【摘要】：為了實(shí)現(xiàn)對(duì)海量RDF數(shù)據(jù)的高效查詢,研究RDF數(shù)據(jù)在分布式數(shù)據(jù)庫(kù)HBase中的存儲(chǔ)方法�；贛apReduce設(shè)計(jì)海量RDF數(shù)據(jù)的兩階段查詢策略,將查詢分為SPARQL預(yù)處理階段與分布式查詢執(zhí)行階段。SPARQL預(yù)處理階段設(shè)計(jì)實(shí)現(xiàn)基于SPARQL變量關(guān)聯(lián)度的查詢劃分算法JOVR,通過計(jì)算SPARQL查詢語(yǔ)句中變量的關(guān)聯(lián)度確定連接變量的連接順序,根據(jù)連接變量將SPARQL子句連接操作劃分到最小數(shù)量的MapReduce任務(wù)中;分布式查詢執(zhí)行階段執(zhí)行SPARQL預(yù)處理階段劃分的MapReduce任務(wù),實(shí)現(xiàn)對(duì)海量RDF數(shù)據(jù)的并行查詢。采用LUBM標(biāo)準(zhǔn)測(cè)試數(shù)據(jù)集對(duì)查詢策略予以驗(yàn)證。研究結(jié)果表明:JOVR算法能夠高效地實(shí)現(xiàn)對(duì)海量RDF數(shù)據(jù)的查詢,并具有較強(qiáng)的穩(wěn)定性與可擴(kuò)展性。
[Abstract]:In order to efficiently query massive RDF data, the storage method of RDF data in distributed database HBase is studied. The two-stage query strategy of massive RDF data is designed based on MapReduce, and the query is divided into SPARQL preprocessing stage and distributed query execution stage. SPARQL preprocessing stage is designed to implement the query partition algorithm JOVR, based on SPARQL variable correlation degree. The join order of the join variables is determined by calculating the correlation degree of the variables in the SPARQL query statement, and the join operation of the SPARQL clause is divided into the smallest number of MapReduce tasks according to the join variables. In the distributed query execution phase, the MapReduce tasks divided by the SPARQL preprocessing phase are executed, and the parallel query for massive RDF data is realized. The query strategy is verified by LUBM standard test data set. The research results show that the JOVR algorithm can efficiently query the massive RDF data, and has strong stability and scalability.
【作者單位】： 中南大學(xué)軟件學(xué)院;
【基金】：國(guó)家自然科學(xué)基金資助項(xiàng)目(61301136,61572525,61602525)~~
【分類號(hào)】：TP311.13

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 劉煥亭,張凌燕;分布式數(shù)據(jù)庫(kù)系統(tǒng)的查詢策略研究[J];科學(xué)技術(shù)與工程;2005年20期

2 李曉華;曹健;張申生;牟玉潔;;面向異構(gòu)過程庫(kù)的過程查詢策略與系統(tǒng)研究[J];計(jì)算機(jī)集成制造系統(tǒng);2006年10期

3 唐朝偉;張偉軍;;WSN中用戶需求信息相關(guān)性查詢策略[J];計(jì)算機(jī)應(yīng)用研究;2011年01期

4 羅英偉,邢彭齡;基于XML的地理信息元數(shù)據(jù)系統(tǒng)的查詢策略[J];計(jì)算機(jī)工程;2004年22期

5 余敏;李戰(zhàn)懷;張龍波;;基于super-peer的連續(xù)查詢策略[J];計(jì)算機(jī)工程與應(yīng)用;2006年01期

6 劉濤;張志明;;一種基于P2P網(wǎng)絡(luò)Gnutella模型的查詢策略[J];計(jì)算機(jī)應(yīng)用與軟件;2006年06期

7 王士同,夏振華;模糊知識(shí)庫(kù)的查詢策略[J];小型微型計(jì)算機(jī)系統(tǒng);1988年08期

8 馬志鋒,邢漢承,鄭曉妹;分布式知識(shí)系統(tǒng)中基于粗糙集合的查詢策略研究[J];信息與控制;2001年02期

9 吳洪潭,呂青毅,丁文;高考招生信息的分布式查詢技術(shù)[J];中國(guó)計(jì)量學(xué)院學(xué)報(bào);2000年02期

10 劉波;楊路明;雷剛躍;;基于蟻群算法的XML概率查詢策略與算法優(yōu)化[J];計(jì)算機(jī)工程;2008年05期

相關(guān)會(huì)議論文 前1條

1 余敏;李戰(zhàn)懷;張龍波;;P2P連續(xù)查詢策略分析與研究[A];第二十二屆中國(guó)數(shù)據(jù)庫(kù)學(xué)術(shù)會(huì)議論文集（研究報(bào)告篇）[C];2005年

，

本文編號(hào)：2330532