Анализ методов оптимизации быстродействия выполнения запросов к базам знаний, используя сервер данных на основе "Virtuoso". Зависимость времени выполнения запроса к серверу от факторов влияния (частота запросов к базе знаний, объем информации и др.),
Аннотация к работе
В данной работе речь пойдет об особенностях применения на практике баз знаний в виде OWL-онтологий, с использованием сервера «Virtuoso»[2], а именно будут рассмотрены возможные пути оптимизации скорости и времени работы с базой знаний. В статье рассмотрены методы позволяющие увеличить быстродействие базы знаний и сделать ее пригодной для решения задач в рамках всеобъемлющего решения проблемы обеспечения хранения и анализа разнородной информации и быстрой ее выборки из сверхбольших баз знаний, получившей название “Big Data”. «Virtuoso», а также использования языка запросов Для реализации кэширования в SPARQL-запросах SPARQL и Jena Framework, фирмы «Apache» (кото-предполагается создать небольшой прокси-слой, ко-рый, по сути, является обверткой к языку запросов торый должен быть расположен между приложением SPARQL). Если за-ние данных [5], применение особенностей языка прос не был ранее сохранен и не найден в сохраненных SPARQL версии 1.1, разбиение сложного запроса пользовательских правилах, то он перенаправляется в на языке SPARQL на более мелкие, следование локальное хранилище триплетов, и, прежде чем поль-рекомендациям по построению SPARQL-запросов, зователь получит результат, он кэшируется в локаль-использование BGP (Basic Graph Pattern) [6], и мно - ное хранилище. То есть сохранение проме-Для того чтобы определить выигрыш от примене-жуточных результатов выполнения запросов во вре - ния кэширования, построим запрос на языке SPARQL менное хранилище на сервере в виде реляционной (листинг 1) и определим время его выполнения без таблицы, либо специальных файлов.Применение на практике представленных в данном исследовании приемов оптимизации позволяет увеличить быстродействие построенных запросов, в зависимости от конкретных случаев применения. В частности, применение кэширования в построении SPARQL запросов позволяет повысить производительность почти на 90 %, при выборке из 25 миллионов триплетов.