我要问的是一种方法，而不是具体的解决方案。我将从描述我认为具有挑战性的情况开始，然后继续这个问题。希望这样做更有意义。
我正在处理从自然语言中提取的数据。以后必须根据某种“知识库”分析这些数据（引用它是因为它不是真正的知识库，我稍后会谈到）。知识库很大，它的容量，到目前为止，理论上，但很快实际上将超过内存中存储的可能。我的两个担忧是：
将数据转移到数据库服务器将意味着速度降低一个因素......好吧，我不知道是什么因素，但它可能很容易达到几个数量级。即在位于内存中的运行时本地对象中查找一条数据的任务要快得多，然后查询数据库。
任何时候都不需要整个庞大的数据量。事实上，只使用了很小的一部分，所以，也许一些缓存可以帮助解决这个问题。我实际上希望有人已经面临这个问题并且缓存是正确的答案。
到目前为止，“知识库”只是一个复杂的数据结构，可以通过类似于使用某种查询语言查询数据库的方式来查询它。即它不是一个简单的按键操作查找值，它需要多个子查询来识别一个对象是否匹配给定的条件。
只是为了给你更具体的例子来说明我正在尝试做的事情。不像langutils，我正在尝试提出一个解析器，我称之为“预测解析器”，对不起，如果该术语已经被采用并且意味着其他内容:) 主要思想是，而不是将 POS 标签分配给单词，然后通过将一组规则应用于推断的信息来迭代地纠正原始假设，我试图以某种方式做到这一点，即给定特定的前缀，引擎将根据其“学习知识”生成延续。即假设知识库了解到前缀“我可以”几乎肯定后面跟着一个动词短语。所以解析器会假设动词短语并按原样解析它，除非它遇到错误。困难的部分是找到合适的前缀。不好的是，像“我会”和“你应该”这样的前缀将得到同等的优先级，即。e. 它们将按照相同的顺序（随机、字母顺序等）检查匹配。这个想法是，尽管在知识获取过程中，知识库将学习以这种方式存储和查找信息，最可能的前缀是首先查找，最初甚至不会加载最不可能的前缀。
这个概念有点类似于 CPU 缓存的工作原理。因此，如果我写的内容太长：我正在寻找一种数据结构，它的功能类似于 CPU 缓存，当前缓存的内容驻留在内存中，未缓存的内容存储在数据库中，或作为文件等。
PS。对不起我收集的标签。我觉得这并没有真正描述我的问题。如果您知道问题属于哪里，欢迎您对其进行调整。