大規(guī)模RDF數(shù)據(jù)并行查詢處理系統(tǒng).pdf

1、RDF（Resource Description Framework）數(shù)據(jù)模型的提出是為了對網(wǎng)絡(luò)對象進(jìn)行建模，作為語義網(wǎng)發(fā)展的一部分。這種數(shù)據(jù)模型被很多領(lǐng)域使用，如維基百科，政府機(jī)構(gòu)以及生物信息等。RDF數(shù)據(jù)集的量級正在成倍增長?，F(xiàn)在，RDF數(shù)據(jù)集數(shù)量已經(jīng)突破十億個三元組并繼續(xù)增長著。爆炸式的RDF數(shù)據(jù)對現(xiàn)有分析以及處理數(shù)據(jù)的方式提出了嚴(yán)重的挑戰(zhàn)。由于現(xiàn)有查詢引擎在查詢處理方面的缺陷，設(shè)計一種高效的RDF數(shù)據(jù)處理系統(tǒng)成為人們亟待解決的問

2、題。
　　大規(guī)模RDF數(shù)據(jù)并行查詢處理系統(tǒng)（TripleParallel），提出了一種高效處理十億級別RDF數(shù)據(jù)的技術(shù)。這種技術(shù)根據(jù)RDF數(shù)據(jù)的特性，采用圖數(shù)據(jù)結(jié)構(gòu)對RDF數(shù)據(jù)進(jìn)行抽象并用圖方式表示。為了提高SPARQL（SPARQL Protocol and RDF Query Language）語句的查詢處理速度，TripleParallel采用基于塊粒度下的并行處理模型。針對查詢計劃生成，采用選擇度估計的方式確定查詢圖中每個

3、變量以及綁定模式的選擇度。然后采用執(zhí)行結(jié)構(gòu)覆蓋查詢圖的方式，確定查詢計劃的執(zhí)行順序。在塊粒度處理方式中，建立并行處理模型，以塊為單位，采用數(shù)據(jù)提取與數(shù)據(jù)操作分開的方式，并采用流水線處理的方式連接兩個過程之間的操作。在提高并行度的同時，加強(qiáng)了預(yù)取數(shù)據(jù)與計算的重疊，縮減了整體查詢的執(zhí)行時間。在塊內(nèi)部處理方面，TripleParallel提出了并行處理連接方式。針對不同的數(shù)據(jù)操作，采取了進(jìn)一步的優(yōu)化，提升了處理速度。
　　TripleP