图 DB 与 Prolog（或 miniKanren）
A graph DB vs a Prolog (or miniKanren)
最近我一直在研究 Neo4j 等图形数据库以及 Prolog 和 miniKanren 中的逻辑编程。从我目前所学的情况来看，两者都允许指定事实和它们之间的关系，还可以查询生成的系统以进行某些选择。所以，实际上我看不出它们之间有什么区别，因为它们都可以用来构建图形并查询它，但是使用不同的语法。然而，它们呈现为完全不同类型的软件。
除了数据库可能提出更 space 时间有效的存储技术的技术性，以及像 miniKanren 这样的微型逻辑核心更简单和可嵌入之外，图形数据库和逻辑编程语言之间的实际区别是什么, 如果它们都只是一个图形数据库 + 查询 API?
不，那些东西体现的逻辑编程和neo4j完全不同。
在一个层面上，你是对的，它们在概念上都相当于图形存储和图形查询。但是对于逻辑编程来说，它只是概念上的图查询，不能保证它实际上是这样存储的（对于neo4j，它是）。
其次，通过逻辑编程，您通常会尝试建立 horn clauses 以允许您通过大量数据进行推理。您可以将 horn 子句视为一个简单的规则，例如 "If a person is male, and is the direct ancestor of a biological child, that implies that person is a father"。在带有 neo4j 的 cypher 中，您将描述一个您希望匹配的图形模式，从而产生数据，例如：
MATCH (p:Person)-[:father*]->(maleAncestor:Person)
RETURN maleAncestor
这告诉我们通过 father 关系和 return 男性祖先来遍历图表。在逻辑编程语言中，您不会这样做。您可以指定 a 是 b 的父亲意味着 a 是男性，而 a 是 b 的祖先。对于所有有效的 a/b 配对，这将隐含地和传递地说明这一点。然后你会问一个问题，"who are the male ancestors"？然后编程环境将通过利用您的规则来回答这个问题。这将产生通过与我上面指定的密码非常相似的数据构建遍历的效果，但是你理解数据和构建遍历的方式完全不同。
逻辑编程语言通常通过 predicate resolution 工作。像 cypher 这样的图形查询语言通过模式匹配和显式路径指定的组合来工作。他们很不一样。
图形数据库和逻辑编程之间有一些非常酷的相似之处。你把两者联系起来很聪明。
然而，虽然它们能够抽象地描述相同的数据集，但 prolog 通常在小型数据集上运行并执行扫描 in-memory。它不是数据库，当然不适合使用数据库 运行 跨越的 real-time 约束中的 many/most 进行扩展——即大量数据库写入。
像 Datomic 这样的语言使用 prolog (Datalog) 的一个子集作为它的查询语言，并且可能会稍微更符合你的想法，但即使那样也与 Labeled 属性 Graph (LPG) 这样的语言相去甚远neo4j。一个很大的区别是，具有属性的节点之间的 "labeled edges" 不是（据我所知）除了 LPG 之外的任何 first-order 概念。尽管您可以使用例如描述节点之间的这些边缘或关系。 join-table 来创建 many-to-many 关系，它们在像 neo4j 这样的东西中更加流畅。
从计算的角度来看，两种模型之间存在很大差异。 Prolog是图灵完备，这意味着原则上任何其他语言的程序都可以翻译成Prolog。
但是，Neo4j 查询语言 *Cypher 以及大多数数据库查询语言不是 图灵完备的，因此不适合表示任何通用程序。这有利也有弊。主要缺点是您通常需要将 Neo4j 的强大功能与 Python 或任何其他语言的外部程序结合起来才能生成有用的应用程序。主要优点是 Cypher 中的所有查询都是 terminating（尽管它们可能需要很长时间才能完成）对于数据库查询来说非常好 属性；当您查询数据库时，您总是希望得到答案。
Prolog 中不会发生这种情况。像
这样的简单程序
p(X):-p(X).
并且像 p(a) 这样的目标会导致不终止计算。这是拥有图灵完备语言的所有功能所必须付出的代价。
如果你想看看另一个相关的范例，它介于 Prolog 和 Neo4j 之间，看看 演绎数据库，比如 Datalog. Datalog 的语法类似于 prolog（实际上它是一个子集），但是类似于数据库查询语言，Datalog 中的 goals/queries 总是终止的。
比如之前Datalog中的程序
p(X):-p(X).
以相同的目标 p(a)，轻松生成答案的空集 {}，而不是像 Prolog 中那样无限循环。
最近我一直在研究 Neo4j 等图形数据库以及 Prolog 和 miniKanren 中的逻辑编程。从我目前所学的情况来看，两者都允许指定事实和它们之间的关系，还可以查询生成的系统以进行某些选择。所以，实际上我看不出它们之间有什么区别，因为它们都可以用来构建图形并查询它，但是使用不同的语法。然而，它们呈现为完全不同类型的软件。
除了数据库可能提出更 space 时间有效的存储技术的技术性，以及像 miniKanren 这样的微型逻辑核心更简单和可嵌入之外，图形数据库和逻辑编程语言之间的实际区别是什么, 如果它们都只是一个图形数据库 + 查询 API?
不，那些东西体现的逻辑编程和neo4j完全不同。
在一个层面上，你是对的，它们在概念上都相当于图形存储和图形查询。但是对于逻辑编程来说，它只是概念上的图查询，不能保证它实际上是这样存储的（对于neo4j，它是）。
其次，通过逻辑编程，您通常会尝试建立 horn clauses 以允许您通过大量数据进行推理。您可以将 horn 子句视为一个简单的规则，例如 "If a person is male, and is the direct ancestor of a biological child, that implies that person is a father"。在带有 neo4j 的 cypher 中，您将描述一个您希望匹配的图形模式，从而产生数据，例如：
MATCH (p:Person)-[:father*]->(maleAncestor:Person)
RETURN maleAncestor
这告诉我们通过 father 关系和 return 男性祖先来遍历图表。在逻辑编程语言中，您不会这样做。您可以指定 a 是 b 的父亲意味着 a 是男性，而 a 是 b 的祖先。对于所有有效的 a/b 配对，这将隐含地和传递地说明这一点。然后你会问一个问题，"who are the male ancestors"？然后编程环境将通过利用您的规则来回答这个问题。这将产生通过与我上面指定的密码非常相似的数据构建遍历的效果，但是你理解数据和构建遍历的方式完全不同。
逻辑编程语言通常通过 predicate resolution 工作。像 cypher 这样的图形查询语言通过模式匹配和显式路径指定的组合来工作。他们很不一样。
图形数据库和逻辑编程之间有一些非常酷的相似之处。你把两者联系起来很聪明。
然而，虽然它们能够抽象地描述相同的数据集，但 prolog 通常在小型数据集上运行并执行扫描 in-memory。它不是数据库，当然不适合使用数据库 运行 跨越的 real-time 约束中的 many/most 进行扩展——即大量数据库写入。
像 Datomic 这样的语言使用 prolog (Datalog) 的一个子集作为它的查询语言，并且可能会稍微更符合你的想法，但即使那样也与 Labeled 属性 Graph (LPG) 这样的语言相去甚远neo4j。一个很大的区别是，具有属性的节点之间的 "labeled edges" 不是（据我所知）除了 LPG 之外的任何 first-order 概念。尽管您可以使用例如描述节点之间的这些边缘或关系。 join-table 来创建 many-to-many 关系，它们在像 neo4j 这样的东西中更加流畅。
从计算的角度来看，两种模型之间存在很大差异。 Prolog是图灵完备，这意味着原则上任何其他语言的程序都可以翻译成Prolog。
但是，Neo4j 查询语言 *Cypher 以及大多数数据库查询语言不是 图灵完备的，因此不适合表示任何通用程序。这有利也有弊。主要缺点是您通常需要将 Neo4j 的强大功能与 Python 或任何其他语言的外部程序结合起来才能生成有用的应用程序。主要优点是 Cypher 中的所有查询都是 terminating（尽管它们可能需要很长时间才能完成）对于数据库查询来说非常好 属性；当您查询数据库时，您总是希望得到答案。
Prolog 中不会发生这种情况。像
这样的简单程序 p(X):-p(X).
并且像 p(a) 这样的目标会导致不终止计算。这是拥有图灵完备语言的所有功能所必须付出的代价。
如果你想看看另一个相关的范例，它介于 Prolog 和 Neo4j 之间，看看 演绎数据库，比如 Datalog. Datalog 的语法类似于 prolog（实际上它是一个子集），但是类似于数据库查询语言，Datalog 中的 goals/queries 总是终止的。
比如之前Datalog中的程序
p(X):-p(X).
以相同的目标 p(a)，轻松生成答案的空集 {}，而不是像 Prolog 中那样无限循环。