美文网首页
Apache Jena TDB 载入数据的方法

Apache Jena TDB 载入数据的方法

作者: 兮嘉 | 来源:发表于2017-02-17 10:09 被阅读801次

    Jena-TDB官方文档 反正我是没看懂→_→
    网上有一些在线的endpoint可以使用,例如dbpedia的可以戳这里,但是在线的endpoint不太稳定而且定制性不强,最要命的是很容易timeout,如果想在本地查询的话就可以搭建一个Jena的环境。
    安装的话建议用Maven吧,官方安装教程戳这里,这个教程亲测没有问题,就是在pom.xml里添加以下内容即可(注意把版本号X.Y.Z改成最新版):

      <dependency>
        <groupId>org.apache.jena</groupId>
        <artifactId>apache-jena-libs</artifactId>
        <type>pom</type>
        <version>X.Y.Z</version> 
      </dependency>
    

    Jena的安装不是本文的重点,下面说一下TDB官网的介绍如下

    TDB is a component of Jena for RDF storage and query. It support the full range of Jena APIs. TDB can be used as a high performance RDF store on a single machine.

    原理我没有仔细研究,只说我自己感性的认识就是对于原始数据(.nt, .ttl, .xml),第一次需要load进TDB(会花费比较长的时间,取决于数据的大小),也就是TDB会对这些数据进行自己的索引并存盘,之后要再查询就是访问索引过的TDB数据,所以不需要再load,速度就会提升不少。要把数据load进tdb有两种方式,一种是通过命令行,一种是通过API,下面分别进行介绍。

    1 API方式

    load相关代码如下

    String directory = "path\\to\\tdb";  //tdb索引希望存放的位置
    Dataset dataset = TDBFactory.createDataset(directory); 
    dataset.begin(ReadWrite.WRITE);  //开始一个transaction
    Model tdb = dataset.getDefaultModel();
    String source = "path\\to\\dataset.ttl";  //数据文件所在的位置
    FileManager.get().readModel(tdb, source);  //读入数据
    dataset.commit();  //非常重要!把数据真正提交给tdb  
    dataset.end();  //结束一个transaction
    

    以上代码只需要运行一次,tdb索引即可建好,下次进行tdb查询时不需要再进行readModel这一步骤,相关查询代码如下

    String directory = "path\\to\\tdb"; //tdb索引位置,和上面设置的一样
    Dataset dataset = TDBFactory.createDataset(directory);
    Model tdb = dataset.getDefaultModel(); //因为tdb索引已经存在,所以不需要再指定数据文件的位置
    String queryString = "SELECT DISTINCT ?p WHERE { ?s ?p ?o. }"; //一个简单的sparql查询,返回所有谓词(相同的只显示一次)
    Query query = QueryFactory.create(queryString);
    try(QueryExecution qexec = QueryExecutionFactory.create(query, tdb)){
         ResultSet results = qexec.execSelect();
         ResultSetFormatter.out(System.out, results, query) ;
    }
    

    返回的结果类似于这样:

    -------------------------------------------------------
    | p                                                   |
    =======================================================
    | <http://yago-knowledge.org/resource/hasGloss>       |
    | <http://yago-knowledge.org/resource/occursSince>    |
    | <http://yago-knowledge.org/resource/occursUntil>    |
    | <http://yago-knowledge.org/resource/byTransport>    |
    | <http://yago-knowledge.org/resource/hasPredecessor> |
    | <http://yago-knowledge.org/resource/hasSuccessor>   |
    | <http://www.w3.org/2000/01/rdf-schema#comment>      |
    -------------------------------------------------------
    

    2 命令行方式

    命令行方式更加简单,下载jena以后解压,把文件夹所在位置设置成一个叫%JENA_HOME%的环境变量后即可开始操作。在命令行中输入以下命令load数据:

    >tdbloader --loc=path\to\tdb path\to\dataset.ttl
    

    使用tdbquery进行查询的语句如下:

    >tdbquery --loc=path\to\tdb --query=q1.rq
    

    其中q1.rq中存放的是如下的查询语句:

    SELECT DISTINCT ?p WHERE {?s ?p ?o. }
    

    然后会得到和第一部分相同的结果。另外想知道数据是否load成功可以在命令行中输入以下语句:

    >tdbdump --loc=path\to\tdb
    

    通过这种方式载入的数据为default graph,如果需要载入named graph可以用以下语句:

    >tdbloader --loc=path\to\tdb -graph=namedgraph.ttl namedgraph.ttl
    

    补充阅读:SPARQL by Example 一个我觉得比较棒的SPARQL教程,还介绍了一些有名的数据库。Jena的sparql教程感觉太简单了,W3C上的太繁琐,这个刚好。

    相关文章

      网友评论

          本文标题:Apache Jena TDB 载入数据的方法

          本文链接:https://www.haomeiwen.com/subject/fsekwttx.html