基于代价的联邦 SPARQL 查询处理引擎的实证评估
数据库
2021-04-05 v1 机器学习
性能
摘要
寻找良好的查询计划是优化查询运行时间的关键。这对于利用基数估计来实现该目标的基于代价的联邦引擎尤为如此。已有若干研究在不同性能指标上比较 SPARQL 联邦引擎，包括查询运行时间、结果集完整性与正确性、所选数据源数量以及发送请求数。尽管具有参考性，这些指标较为通用，无法量化和评估基于代价的联邦引擎中基数估计器的准确性。为彻底评估基于代价的联邦引擎，必须衡量估计基数误差对整体查询运行时间性能的影响。在本文中，我们通过提出针对基于代价的联邦 SPARQL 查询引擎细粒度基准测试的新评估指标来应对这一挑战。我们利用 LargeRDFBench 查询，使用现有及新颖的评估指标对五个基于代价的联邦 SPARQL 查询引擎进行了评估。我们的结果对实验产出进行了详细分析，揭示了新颖的见解，可为未来基于代价的联邦 SPARQL 查询处理引擎的开发提供参考。
引用
@article{arxiv.2104.00984,
title = {An Empirical Evaluation of Cost-based Federated SPARQL Query Processing Engines},
author = {Umair Qudus and Muhammad Saleem and Axel-Cyrille Ngonga Ngomo and Young-koo Lee},
journal= {arXiv preprint arXiv:2104.00984},
year = {2021}
}
备注
24 pages, Semantic Web, 2020, #article