1.一种RDF数据存储方法，其特征在于由以下步骤组成：(1)设计面向实体的RDF数据的存储结构

(1.1)采用面向实体的方式，将数据存到关系型数据库n行的k列中，其中k为RDF数据中所有主语的谓词数量的平均值，n为所有主语需要的行数line的和，当单个主语的谓词数量sum≤k时，则所需行数line＝1；当sum>k时，则进行多行存储，则所需行数line＝(sum/k)+

1；

(1.2)确定k值以后，根据谓词映射算法，将谓词转为列下标，得到一个n行k列的表结构；

(2)设计用于RDF数据的存储映射

采用hash算法将RDF数据的URI和字面量分别转化为64位二进制数据，URI取hash算法的高64位，字面量取hash算法的低64位，将转换的二进制数据存储到hash索引表中并对hash索引表中的行进行升序排列，以便查找时通过二分查找算法快速进行映射与转化；

(3)RDF数据存储

将RDF数据按照步骤(2)的方法进行映射与转换之后，第一次存储到步骤(1)的表结构中，对存储到表结构中数据进行分析，创建分析表S，记录每个Subject和Object包含的三元组个数以及出现频率最高的20个URI和频率最高的20个字面量对应的频率，再按照步骤(1)的表结构，将Object作为存储实体，对存储到表结构中的数据经过步骤(2)的映射与转换之后再进行第二次存储，即完成RDF的数据存储。

2.根据权利要求1所述的面向RDF的数据存储方法，其特征在于：所述步骤(1.2)谓词转化为列下标的方法为：(1.2.1)用谓词映射算法计算列下标，谓词映射算法的公式为：式中h1，h2…hj对应为j个hash函数，i为列下标；

(1.2.2)当j个hash函数计算完成仍然没有找到空闲的下标时，则开辟新的一行，将该数据存到h1计算的下标中去。

3.一种与权利要求1所述的RDF数据存储方法匹配的RDF数据查询方法，其特征在于由以下步骤组成：(a.1)变量的提取与转化

将SPARQL查询语句中的三元组基本图模式进行分解，并确定查询语句中的变量个数为count，对查询语句中的URI和字面量分别参照存储方法中的步骤(2)中的映射方式将其转化为64位二进制数据，对所包含的变量进行-1到-count的赋值；

(a.2)基本查询图模式的转化

根据步骤(a.1)中的三元组基本图模式分解结果，将每个基本图模式转化为三元组查询节点结构，其中三元组查询节点结构为：三元组查询节点结构

{

  节点的Id；

  subject的Id；

  predicate的Id；

  object的Id；

  存储方式的标识；

}

存储方式的标识选择RDF数据存储方法中步骤(3)的第一次存储或第二次存储；

对URI和字面量，subject、predicate、object的Id分别为64位二进制数据；对变量，subject、predicate、object的Id对应为所赋的值；

(a.3)查询连接操作的表示

根据步骤(a.1)中基本图模式中所分解的三元组相互进行比较，对存在相同变量的三元组，以步骤(a.2)结构中的节点Id为唯一标识符建立连接关系，并将连接关系转化为连接操作边结构，其中连接操作边结构为：连接操作边结构

{

  起始三元组的节点的Id,

  终止三元组的节点的Id,

共同变量的Id

}；

(a.4)计算每个查询的查询代价

根据步骤(a.2)中得到的三元组查询节点结构，对步骤(a.3)中得到的连接操作边结构按照代价算法分别进行代价分析，得到连接操作边结构的代价值为c，代价算法的公式为：TMC(t,m,S)→c

其中：t为需要查询的三元组；m为RDF数据存储方法的步骤(3)中第一次存储或第二次存储；S为分析表；

(a.5)查询计划的生成

将步骤(a.4)中获得的所有连接操作边结构的代价值c进行由小到大排序，得到按代价值排序的节点序列，选取序列中c值最小的节点为开始节点，依次选取序列中的下一个节点，若节点中的变量未查询，则进行连接查询，直至所有节点中的变量都完成查询，即实现语句的查询。

4.根据权利要求3的RDF数据查询方法，其特征在于所述步骤(a.5)之后还包括步骤(a.6)建立缓存机制，具体为：对用户输入的查询语句根据步骤(a.2)中得到的三元组查询节点结构的集合进行hash操作，得到hash函数的结果值，若缓存列表中存在该值，则直接取出缓存结果反馈给用户；

否则，则重复步骤(a.3)到(a.5)，将所得结果存入硬盘中、对应地址标识和hash函数的结果值存入缓存列表中。