独立的 blazegraph wikidata 服务器没有返回结果答案

【问题标题】：Standalone blazegraph wikidata server no results returned独立的 blazegraph wikidata 服务器没有返回结果
【发布时间】：2019-09-27 10:08:50
【问题描述】：

我刚刚成功创建了一个本地独立的 Blazegraph 实例并按照此处的说明上传了 Wikidata 数据库https://github.com/wikimedia/wikidata-query-rdf/blob/master/docs/getting-started.md。

这是我使用的“超级”命令：

git clone --recurse-submodules https://gerrit.wikimedia.org/r/wikidata/query/rdf wikidata-query-rdf && cd wikidata-query-rdf && mvn package && cd dist/target && unzip service-*-dist.zip && cd service-*/

nohup ./runBlazegraph.sh &

mkdir data && wget https://dumps.wikimedia.org/wikidatawiki/entities/latest-lexemes.ttl.gz && mkdir data/split && ./munge.sh -f latest-lexemes.ttl.gz -d data/split -l en,es -s && ./loadRestAPI.sh -n wdq -d `pwd`/data/split && ./runUpdate.sh -n wdq -l en,es -s

./runUpdate.sh 仍在运行，但已将更新拉到 2019-09-23T13:31:56Z

测试它，我将我本地的 Wikidata 结果与Wikidata Query Service 结果进行了比较，并且存在差异。

例如，如果我从示例中运行“Cats”查询：

#Cats
SELECT ?item ?itemLabel 
WHERE 
{
  ?item wdt:P31 wd:Q146.
  SERVICE wikibase:label { bd:serviceParam wikibase:language "[AUTO_LANGUAGE],en". }
}

维基数据查询服务有 142 个结果。我没有。

如果我从示例中运行“最近事件”查询：

#Recent Events
SELECT ?event ?eventLabel ?date
WHERE
{
    # find events
    ?event wdt:P31/wdt:P279* wd:Q1190554.
    # with a point in time or start date
    OPTIONAL { ?event wdt:P585 ?date. }
    OPTIONAL { ?event wdt:P580 ?date. }
    # but at least one of those
    FILTER(BOUND(?date) && DATATYPE(?date) = xsd:dateTime).
    # not in the future, and not more than 31 days ago
    BIND(NOW() - ?date AS ?distance).
    FILTER(0 <= ?distance && ?distance < 31).
    # and get a label as well
    OPTIONAL {
        ?event rdfs:label ?eventLabel.
        FILTER(LANG(?eventLabel) = "en").
    }
}
# limit to 10 results so we don't timeout
LIMIT 10

Wikidata 查询服务显然返回 10 个结果。我有一个。

为什么结果会出现这种差异？是不是我做错了什么？

提前谢谢你。

关于我正在运行 Wikidata 的机器的其他信息，以防万一它很重要。

工作站 Dell Precision 7510
Ubuntu 18.04.3 LTS 64 位
内存 32G RAM
处理器 Intel® Core™ i7-6820HQ CPU @ 2.70GHz × 8
显卡 Quadro M2000M/PCIe/SSE2
磁盘 250Gb SSD

【问题讨论】：

你刚刚加载了latest-lexemes.ttl.gz？剩下的数据呢？我的意思是，Wikidata 很大，你为什么不至少加载 Truthy 数据集？为什么要将查询您的小数据集与公共端点中加载的完整数据集进行比较？
我对这个@AKSW 很满意。我只是按照说明进行操作。拥有完整的数据集就足以仅加载 latest-all.ttl.gz 还是我必须分别加载 latest-all.ttl.gz、latest-lexemes.ttl.gz 和 latest-truthy.ttl.gz？谢谢。
根据文档：wikidata.org/wiki/Wikidata:Database_download#RDF_dumps - "完整的转储一起包含 Wikidata 中的所有实体信息，但顺序（别名、语句等）除外，这不是自然地以 RDF 表示。简化的转储将没有限定符的语句编码为单个 RDF 三元组（省略引用）。” - 您可以从加载真实数据集开始 - 这已经非常大并且需要一些时间......

标签： sparql blazegraph wikidata-query-service

【解决方案1】：

2018 年 1 月，我按照您在 http://wiki.bitplan.com/index.php/WikiData#Import 中找到的说明进行了成功的 Wikidata 导入。我第一次尝试使用标准硬盘花了很长时间，我估计需要 10 天的导入时间。当我切换到 SSD 时，导入时间减少到 2.9 天。当时我需要一个 512 GB 的 SSD 来适应 jnl 文件。

自 2018 年 1 月以来，Wikidata 增长得更多，因此您可以预期导入时间至少会成比例地增加。最近在 Wikidata 邮件列表中对导入进行了一些讨论，因此您可以在那里找到有关替代方案和速度问题的提示。

在导入完成之前，您不会得到合理的结果，因为链接三元组可能还没有。

对于猫的例子，我的 2018-01 导入在 2 秒后有 111 个结果。事件示例取决于您何时运行查询、何时执行导入以及该期间每月有多少事件。我将 31 天更改为 600 天，以在大约 30 秒后获得 10 个结果。如果我没有限制地运行查询并且 31 它不会在 7 小时后给出结果...

【讨论】：