Differences between revisions 15 and 36 (spanning 21 versions)

Triple Stores

We tested the performance of two triple stores: Virtuoso and RDF-3X. We compare them to our own triple score on a couple of benchmarks.

Software Installation

Installation von Virtuoso Open-Source Edition:

Runterladen
Anweisungen in README-Datei folgen.

Installation von rdf3x:

Runterladen
Kompilieren

Installation von SparqlEngineDraft:

Klonen
Anweisungen befolgen.

Data Import

Um den Datensatz in die Triple Stores laden zu können, musste dieser Satz in einen für RDF-Speicherung gängigen Format umgewandelt werden. Ausgewählt wurde "*.nt"-Format. Der ursprünglicher Satz enthielt Values und Enteties. Values waren schon nt-conform, die Enteties mussten umgewandelt werden. Dafür wurden die Enteties in die eckigen Klammer gesetzt und die unzulässige Zeichen durch die entsprechende Prozent-Kodierungen oder auch von uns defenierten Ersatzzeichen ersetzt.

Ersetzungstabelle:

space

%25

%3C

%3E

%5C

%5E

%60

Z.B.: Mikel Jackson --> <Mikel_Jackson>

Data Import Virtuoso:

Datenladen in den Virtuoso wurde mit Bulk loading process durchgefuhrt. Bei diesem Prozess muss der Name des RDF-Graphen als graph_iri eingegeben werden. Unter dieser Namen ist der RDF-Satz bei Virtuoso erreichbar und man benutzt graph_iri als prefix bei jeder Entety, wenn man eine Spqrql-Anfrage an den Store erstellt.

Z.B.: Mikel Jackson --> '<http://foo/Mikel_Jackson>'

Data Import Rdf3x:

Das Datenladen in den Rdf3x-Store erfolgt durch einen Skript <Installationsordner von Rdf3x>/bin/rdf3xload <DB-Name> <RDF-Satz-Pfad>. Kein zusatzlicher Prefix ist bei der Afragestellung erforderlich.

Z.B.: Mikel Jackson --> '<Mikel_Jackson>'

Data Import SparqlEngineDraft:

Anweisungen befolgen. Kein zusatzlicher Prefix ist bei der Afragestellung erforderlich.

Z.B.: Mikel Jackson --> '<Mikel_Jackson>'

Indexerstellung:

Die Größe des Input-RDF-Sets in der NT-Format beträgt 17 GB.

RDF-Store	Ladezeit	Indexgroße auf der Festplatte	Indexgroße in der Arbeitspeicher
Virtuoso	1170 min	?	?
Rdf3x	76 min	12 GB	?
SparqlEngineDraft	26 min	14.2 GB	3.5 GB

Queries

Testvorgang

Als test-Framework wurde ein Python-Skript verwendet. Dabei wurde folgendes Abschnitt immer 3-Fach für jede Kombination Query<>RDF-Store ausgeführt.

start = int(round(time.time()*1000))

process = subprocess.Popen(command, stdout=subprocess.PIPE, shell=True)

out, err = process.communicate()

end = int(round(time.time()*1000))

command = virtuosoISQL_path + "isql 127.0.0.1:1113 dba dba " + queryFile für Virtuoso

command = rdf3x_path + "rdf3xquery" + dataBase + " " + queryFile für rdf3x

Anfragen

Für jede Anfrage wurden zwei Datein erstellt die diese Anfrage enthalten: Eine für rdf3x und eine für Virtuoso.

Beispiel Anfrage für rdf3x:

SELECT * WHERE {

<The%20Format%20(Musical%20Recording)%20%231> ?b ?c

}

Beispiel Anfrage für Virtuoso:

SPARQL SELECT * WHERE {

<http://foo.org/The%20Format%20(Musical%20Recording)%20%231> ?b ?c

};

Tests

Zeilenformat: <time> (number of lines in result)

Query \ RDF Store	rdf3x	SparqlEngineDraft
Query 1	0.581ms(1)	13.827ms(1)
Query 2	17.632ms(5162)	10.568ms(5162)
Query 3	98.772ms(1579)	57.344ms(1579)
Query 4	22.731ms(9767)	16.673ms(9767)
Query 5	5.030ms(4)	239.383ms(4)
Query 6	65.057ms(0)	72.879ms(0)
Query 7	28.483ms(3697)	30.418ms(3697)
Query 8	9.559ms(164)	21.509ms(164)
Query 9	0.501ms(128)	2.319ms(128)
Query 10	476.191ms(1528)	314.789ms(1528)

Queries

Query 1

SELECT ?x WHERE { ?x <is-a> <Book> . ?x <Author> <Anthony_Newman_(Author)> }

Query 2

SELECT ?x WHERE { ?x <Genre> <Comedy> . ?x <is-a> <Award-Nominated_Work> . ?x <is-a> <Film> . }

Query 3

SELECT ?x WHERE { ?x <is-a> <Politician> . ?x <Film_performance> ?y . ?y <Genre> <Comedy> . }

Query 4

SELECT ?x WHERE { ?x <is-a> <Olympic_athlete> . ?x <is-a> <Deceased_Person> }

Query 5

SELECT ?x WHERE { ?x <Release> <Technodrome,_Volume_2_(Consumer_product)> . ?x <is-a> <Canonical_Version> . ?x <is-a> <Musical_Recording> . }

Query 6

SELECT ?x ?y WHERE { ?x <is-a> <Person> . ?x <Country_of_nationality> <Germany> . ?x <Author> ?y . ?y <is-a> <Award-Nominated_Work> }

Query 7

SELECT ?x WHERE { ?x <is-a> <Politician> . ?x <Parent> ?y . ?x <Parent> ?z . ?y <is-a> <Politician> . ?z <is-a> <Politician> . }

Query 8

SELECT ?x ?y WHERE{ ?x <is-a> <Monarch> . ?x <is-a> <Deceased_Person> .?x <Cause_of_death> <Assassination> . ?x <Place_of_birth> ?y }

Query 9

SELECT ?x WHERE{ ?x <is-a> <Lake> . ?x <Contained_by> <Russia> }

Query 10

SELECT ?x ?y ?z WHERE{ ?x <is-a> <Musical_Recording> . ?x <Recorded_by> ?y . ?y <Award_Won> <Bollywood_Movie_Humanitarian_Award> . ?y <Celebrity_friend> ?z . ?z <Profession> <Prophet> }

-  ⇤ ← Revision 15 as of 2015-03-31 18:52:23 → 
  Size: 6735
  Editor: stromboli
  Comment:
+   ← Revision 36 as of 2015-04-09 15:24:11 → ⇥
  Size: 6222
  Editor: 10
  Comment:
-Deletions are marked like this.
+Additions are marked like this.
 Line 16:
+=== Installation von SparqlEngineDraft: ===
 1. [[https://code.google.com/p/rdf3x/downloads/list|Klonen]]
 2. [[https://github.com/Buchhold/SparqlEngineDraft#1-build|Anweisungen]] befolgen.
-Line 17:
+Line 20:
-Um den Datensatz in die beide Stores laden zu können, musste dieser Satz in einen für RDF-Speicherung gängigen Format umgewandelt werden. Ausgewählt wurde "*.nt"-Format.
+Um den Datensatz in die Triple Stores laden zu können, musste dieser Satz in einen für RDF-Speicherung gängigen Format umgewandelt werden. Ausgewählt wurde "*.nt"-Format.
-Line 21:
+Line 24:
-=== Die Ersetzungstabelle: ===
|| " |||| # |||| % |||| < |||| > |||| [ |||| \ |||| ] |||| ^ |||| { |||| | |||| } |||| ' |||| space ||
|| %22 |||| %23 |||| %25 |||| %3C |||| %3E |||| %5B |||| %5C |||| %5D |||| %5E |||| %7B |||| %7C |||| %7D |||| %60 |||| _ ||
+=== Ersetzungstabelle: ===
|| % |||| < |||| > |||| \ |||| ^ |||| ` |||| space ||
|| %25 |||| %3C |||| %3E |||| %5C |||| %5E |||| %60 |||| _ ||
-Line 25:
+Line 28:
- Dafür wurde ein kleiner Research gemacht, dessen Ergebnisse [[https://docs.google.com/document/d/1n3p-lpQdCB-2dCIqqAJUC6s5RG01e_y6Fp1xLRbY5HU/edit?usp=sharing|hier]] zusammengefasst wurden. Schlussendlich wurde entschieden aus den Enteties [[http://www.w3.org/TeamSubmission/turtle/#sec-uris|UriRefs]] zu machen. Dafür wurden die Enteties in die eckigen Klammer gesetzt und die unzulässige Zeichen durch die entsprechende Prozent-Kodierungen ersetzt. Die Ersetzungsregeln entsprechen denen von [[http://wiki.dbpedia.org/URIencoding|DBpedia 3.7]]. Als nächstes musste der konvertierter Datensatz in die beiden RDF-Stores geladen werden.
+Z.B.: '' Mikel Jackson --> <Mikel_Jackson> ''
 Line 31:
-Datenladen in den Virtuoso wurde mit [[http://virtuoso.openlinksw.com/dataspace/doc/dav/wiki/Main/VirtBulkRDFLoader|Bulk loading process]] gemacht. Bei diesem Prozess muss der Name des RDF-Graphen als graph_iri eingegeben werden. Unter dieser Namen ist der RDF-Satz bei Virtuoso erreichbar und man benutzt graph_iri als prefix bei jeder Entety, wenn man eine Spqrql-Anfrage an den Store erstellt.
+Datenladen in den Virtuoso wurde mit [[http://virtuoso.openlinksw.com/dataspace/doc/dav/wiki/Main/VirtBulkRDFLoader|Bulk loading process]] durchgefuhrt. Bei diesem Prozess muss der Name des RDF-Graphen als graph_iri eingegeben werden. Unter dieser Namen ist der RDF-Satz bei Virtuoso erreichbar und man benutzt graph_iri als prefix bei jeder Entety, wenn man eine Spqrql-Anfrage an den Store erstellt.
 Line 33:
-Z.B.: '' 'Mikel%20Jackson' --> '<http://foo/Mikel%20Jackson>' ''
+Z.B.: '' Mikel Jackson --> '<http://foo/Mikel_Jackson>' ''
 Line 36:
-Das Datenladen in den Rdf3x-Store erfolgt durch einen Skript ''<Installationsordner von Rdf3x>/bin/rdf3xload <DB-Name> <RDF-Satz-Pfad>''. Das wars! Bei der Nfragestellung muss man keinen zusätzlichen Prefix eingeben.
+Das Datenladen in den Rdf3x-Store erfolgt durch einen Skript ''<Installationsordner von Rdf3x>/bin/rdf3xload <DB-Name> <RDF-Satz-Pfad>''. Kein zusatzlicher Prefix ist bei der Afragestellung erforderlich.
 Line 38:
-Z.B.: '' 'Mikel%20Jackson' --> '<Mikel%20Jackson>' ''
+Z.B.: '' Mikel Jackson --> '<Mikel_Jackson>' ''
 Line 40:
+=== Data Import SparqlEngineDraft: ===
[[https://github.com/Buchhold/SparqlEngineDraft#2-creating-an-index|Anweisungen]] befolgen. Kein zusatzlicher Prefix ist bei der Afragestellung erforderlich.
-Line 41:
+Line 43:
-=== Ladezeiten: ===
|| '''RDF-Store'''|||| '''Ladezeit'''||
|| Virtuoso |||| 1170 min||
|| Rdf3x|||| noch nicht gemessen, aber deutlich weniger als bei Virtuoso||
+Z.B.: '' Mikel Jackson --> '<Mikel_Jackson>' ''

=== Indexerstellung: ===

Die Größe des Input-RDF-Sets in der NT-Format beträgt 17 GB.

|| '''RDF-Store'''|||| '''Ladezeit'''|||| '''Indexgroße auf der Festplatte''' ||  '''Indexgroße in der Arbeitspeicher''' ||
|| Virtuoso |||| 1170 min|||| ? |||| ? ||
|| Rdf3x |||| 76 min |||| 12 GB |||| ? ||
|| SparqlEngineDraft |||| 26 min |||| 14.2 GB |||| 3.5 GB ||
-Line 84:
+Line 92:
-'''Getestete Anfragen:'''
+=== Tests ===
-Line 86:
+Line 94:
-'''Query 1'''
+'''Zeilenformat:''' ''<time> (number of lines in result)''
-Line 88:
+Line 96:
-''SELECT * WHERE {''
+|| '''Query \ RDF Store''' |||| '''rdf3x''' |||| '''SparqlEngineDraft''' ||
|| '''Query 1''' |||| 0.581ms(1) |||| 13.827ms(1) ||
|| '''Query 2''' |||| 17.632ms(5162) |||| 10.568ms(5162) ||
|| '''Query 3''' |||| 98.772ms(1579) |||| 57.344ms(1579) ||
|| '''Query 4''' |||| 22.731ms(9767) |||| 16.673ms(9767) ||
|| '''Query 5''' |||| 5.030ms(4) |||| 239.383ms(4) ||
|| '''Query 6''' |||| 65.057ms(0) |||| 72.879ms(0) ||
|| '''Query 7''' |||| 28.483ms(3697) |||| 30.418ms(3697) ||
|| '''Query 8''' |||| 9.559ms(164) |||| 21.509ms(164) ||
|| '''Query 9''' |||| 0.501ms(128) |||| 2.319ms(128) ||
|| '''Query 10''' |||| 476.191ms(1528) |||| 314.789ms(1528) ||
-Line 90:
+Line 108:
-''  <The%20Format%20(Musical%20Recording)%20%231> ?b ?c''
+''' Queries '''
-Line 92:
+Line 110:
-''}''
+''' Query 1 '''
-Line 94:
+Line 112:
-'''Query 2'''
+'' SELECT ?x WHERE { ''
'' ?x <is-a> <Book> .  ''
'' ?x <Author> <Anthony_Newman_(Author)>  ''
'' } ''
-Line 96:
+Line 117:
-''SELECT * WHERE {''
+''' Query 2 '''
-Line 98:
+Line 119:
-''  ?a <Length> ?c . FILTER (?c>100)''
+'' SELECT ?x WHERE { ''
''       ?x <Genre> <Comedy>  . ?x <is-a> <Award-Nominated_Work> . ?x <is-a> <Film> . ''
'' } ''
-Line 100:
+Line 123:
-''}''
+''' Query 3 '''
-Line 102:
+Line 125:
-'''Query 3'''
+'' SELECT ?x WHERE { ''
'' ?x <is-a> <Politician> .  ?x <Film_performance> ?y . ?y <Genre> <Comedy>  . ''
'' } ''
-Line 104:
+Line 129:
-''SELECT * WHERE {''
+''' Query 4 '''
-Line 106:
+Line 131:
-''  ?x <Release> <Technodrome,%20Volume%202%20(Consumer%20product)> .''
+'' SELECT ?x WHERE { ''
'' ?x  <is-a> <Olympic_athlete> . ?x  <is-a> <Deceased_Person> ''
'' } ''
-Line 108:
+Line 135:
-''  ?x <is-a> <Canonical%20Version> .''
+''' Query 5 '''
-Line 110:
+Line 137:
-''  ?x <is-a> <Musical%20Recording> .''
+'' SELECT ?x WHERE { ''
'' ?x <Release> <Technodrome,_Volume_2_(Consumer_product)> . ''
'' ?x <is-a> <Canonical_Version> . ''
'' ?x <is-a> <Musical_Recording> . ''
'' } ''
-Line 112:
+Line 143:
-''} LIMIT 1000''
+''' Query 6 '''
-Line 114:
+Line 145:
-'''Query 4'''
+'' SELECT ?x ?y WHERE { ''
''  ?x <is-a> <Person> . ?x <Country_of_nationality> <Germany> . ?x <Author> ?y . ?y <is-a> <Award-Nominated_Work> ''
'' } ''
-Line 116:
+Line 149:
-''SELECT * WHERE {''
+''' Query 7 '''
-Line 118:
+Line 151:
-''  ?a <is-a> ?c .''
+'' SELECT ?x WHERE { ''
'' ?x <is-a> <Politician> . ?x <Parent> ?y . ?x <Parent> ?z . ?y <is-a> <Politician> . ?z <is-a> <Politician> . ''
'' } ''
-Line 120:
+Line 155:
-''  ?c <is-a> ?e .''
+''' Query 8 '''
-Line 122:
+Line 157:
-''} LIMIT 1000''
+'' SELECT ?x ?y WHERE{ ?x <is-a> <Monarch> . ?x <is-a> <Deceased_Person> .?x <Cause_of_death> <Assassination> . ?x <Place_of_birth> ?y } ''
-Line 124:
+Line 159:
-'''Query 5'''
+''' Query 9 '''
-Line 126:
+Line 161:
-''SELECT * WHERE {''
+'' SELECT ?x WHERE{ ?x <is-a> <Lake> . ?x <Contained_by> <Russia> } ''
-Line 128:
+Line 163:
-''  ?a <is-a> ?c .''
+''' Query 10 '''
-Line 130:
+Line 165:
-''  ?c <is-a> ?e .''

''}''

'''Query 6'''

''SELECT COUNT(*) WHERE {''

''  ?a <is-a> ?c .''

''  ?c <is-a> ?e .''

''}''

'''Query 7'''

''SELECT COUNT(*) WHERE {''

''  ?a ?b ?c .''

''}''
=== Ergebnisse ===

'''Zeilenformat:''' ''<average time> (<1. loop time>/<2. loop time>/<3. loop time>) ms <number of lines in result> Lines''

||  |||| '''rdf3x''' |||| '''virtuoso''' ||
|| '''Query 1''' |||| 6 (6/5/6) ms 6 Lines |||| 22 (46/10/10) ms 6 Lines ||
|| '''Query 2''' |||| 73088 (70397/73129/75740) ms 8923358 Lines ||||119289 (117564/119475/120828) ms 8282272 Lines ||
|| '''Query 3''' |||| 16 (18/14/18) ms 4 Lines  |||| 35 (49/48/10) ms 4 Lines ||
|| '''Query 4''' |||| 11 (13/10/10) ms 1000 Lines |||| 438 (690/341/285) ms 1000 Lines ||
|| '''Query 5''' |||| 163316 (163316/-/-) ms 39690913 Lines |||| 1276218 (1276218/-/-) ms 39919489 Lines ||
|| '''Query 6''' |||| 168517 (168517/-/-) ms 1 Lines |||| 1469 (1521/1456/1430) ms 1 Lines ||
|| '''Query 7''' |||| too Long |||| 1487 (1565/1420/1477) ms 1 ||

=== Evaluation ===

Bei den meisten Testfällen ist rdf3x dem virtuoso überlegen. Jedoch scheint Virtuoso die Aggregierung-Anfragen effizienter zu bearbeiten, wie man das am Beispiel der Queries 6,7 sieht. An den Anfragen 5,6 kann man vermuten, dass rdf3x erstmal die Anfrage 5 ausführt. Danach zählt er die Ergebniszeilen, um die Anfrage 6 zu berechnen. Virtuoso geht offensichtlich anders vor. 

Desweiteren kann man an der Anfrage 5 erkennen, dass die Ergebnislisten ungleich sind. Grund dafür sind wahrscheinlich die Lesefehler beim RDF-Satz-Laden  Leider konnte die Anfrage 7 nur bei Virtuoso ausgeführt werden. Egebnis ist 243035237. Der ursprüngliche Datensatz enthält aber 243036034 Tripel. Es fehlen also 797 Tripel.

Weitere Beobachtung ist, dass die Anzahl der Ergebnisse mal bei Virtuoso und mal bei rdf3x größer ist. Sieh Query 2 und 5. Nach dem weiteren Betrachten hat sich ergeben, dass die Values bei rdf3x nicht erkannt wurden, bzw. als einfache Textliterale erkannt. Das führt zu Ergebnisunterschieden bei der Anfrage 2.
+'' SELECT ?x ?y ?z WHERE{ ?x <is-a> <Musical_Recording> . ?x <Recorded_by> ?y . ?y <Award_Won> <Bollywood_Movie_Humanitarian_Award> . ?y <Celebrity_friend> ?z . ?z <Profession> <Prophet> } ''