[论文解读] Views over RDF Datasets: A State-of-the-Art and Open Challenges

Lorena Etcheverry, Alejandro Vaisman|arXiv (Cornell University)|Nov 1, 2012

Semantic Web and Ontologies参考文献 28被引用 3

一句话总结

本文提出了对RDF数据集视图的正式定义，以解决文献中缺乏共识的问题，针对四种关键用例——虚拟数据集成、查询回答、数据安全和查询模块化——评估了三种主流视图机制（包括Networked Graphs），并识别出在表达能力、可扩展性、推理支持和查询优化方面，特别是物化视图和执行计划调优方面，存在关键的开放挑战。

ABSTRACT

Views on RDF datasets have been discussed in several works, nevertheless there is no consensus on their definition nor the requirements they should fulfill. In traditional data management systems, views have proved to be useful in different application scenarios such as data integration, query answering, data security, and query modularization. In this work we have reviewed existent work on views over RDF datasets, and discussed the application of existent view definition mechanisms to four scenarios in which views have proved to be useful in traditional (relational) data management systems. To give a framework for the discussion we provided a definition of views over RDF datasets, an issue over which there is no consensus so far. We finally chose the three proposals closer to this definition, and analyzed them with respect to four selected goals.

研究动机与目标

• 建立RDF数据集视图的标准化定义，以解决当前文献中缺乏共识的问题。
• 针对四个关键应用场景（虚拟数据集成、查询回答、数据安全和查询模块化）评估现有的RDF视图机制。
• 识别并分析RDF系统中视图表达能力、可扩展性、RDFS推理支持以及查询优化方面的开放挑战。
• 评估现有工具（例如Networked Graphs）在支持大规模RDF数据集上基于视图的查询方面的可行性和性能。
• 倡导在SPARQL规范中引入显式的视图定义机制（例如CREATE VIEW），以支持高级查询重写和优化。

提出的方法

• 基于SPARQL图模式，提出了一种RDF数据集视图的正式定义，强调可重用性、模块化和语义一致性。
• 针对四个用例场景，评估了三种代表性视图机制——Networked Graphs、RDFMatView和Dritsou等人基于路径的视图。
• 在包含50万和200万三元组的数据集上进行实验评估，测量在不同条件下（包括RDFS推理）的查询性能退化情况。
• 分析查询执行计划和性能瓶颈，尤其关注SPARQL中无OPTIONAL子句的UNION和JOIN操作。
• 识别出现有系统在视图物化、更新和维护方面的差距，特别是在动态、大规模Web RDF环境中。
• 提出需要在SPARQL中引入标准化且可扩展的视图机制，以支持查询重写、优化和安全策略。

实验结果

研究问题

• RQ1 什么是RDF数据集视图的正确定义，以及如何通过形式化基础确保其一致性和可重用性？
• RQ2 现有RDF视图机制在支持虚拟数据集成、安全数据访问和查询模块化等关键用例方面表现如何？
• RQ3 在启用RDFS推理的情况下，使用视图对大规模RDF数据集的性能有何影响？
• RQ4 现有系统在涉及视图时，能在多大程度上支持高效的查询重写和优化？
• RQ5 在动态、分布式数据环境中，维护和更新物化RDF视图面临哪些开放挑战？

主要发现

• 在Networked Graphs中，当数据规模从50万三元组扩展到200万三元组时，查询性能下降超过10倍，表明存在可扩展性限制。
• 在50万三元组数据集上，启用RDFS推理支持导致查询执行时间平均下降4倍。
• 与SPARQL其他构造相比，UNION查询表现出显著更差的性能，凸显了视图查询评估中的关键性能瓶颈。
• 尽管存在降低执行成本的潜力，但没有任何现有系统原生支持对视图的查询优化，例如下推过滤或连接重排。
• SPARQL中缺乏标准化的视图定义机制，且无物化视图维护支持，这对动态网络数据至关重要。
• SPARQL中缺少CREATE VIEW语句，限制了对视图进行语义建模和推理的能力，阻碍了高级查询重写和安全策略的实施。