12、大规模科学数据空间与建筑信息检测系统

大规模科学数据空间与建筑信息检测系统

1. 大规模科学数据空间概述

在科学研究领域，数据的管理和利用变得越来越重要。目前，科学数据空间仍处于早期发展阶段。以呼吸气体研究为例，为了让研究人员能够轻松与SPARQL查询接口进行交互，在SPARQL中预定义了一些查询条件，例如“ANY keyword equals ‘keyword’ and input dataset ‘datasetName’ is used”。

当前，有三个呼吸气体研究团队每周平均在三项不同研究中进行48次呼吸气体实验。一个典型呼吸气体实验的LCR（可能是某种数据集合），包括其主要、衍生和背景数据集，总大小约为7MB。每个LCR对应的平均三元组数量为170个，平均大小为150KB，存储在Jena的SDB三元组布局中。

通过估算，如果只有一个研究实验室参与，六个月后科学数据空间的总大小约为8.7GB，本地RDF存储中约有8160个三元组（三年约50K个三元组）。根据柏林SPARQL基准测试，在250K三元组的Jena SDB测试数据集上执行50个查询组合的总运行时间略超过一分钟，这表明当前解决方案具有合理的性能。从这个高级估算来看，jSpace可能在部署三年后才需要进行扩展。但如果有多个组织或不同的电子科学应用领域参与，扩展可能会提前。

为了实现垂直可扩展性，可以将多个数据空间实例互连，从而形成大规模科学数据空间基础设施，如下表所示为不同时间节点的数据规模估算：
| 时间节点 | 数据空间总大小 | 本地RDF存储三元组数量 |
| ---- | ---- | ---- |
| 六个月 | 约8.7GB | 约8160个 |
| 三年 | - | 约50K个