Question

我想在我的机器上下载两个或更多数据集，并且能够为每个数据集启动一个SPARQL端点。我尝试了Fuseki，这是Jena项目的一部分。但是，它会将整个数据集加载到内存中，如果我打算查询大型数据集（如DBpedia），我打算做其他事情（启动多个SPARQL端点并对它们使用联合查询系统），这是不太需要的。

为了让您了解一下，我打算使用SILK链接多个数据集，使用FEDX联合查询系统查询它们。如果你建议改变我正在使用的系统，或者可以给我一个提示，那就太好了。如果你建议一个适合这个项目的数据集，它也会很有帮助。

Answer 1

Jena的Fuseki可以使用TDB作为存储机制，TDB将内容存储在磁盘上。关于caching on 32 and 64 bit Java systems的TDB文档讨论了文件内容映射到内存的方式。我不相信TDB / Fuseki将整个数据集加载到内存中;这对于大型数据集来说是不可行的，但TDB可以处理相当大的数据集。我认为你应该考虑做的是使用tdbloader创建一个TDB商店;然后你可以指出Fuseki。

有一个在this answer中设置TDB商店的示例。在那里，查询是使用tdbquery执行的，但是根据文档的Running a Fuseki server部分，使用相同的TDB商店启动Fuseki所需要做的就是使用--loc=DIR选项：

--loc=DIR
使用现有的TDB数据库。如果它不存在，请创建一个空的。

Answer 2

As Joshua said，Jena的Fuseki使用TDB，因此它可以存储非常大的本体，而无需使用大量资源。例如，您可以将Yago2 taxonomy加载到其中，并仅使用大约600MB的RAM。您不需要将Fuseki加载到Java项目中，只需从命令行运行它并在项目中查询它即可。

通过以下方式将其加载到Windows命令行：

java -jar c:\your_ontology_directory\fuseki-server.jar \
  --file=your_ontology.rdf /your_namespace

然后，您可以使用任何GET / POST应用程序（甚至在您的浏览器中）对它运行SPARQL查询：

http://localhost:3030/your_namespace/sparql?query=SELECT * { ?s ?p ?o }

默认情况下，结果以XML格式返回。

<?xml version="1.0"?>
<sparql xmlns="http://www.w3.org/2005/sparql-results#">
  <head>
    <variable name="s"/>
    <variable name="p"/>
    <variable name="o"/>
  </head>
  <results>
    <result>
      <binding name="s">
        <uri>http://yago-knowledge/resource/wordnet_gulag_103467887</uri>
      </binding>
      <binding name="p">
        <uri>http://www.w3.org/2000/01/rdf-schema#subClassOf</uri>
      </binding>
      <binding name="o">
        <uri>http://yago-knowledge/resource/wordnet_prison_camp_104005912</uri>
      </binding>
    </result>
    …

查询大型RDF数据集内存不足

2 个答案: