[论文解读] Extending SPARQL to Support Entity Grouping and Path Queries

Amin Beheshti, Sherif Sakr+2 more|arXiv (Cornell University)|Nov 21, 2012

Semantic Web and Ontologies参考文献 20被引用 6

一句话总结

本文提出 FPSPARQL，作为 SPARQL 的扩展，引入文件夹节点和路径节点作为一等抽象，以支持在大规模 RDF 图中高效查询实体组和路径。该方法通过原生支持子图和路径的构建、检索与重用，增强了 SPARQL 的能力，实验结果表明，基于高性能查询引擎的实现，在大规模图工作负载下优于现有系统。

ABSTRACT

The ability to efficiently find relevant subgraphs and paths in a large graph to a given query is important in many applications including scientific data analysis, social networks, and business intelligence. Currently, there is little support and no efficient approaches for expressing and executing such queries. This paper proposes a data model and a query language to address this problem. The contributions include supporting the construction and selection of: (i) folder nodes, representing a set of related entities, and (ii) path nodes, representing a set of paths in which a path is the transitive relationship of two or more entities in the graph. Folders and paths can be stored and used for future queries. We introduce FPSPARQL which is an extension of the SPARQL supporting folder and path nodes. We have implemented a query engine that supports FPSPARQL and the evaluation results shows its viability and efficiency for querying large graph datasets.

研究动机与目标

• 为解决 SPARQL 中缺乏对子图和路径查询的原生支持，从而限制了大规模图的高效分析。
• 在图数据模型中引入文件夹节点和路径节点作为一等实体，以支持相关实体和路径的分层与可重用抽象。
• 设计并实现 FPSPARQL，一种声明式查询语言扩展，支持对文件夹和路径的查询、构建与重用。
• 在大规模图数据集上评估所提出查询引擎的性能与可扩展性，并与 HyperGraphDB 等现有系统进行比较。
• 在真实应用场景中支持高级图分析工作负载，如影响图发现与业务流程子图提取。

提出的方法

• 提出一种图数据模型，支持结构化与非结构化实体，同时引入文件夹节点用于组织相关实体集合，路径节点用于表示实体之间的传递关系。
• 将 FPSPARQL 作为 SPARQL 的扩展，支持模式匹配、变量绑定，并使用类似 SPARQL 的语法实现文件夹和路径节点的构建。
• 采用高性能关系型 RDF 存储系统作为底层引擎，通过优化的物理算子实现对 FPSPARQL 查询的高效评估。
• 使用 GRIPP 算法实现图可达性，实现 $O(n+m)$ 的索引构建复杂度与 $O(m-n)$ 的查询时间复杂度，从而实现高效的路径遍历。
• 通过允许文件夹和路径作为一等节点在后续查询中存储与使用，支持分层与可重用的抽象。
• 实现外部遍历算法与查询优化技术，以高效处理复杂的路径与分组查询。

实验结果

研究问题

• RQ1 如何扩展 SPARQL 以原生支持将子图与路径作为一等实体进行构建与查询？
• RQ2 在大规模 RDF 图系统中引入文件夹与路径节点的性能开销如何？
• RQ3 FPSPARQL 是否能够高效表达并执行复杂的图分析查询，如影响图发现与业务流程子图提取？
• RQ4 FPSPARQL 引擎在性能与可扩展性方面与 HyperGraphDB 等现有图查询系统相比表现如何？
• RQ5 使用 GRIPP 等优化图可达性算法对查询执行时间与存储效率有何影响？

主要发现

• FPSPARQL 查询引擎成功支持在大规模 RDF 图中将文件夹与路径节点作为一等实体进行构建、存储与查询。
• 评估结果表明，FPSPARQL 在查询执行时间上优于 HyperGraphDB，尤其在复杂路径与分组查询中表现更优。
• GRIPP 算法实现了高效的图可达性，具备 $O(n+m)$ 的索引大小与 $O(m-n)$ 的查询时间复杂度，相比传递闭包显著降低了存储与延迟。
• 该系统在大规模图数据集上表现出良好的可扩展性，支持如影响图发现与业务流程子图检索等复杂查询。
• 将 FPSPARQL 集成到高性能关系型 RDF 引擎中，实现了对路径与分组查询的高效评估，同时不损失表达能力。
• 该方法支持分层与可重用的抽象，允许文件夹与路径作为输入参与后续查询，显著提升了表达能力，超越标准 SPARQL。