[发明专利]一种高效的RDF数据存储查询系统

说明书

本发明公开了一种高效的RDF数据存储查询系统，所述系统采用哈希表和哈希树的复合索引结构，用于存储RDF数据；所述复合索引结构包括：作为第一层的哈希表的哈希层、以及作为第二层的哈希树的树层；所述哈希层为静态哈希表，所述树层为动态的哈希树，提高了查询效率；在第一层中，构造长度为m的静态哈希表；在第二层中，基于素数序列动态地构建哈希树；所述系统还利用哈希树解决哈希表中的冲突问题。本发明通过设计的数据存储查询系统提高了RDF存储效率和SPARQL的查询效率，满足了实际应用中的多种需要。

技术领域

本发明涉及索引和存储结构领域，尤其涉及一种高效的RDF(资源描述框架)数据存储查询系统。

背景技术

在过去的几十年里，RDF数据量大幅增长，因此，如何有效地存储和管理海量的RDF数据已成为一项巨大的挑战。现已有的几个系统支持RDF存储和查询，如gStore、RDF-3x等。根据数据管理方法，这些系统可以分为三类：基于关系数据库的系统、基于三元组的系统和基于图的系统。

基于关系数据库的系统将RDF数据转换为关系数据表存储，查询时，SPARQL(查询语言和数据获取协议)查询也需要转化为SQL(结构化查询语言)语言。这些系统又可以细分为：基于三列表的系统、基于属性表的系统和基于垂直分区表的系统。在基于三列表的系统中，每行元素代表一个RDF语句，三列分别对应于主语、谓语和宾语。虽然三列表简单易用，但查询效率低，易产生大量的自连接操作。基于属性表的系统按属性(也就是谓词)分组，相同谓词的语句分到一个关系表中。该方法可以有效减少自连接操作的次数，但是，实际上，属性表会产生大量空值，而且，查询还会涉及多个属性表，因此，属性表只适用于某些特殊应用。垂直分区表使用多个双列表存储RDF数据。与属性表相同，垂直分区表也可能导致大量空值。利用关系数据库成熟的管理技术，这类系统易于实现。但是，这类系统破坏了RDF的原始结构，并且容易产生大量的join操作和空值。

基于三元组的系统以三元组原始的形式来存储RDF数据，例如：RDF-3x、RDF Cube等。通常这些系统利用B+树索引、哈希索引或其他索引结构来提高查询性能。例如，RDF-3x根据主谓宾六种不同的组合顺序创建了六种B+树索引以加速查询性能。其基本思想是牺牲空间效率以提高时间效率；RDFCube根据主谓宾建立三维的哈希表用来过滤掉部分无效数据。

基于图的系统将RDF数据看成图数据来处理，更好的保留了RDF的结构特征。例如：在gstore中，RDF数据的查询问题转换为了子图匹配问题。

虽然上面提到的方法已经实现了RDF存储和查询的功能，但是随着数据量的增多，查询速度慢已经成为这类系统的致命弱点。如何在大数据量的情况下，提高RDF存储效率和查询速度，是本发明要解决的问题。

发明内容

本发明提供了一种高效的RDF数据存储查询系统，本发明拟开发一个支持RDF存储和SPARQL查询的系统，旨在提高RDF存储效率和SPARQL查询效率，详见下文描述：

一种高效的RDF数据存储查询系统，所述系统采用哈希表和哈希树的复合索引结构，用于存储RDF数据；

所述复合索引结构包括：作为第一层的哈希表的哈希层、以及作为第二层的哈希树的树层；所述哈希层为静态哈希表，所述树层为动态的哈希树，提高了查询效率；

在第一层中，构造长度为m的静态哈希表；在第二层中，基于素数序列动态地构建哈希树；

所述系统还利用哈希树解决哈希表中的冲突问题。

进一步地，所述系统在执行插入操作时，包括：将RDF顶点直接插入到哈希表的空白桶中；

若哈希表中的对应位置已有数据，则应在第二层中建立新的哈希树；

若哈希树未构建，则创建哈希树的根节点，若已构建，则插入RDF顶点，依次向下判断子节点是否被占用，没有占用时，插入节点。