[发明专利]一种基于连接代价的SPARQL语义数据查询优化方法

说明书

技术领域

本发明属于计算机查询优化技术领域，具体涉及一种基于连接代价的SPARQL语义查询优化方法。

背景技术

目前关联数据(Linked Data)的规模逐年递增，基于关联数据的语义查询的效率一直有待提高。关联数据一般采用RDF(资源描述框架)来表达，目前对RDF文档查询优化研究主要分为2个方面：一种是对RDF文档建立有效的索引机制，以及Oracle、Mysql等关系数据库对RDF文档的序列化索引机制；另一种是对RDF标准查询语言SPARQL的优化。前者主要依赖于RDF的索引结构、磁盘索引存储方式或数据库的特性来达到较高的I/O吞吐性能；后者从分析SPARQL语法语义的角度，研究其查询机制，找到最优的逻辑查询计划。SPARQL类似于SQL查询语言的select-from结构，它的执行需要相应的查询处理器进行编译。在编译过程中会进行关系代数等价转换，关系代数的等价形式有多种，各操作子的执行顺序，连接操作的代价，以及操作子的具体实现方式都有差异，所以存在对SPARQL的各种逻辑优化策略。

目前对SPARQL优化的方法中，一些是从SPARQL语句中属性相关性的角度来调整SPARQL语句中连接操作的选择度估值，以及使用自适应存储系统FlexTable来改善查询效率；还有的方法采用SPARQL语义约简规则以及选择估值策略融合的方案来设计SPARQL的优化算法；以及利用元组模式的选择度估值寻找元组模式最优连接顺序的方法，这种方法已应用于Jena的SPARQL查询优化器ARQ中；将SPARQL查询模式进行分组也是一种优化策略，还可以采用贝叶斯网和链直方图的方法进行选择度的估计来优化SPARQL查询。

发明内容

本发明在于解决海量RDF语义数据查询效率低下的问题，设计了一种基于连接代价的SPARQL语义查询优化方法。

为实现上述目标，本发明采用如下技术方案：

一种基于连接代价的SPARQL语义数据查询优化方法，包括如下步骤：

步骤1：构建RDF语义数据索引，使用B树结构对RDF语义数据进行索引存储，选择spo、pos、osp三种索引方式；其中，s为主语、p为谓语、o为宾语；

步骤2：获取用户客户端提交的SPARQL查询语句，解析出SPARQL查询语句中的图模式，并表示为SPARQL连接图形式；

步骤3：利用RDF模式信息简化SPARQL查询语句，得到简化的SPARQL连接图；

步骤4：估计SPARQL查询语句子查询结果的基数大小cart(t)；使用公式cart(t)＝3×N/4进行估计，其中N表示子查询经过哈希运算后结果集个数的取值范围；t表示SPARQL查询语句中的一个子查询，对应精简后的SPARQL连接图中的一个节点；子查询是指SPARQL连接图模式中的一条三元组查询；

步骤5：对连接操作的结果集大小进行估计；

步骤6：根据步骤5得到的连接操作的结果集大小的估计值，使用动态规划方法在整个连接图空间中查找最优的执行顺序。

步骤7：根据最佳执行顺序，产生新的SPARQL查询并提交服务器端执行语义查询；

步骤8：结束。

进一步的，所述的步骤3中利用RDF模式信息简化SPARQL查询语句；的具体精简规则为：

①对含有公共变量的SPARQL连接图模式{？x rdf:type C1.？x rdf:type C2.……}简化为{？x rdf:type C1.……}，其中，C1和C2是RDF中的概念，？x表示待查询的变量；

②对于{？x rdf:type C1.？x p o.……}的SPARQL连接图模式，其中p为非rdf:type类型的属性，简化为{？x p o.……}，o为宾语；使用该规则时，根据模式信息考察谓语p的定义域或值域是否为单个概念，如果是，直接按该规则简化，如果不是，SPARQL连接图模式将不进行简化处理；

③对于含有公共变量形{？x p1？o.？y p2？o.……}的图模式，其中p 1是p 2的子属性，简化为{？x p1？o.……}。

进一步的，所述的步骤5中使用如下方法估计连接操作结果集的基数：