数ID，并在存储事实规则时仅使用ID。无论Turbo Prolog还是gprolog都未直接提供真正的数据库功能，而只能将关系数据以文本形式写入文件。

为了方便查询，我扩展了属性谓词与关系谓词，使它们接受按名称查询：

    查询示例                      说明
    ----------------------------  ------------------------------------
    in(ontario, X).               返回state(ny)与state(ca)，
                                    ontario既是湖名也是加州的城市名。
    in(cities(X), ny).            用cities而不是city将返回城市名，
                                    而不是城市ID。
    in(X, states('new york')).    按名称查询，state('new york')不存在，
                                    但states('new york')存在。

此外，很容易将state、city等声明为算符，这样使用它们时就不必带括号，如 state ny。

为不同领域的知识建立数据库是非常有趣的事。百科全书并不足够，应当有更方便准确的方法查询知识，这甚至包括查询文学、电影中的人物关系、事件情节。例如Google Earth的地图数据中按地点标出了新发生的新闻事件（最近联不上了）。

用自然语言查询也很有趣，而比之更有趣的是解析自然语言文档，将资料”同化“入数据库中。例如，从百科全书网站或地理杂志中获取地理知识，并录入数据库中。指数增长的知识需要更多的人关注、分享。Emacs中有一个小游戏Adventure，让人根据文本的场景描述想像一个空间环境，并下指令移动位置、作收集物品等动作，最后杀死怪物；更有趣的工作则是反过来，让计算机根据场景的文字描述绘制出空间位置关系图。Emacs中的另一个游戏则用自然语言假装心理医生与人交流。（Emacs编辑器有一个显眼的红牛骑在蓝色字样上的标志，牛头很接近汉字的”公“字；而vim编辑器(vi的一个版本)的欢迎页面中则有”帮助乌干达的可怜儿童“广告语。）很显然，无论分享知识还是享受游戏都需要宽松的心态与经济条件。

无论知识的传承还是与之相关的工具的研发，都必须属于民间。一方面，知识没有标准版本、不可能由权威发布考核，而国家必须依赖民间的知识积累；另一方面，知识被垄断并且被随意篡改是不可容忍的。（根据en.wikipedia.org，美国《独立宣言》的第一个签名人叫John Hancock，他的签名明显比他人的大，不知是否属实。）软件工具不能用来侵犯人，包括隐私权。

我们的软件行业（包括学校教育）有明显的问题。程序员或学生缺少好的文档与教材，而被有意置于摸索的状态。这是人的贬值，是不可接受的，编程与学习理当是享受（由他人分享的知识的快乐）。程序员与学生常被有意捉弄，看不到正确的版本或知识而猜测”标准答案“，这更是不可容忍的。考试不能无视人的尊严，而现实中有非常多的有趣的题目。西方的开源软件如Emacs、vim、gprolog都带有大量文档，不过，入乡随俗，这些文档大都可读性很差，亟待补充（学习、改进它们是更好的考试）。软件资料很差并非”一日之寒“，早在Turbo Prolog时代或更早就是这样，似乎这是天然的（控制、捉弄的）权力，而这剥夺了很多（享受知识与生活的）快乐。