对等网中基于agent的rdf在线查询.docVIP

对等网中一种基于Agent的RDF连续查询结构 摘要： 本文在介绍了P2P网络中RDF数据的连续查询算法的基础之上，提出了基于Agent的应用实施结构，详述了各Agent责任与分工，给出了连续链式查询算法应用的有效方案. 关键词 ：RDF连续查询 ，DHTs，Agent A Model of Continuous Query of RDF Based on Agent in P2P Network Xieyinghao Abstract：Based on analyzing the algorithm of continuous query of RDF，this paper gives a application structure of this algorithm based on Agent, describing the responsibility of each Agent，give a efficient solution to the use of CQC． Key words：continuous query of RDF， DHTs ，Agent 引言 语义Web作为传统 Web的扩展，已经成为下一代 Web 的发展方向，其基础便是资源描述框架 (RDF)．RDF是W3C提出的Web资源元数据标记的推荐标准．RDF数据以s，p，o三元组形式来描述Web上的各种资源．spo分别叫做主题，对象和属性值，它使用XML语法，能够定义 概念以及概念间的关系．描述易被机器理解的信息和知识．为网上资源描述提供了一种通用表示框架，可用于解决语义异构问题．Web使用中信息的检索占到相当大的比例，RDF作为描述数据的数据被引入到web之后，由于信息共享范围的扩大和层次的深入，以及人们对信息的获取针对性的增强，有关RDF本身的检索日益受到关注，同时RDF流上的查询的深入研究变得更显必要，RDF流的连续查询的主要应用体现在诸如网站为满足“尽快让我看到我喜欢的某部新电影”这类的要求，以RDF元数据为形式记录日志的网站的告警，以及对等网中协作与数据共享等． Erietta Liarou[1]等提出了连续查询链（CQC）和连续值扩展两个算法，都是为解决涉及等等网中多个结点的查询．算法主要集中解决了RDF查询中的大量连接操作所带来的运算负担，但是算法执行时会涉及大量的网络负载，以流式查询链为例，考虑多个用户提交查询开始，会存在多个地点提交的查询导致网络拥堵而一概丢弃的极端情况，也就是说网络的健壮性不能完全依靠“对等”来解决．在网络底层有令牌方法解决类似冲突问题，但不适用在上层应用，可以引入可移动的Agent对查询进行管理协调，并最优的用户制定出连接计划． DHTs上的连续查询算法及Agent DHTs是对等网的一种，其特点是结点和结点内容（以关键字标记）都可以使用分布式哈希表(DHT)来定位．文中提到的对等网采用了CHORD协议[2]，该协议采用环状结构，其中每个结点和每一项（结点存储内容）都采用一个m位数字来标识，环的规模是2m-1，主键为key的结点 positon=hash（key），在这种结构下，每次查询课以在O（logN）步内结束． 三元组模式的连接是RDF查询的核心关键，给出在一个有k个三元组的模式的连接查询Q=[q1,q2,…qk]，其中每个模式形如q=（?s，p，?o）．假设对等网中有结点N提交了查询Q，则该查询中的每个三元组模式qi的变量部分（如前文中的?s，?o）都会经由DHTs的哈希表映射到对该模式负责的那个节点上，可以认为把节点和查询做了捆绑． Nj负责模式qj，结点N0 ，N1，．．Nｋ就构成了查询Q的查询链，为了裁定接收到的三元组是否满足给定的查询，查询链中结点必然要交换中间结果． 图1 每个三元组模式被映射到对应结点 此时对等网中各节点可以认为处于监控状态，每新进入一个三元组，可能来自于管理员的更新（新的三元组），或是从其他结点得到的中间结果，得到该RDF三元组的结点就会复制三份拷贝，分别发送按三元组三部分索引后得到的结点． 收到了新的三元组 Nj结点收到了新的三元组，会与索引的查询模式作匹配，匹配如下： Nj不是查询链首节点，则会把新到三元组存到自己的三元组表； 若果Nj是首节点，则把估值v穿交链上下一结点，可以认为该三元组在查询Q=[q1，q2，．．qk]中得到了q1的匹配． 收到了中间结果 Nj收到中间结果w后，由于该结果是一个估值，Nj将w作用于自己负责的模式qj，然后去自己的三元组表中搜索看有无匹配，如果有，变产生一个新的中间结果w’，并把w’传送至查询链位置上的下一个结点．同时会将w存储在自己的中间结果表中． 查询链中的