PHÂN TÍCH MẠNG XÃ HỘI DÙNG CÔNG NGHỆ WAVE VÀ ỨNG DỤNG TÌM KEY PLAYER

ĐẠI HỌC QUỐC GIA THÀNH PHỐ HỒ CHÍ MINH
TRƯỜNG ĐẠI HỌC CÔNG NGHỆ THÔNG TIN
BÀI THU HOẠCH
MÔN CƠ SỞ DỮ LIỆU NÂNG CAO
Đề tài:
PHÂN TÍCH MẠNG XÃ HỘI DÙNG CÔNG NGHỆ WAVE
VÀ ỨNG DỤNG TÌM KEY PLAYER
Giảng viên hướng dẫn: PGS. TS. Đỗ Phúc
Học viên thực hiện: Phạm Ngọc Giàu
Mã số học viên: CH1101080
Cơ sở dữ liệu nâng cao GVHD: PGS. TS Đỗ Phúc
TP. Hồ Chí Minh - 2012
Mục lục
Mục lục 3
MỞ ĐẦU 4
CHƯƠNG 1: MẠNG XÃ HỘI VÀ CÁC BÀI TOÁN LIÊN QUAN 6
1.1 Lịch sử mạng xã hội 7
1.2 Đặc điểm mạng xã hội ảo 8
1.3 Một số bài toán đối với mạng xã hội 10
CHƯƠNG 2: NGÔN NGỮ WAVE 14
2.1 Giới thiệu về ngôn ngữ Wave 14
2.2 Node, Link và Không gian phân tán : Knowledge Network 14
2.3 Cấu trúc của ngôn ngữ Wave 16
2.4 Cấu trúc dữ liệu cơ bản của Wave 17
Biến Spatial và kiểu 17
Task variables 18
Environment variables 18
2.6 Các hành động 18
2.6.1 Control acts 18
2.6.2 Fusion acts: Các phép toán hợp nhất 20
2.7 Rules – Các luật trong Wave 21

2.7.1 Các Luật Rẽ Nhánh 21
2.7.2 Repetition 21
2.7.3 Create 22
2.7.4 Release 22
2.8 Wave và mô hình lập trình truyền thống 23
Sơ đồ luồng: 23
Wave và mô hình lập trình song song 23
Wave và mô hình lập trình tuần tự 25
CHƯƠNG 3: XÂY DỰNG MẠNG TRI THỨC CHO MẠNG XÃ HỘI 30
3.1 Xây dựng mạng tri thức cho mạng xã hội 30
3.1.1 Thu thập thông tin cho mạng tri thức 30
3.1.2 Tạo dựng mạng tri thức cho mạng xã hội 31
3.1.3 Lưu trữ 31
Cơ sở dữ liệu nâng cao GVHD: PGS. TS Đỗ Phúc
3.1.4 Thành phần tạo dựng Mạng tri thức 33
3.2 Bài toán phân tích quan hệ 34
3.2.1 Tạo lập mạng tri thức từ cơ sở dữ liệu không đồng nhất 34
3.2.2 Các bài toán quan hệ 40
3.3 Bài toán phân tích đặc điểm 42
3.3.1 Bài toán tìm kiếm theo mẫu 42
3.3.2 Bài toán Tìm Đường đi ngắn nhất 43
Thuật toán 43
3.3.3 Bài toán tìm Đường kính 46
3.3.4 Bài toán tìm Tâm và Bán kính 50
CHƯƠNG 4: XÁC ĐỊNH KEY PLAYER TRONG MẠNG XÃ HỘI 51
4.1 Đặt vấn đề 51
4.2 Giải quyết vấn đề 51
Làm thế nào để xác định key player (các nút trung tâm trong mạng)?? 52
4.3 Giải bài toán tìm key player trên mạng xã hội 56
Tính degree, betweenness centrality , closeness centrality của từng nút trong đồ thị trên 56

Tính closeness centrality (A* search algorithm ) 58
Tính Clustering Coefficient (Hệ số cụm) 59
Tìm key player: 60
4.4 Chương trình 61
Một số giao diện chính chương trình: 61
KẾT LUẬN 63
TÀI LIỆU THAM KHẢO 64
MỞ ĐẦU
Ngày nay, sự phát triển của công nghệ thông tin nói chung và kiến trúc mạng nói riêng
đã và đang đạt được những bước tiến nhất định. Công nghệ thông tin đang dần được
đưa vào ứng dụng trong mọi lĩnh vực của cuộc sống, từ việc điều khiển các thiết bị
một cách tự động, hỗ trợ hoạt động kinh doanh, sản xuất của con người, cho đến việc
giả lập chính xã hội loài người – mạng xã hội.
Mạng xã hội ra đời đã trở thành một trào lưu mới trong mọi tầng lớp sử dụng máy tính
và Internet làm công cụ giao lưu, tìm kiếm tri thức. Mạng xã hội giúp thu hẹp khoảng
cách giữa người với người, góp phần biến thế giới mà chúng ta đang sinh sống trở
thành một “thế giới phẳng”. Với khả năng kết nối, chia sẻ thông tin một cách dễ
dàng, mạng xã hội dần trở thành một kho kiến thức khổng lồ. Và từ đây, nhu cầu tìm
HVTH: Phạm Ngọc Giàu _ CH1101080 Trang 4
Cơ sở dữ liệu nâng cao GVHD: PGS. TS Đỗ Phúc
kiếm, phân tích lượng thông tin khổng lồ trong rất nhiều mạng xã hội đang tồn tại và
phát triển trở nên cần thiết hơn bao giờ hết.
Tuy thế, các công nghệ tìm kiếm hiện tại đứng đầu là Google đều chưa thể tận dụng
hết khả năng của mạng xã hội. Bởi lẽ mạng xã hội có cấu trúc rất mở, các thành phần
được gắn kết với nhau theo dạng quan hệ (một chiều, hai chiều) nên việc tìm kiếm
thông tin trên mạng xã hội phải làm việc ở mức phân tích quan hệ, tìm kiếm các đặc
điểm. Trong khi các cỗ máy tìm kiếm hiện thời vẫn chỉ tập trung vào tìm kiếm nội
dung thì có một công nghệ mới đang có những bước phát triển rất lớn lại có khả năng
phân tích, tìm kiếm dựa trên quan hệ, đó là công nghệ WAVE.
Công nghệ WAVE bao gồm bộ ngôn ngữ WAVE và bộ thông dịch chính ngôn ngữ đó.

Chúng tập hợp lại thành một nền tảng mạnh mẽ trong việc hỗ trợ tính toán và xử lý
song song dựa trên các hệ thống phân tán. Với những bộ luật thông minh, WAVE cho
phép tận dụng được gần như tối đa khả năng của một hệ thống mạng ngang hàng với
các máy tham gia phân tán để thực hiện những bài toán đòi hỏi độ phức tạp tính toán
cao.
Trên cơ sở đó, bài thu hoạch này tập trung tìm hiểu và làm rõ hơn khả năng tận dụng
công nghệ WAVE vào việc xử lý các bài toán dựa trên quan hệ trên các mạng xã hội,
để từ đó tạo tiền đề cho việc ứng dụng WAVE vào trong các bài toán lớn hơn, giải
quyết vấn đề thu thập, tìm kiếm và phân tích thông tin trên diện rộng. Bên cạnh đó, tìm
hiểu việc xác định key player trong mạng xã hội, cài đặt thuật toán xác định key
player trong mạng xã hội(đồ thị).
Do giới hạn về mặt thời gian, tất cả những ứng dụng của WAVE cũng như việc ứng
dụng WAVE vào các bài toán phân tích trong mạng xã hội sẽ không thể được trình bày
một cách đầy đủ và chi tiết. Bài thu hoạch gồm ba phần chính:
Phần đầu nhằm giới thiệu về mạng xã hội, trình bày các đặc điểm của mạng xã hội
đồng thời lý giải vì sao muốn tìm hiểu thông tin trong một mạng xã hội phải cần đến
công nghệ WAVE.
Phần thứ hai cung cấp cái nhìn chi tiết hơn về mạng xã hội hiện vẫn đang dần đầu về
quy mô, số lượng người dùng tại Việt Nam. Phần này cũng trình bày việc đưa các dữ
liệu “ảo” của mạng xã hội vào thành các thành phần quan hệ trong WAVE.
Phần ba tạo ra mạng tri thức nhằm giải quyết các bài toán phân tích quan hệ trong
mạng xã hội.
Phần bốn tìm hiểu xác định key player trong mạng xã hội. Giải bài toán các vấn đề
trên đồ thị, tìm key player trên mạng xã hội( đồ thị).
HVTH: Phạm Ngọc Giàu _ CH1101080 Trang 5
Cơ sở dữ liệu nâng cao GVHD: PGS. TS Đỗ Phúc
Qua đây, em xin gửi lời cảm ơn chân thành tới thầy PGS.TS. Đỗ Phúc, người đã
hướng dẫn và chỉ bảo tận tình cho em trong suốt quá trình học tập cũng như thực hiện
bài thu hoạch này. Em xin cảm ơn những chuyên gia cố vấn qua mạng đã giúp đỡ và
tạo điều kiện tốt nhất cho em hoàn thành bài thu hoạch này. Bên cạnh đó, em cũng xin

cảm ơn các bạn bè học viên cùng lớp đã cùng thảo luận, nghiên cứu vấn đề này.
Học viên thực hiện
Phạm Ngọc Giàu
CHƯƠNG 1: MẠNG XÃ HỘI VÀ CÁC BÀI TOÁN LIÊN QUAN
Mạng xã hội, hay còn gọi là mạng xã hội ảo (social network) là một cấu trúc mang tính
xã hội tạo thành từ các nút (node), mỗi nút đó có thể là một cá nhân hay một tổ chức.
Mạng xã hội làm nhiệm vụ kết nối các thành viên, người dùng trên Internet lại với
nhau dựa theo những tiêu chí nào đó, với nhiều mục đích khác nhau, không phân biệt
thời gian và không gian. Với một cấu trúc đơn giản nhất như thế, một mạng xã hội có
thể được biểu diễn như một “đồ thị” như Hình 1.1
HVTH: Phạm Ngọc Giàu _ CH1101080 Trang 6
Cơ sở dữ liệu nâng cao GVHD: PGS. TS Đỗ Phúc
Hình 1.1: Đồ thị biểu diễn cấu trúc mạng xã hội
1.1 Lịch sử mạng xã hội
Mạng máy tính (computer network) ra đời làm nền tảng cho sự xuất hiện của
mạng xã hội. Có một vài cách tiếp cận khác nhau về mạng xã hội. Cách tiếp cận đầu
tiên cho rằng mạng xã hội là một nơi để mọi người có thể tương tác với nhau thông
qua các phòng trò chuyện (chat room), chia sẻ thông tin cá nhân, ý tưởng qua các chủ
đề được tạo lập trên những trang cá nhân, mà về sau này được gọi là “blogging”.
Những mạng xã hội dạng này thì đã xuất hiện từ năm 1985 với THE WELL,
Theglobe.com (1994), Geocities (1995) và Tripod (1995).
Còn một cách tiếp cận khác, đơn giản hơn thì mạng xã hội là nơi mà mọi người
có thể kết nối với nhau thông qua địa chỉ thư điện tử của họ. Mạng xã hội đầu tiên của
dạng này – Classmates – ra đời vào năm 1995 với mục đích kết nối bạn học, tiếp đó
SixDegrees được tạo ra vào năm 1997 là với mục đích giao lưu kết bạn dựa theo sở
thích.
Năm 2002, Friendster ra đời và mau chóng trở thành trào lưu tại Mỹ. Tuy vậy do phát
triển quá nhanh mà thiếu đi sự tính toán đối với phân tải đã khiến các server của dịch
vụ này hay bị xảy ra hiện tượng quá tải. Công ty này sau đó có được Google đề nghị
mua lại với trị giá khoảng 30 triệu đô la Mỹ tuy nhiên thương vụ không thành công.

Năm 2004, MySpace đi vào hoạt động, nhanh chóng nổi bật với các tính năng mới
hấp dẫn, trong đó phải kể đến tính năng chia sẻ nhạc. Dịch vụ này đã thu hút được rất
HVTH: Phạm Ngọc Giàu _ CH1101080 Trang 7
Cơ sở dữ liệu nâng cao GVHD: PGS. TS Đỗ Phúc
nhiều các ban nhạc tham gia vào mạng xã hội MySpace, từ đó giúp cho mạng xã hội
này có thêm được rất nhiều những thành viên quan tâm, để rồi trở thành mạng xã hội
lớn nhất thế giới cho tới tận thời điểm hiện nay.
Năm 2006 đánh dấu sự có mặt của Facebook (thực ra là việc mở rộng phạm vi của
mạng xã hội này ra toàn cầu thay vì cho cộng đồng các trường đại học tại Mỹ vốn đã
tồn tại từ năm 2004), một mạng xã hội “mở”. Facebook cung cấp một nền tảng lập
trình gọi là Facebook Platform cho phép những thành viên chuyên sâu có thể tạo ra
các ứng dụng (tiếng anh: Applications). Nhờ vậy Facebook có được rất nhiều các ứng
dụng vừa được cập nhật một cách nhanh chóng, lại vừa phù hợp với nhiều đối tượng
với các sở thích cá nhân khác nhau.
Ngoài ra hiện nay còn có một trào lưu mới xuất hiện nhưng cũng đã phát triển hết sức
nhanh chóng, đó là Twitter. Nếu như các mạng xã hội trước kia thường được gọi là
blogging thì Twitter còn được gọi là micro-blogging. Được gọi như vậy bởi Twitter
chỉ cung cấp cho người dùng khả năng tạo ra những dòng tin nhắn nhanh và ngắn gọn
cỡ 140 ký tự (gần giống với số ký tự cho phép trong một tin nhắn SMS trên điện thoại
di động).
1.2 Đặc điểm mạng xã hội ảo
Có thể nói Mạng xã hội có thể phát triển mạnh mẽ được như hiện nay là do những ưu
thế đáng kể mà chúng mang lại so với các cách tiếp cận cộng đồng truyền thống.
Một là vấn đề chi phí. Có thể thấy rằng việc tham gia vào một mạng xã hội, dù
là đối với một cá nhân hay một tổ chức đều chiếm một chi phí tương đối thấp, bởi trên
thực tế, các mạng xã hội hiện nay hầu hết cho phép đăng ký và sử dụng miễn phí.
Trong khi đó, khi đã trở thành một thành viên của một mạng xã hội, các cá nhân hay tổ
chức đó có thể có được rất nhiều thông tin hữu ích cho mối quan tâm, sự phát triển của
mình. Ví dụ như một công ty sau khi tham gia một mạng xã hội nào đó, có thể chỉ cần
vài cú nhấp chuột là đã có thể tìm hiểu về các sở thích của người dùng, xu hướng của

những sở thích đó. Qua đó, công ty có thể phát hiện ra được những khách hàng tiềm
năng, vạch ra một chiến lược kinh doanh mới cho thời kỳ khó khăn … Những việc làm
này có thể giúp ích rất nhiều cho hoạt động kinh doanh hiện tại của công ty đó.
Hai là khả năng xây dựng các mối quan hệ tin cậy. Nhờ vào việc quan sát được
các bài viết, đánh giá của các thành viên trong mạng xã hội, một tổ chức có thể nắm
bắt được nhu cầu và đánh giá của khách hàng về các sản phẩm hay dịch vụ mà họ cung
cấp. Hơn thế là khi họ có những phản hồi tích cực đối với khách hàng, từ đó xây dựng
một mối quan hệ “ảo” với khách hàng trong khi có thể mang lại một niềm tin “thực”.
HVTH: Phạm Ngọc Giàu _ CH1101080 Trang 8
Cơ sở dữ liệu nâng cao GVHD: PGS. TS Đỗ Phúc
Không quá tốn kém như những hệ thống chăm sóc khách hàng lớn mà mang lại hiệu
quả cũng không hề nhỏ, đó chính là lợi thế của mạng xã hội.
Hay đối với những cá nhân, nhờ việc đọc được những bài viết phần nào mang tính chất
riêng tư, tâm sự của bạn bè, hay con cái, họ có thể có được những hiểu biết rõ ràng
hơn về bạn bè, con cái của mình, thấy được vấn đề mà người kia đang gặp phải, từ đó
giúp họ giải quyết vấn đề dễ dàng hơn. Bởi nghiên cứu cho thấy, giới trẻ đang có xu
hướng kể ra những phức tạp cá nhân trên blog, mạng xã hội dễ dàng hơn là nói chuyện
trực tiếp với các bậc phụ huynh, hay cả với bạn bè. Khi ấy niềm tin trong mối quan hệ
cũng được nâng lên đáng kể.
Ba là việc tạo lập các mối quan hệ trong mạng xã hội trở nên dễ dàng hơn bao
giờ hết. Thử tưởng tượng trong mạng xã hội nào đó, người dùng có một vài người bạn,
những người ấy lại có nhiều bạn bè khác, cứ như vậy. Nhờ vào mạng xã hội, người
dùng ban đầu có thể thiết lập một mối quan hệ với bất cứ ai, đơn giản chỉ khởi đầu
bằng việc gửi đi một lời nhắn đề nghị được kết bạn. Sau khi được chấp nhận bởi phía
bên kia, việc cần làm để gìn giữ mối quan hệ đó đó là cố gắng cân bằng giữa việc cho
đi và nhận lại. Việc này ở trên một mạng xã hội tỏ ra đơn giản hơn so với việc duy trì
mối quan hệ trong xã hội bình thường, bởi cho đi và nhận về trong mạng xã hội nhiều
khi chỉ nằm ở mức có những bình luận trong những bài viết của bạn bè.
Những ưu điểm mà mạng xã hội mang lại như đã kể trên là rất to lớn, tuy vậy cũng
cần phải chỉ ra một số mặt hạn chế của mạng xã hội:

Vấn đề đầu tiên mà mạng xã hội gặp phải là vấn đề về thông tin cá nhân của
người dùng. Khi đã kết nối vào mạng xã hội, có bạn bè trên đó đồng nghĩa với việc
người dùng cũng phải đối mặt với nguy cơ bị lợi dụng các thông tin (cá nhân) đăng tải
lên đó. Với những thông tin như vậy, những kẻ có ý đồ không tốt có thể tìm hiểu nhiều
thứ khác hơn về người dùng đó. Điều đó có thể làm ảnh hưởng tới lợi ích cá nhân của
người dùng đó ngay trong thời điểm hiện tại cũng như tương lai. Biết đâu một bức ảnh
xưa cũ có thể được lôi ra để làm hại tới thanh danh của người dùng đó về sau này???
Vấn đề thứ hai nằm ở chính cơ chế vận hành của các mạng xã hội. Mạng xã hội
cũng như mọi trang web khác, đều phải giải quyết các vấn đề liên quan tới bảo mật
thông tin. Thêm vào đó, các trang mạng xã hội còn gặp phải một số vấn đề riêng ví dụ
như tình trạng nhắn tin rác làm phiền những thành viên tham gia, sử dụng những công
cụ tự viết. Vấn đề này xuất hiện khá nhiều trên các phương tiện thông tin đại chúng
gần đây, có thể lấy ví dụ về vài sự cố các tài khoản mạng xã hội của những người nổi
tiếng bị hacker kiểm soát, những thông tin nhạy cảm được tung ra …
HVTH: Phạm Ngọc Giàu _ CH1101080 Trang 9
Cơ sở dữ liệu nâng cao GVHD: PGS. TS Đỗ Phúc
Một vấn đề nữa cần nói tới trong mặt hạn chế của mạng xã hội là việc tiêu tốn
thời gian sử dụng. Việc tham gia một mạng xã hội, kiểm tra các thay đổi gần đây từ
bạn bè, cập nhật những thay đổi, thông tin cho chính mình nhiều khi làm mất thời gian
của người tham gia. Tất nhiên điều này còn tùy thuộc vào cách từng người phân phối
thời gian của mình cho việc “online” trên các mạng xã hội mà họ tham gia. Tuy vậy
theo những phân tích gần đây thì có tình trạng khá nhiều người trẻ bị hội chứng
“nghiện” khi tham gia mạng xã hội. Nếu tình trạng này xảy ra ở diện rộng thì sẽ có rất
nhiều hiệu ứng không tốt kèm theo.
Như vậy, cũng như những dịch vụ khác triển khai và khai thác trên nền Internet, mạng
xã hội cũng thể hiện được những ưu và nhược điểm nhất định. Nhược điểm của mạng
xã hội phần lớn kế thừa từ những nhược điểm vốn có của các dịch vụ nền web, nhưng
những ưu điểm của dịch vụ này lại mang tính chất đột phá so với các cách thức truyền
thông cộng tác truyền thống. Như trong một cuốn sách với tựa đề Groundswell của
nhà xuất bản Forrester Research ra đời năm 2008, mạng xã hội và tác động của nó đã

được mô tả với thuật ngữ “groundswell”, tạm hiểu là: “một bước tiến tự nhiên của loài
người khi sử dụng các công cụ trên mạng để kết nối, tích lũy kiến thức, lấy những gì
họ cần – thông tin, hỗ trợ, các ý tưởng, các sản phẩm hay khả năng thương lượng với
cộng đồng” .Và với những tiềm năng hiện tại mà mạng xã hội mang lại (xem Bảng 1 1),
việc tham gia, phân tích và tận dụng những điểm mạnh mà mạng xã hội mang lại là
cần thiết.
Bảng 1 1: Tiềm năng đối với mạng xã hội thông qua vài con số
Thống kê nhỏ về mạng xã hội
- Theo nhận định của đại diện IBM Việt Nam, với hơn 2 tỷ người kết nối mạng
Internet, hơn 600 triệu người dùng Facebook mỗi ngày.
- Hiện tồn tại khoảng hơn 500 mạng xã hội trên thế giới và hàng nghìn trang
web có chức năng như một mạng xã hội
- Trung bình, trong 1 phút, có hơn 695 ngàn trạng thái được cập nhật, 79364
thông tin được đăng tải lên tường và 510.040 bình luận được đăng tải. Cũng
trong 1 phút, có hơn 6.600 bức ảnh đăng tải lên Flickr, hơn 320 tài khoản mới
trên và hơn 98000 thông điệp được đẳng tải lên Twitter.
- Dự kiến đến năm 2013, game thủ trên các mạng xã hội sẽ bỏ ra đến 6 tỉ USD
để mua các vật dụng ảo trong game.
1.3 Một số bài toán đối với mạng xã hội
Hiện tại cũng có một số phần mềm cho phép phân tích, xử lý các thông tin dựa
trên quan hệ kiểu như trên. Tuy nhiên có thể nhận thấy rằng, hầu hết những công cụ đó
HVTH: Phạm Ngọc Giàu _ CH1101080 Trang 10
Cơ sở dữ liệu nâng cao GVHD: PGS. TS Đỗ Phúc
cần phải có một cơ sở dữ liệu đầu vào để tạo ra đồ thị quan hệ, thông thường là từ một
kiểu file cơ sở dữ liệu như CSV, XML … từ đó mới bắt đầu thực thi các phân tích liên
quan tới đồ thị quan hệ đó. Việc thu thập các nút, quan hệ giữa các nút hay các thuộc
tính khác thường không được định nghĩa mà có thể nhờ một phần mềm khác, hay cũng
có thể do người dùng trực tiếp đưa vào. Cách thức này hạn chế ở điểm sẽ khó nắm bắt
được các thay đổi trên mạng xã hội mang tính chất “thời gian thực” (tiếng Anh:
realtime). Công nghệ WAVE mà các bài toán trong bài thu hoạch này khai thác sẽ có

thể hỗ trợ toàn bộ các công việc trên, từ bước thu thập (theo thời gian thực) và tạo lập
đồ thị quan hệ (mà trong WAVE được gọi là một mạng tri thức – Knowledge
Network) tới bước thực hiện phân tích quan hệ dựa trên một cấu trúc ngôn ngữ mới
cũng mang tên WAVE.
Công nghệ WAVE cho phép việc xử lý thông tin ở mức đồ thị, tức là xử lý
thông tin ở dạng quan hệ. WAVE tự nó sẽ tạo ra một đồ thị biểu diễn các mối quan hệ,
các thuộc tính để rồi từ đồ thị đó thực hiện các bài toán phân tích quan hệ. Ngoài việc
có thể xử lý các bài toán liên quan tới quan hệ mà hiện tại các cỗ máy tìm kiếm dạng
Google chưa thể làm được thì về sau này, còn có thể ứng dụng WAVE vào các bài
toán xây dựng các Ontology, từ đó tiếp tục xử lý thông tin ở mức độ Ontology. Ngoài
ra việc xử lý thông tin dạng nội dung cũng có thể được thực hiện khá dễ dàng thông
qua việc gửi các truy vấn tìm kiếm dạng Full-Text Search vào trong WAVE. Tóm lại,
WAVE giúp xử lý dễ dàng hơn các bài toàn cả ở mức tìm kiếm nội dung lẫn tìm kiếm
trong quan hệ cộng đồng.
Về tìm kiếm dựa trên quan hệ, hiện có khá nhiều bài toán liên quan có khả năng
tận dụng để lấy ra kết quả phục vụ các mục đích khác nhau, thường là ứng dụng trong
lĩnh vực xã hội học. Có thể chia các bài toán này ra làm hai dạng chính: tìm các quan
hệ; phân tích các đặc điểm.
Một bài toán tìm quan hệ có thể có rất nhiều dạng, tựu chung lại, những bài
toán dạng này làm nhiệm vụ tìm ra trong một tập hợp cá thể có mối quan hệ với nhau,
một, hoặc một vài, hoặc một tập hợp con thỏa mãn một dạng quan hệ nào đó. Lấy ví
dụ, có thể kể ra như tìm bạn chung (mutual friend) của hai hay ba người bất kỳ trong
mạng xã hội. Kết quả của bài toán này có thể phần nào giúp chúng ta tìm hiểu điểm
gặp nhau trong quan hệ giữa những người được chỉ ra, tức là phân tích tại sao giữa họ
lại có mối quan hệ.
Bài toán phân tích đặc điểm cũng là dạng bài toán được dùng khá nhiều trong
nghiên cứu xã hội học. Ví dụ như bài toán tìm đường kính, là bài toán giúp giải quyết
vấn đề tìm khoảng cách ngắn nhất giữa hai người (hai nút) trong một mạng xã hội. Nó
gần giống với thử nghiệm Small World nhằm tìm ra khoảng cách đủ để kết nối giữa
HVTH: Phạm Ngọc Giàu _ CH1101080 Trang 11

Cơ sở dữ liệu nâng cao GVHD: PGS. TS Đỗ Phúc
hai người bất kỳ trên toàn nước Mỹ, và kết quả khá bất ngờ rằng khoảng cách trung
bình nằm trong khoảng 5.5-6, tức là khá nhỏ so với người ta tưởng tượng.
Có một bài toán tìm đặc điểm khác trong quan hệ là tìm tâm của một tập hợp
các cá thể (các nút). Kết quả của bài toán này sẽ cho thấy nút trong đồ thị mà khoảng
cách từ nút đó tới mọi nút khác trong đồ thị của tập hợp các cá thể đó là ngắn nhất.
Các bài toán trên đơn thuần là những bài toán dựa trên đồ thị, và nếu chỉ như
vậy thì có lẽ rằng với một ma trận kề dạng như Hình 1. 3 dưới, các bài toán trên cũng
có thể được giải quyết tương đối dễ dàng với một số thao tác tính toán không phức tạp.
(bởi lẽ một đồ thị có thể được biểu diễn dưới dạng ma trận)
Hình 1.3: Ma trận kề biểu diễn đồ thị gồm 4 đối tượng
Tuy nhiên ma trận không thể giải quyết được tình huống mở rộng đồ thị sẵn có
với những nút mới, những thuộc tính mới. Và WAVE có thể giải quyết trọn vẹn điều
này, bởi WAVE xử lý trên một đồ thị thuần túy.
HVTH: Phạm Ngọc Giàu _ CH1101080 Trang 12
Cơ sở dữ liệu nâng cao GVHD: PGS. TS Đỗ Phúc
Có thể lấy ví dụ về việc thêm một thuộc tính mở rộng cho quy trình phân tích
trong đồ thị. Đó là khi muốn mở rộng thêm cho quá trình phân tích quan hệ đơn thuần
một thuộc tính chỉ nghề nghiệp của người tham gia mạng xã hội. Giả sử xét nghề
nghiệp SINH VIÊN, đối với việc tính toán dựa trên ma trận, việc này là hết sức khó
khăn, có thể phải xây dựng lại toàn bộ ma trận. Nhưng với WAVE, việc cần làm chỉ là
tạo ra một nút với tên gọi “SINH VIÊN”, và những nút có sẵn nếu có thuộc tính nghề
nghiệp tương ứng thì sẽ có một liên kết với tên gọi dạng “LÀ” đến nút “SINH VIÊN”
này. Rất dễ ràng, và lúc này việc tìm kiếm một cá nhân với thuộc tính nghề nghiệp là
sinh viên lại trở lại với một bài toán đồ thị đơn giản: tìm kiếm các nút có liên kết “LÀ”
đến nút “SINH VIÊN”. Ví dụ này cho thấy khả năng mở rộng rất lớn của đồ thị, mạng
tri thức trong WAVE. Khi các cơ sở, thuộc tính tăng lên, WAVE chỉ cần thay đổi một
phần nhỏ của đồ thị trong khi những truy vấn trước đó sẽ không bị ảnh hưởng.
HVTH: Phạm Ngọc Giàu _ CH1101080 Trang 13
Cơ sở dữ liệu nâng cao GVHD: PGS. TS Đỗ Phúc

CHƯƠNG 2: NGÔN NGỮ WAVE
Chương này trình bày về cú pháp và ngữ nghĩa của ngôn ngữ Wave. Đây là một ngôn
ngữ đặc biệt cho phép tạo và xử lý thông tin trong không gian mạng theo hướng.
Chương trình viết bằng ngôn ngữ này có thể được coi như một thành phần linh hoạt có
khả năng di động và kết hợp với các thành phần riêng lẻ, phân tán khác. Trong quá
trình “di chuyển”, chương trình có thể mang theo dữ liệu đồng thời cập nhật vào dữ
liệu lưu tại mạng tri thức. Các chương trình mặc dù được xử lý song song nhưng vẫn
có những cơ chế cho phép chúng phối hợp đồng bộ với nhau thông qua hệ thống các
luật.
Phần cuối chương còn đề cập tới một vấn đề mang tính tương quan: Wave và các
phương pháp lập trình truyền thống (lập trình tuần tự và lập trình song song).
2.1 Giới thiệu về ngôn ngữ Wave
Wave là một ngôn ngữ đặc biệt cung cấp khả năng thực thi mềm dẻo, đa người dùng
trên hệ thống phân tán. Quá trình thực thi của ngôn ngữ Wave giống như virus, tức là
có khả năng nhân bản và lan tỏa qua mạng, thực thi phân tán mà không cần bất kỳ sự
điều khiển tập trung nào.
Kiến trúc Wave mô tả quá trình xử lý phân tán qua việc tự định hướng luồng chương
trình qua không gian dữ liệu phân tán có cấu trúc như một đồ thị hay được gọi là
Knowledge Network. Các node trên mạng phân tán thuộc về một Wave Interpreter
nào đấy. WI là thành phần có trách nhiệm thực thi trên từng bộ phận riêng lẻ của
mạng, thao tác lên dữ liệu được lưu trữ trong các node.Trong khi di chuyển, những
thành phần của mã Wave có thể tự nhân bản, phân chia hay được chỉnh sửa trong khi
vẫn duy trì sự trao đổi dữ liệu qua lại lẫn nhau.
2.2 Node, Link và Không gian phân tán : Knowledge Network
Định nghĩa:
• Node: Có thể coi là một đối tượng – hay một điểm trong không gian, chứa
các biến (biến là thuộc tính của node)
• Link: Có thể coi là một quan hệ giữa các nút - hay một đoạn, đường thẳng
trong không gian. Nó cũng có các thuộc tính
HVTH: Phạm Ngọc Giàu _ CH1101080 Trang 14

Cơ sở dữ liệu nâng cao GVHD: PGS. TS Đỗ Phúc
Wave tạo và xử lý KN – là tập hợp các node và các link có hướng hoặc vô
hướng. Cả node và link đều có nội dung riêng của mình (kiểu giá trị là string). KN có
thể được phân tán trong không gian mạng, tồn tại trên nhiều máy tính khác nhau. Mỗi
máy tính có thể không chứa hoặc chứa nhiều node của KN và các link có thể kết nối
tới các node trong cùng máy tính hoặc với các máy tính khác.
Tất cả các node đều có địa chỉ duy nhất trong không gian phân tán bao gồm 2
thành phần: thành phần thứ nhất để phân biệt các node trong cùng một máy, và thứ hai
là để phân biệt các node giữa các máy khác nhau trong không gian mạng. Node có thể
được truy cập qua các node khác một cách trực tiếp bằng Content hay bằng Address
của chúng hoặc qua quá trình mở rộng qua các link của KN, việc đặt tên cho link và
node nhằm phục vụ điều này. Có 2 kiểu nhảy qua lại giữa các node đó là direct hop và
surface hop để thực hiện việc nhảy tới 1 node hay có thể nhảy đến tất cả các node
khác – được dùng cho việc gửi quảng bá.
Không giống với node, link của KN không thể truy xuất trực tiếp qua tên. Dữ
liệu lưu trữ trong link chỉ có thể nhận được hoặc thay đổi một cách cục bộ, trong quá
trình di chuyển qua link hay khi đứng trực tiếp tại một node cụ thể nào đó. Từ một
node, cả nội dung và hướng của link có thể truy xuất trực tiếp.
Ví dụ:
HVTH: Phạm Ngọc Giàu _ CH1101080 Trang 15
wave

{{move , } . }
move

{ data_unit act } | [rule] (Wave) }
rule

SQ | OS | AS | AP | RP | WT | ID | CR
unit


{ stirng; } | N{l_d} | F{l_d} | C | A | P | S | L | T |
act

# | ~ | /~ | == | / = | < | <= | + | - | * | / | ** | | | % | & | : | :: |
= | ? | !
Cơ sở dữ liệu nâng cao GVHD: PGS. TS Đỗ Phúc
Hình 2 1: Knowledge Network
2.3 Cấu trúc của ngôn ngữ Wave
Ngôn ngữ Wave đặc trưng cho quá trình lan tỏa song song trong không gian dữ
liệu phân tán được biết là KN. Do vậy cú pháp của ngôn ngữ miêu tả rõ quá trình hoạt
động
này:
Một chương trình Wave( gọi đơn giản là Wave) bao gồm sự kết
hợp các tác động lên KN gọi là các move – thành phần có thể thực hiện xử
lý dữ liệu cục bộ tại các Node của KN và mở rộng tới các Node khác. Quá trình thực
thi song song hay thực thi không theo thứ tự được tách biệt bởi dấu phẩy (,) phát triển
một cách độc lập từ cùng một Node trong KN. Tập các moves độc lập gọi là zone,
được tách biệt nhau bởi dấu chấm (.), các thành phần này sẽ được thực thi một cách
tuần tự.
Ví dụ: Ft={Fa=1;2;3}. Fa+1. ^Ft.T=Fa
HVTH: Phạm Ngọc Giàu _ CH1101080 Trang 16
Cơ sở dữ liệu nâng cao GVHD: PGS. TS Đỗ Phúc
Các Rule trong Wave cung cấp cho Wave khả năng mở rộng trong không gian
mạng, kết hợp cùng với các Wave khác. Một ví dụ, các luật có thể tự động tách Wave
ra thành nhiều nhánh riêng biệt rồi sau đó phát triển chúng song song hoặc tuần tự
trong KN, chúng có thể tạo ra hoặc mở rộng KN trong khi di chuyển. Các Rule sẽ
được làm rõ hơn trong phần sau.
Một cách tổng quát, việc thực thi phần đầu của Wave (Wave’s Head) tại một vài
Node có thể là nguyên nhân dẫn tới quá trình lan tỏa của Tail của chuỗi Wave (Wave’s

Tail) tới 0 hay nhiều các Node khác– chúng ta sẽ gọi chúng là tập các Node tới được
(SNR).
Ví dụ:
• w1.w2.w3.w4 : cấu trúc của một chương trình Wave - sự nối tiếp của các
zones
• w1,w2,w3: zone đơn lẻ với tập các move độc lập, tất cả đều được thực thi
tại cùng một Node bắt đầu
• w1,w2.w3,w4: sự kết hợp của 2 kiểu trên.
2.4 Cấu trúc dữ liệu cơ bản của Wave
Wave là ngôn ngữ được dùng cho quá trình xử lý trên mạng, nhưng không giống các
ngôn ngữ khác, kiểu dữ liệu cơ sở không phản ánh việc đó. Wave sử dụng kiểu dữ liệu
cơ sở là Vector: là tập các string được phân tách nhau bới dấu chấm phẩy (;). Tất cả
các hoạt động của ngôn ngữ đều thực thi trên Vector. Truy cập tới thành phần của
Vector có thể thông qua chỉ số hay chính nội dung của các thành phần trong Vector –
indexing và contenting. Dữ liệu lưu trữ trong Vector là động, tức có thể thay đổi khi có
sự thêm bớt dữ liệu một cách tự động.
Ví dụ:
• Vector chứa 1 phần tử: 3
• Chứa 6 phần tử: 1;2;3;4;5;6
• Chứa nhiều kiểu dữ liệu khác nhau: 34;NONE;25;;a;;;b
Biến Spatial và kiểu
Wave thao tác trên kiểu biến được gọi là spatial variable, chúng nằm phân tán và
thường liên quan tới dữ liệu cục bộ tại các Node của KN hay có thể thuộc về một
chuỗi Wave nào đó. Biến kiểu này được chia làm 2 loại: task variable và
environment variable
HVTH: Phạm Ngọc Giàu _ CH1101080 Trang 17
Cơ sở dữ liệu nâng cao GVHD: PGS. TS Đỗ Phúc
Task variables
Task variable bao gồm: node variable và frontal variable. Các biến kiểu nodal được
lưu cục bộ tại node của KN, các biến kiểu frontal có thể đi cùng Wave qua các node

khác nhau trong mạng. Cả 2 loại biến này đều là tạm thời.
 Biến Nodal: các biến loại này được khai báo bắt đầu bằng ký tự N
 Biến Frontal: các biến loại này được khai báo bắt đầu bằng ký tự F
Environment variables
Biến môi trường có những định danh và ý nghĩa khác nhau:
 CONTENT (C): chứa content của Node hiện thời. Giá trị của C luôn là
string, việc thay đổi nội dung của C có thể được gán trực tiếp bằng giá trị
nào đó hoặc NONE – xóa Node cùng với các Link liên kết với nó.
 ADDRESS (A): địa chỉ của Node hiện thời. Luôn trả lại địa chỉ đầy đủ
của Node nơi Wave đang đứng gồm định danh của Node trong máy và
định danh của Node trong mạng. Đây là biến chỉ đọc.
 PREDECESSOR (P): biến lưu địa chỉ của Node trước đó Wave đã đi
qua. Nó chỉ thay đổi khi có sự di chuyển của Wave sang Node khác.
 LINK (L): chứa content của Link vừa mới đi qua.
 TERMINAL (T): một loại biến đặc biệt dùng để in ra giá trị tương ứng
tại một đầu cuối nào đó.
Ví dụ:
• Biến Nodal: N, Nhieu, Ntue
• Biến Frontal: Fpath, Ftemp…
• Biến môi trường: TERMINAL, LINK, L…
2.6 Các hành động
2.6.1 Control acts
Các Act thực hiện các phép toán cơ bản bên trong move, dùng để thay đổi giá trị các
biến, thay đổi trạng thái hoạt động của wave. Giá trị trả về gồm 3 loại chính sau:
• TRUE (2): thành công và cho phép Wave tiếp sau đó thực thi tại Node hiện
thời.
• DONE (1): thành công nhưng không cho phép Wave thực thi tiếp tại Node
hiện thời.
• FALSE (0): thất bại, loại bỏ Wave tại Node hiện thời.
Control acts được phân loại như hop, filters, assignment, state genertator và code

injection.
HVTH: Phạm Ngọc Giàu _ CH1101080 Trang 18
Cơ sở dữ liệu nâng cao GVHD: PGS. TS Đỗ Phúc
Hop. Được thực thi bằng toán hạng #. Ta sẽ hiểu rõ hơn cách thực thi của Hop qua các
Ví dụ sau:
• DIRECT # ALL, cách viết khác @#: nhảy tới tất cả các node khác trong KN
trên cùng máy tính từ một node nào đó
• -p#b: nhảy từ node hiện thời theo cung đi ra (-)p tới node b
• ANY#ALL hay #: nhảy qua tất cả các link tới tất cả hàng xóm của một node
• Và một số kiểu nhảy khác: x#ALL, ANY#x
• Để nhảy sang 1 node ở máy khác ta có cấu trúc: a#b$$`IP, trong đó IP là địa
chỉ IP của máy đích
Filter. Các filter gồm các phép toán sau đây: ~ (thuộc về), /~ (không thuộc về), == (so
sánh bằng), /= (so sánh không bằng), < (so sánh nhỏ hơn), <= (so sánh nhỏ hơn hoặc
bằng), > (so sánh lớn hơn), >= (so sánh lớn hơn hoặc bằng). Giá trị trả về sẽ là TRUE
hoặc FALSE. Nếu giá trị trả về là TRUE, node hiện thời sẽ trở thành một SNR và
Wave tail sẽ tiếp tục phát triển từ node này.
• Filter ~:
o Cú pháp: vector1 ~ vector2
o Chức năng: kiểm tra các phần tử của vector 1 có nằm trong vector 2
hay không
• Ví dụ: a;b ~ p;q;b;a sẽ trả về TRUE
• Filter /~: ngược lại toán tử ~
• Filter ==:
o Cú pháp: v1 == v2
o Chức năng: kiểm tra 2 vector có bằng nhau hay không
o Ví dụ: 2;3 == 2;3 sẽ trả lại TRUE
• Filter /=: ngược lại với ==
• Các filter còn lại: >,>=,<,<= có ý nghĩa toán học thông thường nhưng được
thực hiện trên vector

Nếu 1 filter trả lại giá trị TRUE, node hiện tại sẽ trở thành SNR, ngược lại SNR sẽ
rỗng và chuỗi Wave sẽ dừng quá trình thực thi.
Assignment.
Toán tử gán = sẽ gán giá trị của toán hạng bên phải vào toán hạng bên trái. Dữ liệu bên
phải có thể là giá trị số, string, biến, vector. Phép gán luôn trả lại kết quả là TRUE.
Ví dụ: Na=1, Na=1;2;3, Na=Nb;2;3;Fc
State Generator.
Các trạng thái trả về ở trên đều xảy ra sau một quá trình thực thi nào đó. Đôi khi ta
muốn trực tiếp xác định trạng thái kết quả trả về để điều khiển luồng chương trình, có
HVTH: Phạm Ngọc Giàu _ CH1101080 Trang 19
Cơ sở dữ liệu nâng cao GVHD: PGS. TS Đỗ Phúc
một cách khác để thực hiện đó là dùng State Generator gồm 4 trạng thái: TRUE,
DONE, FALSE, ABORT. Cú pháp gồm tên trạng thái, theo sau là dấu !
Ví dụ: w1.TRUE!.w2
Trong Ví dụ này w2 sẽ tiếp tục thực hiện
• w1.DONE.w2 hoặc w1.!.w2 sẽ dừng sau khi thực hiện xong w1
Code Injection.
Cú pháp ^Func, trong đó Func là một chuỗi Wave. Phép chèn mã này sẽ bổ sung thêm
vào chuỗi Wave một chuỗi nằm trong biến sau ^. Phép này hay được sử dụng khi gọi
chương trình con
Ví dụ: Ft={Fa=1;2;3}. Fa+1. ^Ft.T=Fa
2.6.2 Fusion acts: Các phép toán hợp nhất
Các phép toán số học. Bao gồm các phép toán +, -, *, /. Nếu thực hiện chia cho 0, kết
quả trả về là FALSE
Ví dụ:
• `124.36’ + 100 có kết quả: `224.36’
• 66;4;24 – 1;1;1;1;1;1;1 có kết quả: 65;3;23;-1;-1;-1;-1
• 1;2;3;4;5 * 1;1;1 có kết quả: 1;2;3;0;0
• 2;3;4 / 1;2 có kết quả: FALSE
• NONE * sẽ trả lại rỗng

Các phép toán trên Vector đặc biệt. Gồm 1 số phép toán sau:
• &: append, nối 1 Vector vào sau 1 Vector khác
o Ví dụ: v1 & v2 – v1, v2 là 2 Vector
• Toán tử hai chấm (:) : lấy giá trị tại 1 vị trí của Vector
o Ví dụ: Fa=3;2;3. Fa:1 sẽ trả lại 3
• Toán tử (::):
o Ví dụ: Fa=3;2;3. Fa::3 = 10. Kết quả Fa = 10;2;10
• |: splits, chia string ở toán hạng bên trái thành 1 Vector các string con bởi
dấu phân cách ở toán hạng bên phải
o Ví dụ: `a+b+c’ | `+’ sẽ trả lại a;b;c
• %: join, ngược lại với | tức nó sẽ hợp các Vector con lại thành 1 string với
phân cách là toán hạng bên phải
o Ví dụ: a;b;c % `+’ sẽ trả lại a+b+c
Gọi hàm bên ngoài (External calls). Thực hiện qua toán tử ?, gọi một hàm nào đó
của hệ thống với đầu vào là các tham số từ Wave truyền vào
Ví dụ: 50?`sleep’ sẽ dừng chương trình 50 giây
HVTH: Phạm Ngọc Giàu _ CH1101080 Trang 20
Cơ sở dữ liệu nâng cao GVHD: PGS. TS Đỗ Phúc
2.7 Rules – Các luật trong Wave
Wave có thể phát triển độc lập, dị bộ và được xử lý song song trong không gian phân
tán. Tuy nhiên điểm mạnh của Wave là nó có hệ thống các RULE để quản lý và đồng
bộ các các hành động. RULE thiết lập các ràng buộc trong việc lan tỏa chuỗi Wave.
Thông qua RULE, hệ thống có thể thực thi nhiều lần một Wave, hay tiếp tục lan tỏa
Wave nếu thỏa mãn một điều kiện nào đó, hoặc có thể chấm dứt toàn bộ wave. RULE
thường “treo” phần còn lại của chuỗi Wave (remainder) và lan tỏa nó ra chỉ khi chuỗi
Wave nằm trong luật thực thi xong và trả lại trạng thái TRUE.
2.7.1 Các Luật Rẽ Nhánh
• SEQUENCE(SQ): kích hoạt tất cả các nhánh một cách tuần tự mà không
cần quan tâm tới trạng thái kết quả trả về. SNR trên SQ là tập các SNR từ
các nhánh con.

Ví dụ: SQ(Fa=1, Fa+1).T=Fa sẽ tạo ra 2 nhánh Fa=1 và Fa+1, thực hiện
tuần tự 2 nhánh này. Kết quả cuối là 2
• OS_SEQUENCE: kích hoạt tất cả các nhánh tuần tự cho tới khi nó nhận
được kết quả TRUE hoặc DONE trả về từ một nhánh nào đó
Ví dụ: OS(Fa=5.Fa>1, T=Fa) tạo ra 2 nhánh Fa=5.Fa>1 và T=Fa và thực
hiện tuần tự. Nhưng do nhánh thứ nhất trả về TRUE nên không thực hiện tiếp
nhánh thứ 2
• AND_SEQUENCE(AS): tương tự SQ nếu tất cả các nhánh đều trả về TRUE
hoặc DONE, nếu 1 nhánh FALSE, trạng thái toàn bộ AS sẽ là FALSE
Ví dụ: AS(TRUE!, FALSE!) sẽ trả lại FALSE
• OR_PARALLEL(OP): kích hoạt các nhánh và thực thi chúng song song,
nếu 1 nhánh trả về TRUE hoặc DONE, OP sẽ nhận TRUE. Nếu không
nhánh nào trả về TRUE hoặc DONE, OP sẽ FALSE
Ví dụ: OP(FALSE!, FALSE!, TRUE!) sẽ trả lại TRUE
• AND_PARALLEL(AP): như AS nhưng các nhánh thực thi song song
Ví dụ: AP(TRUE!, TRUE!, FALSE!) sẽ trả lại FALSE
• RANDOM(RN): chọn một nhánh ngẫu nhiên để phát triển tiếp
2.7.2 Repetition
Luật REPEAT với khả năng vòng lặp cho phép chia Wave thành các phần nhỏ
hơn khi di chuyển trong KN.
HVTH: Phạm Ngọc Giàu _ CH1101080 Trang 21
Cơ sở dữ liệu nâng cao GVHD: PGS. TS Đỗ Phúc
Nếu kết quả trạng thái trả về là TRUE hoặc FALSE (SNR không rỗng) thì mỗi thành
phần này sẽ được ghép thêm Tail của Wave. Lúc này, ở tất cả SNR Node đều chứa
biến Frontal (biến này được mang tới từ các Node).
Nếu kết quả trạng thái trả về là DONE (SNR không rỗng) thì Tail của Wave sẽ bị loại
bỏ.
Ví dụ: F = 1; 9; 5; 6; 7; 8; 12.
REPEAT ( Fi +1. F : Fi /= NONE. N + ( F: Fi)).
TERMINAL =N.

2.7.3 Create
Luật CREATE(CR) cho phép Wave có khả năng mở rộng chính mạng KN
trong khi lan tỏa trong không gian. Chuỗi Wave chứa luật này vẫn phát triển như
thông thường, chỉ có các bước nhảy là bị ảnh hưởng - có thể thay đổi chế độ của chúng
từ chế độ lan tỏa (navigation) sang chế độ tạo mới (creation). Khi đó các node và link
nếu chưa có sẽ được tạo ra.
Có rất nhiều chi tiết quan trọng trong ngữ nghĩa của luật CR. Nếu node của 1
bước nhảy tương ứng bằng địa chỉ của nó – điều này có nghĩa node đó đã tồn tại, tức
các thành phần trong luật CR nếu chưa có sẽ được tạo ra, còn nếu đã tồn tại thì quá
trình CR sẽ không tạo ra node hoặc link mới.
Ví dụ: CR(@#a.+p#b.+q$$c`192.168.1.10’)
Ý nghĩa: nhảy trực tiếp tới node a mặc dù node a chưa có nhưng do nằm trong luật
CR nên node a sẽ được tạo ra, sau đó tạo ra link có hướng +p tới node b, tạo node c
và link +q nối từ a đến c trên máy 192.168.1.10
2.7.4 Release
Luật RL sẽ khởi tạo một Wave mới độc lập với chuỗi Wave ban đầu, mã của
Wave mới này là phần nằm trong dấu ngoặc của RL, WE của Wave mới chính là WE
của Wave ban đầu. Wave mới được tạo ra được đưa vào Wave Queue để chờ xử lý.
Phần remainder của Wave ban đầu sẽ tiếp tục được thực hiện như bình thường.
Ví dụ: w1.RL(w2).w3
Ý nghĩa: sau khi thực thi xong w1, gặp RL chương trình Wave sẽ tách w2 cùng với
biến môi trường thành Wave mới cho vào hàng đợi xử lý, chuỗi Wave tiếp tục thực thi
là w3 cùng với biến môi trường của nó.
HVTH: Phạm Ngọc Giàu _ CH1101080 Trang 22
Cơ sở dữ liệu nâng cao GVHD: PGS. TS Đỗ Phúc
2.8 Wave và mô hình lập trình truyền thống
Sơ đồ luồng:
Wave là ngôn ngữ có khả năng xử lý cấu trúc dữ liệu không gian phân tán lớn. Một
thuộc tính quan trọng của Wave là các chương trình điều khiển luôn được liên kết với
vị trí nào đó trong không gian dữ liệu (trong khi dữ liệu giữa các Node lan tỏa, hay

giữa các SNR lan tỏa). Dữ liệu của cùng một Node có thể xuất hiện ở những nơi khác
nhau trong cùng một SNR ở cùng một không gian cục bộ.
Hình 2 2 Thành phần của Spread Diagrams
Các kiểu module của Spread Diagram là :
• SNR
• Move
• Rule
• Halt
• Các thành phần liên quan: Link,Biến Spatial
Wave và mô hình lập trình song song
Wave biểu diễn theo SD trong mạng dữ liệu có thể được điều khiển hoàn toàn bởi
Rule. Các thành phần của chuỗi Wave tự tách thành các nhánh trước và trong quá trình
thực thi.
Ví dụ: Tách chuỗi Wave
m1, m2 , m3. m4, m5

(m1. m4, m5), (m2. m4, m5 ), (m3. m4, m5)
HVTH: Phạm Ngọc Giàu _ CH1101080 Trang 23
Cơ sở dữ liệu nâng cao GVHD: PGS. TS Đỗ Phúc
Hình 2 3: Tự động tách trong chuỗi Wave
Ngoài ra, trong quá trình Wave thực thi, các thành phần của nó có thể được sao chép
và thay thế mà dữ liệu không bị thay đổi (Như trong Hình 2 4: m2 được sao chép và
thay thế mà dữ liệu vẫn được giữ nguyên)
m1. m2. m3

m1. m2, m2, m2. m3

m1.(m2. (m3, m3, m3)),
(m2. (m3, m3, m3)),
(m2. (m3, m3, m3))

Hình 2 4: Một số trường hợp xử lý song song
Ở một ví dụ khác ta thấy rõ hơn Rule điều khiển chuỗi Wave như nào (Hình 2 5).
HVTH: Phạm Ngọc Giàu _ CH1101080 Trang 24
Cơ sở dữ liệu nâng cao GVHD: PGS. TS Đỗ Phúc
Hình 2 5: Wave xử lý song song có kèm theo Rule
m1. OR_PARALLEL (m2, m3. m4). m5

m1. OR_PARALLEL((m2, m4), (m3. m4)) .m5

m1. OR_PARALLEL((m2. m4, m4, m4), ( m3. m4, m4, m4) ). m5
Wave và mô hình lập trình tuần tự
Việc cho phép phát triển không gian, xử lý song song và tự động trong môi trường
phân tán, Wave có thể dễ dàng mô hình hóa một số chương trình xử lý tuần tự. Giống
các chương trình bình thương, truyền thống ở cùng một máy tính, Wave phải ở cùng
một điểm trong không gian và chỉ có duy nhất một luồng được xử lý. Chúng ta sẽ bàn
về vấn đề này thông qua các ví dụ ở dưới đây.
Ví dụ 1 s1. s2. s3. s4
Ví dụ 2 SEQUENCE (s1, s2, s3, s4)
Hai ví dụ trên được thể hiện ở Hình 2 6
Hình 2 6: Xử lý tuần tự không Rule và có Rule
HVTH: Phạm Ngọc Giàu _ CH1101080 Trang 25