[论文解读] RocketRML - A NodeJS implementation of a use-case specific RML mapper

Umutcan Şimşek, Elias Kärle+1 more|arXiv (Cornell University)|Mar 12, 2019

Semantic Web and Ontologies被引用 5

一句话总结

RocketRML 是一个基于 Node.js 的 RML 映射器，专为在旅游用例中从大型 XML 和 JSON 文件高效生成 RDF 而设计。它通过利用 JavaScript 的原生 JSON 解析和优化的迭代器，相较于基于 Java 的 RML 映射器实现了更高的处理性能，尤其在处理嵌套且不可连接的数据时表现更优——尽管目前尚不支持 JOIN 操作和命名图。

ABSTRACT

The creation of Linked Data from raw data sources is, in theory, no rocket science (pun intended). Depending on the nature of the input and the mapping technology in use, it can become a quite tedious task. For our work on mapping real-life touristic data to the schema.org vocabulary we used RML but soon encountered, that the existing Java mapper implementations reached their limits and were not sufficient for our use cases. In this paper we describe a new implementation of an RML mapper. Written with the JavaScript based NodeJS framework it performs quite well for our uses cases where we work with large XML and JSON files. The performance testing and the execution of the RML test cases have shown, that the implementation has great potential to perform heavy mapping tasks in reasonable time, but comes with some limitations regarding JOINs, Named Graphs and inputs other than XML and JSON - which is fine at the moment, due to the nature of the given use cases.

研究动机与目标

• 解决现有基于 Java 的 RML 映射器在处理大规模旅游数据（如 >500MB 的 XML/JSON 文件）时的性能瓶颈。
• 实现对旅游 IT 系统中常见的深层嵌套、不可连接数据结构的高效映射。
• 与 semantify.it 和 MindLab 项目中现有的基于 Node.js 的数据流水线原生集成。
• 支持实际需求，如全局语言标签和动态输入文件处理。
• 为特定领域工作负载提供一种高性能、用例定制化的替代方案，以替代通用型 RML 映射器。

提出的方法

• 作为 Node.js 应用程序构建，以利用 JavaScript 高效的原生 JSON 和 XML 解析能力。
• 实现自定义迭代器机制，以遍历嵌套对象而无需依赖连接键，从而实现对分层数据的直接映射。
• 使用 JSON-LD 作为映射配置和输出的中间格式，简化操作并提升性能。
• 仅支持 JSON 和 XML 逻辑源，且仅以 JavaScript 函数作为唯一的扩展机制。
• 优化映射流水线，通过在遍历过程中直接处理嵌套结构，避免昂贵的后期连接操作。
• 引入全局语言标签参数，自动为所有字符串字面量附加语言标签，从而降低映射文件的复杂性。

实验结果

研究问题

• RQ1 基于 Node.js 的 RML 映射器是否能在大规模 XML 和 JSON 数据源上显著优于基于 Java 的实现？
• RQ2 在真实世界旅游数据工作负载中，缺乏 JOIN 支持如何影响 RML 映射器的表达能力和性能？
• RQ3 自定义迭代逻辑在无需外部连接键的情况下，能在多大程度上处理深层嵌套、不可连接的数据结构？
• RQ4 通过 JavaScript 运行时的原生 JSON 解析和内存内处理，可实现多大的性能提升？
• RQ5 全局语言标签功能如何降低大规模 RDF 映射配置中的维护开销？

主要发现

• RocketRML 在处理大型 XML 和 JSON 文件时，性能优于传统的 RML Mapper 和 rmlmapper-java，尤其在 JSON 输入上性能提升显著，得益于原生 JSON 解析。
• 性能优势归因于减少的 I/O 开销、高效的内存内处理，以及缺少与 JOIN 相关的处理步骤。
• RocketRML 成功通过了除需要 JOIN 或命名图的测试用例外的所有 RML 测试用例，证实了核心 RML 功能的正确实现。
• 由于缺乏 JOIN 支持，导致在 RMLTC0009a-XML 等测试用例中失败，这些用例需要通过条件将两个独立源（学生和运动）连接起来。
• 全局语言标签功能通过自动为所有字符串字面量附加指定语言，显著降低了映射文件的复杂性。
• 自定义迭代器扩展成功实现了对无连接键的嵌套对象的正确处理，支持数据本质上为分层而非关系型的用例。