update more languages

Signed-off-by: Alex Jenkins <kjenkins60@gatech.edu>

docs/tech-specs/graphrag-performance-optimization.ru.md

@@ -16,7 +16,11 @@
 **Повышение масштабируемости**: Поддержка более крупных графов знаний с улучшением управления памятью.
 **Сохранение точности**: Сохранение существующей функциональности GraphRAG и качества результатов.
 **Обеспечение параллельности**: Улучшение возможностей параллельной обработки для нескольких одновременных запросов.
+<<<<<<< HEAD
 **Уменьшение объема памяти**: Реализация эффективных структур данных и управления памятью.
+=======
+**Уменьшение объема используемой памяти**: Реализация эффективных структур данных и управления памятью.
+>>>>>>> 82edf2d (New md files from RunPod)
 **Добавление возможностей мониторинга**: Включение показателей производительности и возможностей мониторинга.
 **Обеспечение надежности**: Добавление надлежащей обработки ошибок и механизмов таймаута.
 
@@ -38,7 +42,11 @@
 Обрабатывает каждый компонент тройки (субъект, предикат, объект) последовательно.
 Каждый вызов `maybe_label` потенциально вызывает запрос к базе данных.
 Без параллельного выполнения или пакетной обработки запросов меток.
+<<<<<<< HEAD
 В результате получается до 3 × subgraph_size отдельных вызовов базы данных.
+=======
+Приводит до 3 × subgraph_size отдельных вызовов базы данных.
+>>>>>>> 82edf2d (New md files from RunPod)
 
 **3. Примитивная стратегия кэширования (функция `maybe_label`, строки 62-77)**
 Простой кэш в виде словаря без ограничений размера или TTL.
@@ -49,14 +57,23 @@
 **4. Субоптимальные шаблоны запросов**
 Запросы на сравнение векторного сходства сущностей не кэшируются между похожими запросами.
 Без мемоизации результатов для повторяющихся шаблонов запросов.
+<<<<<<< HEAD
 Отсутствие оптимизации запросов для распространенных шаблонов доступа.
+=======
+Отсутствует оптимизация запросов для распространенных шаблонов доступа.
+>>>>>>> 82edf2d (New md files from RunPod)
 
 **5. Критические проблемы с жизненным циклом объектов (`rag.py:96-102`)**
 **Объект GraphRag создается для каждого запроса**: Новый экземпляр создается для каждого запроса, что приводит к потере всех преимуществ кэша.
 **Объект запроса имеет очень короткий срок службы**: Создается и уничтожается в течение выполнения одного запроса (строки 201-207).
 **Кэш меток сбрасывается для каждого запроса**: Подогрев кэша и накопленные знания теряются между запросами.
+<<<<<<< HEAD
 **Накладные расходы на повторное создание клиента**: Клиенты базы данных потенциально повторно устанавливаются для каждого запроса.
 **Без оптимизации между запросами**: Невозможно извлечь выгоду из шаблонов запросов или совместного использования результатов.
+=======
+**Накладные расходы на повторное создание клиента**: Клиенты базы данных потенциально пересоздаются для каждого запроса.
+**Отсутствие оптимизации между запросами**: Невозможно извлечь выгоду из шаблонов запросов или обмена результатами.
+>>>>>>> 82edf2d (New md files from RunPod)
 
 ### Анализ влияния на производительность
 
@@ -65,10 +82,17 @@
 **Обход графа**: entities × max_path_length × 3 × triple_limit запросов.
 **Разрешение меток**: subgraph_size × 3 отдельных запросов на разрешение меток.
 
+<<<<<<< HEAD
 Для параметров по умолчанию (50 сущностей, длина пути 2, ограничение в 30 тройки, размер подграфа 150):
 **Минимальное количество запросов**: 1 + (50 × 2 × 3 × 30) + (150 × 3) = **9451 запрос к базе данных**
 **Время отклика**: 15-30 секунд для графов среднего размера
 **Использование памяти**: Неограниваемый рост кэша со временем
+=======
+Для параметров по умолчанию (50 сущностей, длина пути 2, ограничение в 30 троек, размер подграфа 150):
+**Минимальное количество запросов**: 1 + (50 × 2 × 3 × 30) + (150 × 3) = **9451 запрос к базе данных**
+**Время отклика**: 15-30 секунд для графов среднего размера
+**Использование памяти**: Неограниченный рост кэша со временем
+>>>>>>> 82edf2d (New md files from RunPod)
 **Эффективность кэша**: 0% - кэши сбрасываются при каждом запросе
 **Накладные расходы на создание объектов**: Объекты GraphRag + Query создаются/удаляются для каждого запроса
 
@@ -76,7 +100,11 @@
 Поддерживать графы знаний корпоративного уровня с миллионами сущностей
 Обеспечивать время отклика менее 1 секунды для типичных запросов
 Обрабатывать сотни одновременных запросов GraphRAG
+<<<<<<< HEAD
 Эффективно масштабироваться в зависимости от размера и сложности графа
+=======
+Эффективно масштабироваться с увеличением размера и сложности графа
+>>>>>>> 82edf2d (New md files from RunPod)
 
 ## Технический дизайн
 
@@ -85,17 +113,30 @@
 Оптимизация производительности GraphRAG требует следующих технических компонентов:
 
 #### 1. **Архитектурная реорганизация жизненного цикла объектов**
+<<<<<<< HEAD
    **Сделать GraphRag долгоживущим**: Переместить экземпляр GraphRag на уровень Processor для сохранения между запросами
    **Сохранять кэши**: Поддерживать кэш меток, кэш вложений и кэш результатов запросов между запросами
    **Оптимизировать объект Query**: Переработать Query как легковесный контекст выполнения, а не контейнер данных
    **Сохранять подключения к базе данных**: Поддерживать подключения к базе данных между запросами
+=======
+   **Сделать GraphRag долгоживущим**: Переместить экземпляр GraphRag на уровень Processor для сохранения данных между запросами
+   **Сохранять кэши**: Поддерживать кэш меток, кэш вложений и кэш результатов запросов между запросами
+   **Оптимизировать объект Query**: Переработать Query как легковесный контекст выполнения, а не контейнер данных
+   **Сохранять соединения с базой данных**: Поддерживать соединения с базой данных между запросами
+>>>>>>> 82edf2d (New md files from RunPod)
 
    Модуль: `trustgraph-flow/trustgraph/retrieval/graph_rag/rag.py` (изменен)
 
 #### 2. **Оптимизированный движок обхода графа**
+<<<<<<< HEAD
    Заменить рекурсивную `follow_edges` на итеративный поиск в ширину
    Реализовать пакетную обработку сущностей на каждом уровне обхода
    Добавить обнаружение циклов с помощью отслеживания посещенных узлов
+=======
+   Заменить рекурсивную функцию `follow_edges` на итеративный поиск в ширину
+   Реализовать пакетную обработку сущностей на каждом уровне обхода
+   Добавить обнаружение циклов с использованием отслеживания посещенных узлов
+>>>>>>> 82edf2d (New md files from RunPod)
    Включить раннее завершение при достижении лимитов
 
    Модуль: `trustgraph-flow/trustgraph/retrieval/graph_rag/optimized_traversal.py`
@@ -110,8 +151,13 @@
 
 #### 4. **Консервативный слой кэширования меток**
    Кэш LRU с коротким TTL только для меток (5 минут) для баланса между производительностью и согласованностью
+<<<<<<< HEAD
    Мониторинг метрик кэша и коэффициента попадания
    **Без кэширования вложений**: Уже кэшируются для каждого запроса, нет преимуществ для межзапросных данных
+=======
+   Мониторинг метрик кэша и коэффициента попаданий
+   **Без кэширования вложений**: Уже кэшируются для каждого запроса, нет преимуществ для межзапросных операций
+>>>>>>> 82edf2d (New md files from RunPod)
    **Без кэширования результатов запросов**: Из-за проблем согласованности изменений графа
 
    Модуль: `trustgraph-flow/trustgraph/retrieval/graph_rag/cache_manager.py`
@@ -119,7 +165,11 @@
 #### 5. **Фреймворк оптимизации запросов**
    Анализ шаблонов запросов и предложения по оптимизации
    Пакетный координатор запросов для доступа к базе данных
+<<<<<<< HEAD
    Управление пулами соединений и временем ожидания запросов
+=======
+   Управление пулом соединений и временем ожидания запросов
+>>>>>>> 82edf2d (New md files from RunPod)
    Мониторинг производительности и сбор метрик
 
    Модуль: `trustgraph-flow/trustgraph/retrieval/graph_rag/query_optimizer.py`
@@ -481,11 +531,16 @@ async def execute_with_timeout(self, query_func, timeout: int = 30):
 
 **Компромиссы между актуальностью данных:**
 **Кэш меток (TTL 5 минут):** Риск предоставления устаревших меток сущностей (удаленных или переименованных).
+<<<<<<< HEAD
 **Отсутствие кэширования вложений:** Не требуется, так как вложения уже кэшируются для каждого запроса.
+=======
+**Отсутствие кэширования вложений:** Не требуется - вложения уже кэшируются для каждого запроса.
+>>>>>>> 82edf2d (New md files from RunPod)
 **Отсутствие кэширования результатов:** Предотвращает получение устаревших результатов подграфов из-за удаленных сущностей/связей.
 
 **Стратегии смягчения:**
 **Консервативные значения TTL:** Баланс между приростом производительности (10-20%) и актуальностью данных.
+<<<<<<< HEAD
 **Хуки для аннулирования кэша:** Необязательная интеграция с событиями изменения графа.
 **Панели мониторинга:** Отслеживание показателей попадания в кэш по сравнению с инцидентами устаревания данных.
 **Настраиваемые политики кэширования:** Возможность тонкой настройки для каждого развертывания в зависимости от частоты изменений.
@@ -494,6 +549,16 @@ async def execute_with_timeout(self, query_func, timeout: int = 30):
 **Высокая частота изменений (>100 изменений/час):** TTL=60 секунд, меньшие размеры кэша.
 **Средняя частота изменений (10-100 изменений/час):** TTL=300 секунд (по умолчанию).
 **Низкая частота изменений (<10 изменений/час):** TTL=600 секунд, большие размеры кэша.
+=======
+**Механизмы аннулирования кэша:** Необязательная интеграция с событиями изменения графа.
+**Информационные панели мониторинга:** Отслеживание показателей попадания в кэш по сравнению с инцидентами устаревания данных.
+**Настраиваемые политики кэширования:** Возможность тонкой настройки для каждого развертывания в зависимости от частоты изменений.
+
+**Рекомендуемая конфигурация кэша в зависимости от скорости изменений графа:**
+**Высокая скорость изменений (>100 изменений/час):** TTL=60 секунд, меньшие размеры кэша.
+**Средняя скорость изменений (10-100 изменений/час):** TTL=300 секунд (по умолчанию).
+**Низкая скорость изменений (<10 изменений/час):** TTL=600 секунд, большие размеры кэша.
+>>>>>>> 82edf2d (New md files from RunPod)
 
 ## Соображения безопасности
 
@@ -514,11 +579,19 @@ async def execute_with_timeout(self, query_func, timeout: int = 30):
 
 ## Соображения производительности
 
+<<<<<<< HEAD
 ### Ожидаемые улучшения производительности
 
 **Сокращение количества запросов:**
 Сейчас: ~9000+ запросов для типичного запроса.
 Оптимизировано: ~50-100 пакетных запросов (снижение на 98%).
+=======
+### Ожидаемое повышение производительности
+
+**Сокращение количества запросов:**
+Текущее: ~9000+ запросов для типичного запроса.
+Оптимизированное: ~50-100 пакетных запросов (снижение на 98%).
+>>>>>>> 82edf2d (New md files from RunPod)
 
 **Улучшение времени отклика:**
 Обход графа: 15-20 секунд → 3-5 секунд (в 4-5 раза быстрее).
@@ -528,7 +601,11 @@ async def execute_with_timeout(self, query_func, timeout: int = 30):
 **Эффективность использования памяти:**
 Ограниченные размеры кэша предотвращают утечки памяти.
 Эффективные структуры данных уменьшают объем используемой памяти примерно на 40%.
+<<<<<<< HEAD
 Улучшен сбор мусора благодаря правильной очистке ресурсов.
+=======
+Улучшенная сборка мусора благодаря правильной очистке ресурсов.
+>>>>>>> 82edf2d (New md files from RunPod)
 
 **Реалистичные ожидания производительности:**
 **Кэш меток:** Уменьшение количества запросов на 10-20% для графов с общими связями.
@@ -570,7 +647,11 @@ async def execute_with_timeout(self, query_func, timeout: int = 30):
 
 ### Тестирование производительности
 Тестирование производительности по сравнению с текущей реализацией
+<<<<<<< HEAD
 Тестирование нагрузки с различными размерами и сложностью графов
+=======
+Тестирование нагрузки с графами различного размера и сложности
+>>>>>>> 82edf2d (New md files from RunPod)
 Стресс-тестирование для проверки лимитов памяти и соединений
 Регрессионное тестирование для проверки улучшений производительности
 
@@ -587,13 +668,21 @@ async def execute_with_timeout(self, query_func, timeout: int = 30):
 1. **Замените метод `follow_edges`**: Перепишите с использованием пакетного итеративного обхода
 2. **Оптимизируйте `get_labelgraph`**: Реализуйте параллельное разрешение меток
 3. **Добавьте долгоживущий GraphRag**: Измените Processor для поддержания постоянной инстанции
+<<<<<<< HEAD
 4. **Реализуйте кэширование меток**: Добавьте кэш LRU с TTL в класс GraphRag
+=======
+4. **Реализуйте кэширование меток**: Добавьте кэш LRU со сроком действия TTL в класс GraphRag
+>>>>>>> 82edf2d (New md files from RunPod)
 
 ### Область изменений
 **Класс запроса**: Замените ~50 строк в `follow_edges`, добавьте ~30 строк для обработки пакетов
 **Класс GraphRag**: Добавьте слой кэширования (~40 строк)
 **Класс Processor**: Измените для использования постоянной инстанции GraphRag (~20 строк)
+<<<<<<< HEAD
 **Всего**: ~140 строк целенаправленных изменений, в основном в существующих классах
+=======
+**Всего**: ~140 строк изменений, в основном в существующих классах
+>>>>>>> 82edf2d (New md files from RunPod)
 
 ## Временная шкала
 
@@ -606,12 +695,17 @@ async def execute_with_timeout(self, query_func, timeout: int = 30):
 **Неделя 2: Тестирование и интеграция**
 Модульные тесты для новой логики обхода и кэширования
 Бенчмаркинг производительности по сравнению с текущей реализацией
+<<<<<<< HEAD
 Интеграционное тестирование с реальными данными графа
+=======
+Интеграционное тестирование с реальными графовыми данными
+>>>>>>> 82edf2d (New md files from RunPod)
 Проверка кода и оптимизация
 
 **Неделя 3: Развертывание**
 Разверните оптимизированную реализацию
 Отслеживайте улучшения производительности
+<<<<<<< HEAD
 Тонкая настройка TTL кэша и размеров пакетов на основе реального использования
 
 ## Открытые вопросы
@@ -620,10 +714,24 @@ async def execute_with_timeout(self, query_func, timeout: int = 30):
 **Постоянство кэша**: Должны ли кэши меток и внедрений сохраняться после перезапуска службы?
 **Распределенное кэширование**: Для развернутых в нескольких экземплярах систем следует ли нам реализовать распределенное кэширование с использованием Redis/Memcached?
 **Формат результата запроса**: Следует ли нам оптимизировать внутреннее представление тройки для повышения эффективности использования памяти?
+=======
+Тонкая настройка срока действия TTL кэша и размеров пакетов на основе реального использования
+
+## Открытые вопросы
+
+**Пул соединений с базой данных**: Следует ли нам реализовывать собственный пул соединений или использовать существующий пул соединений от клиента базы данных?
+**Постоянство кэша**: Должны ли кэши меток и вложений сохраняться после перезапуска сервиса?
+**Распределенное кэширование**: Для развернутых в нескольких инстанциях систем следует ли реализовывать распределенное кэширование с использованием Redis/Memcached?
+**Формат результата запроса**: Следует ли оптимизировать внутреннее представление тройки для повышения эффективности использования памяти?
+>>>>>>> 82edf2d (New md files from RunPod)
 **Интеграция мониторинга**: Какие метрики следует предоставлять существующим системам мониторинга (Prometheus и т. д.)?
 
 ## Ссылки
 
+<<<<<<< HEAD
 [Оригинальная реализация GraphRAG](trustgraph-flow/trustgraph/retrieval/graph_rag/graph_rag.py)
+=======
+[Исходная реализация GraphRAG](trustgraph-flow/trustgraph/retrieval/graph_rag/graph_rag.py)
+>>>>>>> 82edf2d (New md files from RunPod)
 [Принципы архитектуры TrustGraph](architecture-principles.md)
 [Спецификация управления коллекциями](collection-management.md)