47、数据库视图维护与近似推理模型探索

数据库视图维护与近似推理模型探索

在数据库管理和知识推理领域，视图维护和推理模型的优化一直是研究的重点。下面将为大家详细介绍两种不同但又相关的技术：增量聚合视图维护算法 CReaM 以及面向逻辑程序的近似本体无关推理方法。

增量聚合视图维护算法 CReaM

在数据库中，视图是基于一个或多个基本表（edb 关系）的查询结果，而聚合视图则是包含聚合操作（如求和、计数等）的视图。随着 edb 关系的更新，如何高效地维护聚合视图是一个关键问题。

以往关于增量视图维护的工作中，只有一小部分涉及聚合视图的维护。而且，现有的技术存在诸多局限性：
- 部分技术只能增量维护仅包含一个聚合操作符的视图。
- 大多数增量维护算法仅支持固定的内置聚合操作符，如 min、max、sum 和 count。

为了解决这些问题，研究人员提出了 CReaM 算法。该算法具有以下特点：
- 最优维护聚合视图 ：对于一类特殊的聚合视图，即底层 edb 关系的所有非聚合属性都传递到视图的情况，CReaM 算法相比之前的视图维护算法，能显著加快视图的增量更新速度，其加速因子至少是视图扩展大小的对数级。
- 支持用户定义的聚合 ：通过使用包含 setof 子目标的辅助视图重写视图定义，然后应用 CReaM 算法维护辅助视图，最后使用现有维护算法维护不包含集合的视图。

此外，当新元组插入到 edb 关系中时，对于包含单调聚合的视图，CReaM 算法还可以进一步优化维护过程。例如，对于定义为 v(A) :- setof(B, r(A, B), W), sum(