[发明专利]在RDF数据集上进行OPTIONAL查询的方法及存储介质

说明书

本发明提供了一种在RDF数据集上进行OPTIONAL查询的方法，将RDF数据集加载到内存，与客户端建立网络通信，接收含OPTIONAL查询的查询请求；解析查询请求，将查询请求中的查询语句分解成主查询和OPTIONAL查询两部分；执行主查询，产生主查询结果；执行OPTIONAL查询的分组查询，产生分组查询结果，汇总分组查询结果得到OPTIONAL查询结果，将主查询结果、OPTIONAL查询结果结合形成最终查询结果，将最终查询结果发送客户端。本发明提出的在RDF数据集上进行OPTIONAL查询的方法，通过建立OPTIONAL匹配表，标记OPTIONAL变量，调整查询语句顺序，动态修正查询结果等技术，极大地提高了OPTIONAL查询效率，显著降低了查询处理的开销，加快了查询速度。

技术领域

本发明涉及RDF图查询领域，具体地，涉及一种在RDF数据集上进行OPTIONAL查询的方法。

背景技术

人类正处于大数据时代，各种类型的海量数据需要以合适的形式被存储和使用。许多知识图谱、社交网络数据通常以RDF(Resource Description Framework,资源描述框架)的形式进行存储。RDF是W3C(The World Wide Web Consortium,万维网联盟)推荐使用的一种数据标准模型，它可以方便地表示万维网上的结构性数据。在RDF模型中，相互关联的数据可以表示为三元组(triple)。一个三元组由主体(subject)，谓词(predicate)，客体(object)构成。例如，利用RDF模型，我们可以方便地存储“上海交通大学位于上海市”这条数据。其中“上海交通大学”是三元组的主体，“位于”是谓词，“上海市”是客体。若把主体和客体看作顶点，谓词看作一条边，则三元组可以表示为以谓词连接主体顶点和客体顶点的一个有向图。整个RDF数据集可以看作一张错综复杂，顶点之间以各种谓词连接的有向图。

SPARQL(Simple Protocol and RDF Query Language)是一种对RDF数据进行查询的语言。SPARQL查询由多条查询语句组成。查询语句形如RDF中的三元组，三元组中的主体，谓词或客体以要查询的变量替换。对于一条SPARQL语句，若语句中的已知元素(主体，谓词或客体中的一个或多个)与一个RDF三元组中对应的元素一致，则称这条数据与这个查询语句“匹配”。与语句中的变量对应的数据元素即为这条语句的查询结果。

对于基础的SPARQL查询来说，语句之间的关系类似于SQL中的联接(join)。例如，语句1执行后产生中间结果1，以中间结果1中的每一条数据为基础执行语句2，若该条中间结果与语句2不匹配，则该条数据不会出现在此句结束后的中间结果2中。本说明书中，我们将基础的SPARQL查询称为“主查询”。

而对于OPTIONAL查询来说，语句之间的关系类似于SQL中的左外联接(left outerjoin)。例如，语句1执行后产生中间结果1，以中间结果1中的每一条数据为基础执行语句2，若该条中间结果与语句2不匹配，该条数据仍然会出现在此句结束后的中间结果2中，只是对于语句2所要求查询的变量，本说明书中称为OPTIONAL变量，将以一个空值代替。

一条带有OPTIONAL的SPARQL查询通常由两部分组成：主查询和OPTIONAL查询。主查询可以包含零至多条查询语句，用花括号包围起来。紧跟主查询的是一至多个OPTIONAL查询组，每个OPTIONAL查询组由一个OPTIONAL关键词标记并用花括号将查询语句包围起来。每个查询组中包含零至多条查询语句。

传统的SPARQL查询引擎没有考虑到RDF图结构数据的特点，导致需要最终联接(final join)的方式生成结果，开销极大。对于基础SPARQL查询，存在图探索的查询方法，避免了最终联接，效率较高。然而，由于OPTIONAL查询不删除不匹配的中间结果的特殊性质，使得图探索技术无法应用到OPTIONAL查询中。如何发明一种高效的OPTIONAL查询方法，成为当前图查询领域的技术难题。

发明内容