1.一种基于查询计划的联邦型RDF系统Top-K查询与优化方法,其主要特征是:
(1)基于同源归并的查询分解与数据源定位方法;
(2)基于代价模型和动态规划的最优查询计划生成方法;
(3)基于深度优先和子图剪枝的查询计划执行方法。
2.根据权利要求1所述的基于相同多源三元组归并的查询分解与数据源定位优化方法,其特征是,针对联邦型RDF系统中查询分解后子查询数量普遍较多,从而使得查询性能不足的问题,通过离线统计联邦型RDF系统每个谓词对应的数据源,在归并相同单源三元组的前提下,通过分析相同多源的谓词三元组是否满足归并条件,并将其存储为元数据之一,实现在线查询分解与数据源定位过程中相同多源三元组归并,降低子查询数量,提高查询效率。
3.根据权利要求1所述的基于代价模型和动态规划的最优查询计划生成方法,其特征是,针对子查询的查询效率受执行顺序和执行模式的影响较大,且联邦型RDF系统没有统一的查询策略生成方法的问题,通过离线分析联邦型RDF系统每个谓词的连接基数,构建子查询代价模型,并结合动态规划算法生成最优查询计划,实现子查询整体查询代价最小化。
4.根据权利要求1所述的基于排序优先和循环执行的查询执行方法,其特征是,针对联邦型RDF系统查询过程中通常存在大量中间结果,导致通信开销较大的问题,结合Top-K查询特征,采用深度优先和子图剪枝策略,减少中间结果的产生,降低通信开销,从而实现查询性能的提升。