Gstore学习一：图形数据库系统

文章目录

• ​​一、概述​​

• ​​1.1 背景知识:**图数据**---大数据、人工智能时代的数据模型​​
• ​​1.2 背景知识：RDF与SPARQL​​

• ​​海量数据下传统关系型数据库遇到的困境​​
• ​​图数据在处理海量数据关联分析的优势​​
• ​​资源描述框架（RDF）数据​​

• ​​二、RDF数据&SPARQL查询语言​​

• ​​2.1 SPARQL查询语言​​

• ​​三、图数据库​​

• ​​3.1 概念​​

• ​​四、面向知识图谱应用的图数据库管理系统​​

• ​​4.1 概述​​
• ​​4.2 优势​​
• ​​4.3 源头创新​​
• ​​4.4 性能优越​​
• ​​4.5 创新带来的性能提升​​
• ​​4.6 gStore发展历程​​

• ​​五、应用​​
• ​​六、相关网址​​

一、概述

1.1 背景知识:图数据—大数据、人工智能时代的数据模型

主要体现了大数据的关联性

在大数据领域的作用-->知识图谱：数据的关联性

在人工智能领域的作用-->知识图谱：认识计算的数据基础

1.2 背景知识：RDF与SPARQL

海量数据下传统关系型数据库遇到的困境

三种典型基于关系数据库的优化策略

1. 属性表方法
2. 垂直划分方法
3. 全索引方法

基本思路： 划分三元组表、生成更加简单的查询。

图数据在处理海量数据关联分析的优势

• 我们的方法—gStore 子图匹配

资源描述框架（RDF）数据

• RDF是知识图谱数据的事实标准
• RDF是由W3C组织提出的一种描述资源概念模型的语言
• RDF是语义网的一个基石（BuildingBlock）
• 语义网的目标是网络上的资源是“机器可理解”(Machine understandable)

• 

二、RDF数据&SPARQL查询语言

SPARQL查询语言
SPARQL (pronounced “sparkle”) 是SPARQL Protocol and RDF Query Language的简称。

SPARQL 是针对存储RDF数据的语义查询语言。
SPARQL 包括多个部分，包括 triple patterns（三元组模式）, conjunctions（合取范
式）, disjunctions（析取范式）和optional patterns （可选模式）

首先SPARQL装换成子图，然后子图和大图进行匹配

2.1 SPARQL查询语言

1. SPARQL的条件是一系列的三元组模式（TriplePattern）
2. 三元组模式和RDF三元组很相似，但是包括有变量
3. 变量增加了在三元组模式匹配中的灵活性。

三、图数据库

3.1 概念

图数据库是NoSQL数据库的一种类型，它应用图理论存储实体之间的关系信息。

图数据突出优点：
1.速度：秒级大图查询
2.表达力：跨复杂数据的关联分析

数据库管理系统长期被国外系统垄断

四、面向知识图谱应用的图数据库管理系统

4.1 概述

4.2 优势

4.3 源头创新

4.4 性能优越

4.5 创新带来的性能提升

4.6 gStore发展历程

五、应用

六、相关网址

​​官网​​

​​GitHub​​