Jena ARQ/TDB 查询优化

Question

我有一个相当小的图表，其中包含大约 50 万个三元组。我还生成了 stats.opt 文件并在相当快的计算机（四核、16gb 内存、ssd 驱动器）上运行我的代码。但是对于我在 OP 接口的帮助下构建的查询，它需要永远遍历结果集。结果集大约有15000行，迭代需要4s，这对于最终用户来说是无法接受的。执行查询只需要 90 毫秒（我猜真正的工作是由游标迭代完成的？）。为什么这么慢，我该怎么做才能加快结果集迭代？

这里是查询：

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, ?hasNearbySupermarket）

以及执行查询的代码：

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

在 ARQ 查询引擎上

首先，您似乎误解了 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，它实际上并不评估查询，因此它几乎是即时的。

在您开始致电hasNext() 和next() 之前，不会进行实际回答您问题的工作：

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

所以你引用的时间不正确，查询需要 4 秒来评估，因为这是迭代所有结果所需的时间。

关于你的实际问题

您还没有展示您的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，尽管我不认为这将是问题。您可以在返回已构建的Op 之前尝试添加op = Algebra.optimize(op);，但我不知道这会产生多大的不同。

看起来优化器应该在给定原始查询的情况下做得很好（并不是说您的查询除了连接重新排序之外还有很多优化空间）但是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，优化器正在苦苦挣扎。

同样，我不确定您的stats.opt 文件是否会受到尊重，因为您查询的是特定模型而不是 TDB 数据集，因此查询引擎可能是通用目的，而不是 TDB 引擎。我不是 TDB 方面的专家，所以我无法判断是否是这种情况。

底线

一般而言，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。将此作为最小测试用例（最小完整代码加上示例数据）报告给 user@jena.apache.org 列表以进行进一步分析会很有用。

作为对您的查询的一般评论，许多范围过滤器的执行成本很高，这可能是大部分时间都在使用的地方。