为什么 Sesame 限制在 150m 三元组？

Question

我不会确切地说它是有限的，但只要我能看到给出的建议是那种“如果你需要超越，你可以更改后端存储......”。为什么？为什么 Sesame 在超过 150-200m 三倍时不如 OWLIM 或 Allegrgraph 高效。为了做得这么大，实施了哪些优化？底层数据结构是否不同？

Answer 1

@Jeen Broekstra 在这里回答： http://answers.semanticweb.com/questions/21881/why-is-sesame-limited-to-lets-say-150m-triples

1. 构成 RDF 语句的实际值（即主体、谓词和客体）以相对简单的散列索引，将整数 ID 映射到实际数据值。该索引执行大量内存缓存以加快查找速度，但随着存储大小的增加，缓存中不存在值且需要从磁盘检索的值的概率（在插入或查找期间）增加，并且此外，随着散列大小的增加，磁盘查找本身的开销也变得更大。
2. 本机存储中的数据检索已得到平衡，以充分利用文件系统页面大小，最大限度地提高 B 树节点的检索速度。这种优化依赖于重复使用相同数据块的连续查找，以便可以重复使用操作系统级别的页面缓存。然而，随着事务大小（以及 B 树）的增长，这种启发式开始失败的频率越来越高。
3. 随着 B 树的大小增加，大型级联拆分的机会增加。