为什么芝麻仅限于150米三倍？

Question

我不确切地说它是有限的，但只要我能看到给出的建议是“如果你需要超越它，你可以改变后端存储......”。为什么？为什么芝麻不会像OWLIM或Allegrgraph那样高效，超过150-200m三倍。为实现这么大的目标，实施了哪些优化措施？底层数据结构是否不同？

Answer 1

@Jeen Broekstra在这里回答： http://answers.semanticweb.com/questions/21881/why-is-sesame-limited-to-lets-say-150m-triples

  

  
1. 组成RDF语句的实际值（即主题，谓词和对象）以相对简单的哈希索引，将整数ID映射到实际数据值。此索引执行大量内存缓存以加快查找速度，但随着存储大小的增加，缓存中不存在并且需要从磁盘检索的值的概率（插入或查找期间）增加，以及此外，随着散列大小的增加，磁盘上的查找本身变得更加昂贵。
  
2. 本机存储中的数据检索已经平衡，以便最佳地利用文件系统页面大小，从而最大化B树节点的检索速度。此优化依赖于重复使用相同数据块的连续查找，以便可以重用OS级页面缓存。然而，随着事务大小（以及因此B树）的增长，这种启发式启动会更频繁地失败。
  
3. 随着B树的大小增加，大量级联分裂的可能性增加。