[发明专利]一种基于查询计划的联邦型RDF系统Top-K查询与优化方法

权利要求书

1.一种基于查询计划的联邦型RDF系统Top-K查询与优化方法，其主要特征是：

(1)基于同源归并的查询分解与数据源定位方法

定义集合D＝{D₁,D₂,D₃,...,D_n}表示一个联邦型RDF系统有n个RDF数据源，对于每个RDF数据源D_i离线提取其所有谓词m个，形成谓词集合P(Di)＝{P₁,P₂,P₃,...,P_m}，不同的RDF数据源的谓词集合之间可能存在交集，因此对于一个谓词可能有多个RDF数据源；定义一个Hash映射集合HP,S存储联邦型RDF系统中所有关系谓词及其对应的RDF数据源集合，其中每一个映射元素P_k,S表示一个谓词P_k的RDF数据源为集合S；

对于两个不同的谓词P_i和P_j，当它们的RDF数据源H(P_i)＝H(P_j)时：①RDF数据源个数|H(P_i)|＝1；②RDF数据源个数|H(P_i)|＞1，且R_S(P)表示包含谓词P的所有三元组主体集合，R_O(P)表示包含谓词P的所有三元组客体集合，则表示包含谓词P_i和P_j的两个三元组可以合并为一个子查询，该子查询的RDF数据源为H(P_i)；

(2)基于代价模型和动态规划的最优查询计划生成方法

对于联邦型RDF数据系统中任意一个谓词P_i，定义包含该谓词的三元组总个数为Sum(P_i)＝card(σ_P＝Pi(D))；包含该谓词的三元组中不同的主体个数为Subject(P_i)＝card(dom[π_S(σ_p＝pi(D))])；包含该谓词的三元组中不同的客体个数为Object(P_i)＝card(dom[π_O(σ_p＝pi(D))])；表示包含谓词P_i的三元组前连接基数，表示包含谓词P_i的三元组后连接基数；则对于一个子查询中两个相连的三元组，设它们的谓词分别为P₁、P₂，P₁的客体与P₂的主体相连，则其查询代价为：

不同的子查询执行策略决定了子查询的连接顺序，而不同的子查询连接顺序的连接代价相差巨大；对于两个子查询Q₁和Q₂，它们的最小连接代价为：

其中M表示两个子查询相连三元组的主体取值个数，N表示对应的客体取值个数；对于用户提交的Top-K查询语句Q，经过查询分解后得到一系列子查询{Q₁,Q₂,Q₃,...,Q_n}，这些子查询的最优执行计划采用动态规划算法生成；

(3)基于深度优先和子图剪枝的查询计划执行方法

根据最优查询计划执行子查询的过程中依然有更进一步的优化策略：①将前序子查询的查询结果作为后序子查询的values子句，缩小后序子查询子图匹配范围，进而提高查询效率；②针对Top-K查询特点，当执行完包含排序变量的子查询后，采用深度优先执行策略对当前查询结果进行剪枝，选取前K条数据作为后序子查询的values子句，大幅度缩小所有后序子查询子图匹配范围。