面向全内存RDF引擎的压缩k2-Triples
信息检索
2011-05-23 v1 数据库
摘要
当前的“数据洪流”使数据网充斥着海量的RDF数据集。这些数据集通过SPARQL端点进行托管和查询，这些端点充当基于关联数据项目原则构建的语义网络的节点。尽管这是全球数据发布的一种现实理念，但当RDF引擎（位于端点之后）管理这些海量数据集时，其查询性能会下降。它们的索引无法完全加载到主存中，因此这些系统需要执行缓慢的磁盘访问来解决SPARQL查询。本文通过一种紧凑的索引化RDF结构（称为k2-triples）解决了这一问题，该结构将紧凑的k2-tree结构应用于众所周知的垂直划分技术。它获得了大型RDF图的超压缩表示，并允许SPARQL查询在无需解压的情况下全内存执行。我们表明，k2-triples明显优于最先进的压缩率和传统的垂直划分查询解析，同时与多索引解决方案相比仍保持极强的竞争力。
引用
@article{arxiv.1105.4004,
title = {Compressed k2-Triples for Full-In-Memory RDF Engines},
author = {Sandra Álvarez-García and Nieves R. Brisaboa and Javier D. Fernández and Miguel A. Martínez-Prieto},
journal= {arXiv preprint arXiv:1105.4004},
year = {2011}
}
备注
In Proc. of AMCIS'2011