耶拿的适当存储库，用于 属性 任意长度的路径
Appropriate repositories in Jena for property paths with arbitrary lengths
我正在运行使用任意长度的 属性 路径查询 SPARQL 1.1。
我可以在 Sesame Sail Repository 中非常高效地 运行 这些查询。然而，它们 运行 在 Jena 中使用数据集（从 Graph 创建）或模型（TDB）非常慢。
Jena除了TDB或者Graph还有其他的可能性吗？
示例：
对于一个 60 MB 的 n3 rdf 文件，包含大约 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，而在 Sesame Sail Repository Memory Store 中则只需 100-150 毫秒。*
- 这 100-150 毫秒适用于从 1mb 到 200mb 的每个文件大小，所有文件中都包含所需的三元组。
虽然我确实建议您尝试使用 TDB 来利用基于磁盘的索引，但我要指出的一些事情可以帮助任何 SPARQL 引擎做得更好。在您的查询中，您有一个带有一些相当简单条件的 filter。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 trim 将它们放下。现在，对于简单的条件，一个好的优化器可能会识别 过滤器 可以在查询期间应用以防止多余的工作。
在这种情况下，您要求 ?z1 = ?z2 时您可以简单地使用一个变量而不是两个变量。当您可以简单地使用值或 值块。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
另一件可能有帮助的事情，一般来说（但不一定在你的情况下）是，搜索，如措辞，可以天真地从 ?z 值开始执行，找到 ?x 和 ?y 的值，然后检查 ?x 和 ?y 之间是否存在合适的路径。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朝一个方向进行，因此首先在子查询中查找合适的 ?x ?y 对，然后在中查找 ?z 值可能是有意义的外部查询。不过，这对您的情况可能无关紧要，因为您从一开始就固定了 ?x 和 ?y 的值。
我正在运行使用任意长度的 属性 路径查询 SPARQL 1.1。 我可以在 Sesame Sail Repository 中非常高效地 运行 这些查询。然而，它们 运行 在 Jena 中使用数据集（从 Graph 创建）或模型（TDB）非常慢。
Jena除了TDB或者Graph还有其他的可能性吗？
示例： 对于一个 60 MB 的 n3 rdf 文件，包含大约 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，而在 Sesame Sail Repository Memory Store 中则只需 100-150 毫秒。*
- 这 100-150 毫秒适用于从 1mb 到 200mb 的每个文件大小，所有文件中都包含所需的三元组。
虽然我确实建议您尝试使用 TDB 来利用基于磁盘的索引，但我要指出的一些事情可以帮助任何 SPARQL 引擎做得更好。在您的查询中，您有一个带有一些相当简单条件的 filter。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 trim 将它们放下。现在，对于简单的条件，一个好的优化器可能会识别 过滤器 可以在查询期间应用以防止多余的工作。
在这种情况下，您要求 ?z1 = ?z2 时您可以简单地使用一个变量而不是两个变量。当您可以简单地使用值或 值块。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
另一件可能有帮助的事情，一般来说（但不一定在你的情况下）是，搜索，如措辞，可以天真地从 ?z 值开始执行，找到 ?x 和 ?y 的值，然后检查 ?x 和 ?y 之间是否存在合适的路径。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朝一个方向进行，因此首先在子查询中查找合适的 ?x ?y 对，然后在中查找 ?z 值可能是有意义的外部查询。不过，这对您的情况可能无关紧要，因为您从一开始就固定了 ?x 和 ?y 的值。