云环境下海量语义数据的查询策略-中南大学学报.PDFVIP

第 48 卷第 5 期 中南大学学报( 自然科学版) Vol.48 No.5 2017 年 5 月 Journal of Central South University (Science and Technology) May 2017 DOI: 10.11817/j.issn.1672-7207.2017.05.014 云环境下海量语义数据的查询策略 胡志刚，景冬梅，陈柏林，郑美光，杨柳 ( 中南大学 软件学院，湖南 长沙，410073) 摘要：为了实现对海量RDF 数据的高效查询，研究RDF 数据在分布式数据库HBase 中的存储方法。基于MapReduce 设计海量 RDF 数据的两阶段查询策略，将查询分为 SPARQL 预处理阶段与分布式查询执行阶段。SPARQL 预处 理阶段设计实现基于 SPARQL 变量关联度的查询划分算法 JOVR ，通过计算 SPARQL 查询语句中变量的关联度确 定连接变量的连接顺序，根据连接变量将 SPARQL 子句连接操作划分到最小数量的 MapReduce 任务中；分布式 查询执行阶段执行 SPARQL 预处理阶段划分的 MapReduce 任务，实现对海量 RDF 数据的并行查询。采用 LUBM 标准测试数据集对查询策略予以验证。研究结果表明：JOVR 算法能够高效地实现对海量 RDF 数据的查询，并具 有较强的稳定性与可扩展性。 关键词：并行处理；语义信息查询策略；MapReduce ；SPARQL；海量RDF 中图分类号：TP391 文献标志码：A 文章编号：1672−7207(2017)05−1218−09 Massive semantic data query method based on cloud computing HU Zhigang, JING Dongmei, CHEN Bailin, ZHENG Meiguang, YANG Liu (School of Software, Central South University, Changsha 410073, China) Abstract: In order to achieve the efficient query for large-scale RDF data, the storage method of RDF triples in HBase was analyzed and a two-phase query strategy for large-scale RDF data was designed based on MapReduce, which was divided into two stages, i.e. the SPARQL pretreatment stage and the distributed query execution stage. In the SPARQL pretreatment stage, a SPARQL query classification algorithm-JOVR was implemented, which determined the join order of connection variables by calculating the correlation between the variables in a SPARQL query statement, and then the join between SPARQL clauses was divided into the minimu m number of MapReduce jobs according to the connection variables. Th