如何为 SPARQL 查询设置排序规则？答案

【问题标题】：How do you set the Collation for a SPARQL query?如何为 SPARQL 查询设置排序规则？
【发布时间】：2016-08-15 19:13:27
【问题描述】：

我是一名使用 MarkLogic 数据库的 Java 开发人员。我的代码的一个关键功能是它能够动态生成 4-6 个 SPARQL 查询并通过 HTTP GET 请求运行它们。每个结果相加然后返回。我现在需要对这些结果进行一致排序。

由于我对每个查询的结果进行分页（使用 LIMIT 和 OFFSET 语句），每个查询都有自己的 ORDER BY 语句。如果不将排序嵌入到查询中，结果页面将无序返回。

但是，每个查询都会返回自己的结果，这些结果是单独排序的，需要合并到一个排序列表中。我的偏好是字母数字排序，在考虑大小写之前考虑字符，并将空值和空值排序到最后。（例如：“0123456789AaBbCc…WwXxYyZz”）

我已经在我的 Java 代码中使用自定义比较方法做到了这一点，但我最近遇到了一个问题：我的结果仍然没有返回 sorted。我遇到的问题源于这样一个事实，即我的自定义排序方案与 SPARQL 使用的排序方案完全分开，从而导致一组明显未排序的结果。虽然我考虑过在返回结果之前从头开始对结果进行排序，而不是假设 MarkLogic 正在返回排序结果，但这似乎是不必要的浪费，甚至可能无法解决我的问题。

在我的研究中，我无法找到为 SPARQL 设置排序规则的任何方法，也没有找到编写自定义排序规则的方法。本页 (https://www.w3.org/TR/rdf-sparql-query/#modOrderBy) 上的文档特别指出 SPARQL 的 ORDER BY 是基于由 XPATH 的 fn:compare 驱动的比较方法。该函数引用了此页面 (https://www.w3.org/TR/xpath-functions/#collations)，其中特别提到了用于指定排序规则以及使用 Unicode 排序规则算法的替代实现的选项。我找不到任何详细说明如何实际执行此操作的内容。

简而言之，我有什么方法可以操纵或控制 SPARQL 查询如何比较字符以影响最终顺序？

【问题讨论】：

我认为自定义排序取决于三元组存储和 SPARQL 引擎。我不知道 MarkLogic，但我想如果存在这样的选项，开发人员会知道，直接向他们寻求帮助可能会更快。
我不确定我是否理解你。您是否建议我询问为 MarkLogic 工作的开发人员？
是的，至少 w.r.t.一些特定于工具的自定义订单支持。如果没有，那么您唯一能做的就是@JoshuaTaylor 在下面的回答中显示的内容。

标签： sorting sparql marklogic collation

【解决方案1】：

如果我理解您的要求，您想使用 ORDER BY、OFFSET 和 LIMIT 来选择要显示的哪些结果，然后您需要另一个 ORDER BY 来确定您显示这些结果的顺序（可能与您用来选择它们的顺序不同）。您可以使用嵌套查询来做到这一点：

select ?result {
  { select ?result where {
      #-- ...
    }
    order by #-- ...
    offset #-- ...
    limit #-- ...
  }
}
order by #-- ...

对自定义排序的支持并不多，但是您可以在排序表达式中使用函数，并且您可以提供多个表达式来先按一件事排序，然后再按另一件事排序。在您的情况下，您可能想要执行类似 order lcase(?value) 之类的操作来区分大小写。（当然，这并不完美。例如，我不清楚您是否需要对数字前缀进行数字排序（例如，顺序应该是 1、10、2 还是 1、2、10）。 )

【讨论】：

看来我可能需要以我想要的方式处理大写和小写字母的排序。下一个问题是重写我的比较方法以匹配 SPARQL。从我在这里读到的（blog.dydra.com/2015/05/06/collation）看来，如果你的三元组有一个特定的语言标签，那么它们可以根据该语言的规则进行排序。但是我没有找到太多关于默认值的文档。即使从我的集合中提取每个三元组并梳理结果，我也没有看到任何语言标签，这让我想知道它自然应用的顺序是什么。
@Benjamin 我不确定您所说的“三元组语言标签”是什么意思。没有数据类型的文字可以有语言标签。例如，“color”@en 或“color”@en-GB。三元组本身没有语言标签。
你是对的，我对我在一些三元组的对象中引用文字的方式很粗心。我做了更多阅读，似乎因为我们在存储任何文字时没有应用语言标签，所以 SPARQL 不会对 ORDER BY 应用任何基于语言的比较。相反，它将“根据 Unicode 代码点”比较它们。虽然这不是我想要的，但它足以让我修改我的 java 代码中的排序，所以一切都是一致的。非常感谢您的帮助。

【解决方案2】：

我刚刚从 SPARQL 实施者那里得到了明确的答复。

SPARQL 规范并没有真正解决排序规则。 MarkLogic 使用 unicode 代码点排序规则进行 SPARQL 排序。

但是，我们需要了解您的要求。如您所知，MarkLogic 支持各种排序规则，并且这种支持内置于支持 SPARQL 的代码中——我们只是没有公开一个接口来说明如何利用 SPARQL 中的排序规则。

MarkLogic 正在关注此线程，因此请随时提出该请求，也许会建议您考虑如何从查询中访问排序规则，我们会看到它。

【讨论】：

如果 sparql order by 类似于 order by lcase(?variable) 什么排序规则 uri 最适合这个？

【解决方案3】：

我就此事联系了 MarkLogic 的 Kevin Morgan，他非常乐于助人。昨天我们举行了一次 WebEx 会议，讨论了该问题的各种解决方案，进展顺利。

他们的工程师证实，到目前为止，还没有办法强制 SPARQL 使用特定的排序顺序。他们为我的问题提出了两个有希望的解决方案：

• 在文档中嵌入三元组并利用文档搜索和范围索引：虽然这适用于多系统设计，但不适用于我们的设计。排序和分页属于产品升级，我们不能要求我们的客户完全重新摄取他们的数据，以便我们可以应用这个新标准。

• 在 XQuery 语句中包装您的 SPARQL 查询：这种方法使用 SPARQL 确定整个结果集，然后利用 XQuery 中的自定义排序规则来处理排序。分页也在 XQuery 中处理（原因很明显，在排序之前分页会破坏两者）。

第二种解决方案似乎对我们有用，但我需要先研究性能成本，然后才能认真考虑实施它。顺便说一句，我觉得非常奇怪的是，SPARQL 的排序不支持排序规则，而它所构建的 XQuery 函数支持排序规则。假设它的用户永远不想使用除了基本的 Unicode 代码点排序之外的任何东西对未标记的文字值进行排序，这似乎是不合逻辑的。什么时候我可以将基于 XQuery 构建的东西嵌入 XQuery 中，因为创建者似乎“遗漏了一些东西”？

【讨论】：

“SPARQL 的排序在它所构建的 XQuery 函数执行时不支持排序规则”如果这是真的，那么这将是一个差距。实际上，SPARQL 和 XQuery 都是基于 C++ 构建的，并且是不同的索引样式（范围索引与三重索引）有或没有排序规则。因此，虽然这是一个功能上的差距，但它实际上是为 SPARQL 引擎带来排序规则的一个巨大的 LoE，虽然当你知道它时这是一个明显的差距，但排序规则首先不是 SPARQL 或 RDF 的一部分，所以它不是t 优先将其作为语言扩展来实现。
@grechaw，看来我的陈述是基于对实现的不完全理解。我的立场是正确的。