41、数据网络中联合查询近似方法的挑战与分析

数据网络中联合查询近似方法的挑战与分析

1. 实验设置

为了评估查询近似技术，我们研究了每个三元组模式必须发送到不同源的场景。在这种情况下，无法像某些方法那样形成排他组来加速查询处理或近似计算。
- 基准测试 ：使用 FedBench 作为基准，它包含 25 个查询和分布在 9 个数据集上的超过 2 亿个三元组。由于当前不支持 UNION 或 OPTIONAL 子句，我们从评估中移除了包含这些子句的查询。
- 查询引擎 ：使用 Jena ARQ 执行每个查询，并使用 SERVICE 子句将每个三元组模式定向到单独的 SPARQL 端点。使用 Blazegraph 作为三元组存储。
- 网络模拟 ：模拟网络速度为 10 Mbps，这大约是世界上排名前 10 的国家的平均网络速度。
- 优化措施 ：
- 调整 Jena ARQ 进行块嵌套循环连接，块大小为 500 个绑定，以减少 HTTP 连接数。
- 使用简单启发式方法优化不同查询的连接顺序，使查询执行时间在合理范围内。
- 查询执行和所有查询近似使用相同的连接顺序，以确保结果可比。
- Bloom Filter 实现 ：使用 Guava Google Core Library for Java 实现 Bloom Filter。

以下是不同查询的执行时间、基数和三元组模式数量的表格：
| 查询 | 时间 [ms] | 基数 | 三元组模式数量 |
| — | — |