17、S2X：基于GraphX的RDF图并行查询技术解析

S2X：基于GraphX的RDF图并行查询技术解析

1. RDF图在GraphX属性图数据模型中的表示

RDF（Resource Description Framework）具有简单性和灵活性，能对任意资源的知识进行建模，资源由全局标识符（IRIs）表示。例如，DBpedia中达芬奇的IRI是 http://dbpedia.org/resource/Leonardo da Vinci 。

要将RDF图$G = {t_1, \ldots, t_n}$表示为GraphX的属性图数据模型，需定义以下集合：
- $S(G) = {s | \exists p, o : t = (s, p, o) \in G}$：图$G$中所有主体的集合。
- $P(G)$：所有谓词的集合。
- $O(G)$：所有对象的集合。

对应的属性图$PG(P) = (V, E, P)$，其中：
- $V = S(G) \cup O(G)$：顶点集合。
- $E = {(s, o) | \exists t = (s, p, o) \in G}$：边集合。
- $P_V.label : V \to S(G) \cup O(G)$和$P_E.label : E \to P(G)$：顶点和边的标签函数。

由于GraphX为提高效率要求顶点标识符为64位整数，因此使用Spark提供的 zipWithUniqueID 函数为图$G$中的所有主体和对象派生唯一整数ID，并将原始术语保留在标签属性中。每个三元组$t = (s, p, o) \in G$由两个顶点$v_s, v_o \in V$