[发明专利]结合星型图编码的RDF数据存储与查询方法

摘要

本发明涉及一种结合星型图编码的RDF数据存储与查询方法,步骤S1对RDF数据进行预处理，将所述RDF数据以RDF数据图方式呈现；步骤S2将输入的SPARQL查询语句以SPARQL查询图方式呈现，进行查询分解；步骤S3对所述SPARQL查询语句进行预处理，得到整个查询的任务数、查询星型子节点的连接顺序以及查询星型子节点的相关信息;步骤S4执行所述SPARQL查询语句并进行查询连接计划，采用Hadoop的MapReduce并行运算框架，根据所述SPARQL查询语句的关联性决定查询任务Job的启动次数；步骤S5进行子图查询，采用Map函数；步骤S6进行结果连接算法，采用Reduce函数。本发明由于采用基于星型结构的哈希编码索引查询策略，减少存储数据冗余和查询任务数，加快查询效率。

主权项

结合星型图编码的RDF数据存储与查询方法,其特征在于：步骤S1：对RDF数据进行预处理，将所述RDF数据以RDF数据图方式呈现；所述的预处理包括一星形数据分割阶段和一星形图编码阶段；步骤S2：将输入的SPARQL查询语句以SPARQL查询图方式呈现，进行查询分解，解析成星型节点，形成查询子图G；步骤S3：对所述SPARQL查询语句进行预处理，得到整个查询的任务数、查询星型子节点的连接顺序以及查询星型子节点的相关信息；所述的查询星型子节点的相关信息包括主语类型、查询变量、连接变量、索引编码和节点编码；通过主语类型将查询星型节点的查询范围定位到主语类型所在的文件夹下，再由索引编码可以得到具体的输入文件；步骤S4：执行所述SPARQL查询语句并进行查询连接计划，采用Hadoop的MapReduce并行运算框架，根据所述SPARQL查询语句的关联性决定查询任务Job的启动次数；步骤S5：进行子图查询，采用Map函数，包括两个过程：首先利用步骤S3计算好的索引编码和过滤策略1，得到关于查询连接任务Q的候选文件；其次结合分布式框架，根据节点编码和过滤策略2，对输入文件中的星型节点做快速的过滤和精确验证，最后得到每个查询子图任务的查询结果；步骤S6：进行结果连接算法，采用Reduce函数。