14、ROSIE：利用增量评估实现SPARQL查询的运行时优化

ROSIE：利用增量评估实现SPARQL查询的运行时优化

在当今的知识表示和数据管理领域，RDF（资源描述框架）和SPARQL查询语言扮演着重要的角色。RDF是一种用于表示知识的标准，而SPARQL则是用于查询RDF数据的语言。随着数据规模的不断增大和查询复杂度的提高，如何高效地执行SPARQL查询成为了一个关键问题。

1. 背景与挑战

RDF数据模型和SPARQL查询语言是W3C推荐的标准，用于表示和访问不断增长的链接知识。在实际应用中，为了高效地从RDF中检索知识，数据需要在特定的基础设施中进行物理管理，这可以是专门开发的RDF系统，也可以使用传统的关系数据库（RDB）作为后端。

然而，直接从关系数据库优化器借用的查询优化策略在RDF/SPARQL环境中并不普遍适用，特别是对于大规模RDF数据上的复杂SPARQL查询。这是因为RDF具有无模式的特性，以及SPARQL查询的连接密集型特点。

运行时优化方法是解决这些问题的一个有前途的方向。这些方法在查询执行过程中逐步实现中间结果，收集准确的基数信息并消除错误，然后利用这些反馈动态调整查询计划。但直接应用这些方法可能会导致在每个查询执行步骤都进行物化操作，这会显著降低SPARQL查询的性能，因为物化操作是一项代价高昂的操作。因此，运行时优化面临两个挑战：一是如何生成一个需要尽可能少物化操作的优化执行顺序；二是如何确定在哪个步骤需要进行物化操作。

2. 基本概念

2.1 RDF与SPARQL基础

在RDF数据模型中，现实世界的实体由唯一的URI（统一资源标识符）字符串标识，其每个链接（即知识）被描述为一个三元组 $t_i = \langle S, P, O \r