Jena 中适用于任意长度属性路径的存储库

Question

我正在使用任意长度的属性路径运行 SPARQL 1.1 查询。 我可以在 Sesame Sail Repository 中非常高效地运行这些查询。但是，在 Jena 中使用 Dataset（从 Graph 创建）或 Model(TDB) 时，它们的运行速度非常慢。

除了 TDB 或 Graph 之外，Jena 还有其他可能性吗？

示例： 对于一个 60 MB 的 n3 rdf 文件，大约有 600,000 个三元组和以下查询：

SELECT ?x ?y {
 ?x <http://relationship.com/wasRevisionOf>+ ?y .
 ?x <http://relationship.com/wasGeneratedBy>/<http://relationship.com/wasAssociatedWith> ?z1 .
  ?y <http://relationship.com/wasGeneratedBy>/<http://relationship.com/wasAssociatedWith> ?z2 .
  FILTER(?z1 = ?z2  && ?x=<http://article.com/524910968> && ?y=<http://article.com/524753791>) 
} LIMIT 3

使用 Jena TDB 执行此查询需要 14 秒，JENA Graph 大约需要 38 秒，在 Sesame Sail Repository Memory Store 中只需要 100-150 毫秒*

• 这 100-150 毫秒适用于从 1mb 到 200mb 的每个文件大小，所需的三元组包含在所有文件中。

Answer 1

虽然我确实建议您尝试 TDB 以利用基于磁盘的索引，但这里我要指出一些可以帮助任何 SPARQL 引擎做得更好的事情。在您的查询中，您有一个带有一些相当简单条件的 过滤器。一个可能的问题是，从概念上讲，filter 表示要获得可能的结果，然后将它们修剪掉。现在，对于简单的条件，一个好的优化器可能会识别出可以在查询期间应用的过滤器，以防止过度工作。

在这种情况下，您要求 ?z1 = ?z2 当您可以简单地使用一个变量而不是两个变量时。当您可以简单地使用 value 或 values 块时，您还可以使用一些过滤器为 ?x 和 ?y 设置指定的值.希望这不会产生任何影响，但请考虑按照以下思路进行一些重写：

select ?x ?y {
  values (?x ?y) { (<...> <...>) }
  ?z ^(:wasGeneratedBy/:wasAssociatedWith) ?x, ?y .
  ?x :wasRevisionOf+ ?y .
}
limit 3

一般来说（但不一定在您的情况下）可能有帮助的另一件事是，按照措辞，搜索可以天真地执行为从 ?z 值开始，查找 ?x 和 ?y 的值，并且然后检查在?x 和?y 之间是否有合适的路径。但是由于 ?x 和 ?y 可以按任一顺序匹配，并且修订路径可能只在一个方向上，所以首先在子查询中寻找合适的 ?x ?y 对，然后在外部查询。不过，这在您的情况下可能并不重要，因为您从一开始就修复了 ?x 和 ?y 的值。