37、FedShop：用于联邦查询的基准测试方案

FedShop：用于联邦查询的基准测试方案

1. 引言

在数据查询和处理领域，联邦查询引擎的性能评估至关重要。现有的一些基准测试，如 FedBench、LargeRdfBench 等，在评估联邦查询引擎的扩展性等方面存在一定的局限性。而 FedShop 作为一种新的基准测试方案，旨在解决这些问题，为联邦查询引擎的评估提供更有效的支持。

2. 相关工作回顾

2.1 现有基准测试的特点与问题

• FedBench ：主要用于测试和分析处理 SPARQL 端点中 RDF 数据的 SPARQL 联邦引擎的性能。其数据集包含来自不同领域的 10 个数据集和 14 个真实查询。为了增加数据集和查询数量，它还提出了 FedBench/SP2Bench 设置，但基于类的聚类方法存在局限性，生成的分区与现实世界数据集的特征不符。
• LargeRdfBench ：扩展了 FedBench 的数据集和工作量，分别达到 13 个数据集和 40 个查询。然而，它和 FedBench、FedBench/SP2Bench 一样，无法评估联邦查询引擎在联邦成员数量增加时的行为。
• QFed ：提出增加更多的联邦查询，但这并不能解决联邦成员数量增加时的可扩展性问题。

2.2 数据集分区方法及问题

为了扩展联邦规模，Lusail、DARQ、LHD、LILAC 等提出将数据集划分为多个数据集的方法，包括水平、垂直和混合分区等。但像 BSBM、LUBM、SP2Bench