ZodiacEdge: a Datalog Engine With Incremental Rule Set Maintenance

本文探讨了在规则集可以更新时如何逐步维护Datalog推理材料化。这在物联网和边缘计算的背景下尤为重要，因为智能设备可能需要对表示为Datalog规则的新获取的知识进行推理。我们的解决方案基于应用于Datalog程序中的规则集的依赖超图的分层策略的改编。我们的实现支持包含否定和聚合的递归规则。我们在真实和合成数据上展示了我们系统的有效性。

本论文旨在解决Datalog推理材料化的增量维护问题，尤其是当规则集可以更新时。这在物联网和边缘计算的背景下尤为重要，因为智能设备可能需要根据表示为Datalog规则的新获得的知识进行推理。

该论文提出了一种基于层次化策略的解决方案，应用于依赖超图，其节点对应于Datalog程序中的规则集。该实现支持包含否定和聚合的递归规则。

该系统的有效性得到了实际和合成数据的证明。实验设计合理，使用了真实和合成数据集，论文提供了开源代码。该领域的未来研究可探索更复杂的规则和更大的数据集。

最近在这个领域中，还有一些相关的研究，如《Incremental Materialization of Datalog Programs in the Presence of Stratified Negation》和《Efficient Maintenance of Materialized Aggregate Views》。