检索结果

Select

1. 分布式资源描述框架数据管理系统查询性能评价

冯钧, 王秉发, 陆佳民

《计算机应用》唯一官方网站 2022, 42 (2): 440-448. DOI: 10.11772/j.issn.1001-9081.2021020255

摘要（305）

HTML （17）

PDF （602KB）（173）

随着知识图谱技术的不断发展，知识图谱驱动的知识信息管理广泛应用于各个领域，因此面向知识图谱的分布式SPARQL（Simple Protocol and Resource description framework Query Language）的查询效率显得尤为重要。首先针对现有的基于Spark和基于主存（RAM）的分布式资源描述框架（RDF）系统进行详细调研；其次，从上述系统中选出8个具有代表性的系统进行查询性能评估，比较基于Spark和基于RAM的系统在不同查询类型、查询直径、数据集上的查询性能差异；然后，全面分析实验结果，对基于Spark和基于RAM的系统的查询性能进行评价；最后，针对现有系统在分布式SPARQL查询中存在的查询伸缩性差、查询连接复杂度高、查询编译时间长等问题，展望面向垂直应用领域的分布式SPARQL查询优化的未来研究方向。

图表 | 参考文献 | 相关文章 | 多维度评价

Select

2. 分布式环境下大规模资源描述框架数据划分方法综述

杨程, 陆佳民, 冯钧

计算机应用 2020, 40 (11): 3184-3191. DOI: 10.11772/j.issn.1001-9081.2020040539

摘要（409）

PDF （623KB）（431）

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。

参考文献 | 相关文章 | 多维度评价

Select

3. 基于HBase的路网移动对象时空索引方法

冯钧, 李顶圣, 陆佳民, 张立霞

计算机应用 2018, 38 (6): 1575-1583. DOI: 10.11772/j.issn.1001-9081.2017122977

摘要（509）

PDF （1599KB）（354）

在处理路网移动对象时，由于HBase只能采用key查询，不适用于移动对象的多维查询，导致HBase存在存储索引与查询效率不高的问题。针对此问题，在HBase存储结构的基础上设计并实现了一种高效的路网移动对象HBase索引框架（RM-HBase）。首先，对原生HBase索引框架的上层HMaster和下层HRegionServer进行改进，解决分布式集群数据的热点分布问题，提高空间数据的查询效率；其次，提出路网移动索引——RN-tree，解决空间划分中的"死空间"问题，同时提高空间中路段的查询效率；然后，基于上述对HBase的索引改进，分别设计了时空范围查询、时空K最近邻（KNN）查询和移动对象轨迹查询的查询算法；最后，实验选用了同样是基于HBase分布式数据库而提出的时空HBase索引（STEHIX）框架作为对比对象，分别从索引框架的性能和算法的查询效率两个方面对RM-HBase的性能进行分析。实验结果表明，所提的RM-HBase在数据的均衡分布性能和时空查询算法的查询性能方面都优于STEHIX框架，有助于提升海量路网移动对象数据的时空索引效率。

参考文献 | 相关文章 | 多维度评价