分布式环境下大规模资源描述框架数据划分方法综述

• 作者: 冯钧 杨程 陆佳民
• 来源期刊: 计算机应用
• 学科: 工学
• 关键词: 资源描述框架 数据划分 分布式RDF数据存储 SPARQL查询 分布式数据库
• 年，卷（期）: 2020,（11）
• 所属期刊栏目: 数据科学与技术
• 页码范围: 3184-3191
• 页数: 8页
• 分类号: TP311.133.1
• 语种: 中文
• DOI: 10.11772/j.issn.1001-9081.2020040539

摘要

随着知识图谱的日益发展和在各个垂直领域的广泛应用,对于资源描述框架(RDF)数据的高效处理需求日益成为现代大数据管理领域中的新课题.RDF是W3C提出的用于描述知识图谱实体以及实体间关系的数据模型.为了有效地应对大规模RDF数据的存储和查询,很多学者考虑在分布式环境中管理RDF数据.RDF数据的分布式存储所面临的关键问题是数据的划分,而划分的结果很大程度上决定了SPARQL的查询性能.从数据划分的角度,主要围绕两类:基于图结构的RDF数据划分方法和基于语义的RDF数据划分方法展开深入阐述.前者包括多粒度层次划分、模板划分和聚类划分,适用于通用领域查询的语义范畴较为宽泛的场景;后者包括哈希划分、垂直划分和模式划分,更加适用于垂直领域查询的语义范畴相对固定的环境.此外,针对几种典型的划分方法进行对比与分析,为未来RDF数据划分方法的研究提供参考.最后,对未来RDF数据划分方法的发展方向进行了归纳总结.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	冯钧		73	385	12.0	16.0
2	陆佳民		11	21	3.0	4.0
3	杨程		2	1	1.0	1.0