基于列存储的RDF数据管理 朱敏 2012-10-15
Contents 数据模型 存储组织 系统实现 查询处理 总结
数据模型 遵循RDF三元组(S, P, O)的数据模型 遵循RDF Schema定义的词汇 增加了反向Property的定义: Property(S)=O -> ReverseProperty(O)=S 目的：提高(?S P O)和(?S ?P O)查询的速度
存储组织（1） 按类划分，按列存储 通过Resource的type属性对所有资源进行归类。 每一个CLASS对应一张存储表，表的列由那些声明了domain 为该类的Property组成。 每一个Property对应着一个列存储文件，以Subject为ROWKEY，以Object为VALUE。 如果该Property的range是一个CLASS，那么系统将同时建立另一个列存储文件，即反向Property对应的存储文件，以Object为ROWKEY，以Subject为VALUE。
存储组织（2） 四种集合类型（BAG，SEQ，ALT，LIST）采用相同的存储结构，通过不同的访问API来实现不同的访问方式。
系统实现 基于HBASE实现列存储 三张系统表
查询处理（1） 八种形式的Triple Pattern ( S P O ) ( S P ?O ) ( S ?P O )
查询处理（2） ( S P O ) ( S P ?O )
查询处理（3） ( S ?P O ) ( S ?P ?O )
查询处理（4） ( ?S P O ) ( ?S P ?O )
查询处理（5） ( ?S ?P O ) ( ?S ?P ?O ) 遍历所有类表 与集合类型的表
总结 对比关系型存储的优点： 可以改进的方面： 支持属性列的动态扩展 利用HBASE的Rowkey索引可以快速查询结果 可以通过RDFClass & RDFProperty表中的superClass, subClass, superProperty, subProperty属性进行一些简单的推理 可以改进的方面： 当Object为literal时，如果值很大并且重复较多时可以建立相应的hash索引。 推理方面的改进。
Thank You !