Jena ARQ/TDB查询优化

Question

我有一个相当小的图，包含大约500k个三元组。我还生成了stats.opt文件，并在速度相当快的计算机上运行代码（四核、16gb ram、ssd驱动器）。但对于我在OP接口的帮助下构建的查询，迭代结果集需要很长时间。结果集大约有15000行，迭代需要4秒，这对最终用户来说是不可接受的。执行查询只需要90毫秒（我想真正的工作是由游标迭代完成的？）。为什么这么慢？我能做些什么来加快结果集的迭代？

以下是查询：

SELECT  ?apartment ?price ?hasBalcony ?lat ?long ?label ?hasImage ?park ?supermarket ?rooms ?area ?street
WHERE
  { ?apartment dssd:hasBalcony ?hasBalcony .
    ?apartment wgs84:lat ?lat .
    ?apartment wgs84:long ?long .
    ?apartment rdfs:label ?label .
    ?apartment dssd:hasImage ?hasImage .
    ?apartment dssd:hasNearby ?hasNearbyPark .
    ?hasNearbyPark dssd:hasNearbyPark ?park .
    ?apartment dssd:hasNearby ?hasNearbySupermarket .
    ?hasNearbySupermarket dssd:hasNearbySupermarket ?supermarket .
    ?apartment dssd:price ?price .
    ?apartment dssd:rooms ?rooms .
    ?apartment dssd:area ?area .
    ?apartment vcard:hasAddress ?address .
    ?address vcard:streetAddress ?street
    FILTER ( ?hasBalcony = true )
    FILTER ( ?price <= 1000.0e0 )
    FILTER ( ?price >= 650.0e0 )
    FILTER ( ?rooms <= 4.0e0 )
    FILTER ( ?rooms >= 3.0e0 )
    FILTER ( ?area <= 100.0e0 )
    FILTER ( ?area >= 60.0e0 )
  }    

（有没有更好的方法来查询这些bnode：？hasNearbyPark，？hasNealbySupmarket）

执行查询的代码：

dataset.begin(ReadWrite.READ);
Model model = dataset.getNamedModel("http://example.com");
QueryExecution queryExecution = QueryExecutionFactory.create(buildQuery(), model);
ResultSet resultSet = queryExecution.execSelect();
while ( resultSet.hasNext() ) {
    QuerySolution solution = resultSet.next(); ...

Answer 1

关于ARQ查询引擎

首先，你似乎误解了ARQ引擎的工作原理：

ResultSet resultSet = queryExecution.execSelect();

以上所做的只是为引擎如何评估查询准备一个查询计划，它实际上并没有评估查询，因此它几乎是即时的。

在您开始呼叫hasNext()和next():之前，回答问题的实际工作不会发生

while ( resultSet.hasNext() ) {
   QuerySolution solution = resultSet.next(); ...

因此，您引用的时间不正确，查询需要4秒才能求值，因为这就是迭代所有结果所需的时间。

关于你的实际问题

您还没有显示buildQuery()方法的作用，但您说您正在以编程方式将查询构建为Op结构，而不是字符串？如果是这种情况，那么查询引擎可能实际上并没有应用优化，尽管我认为这不会是问题所在。在返回构建的Op之前，您可以尝试添加op = Algebra.optimize(op);，但我不知道这会有多大区别。

在给定原始查询的情况下，优化器似乎应该做得很好（并不是说您的查询除了联接重新排序之外还有很大的优化空间），但如果您以编程方式构建它，那么您可能正在构建一个不寻常的代数，而优化器很难解决这个问题。

同样，我不确定stats.opt文件是否会被接受，因为您查询的是特定的模型，而不是TDB数据集，所以查询引擎可能是通用的，而不是TDM引擎。我不是TDB方面的专家，所以我不知道情况是否如此。

底线

通常，您的问题中没有足够的信息来诊断您的设置中是否存在实际问题，或者您的查询是否非常昂贵。将其作为最小测试用例（最小完整代码加上样本数据）报告给[e-mail]用于进一步分析的列表将是有用的。

作为对查询的一般评论，许多范围过滤器的执行成本很高，这可能是大部分时间的情况。