关联数据联合查询处理技术研究

摘要

自从2009年Berners-Lee在TED大会上发言后，关联数据技术得到了迅猛发展。截至2011年9月关联开放数据云已包含了310亿个RDF三元组和近50.4亿个RDF关联。面对如此海量的关联数据，如何有效查询网络上的关联数据已经成为一个热门的研究课题。
　　 论文设计了关联数据联合查询架构，其特点是在执行查询前建立关联数据的统计信息。论文提出了数据源选择算法，它通过发送ASK子查询和建立SPARQL端点的VOID描述使用倒排索引来管理统计信息。对关联数据联合查询的启发式优化，论文推导了SPARQL基本图模式的FILTER等价公式。论文的连接顺序优化基于代价优化，定义了关联数据联合查询的代价函数和基数估计。论文受新近发表的关系数据库动态规划优化算法启发，引入了三元组模式连接丛林树LDPccp优化算法。
　　 论文基于Sesame框架实现了一个名为FR的关联数据联合查询系统，它实现了SAIL层并对查询处理进行优化。实验采用最新的专门针对关联数据联合查询的测试基准FedBench进行实验评估。数据源选择优化实验证明了论文中完善的关联数据联合查询处理架构是合理的，它能有效提高数据源选择的精度。同时，查询处理实验表明LDPccp优化算法技术提高了查询性能。