SPARQL查询引擎设计01

数据库及信息管理本栏目责任编辑：闻翔军１前言传统的万维网在数据表达方式上存在着缺陷，早期使用的ＨＴＭＬ语言的数据组织方式以及所表达的页面信息，主要面向用户直接阅读，不利于计算机处理。

到了九十年代中期，采用ＸＭＬ技术，促进了信息表达和交换过程中语法描述的统一，但是ＸＭＬ描述的数据却缺乏统一的语义，无法满足机器在语义层次上对信息进行处理的要求。

因此，Ｗ３Ｃ推荐以ＲＤＦ（ＲｅｓｏｕｒｃｅＤｅｓｃｒｉｐｔｉｏｎＦｒａｍｅｗｏｒｋ）标准来解决ＸＭＬ的语义局限。

ＲＤＦ成为ＳｅｍａｎｔｉｃＷｅｂ表达资源语义信息的基础，随着ＳｅｍａｎｔｉｃＷｅｂ研究的发展，ＲＤＦ得到了广泛的应用。

ＲＤＦ数据查询和数据访问标准的制定工作，滞后于ＲＤＦ数据定义和存储标准。

在ＲＤＦ存储模式出现后的相当长的时间内，查询ＲＤＦ数据还没有任何标准，所以在商业项目和开源项目上，很多开发者设计出多种用于访问ＲＤＦ数据的查询语言，在文献［２］记载着不少于２０种的ＲＤＦ查询语言，但是这些语言缺乏共同的语法和语义标准。

ＳＰＡＲＱＬ是Ｗ３Ｃ的ＲＤＦ数据访问工作组（ＤＡＷＧ）开发的ＲＤＦ查询语言，目前被指定为候选推荐标准，因此ＳＰＡＲＱＬ得到了广泛的支持。

但是ＳＰＡＲＱＬ仅仅可以描述查询，而不能实现查询。

为实现ＳＰＡＲＱＬ描述的查询，必须要有能够解释ＳＰＡＲＱＬ查询语句，并执行查询操作的引擎的支持。

本文主要讨论一个通用的不依赖于具体ＲＤＦ平台的ＳＰＡＲ－ＱＬ查询引擎的设计与实现，为此，论文从ＳＰＡＲＱＬ语法解析器、引擎系统的优化设计等方面进行了深入的探讨，提出了合理的设计策略和实现方法。

２ＳＰＡＲＱＬ查询语言概述［１］ＳＰＡＲＱＬ（ＳｉｍｐｌｅＰｒｏｔｏｃｏｌａｎｄＲＤＦＱｕｅｒｙＬａｎｇｕａｇｅ）是一种面向ＲＤＦ数据模型的查询语言和数据访问协议，用于访问任何可以映射到ＲＤＦ模型的数据资源（本地的或远程的）。

ＳＰＡＲＱＬ由三个独立的规范构成：查询语言规范（ｔｈｅＱｕｅｒｙＬａｎｇｕａｇｅＳｐｅｃｉｆｉｃａｔｉｏｎ）；ＳＰＡＲＱＬ数据访问协议（ＳＰＡＲＱＬｄａｔａａｃｃｅｓｓＰｒｏｔｏｃｏｌ）；查询结果的ＸＭＬ格式（ＸＭＬｆｏｒｍａｔｏｆｑｕｅｒｙｒｅｓｕｌｔｓ）。

为讨论ＳＰＡＲＱＬ查询引擎的设计，下面简单介绍ＳＰＡＲＱＬ查询语言规范。

２．１ＳＰＡＲＱＬ查询的组成部分一个ＳＰＡＲＱＬ查询由四个部分组成：数据集ＤＳ：是ＲＤＦ图的集合，即提供信息的ＲＤＦ数据源；图模式ＧＰ：是待匹配子图模板，用于表达查询意图；解修饰符ＳＭ：指定查询结果集的约束条件；结果格式Ｒ：指定查询结果的输出形式。

下面的例了清晰地展示了ＳＰＡＲＱＬ查询的四个组成部分。

例１：ＳＰＡＲＱＬ查询语句示例２．２ＲＤＦ数据集（ＲＤＦＤａｔａｓｅｔ）在ＳＰＡＲＱＬ查询中，用ＲＤＦ数据集指定查询的数据源。

ＲＤＦ数据集由一个不需具名的“缺省图”和零到多个“具名图”组成。

使用ＦＯＲＭ子句指定缺省图，使用ＦＯＲＭＮＡＭＥ子句指定具名图，每个具名图用一个ＩＲＩ标识，而这些ＩＲＩ在一个查询内是互不相同的。

２．３图模式（ＧｒａｐｈＰａｔｔｅｒｎ）ＳＰＡＲＱＬ图模式用于表达查询意图，ＳＰＡＲＱＬ设置了七种图模式：三元组模式、基本图模式、组图模式、可选图模式、并图模式、ＲＤＦ数据集图模式和值约束。

图模式的表达能力实际上决定了ＳＰＡＲＱＬ的查询能力，这七种图模式可以组合成为更大更为复杂的图模式，这也意味着ＳＰＡＲＱＬ有强大的数据查询能力。

２．４解序列修饰（ＳｏｌｕｔｉｏｎＳｅｑｕｅｎｃｅＭｏｄｉｆｉｅｒ）查询模式产生一个无序的解集，ＳＰＡＲＱＬ提供解序列修饰ＳＭ（ＳｏｌｕｔｉｏｎＳｅｑｕｅｎｃｅＭｏｄｉｆｉｅｒ）用于进一步提炼查询结果创建新的解集。

ＳＰＡＲＱＬ有以下五种解序列修饰。

排序（Ｏｒｄｅｒ）、非重复（Ｄｉｓｔｉｎｃｔ）、结果上限（Ｌｉｍｉｔ）、结果偏移（Ｏｆｆｓｅｔ）、投影（Ｐｒｏｊｅｃｔｉｏｎ）２．５查询结果形式（ＱｕｅｒｙＲｅｓｕｌｔＦｏｒｍ）ＳＰＡＲＱＬ提供了四种类型的查询结果形式：１）Ｓｅｌｅｃｔ形式：ＳＥＬＥＣＴ形式返回与查询变量绑定的值。

２）Ｃｏｎｓｔｒｕｃｔ形式：根据查询结果创建并返回结果ＲＤＦ图，这个结果图是以图模板（ＧｒａｐｈＴｅｍｐｌａｔｅ）为式样创建的。

３）ＤＥＳＣＲＩＢＥ形式：返回一个ＲＤＦ图，其中包含了关于资源的ＲＤＦ描述。

４）Ａｓｋ形式：ＡＳＫ用于测试一个图模式是否有解，其返回值是一个布尔值。

３ＳＰＡＲＱＬ语法解析器设计任何一门计算机语言都有严谨的形式化的语法定义，ＳＰＡＲ－收稿日期：２００７－０４－２９作者简介：陈彦（１９６９－），男，湖南祁阳人，中南大学信息科学与工程学院硕士在读，讲师，研究方向：智能信息处理。

ＳＰＡＲＱＬ查询引擎设计陈彦（湖南永州职业技术学院，湖南永州４２５００６）摘要：论文以通用的不依赖于具体ＲＤＦ平台的ＳＰＡＲＱＬ查询引擎的设计与实现作为研究对象。

并从ＳＰＡＲＱＬ语法解析器、引擎系统的优化设计等方面进行了深入的探讨，提出了合理的设计策略和实现方法。

关键词：ＳＰＡＲＱＬ；ＲＤＦ；ＳＰＡＲＱＬＥｎｇｉｎｅ；ＪａｖａＣＣ中图分类号：ＴＰ３１１．５２文献标识码：Ａ文章编号：１００９－３０４４（２００７）１０－２０９４７－０３ＤｅｓｉｇｎｏｆｔｈｅＳＰＡＲＱＬＱｕｅｒｙＥｎｇｉｎｅＣＨＥＮＹａｎ（ＹｏｎｇｚｈｏｕＶｏｃａｔｉｏｎａｌａｎｄＴｅｃｈｎｉｃａｌＣｏｌｌｅｇｅＨｕｎａｎＰｒｏｖｉｎｃｅ，Ｙｏｎｇｚｈｏｕ４２５００６，Ｃｈｉｎａ）Ａｂｓｔｒａｃｔ：ＴｈｅｐａｐｅｒｔａｋｅｓｔｈｅｄｅｓｉｇｎｓａｎｄｔｈｅｉｍｐｌｅｍｅｎｔａｔｉｏｎｏｆｔｈｅＳＰＡＲＱＬｑｕｅｒｙｅｎｇｉｎｅｗｈｉｃｈｄｏｅｓｎｏｔｒｅｌｙｏｎｔｈｅｃｏｎｃｒｅｔｅｐｌａｔｆｏｒｍｏｆＲＤＦａｓｔｈｅｏｂｊｅｃｔｓｏｆｓｔｕｄｙ．ＴｈｅｐａｐｅｒａｌｓｏｈａｓｃａｒｒｉｅｄｏｎｔｈｅｔｈｏｒｏｕｇｈｄｉｓｃｕｓｓｉｏｎｏｎｔｈｅｇｒａｍｍａｒｐａｒｓｅｒｏｆＳＰＡＲＱＬ，ｔｈｅｏｐｔｉｍｉｚｅｄｄｅｓｉｇｎｓｏｆｔｈｅｅｎｇｉｎｅｓｙｓｔｅｍａｎｄｓｏｏｎ，ａｎｄｈａｓｐｒｏｐｏｓｅｄｔｈｅｒｅａｓｏｎａｂｌｅｄｅｓｉｇｎｓｔｒａｔｅｇｉｅｓａｎｄｍｅｔｈｏｄｓｔｏｉｍｐｌｅｍｅｎｔｔｈｅｍ．Ｋｅｙｗｏｒｄｓ：ＳＰＡＲＱＬ；ＲＤＦ；ＳＰＡＲＱＬＥｎｇｉｎｅ；ＪａｖａＣＣ９４７电脑知识与技术数据库及信息管理本栏目责任编辑：闻翔军ＱＬ语言也不例外，文献［１］中记录了ＳＰＡＲＱＬ语言的形式化语法描述，它采用了ＬＬ（１）文法形式。

ＳＰＡＲＱＬ语法解析即是对客户查询表达式进行词法分析和语法分析，从而判断该表达式是否符合ＳＰＡＲＱＬ的语法规则。

语法解析的依据是ＳＰＡＲＱＬ的形式化语法定义。

３．１ＪａｖａＣＣ解析器生成工具关于词法和语法分析器的设计在编译原理中有非常成熟完善的理论，可以手工进行词法和语法分析器的设计。

但这将是一项非常繁重的工作，而且硬编码解析器也缺乏灵活性。

一种更简单的做法是利用现有的编译器生成工具（Ｃｏｍｐｉｌｅｒ－ｃｏｍｐｉｌｅｒ）自动生成解析器代码。

ＪａｖａＣＣ（Ｊａｖａｃｏｍｐｉｌｅｒ－ｃｏｍｐｉｌｅｒ）是用一种可以生成Ｊａｖａ代码的“编译器的编译器”，或者称之为“解析器生成器”，ＪＪＴｒｅｅ是ＪａｖａＣＣ预处理工具。

关于ＪＪＴｒｅｅ和ＪａｖａＣＣ的用法可以参阅［３］［４］，使用ＪＪＴｒｅｅ和ＪａｖａＣＣ开发解析器的流程如下：１）根据ＳＰＡＲＱＬ语言的形式化语法描述，编写符合ＪＪＴｒｅｅ语法要求的．ｊｊｔ脚本文件；２）用ＪＪＴｒｅｅ编译该．ｊｊｔ脚本得到中间．ｊｊ文件；３）用ＪａｖａＣＣ编译这个中间．ｊｊ文件，得到解析器。

３．２生成ＳＰＡＲＱＬ语法解析器编写ＪＪＴｒｅｅ脚本文件要求开发者对ＳＰＡＲＱＬ语言有深刻的认识，并对解析器将来的工作有一个全面的把握。

这个工作十分细致而繁琐，也是一个不断调试与修改的过程。

为了减少语法树的深度，我们在编写ＪＪＴ脚本时，尽量取消无用的节点。

ＪＪＴｒｅｅ和ＪａｖａＣＣ编译工具根据每个非终端节点的产生式规则自动成生成节点类。

这些节点类在解析器解析一个查询表达式时，被实例化为节点对象，构成一棵解析树。

图１是解析树示例。

例２一个简单的Ｓｅｌｅｃｔ查询表达式：Ｓｅｌｅｃｔ？ｓｆｒｏｍ＜ｈｔｔｐ：／／．．．＞ｗｈｅｒｅ？ｓ？ｐ？ｏ图１所示是例２的解析树。

图１一个简单的ＳＰＡＲＱＬ解析树要最终实现查询功能，还必须向这些结点类中添加解析代码。

查询的处理过程会涉及到整棵解析树的各个节点，ＪＪＴｒｅｅ在解析树的节点中自动添加了遍历子节点的机制。

４ＳＰＡＲＱＬ查询引擎优化设计４．１引擎功能分析ＳＰＡＲＱＬ查询引擎定位于应用程序和ＲＤＦ服务器之间，为ＲＤＦ服务平台提供ＳＰＡＲＱＬ查询解析，如图２所示。

查询引擎功能需求描述如下：查询引擎不是面向终端用户的ＲＤＦ应用程序，不提供可视化的用户界面；查询引擎也不是ＲＤＦ服务系统，因而它的目标不是为终端用户提供ＲＤＦ数据存储和访问的完整解决方案；查询引擎位于ＲＤＦ应用和ＲＤＦ服务平台之间，为ＲＤＦ服务器添加ＳＰＡＲＱＬ查询解释执行功能。

独立性：不同的ＲＤＦ平台有不同的存储访问方式，该引擎不依赖于任何实际的ＲＤＦ服务平台，具有跨越不同ＲＤＦ服务平台的通用性。

部署能力强：引擎可以部署到一个具体的ＲＤＦ服务平台中，而不需要重建。

高效性：一个没有效率的系统，是没有实行价值的。

由于受制于独立性要求，高效性的处理不能针对具体的平台进行优化，只能优化自身的处理逻辑。

４．２实现策略（１）独立性和可部署性独立性意味着该系统应该有一个不依赖于底层ＲＤＦ服务平台的设计方案。

为此，我们设计查询引擎使用一个通用接口（ＲｄｆＲｅｓｏｕｒｃｅ）访问底层ＲＤＦ服务器。

ＲｄｆＲｅｓｏｕｒｃｅ的接口只提供简单的基于通配符匹配的三元组访问方法，如ｇｅｔＳｔａｔｍｅｎｔ（Ｖａｌｕｅｓｕｂｊ，ＵＲＩｐｒｅｄ，Ｖａｌｕｅｏｂｊ），即通过ｓｕｂｊ，ｐｒｅｄ，ｏｂｊ三个参数指定想查找的三元组的主体、谓词和客体，若省略其中任何一个参数，意味着该参数是一个通配符。

但是底层ＲＤＦ服务器提供的数据访问接口与ＲｄｆＲｅｓｏｕｒｃｅ接口不一定匹配，这就需要设计一个适配器（ａｄａｐｔｅｒ），让适配器完成ＲｄｆＲｅｓｏｕｒｃｅ接口与ＲＤＦ平台接口的匹配，适配器的实现与具体的ＲＤＦ服务器相关。

（２）高效性引擎的独立性与可部署性意味着它不是为某个ＲＤＦ服务器的具体实现而量身定做的，这往往容易导致系统的低效性，因此可部署性和独立性实际上制约了效率的目标。

既然不能为专门的ＲＤＦ服务器进行代码优化，那就尽可能地优化查询引擎中与ＳＰＡＲＱＬ规范相关的通用逻辑，以尽量提高查询处理的效率。