Help:使用SPARQL和RDF存储

From semantic-mediawiki.org
Jump to: navigation, search
SMW管理员手册
下载
安装
配置
概念高速缓存
Pretty URIs
使用SPARQL和RDF存储
故障处理
修复SMW数据
扩展
基本扩展
语义扩展
SMW用户手册

默认情况下,SMW会把所有的数据都存储在MediaWiki所使用的同一个关系数据库当中(通常是MySQL数据库)。 这将保证安装起来简便易行,但关系数据库对于语义数据来说并不是一种理想的存储手段。 一种更为自然的,适合于SMW数据的数据模型就是RDF。RDF乃是一种数据格式,它把信息组织在图形(graphs)之中,而不是固定的数据库表当中。 幸运的是,还是可以采用基于RDF的系统,结合标准的SQL数据库,来管理查询SMW的数据。本页面将阐述其中的细节。

关于采用RDF数据库的支持与反对意见

优势

在特定的维基站点之中是否要采用某种RDF存储,取决于许多的因素,包括所采用的具体的RDF数据库。不过,我们还是可以合理地期望获得下列优势:

  • 查询性能更佳
    RDF存储在设计上旨在采用SPARQL查询语言来应答查询。与采用关系数据库的SQL查询语言相比,采用这种语言则可以更为自然地表达SMW查询。从这种意义上来说,SMW查询乃是RDF数据库系统最为典型的用例。而且,对于SMW查询来说,许多针对关系数据库查询的重要优化方法毫无用处,或者起着误导的作用。因此,可以期望,RDF存储应当可以提供极佳的查询性能。
  • 额外的接口
    支持SPARQL标准的RDF存储还允许其他应用程序针对自己的数据提出SPARQL查询,且无须借助于SMW网络前端(web frontend)。这使得我们可以在其他应用程序当中有效地利用维基站点数据。有些具备SPARQL能力的数据库还进一步支持(部分的)OWL本体语言,并提供相应的接口来查询所存储的数据(比如,借助于OWL链接协议(OWL Link protocol))。语义网应用程序也可以利用许多的公共编程库(common programming libraries)(如librdfOWL API),从而有助于在较低的层次上将它们与其他的工具集成起来。
  • 推理功能以及基于本体的数据存取能力
    RDF Schema和 OWL之类的语义网语言,比如通过允许声明派生类(derived classes)或声明进一步的属性特性(property characteristics)(如属性的可递性<transitivity>),还为建模提供了额外的表达功能。有些具备SPARQL能力的数据库还能够评价这些查询应答功能;比如,对于基于本体的数据存取(ontology-based data access,OBDA)来说,利用语义建模构造(semantic modeling constructs),依据数据来创建“虚拟视图(virtual views)”的方法。
  • 数据集成和本体重用
    可以在RDF数据库之中存储由SMW来更新的额外数据。这样,RDF存储就可以作为数据集成和本体重用的一种平台来发挥作用。
  • 计算资源的物理隔离
    采用与MediaWiki之中不同的数据库后端,为在多个服务器之间分配任务提供了一种简便的方法。因而,尤其是可以防止复杂查询影响维基站点的基本操作,即使是它们意外地消耗了惊人数量的计算能力,也就是说,在它们搞垮了为RDF数据库提供主机托管服务的服务器的情况下。

缺点

然而,同时也存在着许多可能的缺点:

  • 存储要求更高
    只是在RDF数据库之中对数据进行了镜像,而不是从SQL数据库之中删除了数据。因而,需要额外的存储空间。
  • 额外的维护工作
    RDF 后端在SMW之中的安装并不难,但要运行额外的数据库管理系统,仍要花费一些精力。
  • 有关性能和稳定性的疑问
    目前,已有许多工业级的RDF数据库可用,其中有些还是免费或开源的。然而,将这些系统与SMW配合使用的经验还是有限的,因而在决定为大型SMW应用程序采用特殊的后端之前,进行一些测试还是会有所帮助。

幸运的是,无须花费太多精力,即可在基于SQL的存储后端与基于RDF的存储后端之间来回切换,因此,在试用一段时间之后,还可以再做定夺。

针对RDF数据库做出决定

原则上,SMW支持任何支持SPARQL查询语言 和SPARQL 1.1之中所介绍的 the SPARQL更新语言的数据库。在SMW 1.7.0当中,要求存储接受那些并未说明图形(graph)的更新和查询;不过,计划未来删除这项限制。目前,有两个地方保存维护有RDF存储列表:

(注意:RDF存储有时又称为“三元组存储<triple stores>”,尽管许多现代的存储实际上属于“四元组存储<quad stores>”,后者也为每个RDF三元组赋予一个具名图形<graph>。)

截至2012年,两个尤为值得注意的,自由且开源的RDF数据库就是4StoreVirtuoso。二者均已成功用于SMW,尽管当前因为在SMW查询之中并不使用具名图形的上述限制,Virtuoso仍需要在SMW之中进行若干不大的变更。

配置SMW

SPARQL请求,无论是查询还是更新,都是通过Web服务来交换的。这就意味着,请求是发送到URLs和数据是从URLs那里接收,而URLs则是说明相应服务的位置。这种位置是由RDF数据库及其配置来确定的。例如,在本地机器上,4Store的SPARQL查询Web服务(“端点”)典型的默认位置可能就会是http://localhost:8080/sparql/。

为了对SMW进行配置,以便使用SPARQL数据库,需要您了解SPARQL查询服务的位置以及SPARQL更新服务的位置。 选择性的就是,您还可以利用某种在更新上支持基于HTTP 之上的SPARQL 协议的服务 (如果使用的话,对于简单的更新请求,SMW将会首选这种方法,而不是SPARQL更新<SPARQL Update>;当出现问题的时候,则可予以忽略)。 如下面例子所示,则必须在LocalSettings.php之中给出这些Web服务的位置:

$smwgDefaultStore = 'SMWSparqlStore';
$smwgSparqlQueryEndpoint = 'http://localhost:8080/sparql/';  # 查询服务的位置
$smwgSparqlUpdateEndpoint = 'http://localhost:8080/update/'; # 更新服务的位置
$smwgSparqlDataEndpoint = 'http://localhost:8080/data/';     # 基于HTTP之上的SPARQL服务(SPARQL over HTTP service)的位置
                                                            #  可选;出现问题时,则可予以忽略
$smwgSparqlDefaultGraph = 'http://example.org/mydefaultgraphname'; # 默认图形的可选名称

第一行说的是,SMW要采用SPARQL存储实现(store implementation)来存储数据(而不是默认的SMWSQLStore2)。其余行则提供的是相关的服务位置;其中,最后两行可省略。在许多情况下,不应设置smwgSparqlDataEndpoint,因为大多数存储都有其各自的置入协议(protocol for posting)。

默认情况下,SMW将使用的是基于最新SPARQL文档的通用SPARQL连接器。一些RDF数据库可能会并不完全兼容它,或者可能会需要专门的调整,以便利用那些高级的非标准功能特性。

4Store

4Store用户应当采用上述设置,但还要额外做出如下设置:

$smwgSparqlDatabase = 'SMWSparqlDatabase4Store';

这是自SMW 1.6.0以来才提供的。这将确保采用4Stores软限制功能来限制查询应答时所需的那些资源。而且,用于数据端点的协议(如果加以了配置的话)是4Store所特有的。推荐使用这项功能,因为其在写入上效率更高。

Virtuoso

自从SMW 1.7.1以来,提供了对Virtuoso的支持。Virtuoso用户应当采用如下设置:

$smwgDefaultStore = 'SMWSparqlStore';
$smwgSparqlDatabase = 'SMWSparqlDatabaseVirtuoso';
$smwgSparqlQueryEndpoint = 'http://localhost:8890/sparql/';
$smwgSparqlUpdateEndpoint = 'http://localhost:8890/sparql/';
$smwgSparqlDataEndpoint = '';
$smwgSparqlDefaultGraph = 'http://example.org/mydefaultgraphname';

其中,确切的URLs取决于本地配置。可以任意选择默认图形的URI,但必须加以设置。Virtuoso(至少是某些版本)的使用目前也存在着一些已知的局限性:

  • 数值型数据类型并未得到正确的支持,因而当查询条件需要数字取值时,Virtuoso会遗失查询结果。这也会影响日期类型Type:Date属性,因为查询时也使用数字型取值。
  • 某些编辑(插入)查询会因未知原因而失败,也许是与不寻常的/复杂的输入数据有关(比如,在字符串之中使用特殊字符);当试图在页面上存储此类取值时,就会出现错误。
  • Virtuoso遇到负值年份的XSD日期时会失败,即使是此类日期遵循ISO标准只有四位数字。试图存储此类数据时会造成错误。

其他的RDF存储

那些符合官方SPARQL和SPARQL更新标准的存储大多应当能够很好地工作。 例如,已有报道说明Sesame可以与默认连接器协同工作。 在许多情况下,都应当采用设置$smwgSparqlDataEndpoint = '';,因为对于(可选)数据端点协议的支持并未通过很好的测试。

要利用您的存储的特殊功能,通过对SMWSparqlDatabase划分子类(subclassing),即可轻松地创建经过改良的实现。 在4Store和Virtuoso的文件当中可以找到示例(参见目录./includes/sparql/)。可将有关建议和文件放置到缺陷跟踪程序(bugtracker)当中(参见左侧的链接)或者采用电子邮件来发送。

将数据移动到新的数据库

在变更了配置之后,RDF数据库之中尚无任何数据。要采用维基站点当前的内容填充该数据库,有必要先刷新所有的数据。详情请参见Help:修复SMW数据。任何刷新这些数据的方法都会有效。所有的SMW查询(嵌入式查询或语义搜索)都将针对RDF数据库来执行,因此,只有当刷新了所有的数据之后,它们的结果才会准确无误。

已知的局限性

当采用借助于RDF数据库的查询应答机制时,目前尚不支持少数的功能:

  • 概念查询(Concept queries): 在RDF存储当中,尚不支持概念
  • 类别和属性层级结构(Category and property hierarchies):只有当RDF数据库备有对于RDF Schema的rdfs:subClassOf和rdfs:subPropertyOf功能特性的内置支持时,才会把层级结构考虑进来。否则,层级结构信息就不会带来额外的查询结果。


本文档页面适用于SMW从1.7.1版到最新版本的所有版本。
      其他语言: deen

Help:Using SPARQL and RDF stores zh-hans 1.7.1