second round of translation fixes

Signed-off-by: Jenkins, Kenneth Alexander <kjenkins60@gatech.edu>

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

@@ -0,0 +1,101 @@
+# מפרט טכני לאופטימיזציה של ביצועים של GraphRAG
+
+## סקירה כללית
+
+מפרט זה מתאר אופטימיזציות מקיפות לביצועים של האלגוריתם GraphRAG (Graph Retrieval-Augmented Generation) ב-TrustGraph. יישום הנוכחי סובל מחסמי ביצועים משמעותיים המגבילים את יכולת ההרחבה וזמני התגובה. מפרט זה מתייחס לארבעה תחומים עיקריים של אופטימיזציה:
+
+1. **אופטימיזציה של מעבר גרפים**: הסרת שאילתות מסד נתונים רקורסיביות לא יעילות ויישום חקר גרפים בטעינה.
+2. **אופטימיזציה של פתרון תגים**: החלפת שליפת תגים רציפה בפעולות מקבילות/בטעינה.
+3. **שיפור אסטרטגיית אחסון במטמון**: יישום אחסון במטמון חכם עם פינוי LRU ואחזור מראש.
+4. **אופטימיזציה של שאילתות**: הוספת שמירת תוצאות ואחסון במטמון של הטבעות לשיפור זמני התגובה.
+
+## מטרות
+
+- **הפחתת נפח שאילתות מסד נתונים**: השגת הפחתה של 50-80% בסך כל שאילתות מסד הנתונים באמצעות טעינה ואחסון במטמון.
+- **שיפור זמני תגובה**: כוונון ל-3-5 פעמים מהירות יותר בבניית תת-גרף ו-2-3 פעמים מהירות יותר בפתרון תגים.
+- **שיפור יכולת הרחבה**: תמיכה בגרפי ידע גדולים יותר עם ניהול זיכרון טוב יותר.
+- **שימור דיוק**: שמירה על הפונקציונליות ואיכות התוצאות של GraphRAG הקיימים.
+- **אפשרות לריבוי משימות**: שיפור יכולות עיבוד מקבילי עבור בקשות מקבילות מרובות.
+- **הפחתת טביעת רגל של זיכרון**: יישום מבני נתונים וניהול זיכרון יעילים.
+- **הוספת יכולת ניטור**: הכללת מדדי ביצועים ויכולות ניטור.
+- **הבטחת אמינות**: הוספת טיפול שגיאות ומנגנוני זמן קצובים מתאימים.
+
+## רקע
+
+יישום ה-GraphRAG הנוכחי ב-`trustgraph-flow/trustgraph/retrieval/graph_rag/graph_rag.py` מציג מספר בעיות ביצועים קריטיות המשפיעות באופן משמעותי על יכולת ההרחבה של המערכת:
+
+### בעיות ביצועים נוכחיות
+
+**1. מעבר גרפים לא יעיל (פונקציה `follow_edges`, שורות 79-127)**
+- מבצע 3 שאילתות נפרדות למסד הנתונים עבור כל ישות בכל רמת עומק.
+- תבנית שאילתה: שאילתות מבוססות נושא, שאילתות מבוססות פרידיקט ושאילתות מבוססות אובייקט עבור כל ישות.
+- ללא טעינה: כל שאילתה מעבדת רק ישות אחת בכל פעם.
+- ללא זיהוי מעגלים: ניתן לחזור על צמתים זהים מספר פעמים.
+- יישום רקורסיבי ללא שמירה במטמון מוביל למורכבות אקספוננציאלית.
+- מורכבות זמן: O(entities × max_path_length × triple_limit³)
+
+**2. פתרון תגים רציף (פונקציה `get_labelgraph`, שורות 144-171)**
+- מעבד כל מרכיב משולש (נושא, פרידיקט, אובייקט) באופן רציף.
+- כל קריאה ל-`maybe_label` עלולה לגרום לשאילתת מסד נתונים.
+- ללא ביצוע מקבילי או טעינה של שאילתות תגים.
+- גורם עד ל-3 × קריאות מסד נתונים בודדות עבור גודל תת-גרף.
+
+**3. אסטרטגיית אחסון במטמון בסיסית (פונקציה `maybe_label`, שורות 62-77)**
+- מטמון מילון פשוט ללא מגבלות גודל או TTL.
+- מדיניות פינוי מטמון חסרה גורמת לצמיחה בלתי מוגבלת של הזיכרון.
+- אי-הצלחה במטמון גורמת לשאילתות מסד נתונים בודדות.
+- ללא אחזור מראש או חימום מטמון חכם.
+
+**4. תבניות שאילתות לא אופטימליות**
+- שאילתות דמיון וקטורי של ישויות אינן מאוחסנות במטמון בין בקשות דומות.
+- ללא שמירת תוצאות לשאילתות דומות.
+- אופטימיזציה חסרה של שאילתות לתבניות גישה נפוצות.
+
+**5. בעיות קריטיות בתוחלת החיים של אובייקטים (`rag.py:96-102`)**
+- **אובייקט GraphRag נוצר מחדש עבור כל בקשה**: מופעל מופע חדש עבור כל שאילתה, תוך אובדן כל היתרונות של המטמון.
+- **אובייקט שאילתה קצר מועד במיוחד**: נוצר ונהרס במהלך ביצוע שאילתה בודד (שורות 201-207).
+- **מטמון תגים מאופס עבור כל בקשה**: חימום מטמון וידע שנצבר אובדים בין בקשות.
+- **תקורה של יצירת לקוח**: לקוחות מסד נתונים מוקמים מחדש באופן פוטנציאלי עבור כל בקשה.
+- **ללא אופטימיזציה חוצת בקשות**: לא ניתן להפיק תועלת מתבניות שאילתה או שיתוף תוצאות.
+
+### ניתוח השפעה על ביצועים
+
+תרחיש גרוע ביותר נוכחי עבור שאילתה טיפוסית:
+- **אחזור ישות**: שאילתת דמיון וקטורית אחת.
+- **מעבר גרפים**: entities × max_path_length × 3 × triple_limit שאילתות.
+- **פתרון תגים**: subgraph_size × 3 שאילתות תגים בודדות.
+
+עבור פרמטרים ברירת מחדל (50 ישויות, אורך נתיב 2, מגבלת משולש 30, גודל תת-גרף 150):
+- **מספר מינימלי של שאילתות**: 1 + (50 × 2 × 3 × 30) + (150 × 3) = **9,451 שאילתות למסד נתונים**
+- **זמן תגובה**: 15-30 שניות עבור גרפים בגודל בינוני.
+- **שימוש בזיכרון**: צמיחה בלתי מוגבלת של המטמון לאורך זמן.
+- **יעילות מטמון**: 0% - מטמון מאופס בכל בקשה.
+- **תקורה של יצירת אובייקטים**: אובייקטי GraphRag + Query נוצרים/נהרסים עבור כל בקשה.
+
+מפרט זה מתייחס לפערים אלה על ידי יישום שאילתות בטעינה, אחסון במטמון חכם ועיבוד מקבילי. על ידי אופטימיזציה של תבניות שאילתות וגישה לנתונים, TrustGraph יכולה:
+
+- לתמוך בגרפי ידע בקנה מידה ארגוני עם מיליוני ישויות.
+- לספק זמני תגובה של פחות משנייה עבור שאילתות טיפוסיות.
+- לטפל במאות בקשות GraphRAG מקבילות.
+- להתרחב ביעילות עם גודל ומורכבות הגרף.
+
+## עיצוב טכני
+
+### ארכיטקטורה
+
+אופטימיזציה של ביצועי GraphRAG דורשת את הרכיבים הטכניים הבאים:
+
+#### 1. **שינוי ארכיטקטורת תוחלת החיים של אובייקטים**
+   - **הפיכת GraphRag למוחזקת לאורך זמן**: העברת מופע GraphRag לרמת Processor לקבלת עמידות בין בקשות.
+   - **שמירה על מטמונים**: שמירה על מטמון תגים, מטמון הטבעות ומטמון תוצאות שאילתות בין בקשות.
+   - **אופטימיזציה של אובייקט שאילתה**: שינוי Query להקשר ביצוע קל משקל, לא מיכל נתונים.
+   - **שמירת חיבור**: שמירה על חיבורי מסד נתונים לשימוש חוזר.
+
+#### 2. טעינה ובקשה
+   - שאילתות יבוצעו בטעינה, המפחיתות את מספר השאילתות הכולל.
+
+#### 3. אחסון במטמון
+   - מטמון תגים ישמור תוצאות כדי לשפר את יעילות השאילתה.
+
+#### 4. מדיניות
+   - מדיניות שאילתה תאפשר גבולות כדי לשפר את הביצועים.