基于HBase的RDF存储系统的研究与设计的开题报告.docx

基于HBase的RDF存储系统的研究与设计的开题报告
一、选题背景
随着互联网的不断发展以及大数据的普及，越来越多的数据需要被存储、管理和处理。其中，RDF图（RDF，ResourceDescriptionFramework）成为了互联网上最主要的数据描述方式之一。其主要应用领域包括知识图谱、智能推荐系统、搜索引擎等。
传统的RDF存储系统多采用RDB（关系型数据库）进行存储，但由于RDB的数据层次性不够、非结构化数据存储和查询效率低等问题，使得该方法逐渐受到了限制，而基于NoSQL（NotOnlySQL）非关系型数据库的存储方式以其良好的扩展性、高可用性、良好的性能等优势逐渐成为新的研究热点。而HBase作为一种分布式、可扩展的NoSQL存储系统，可满足海量数据存储和高并发的数据读写需求，因此成为了存储RDF数据的优秀选择。
二、研究内容
本研究将基于HBase设计并实现一种面向RDF数据的存储系统，具体研究内容包括：
1.深入研究RDF数据的特点，并分析RDF在HBase中的存储方式。
2.根据RDFS模型建立RDF的存储模式，并建立HBase表结构，针对RDF数据的三元组特征，考虑表设计的优化。
3.设计并实现RDF数据的导入、更新、查询、删除等操作。
4.测试和评价系统的性能，对比传统RDF存储系统性能，分析HBase存储RDF数据的优点和局限。
三、研究难点及解决方案
1.HBase中RDF的存储方式。HBase使用行列式存储，而RDF数据是三元组式存储，如何在HBase中存储RDF数据是一个难题。本研究采取以Subject+Predicate为行键，Object为列名的方式存储RDF三元组数据。
2.HBase中的大规模数据查询查询效率低。其中，数据按照Subject排序可能会带来查询效率问题，因此需要对表设计进行优化。本研究通过将Subjecthash为Long型数据，把RDF三元组的Subject按照hash值分散到不同的Table中，提高查询效率。
四、预期目标
1.设计一种高效的基于HBase的RDF存储系统。
2.实现RDF数据的导入、更新、查询、删除等操作，满足用户对海量RDF数据的存储和管理需求。
3.对比传统RDF存储系统，分析HBase存储RDF数据的优点和局限。
五、研究方法
1.研究HBase存储系统的基本知识，以及RDF的相关概念、特点等。
2.根据RDFS模型建立RDF的存储模式，并建立HBase表结构。
3.设计并实现RDF数据的导入、更新、查询、删除等操作，并特别考虑查询效率问题。
4.使用标准的测试工具测试系统的性能，并分析HBase存储RDF数据的优点和局限。
六、可行性分析
1.HBase具有良好的可扩展性、高可用性和高性能，能满足存储RDF海量数据的需求。
2.本研究充分利用了HBase的分布式存储和查询技术，并在表设计上进行了优化，有望设计一种高效的基于HBase的RDF存储系统。
3.HBase的应用范围广泛，研究本文题目有一定的社会和经济价值。
七、进度安排
第一周：
1.阅读本研究相关文献，熟悉HBase的相关知识。
2.学习RDF的相关知识，熟悉RDF的基本约束模型以及基本语法。
第二周：
1.根据RDFS模型建立RDF的存储模式，确定HBase表结构。
2.确定系统的功能设计。
第三周：
1.设计RDF数据的导入，更新，删除等操作。
2.设计RDF数据的查询算法。（建议采用hash方式解决查询效率问题）
第四周：
1.实现RDF数据导入，更新，删除操作。
2.实现RDF数据查询功能。
第五周：
1.测试系统性能，对比传统RDF存储系统性能
2.分析HBase存储RDF数据的优点和局限。
第六周：
1.文献资料撰写总结。
2.撰写毕业设计任务书。
八、参考文献
1.宋兵,龚光荣.基于HBase的海量RDF数据存储研究[J].计算机应用,2015,35(6):1755-1759+1768.
2.ZhangL,ZhangY,KementsietsidisA,etal.StoringandqueryingRDFdatausingHBase[C]//InternationalConferenceonDatabaseSystemsforAdvancedApplications.Springer,Berlin,Heidelberg,2013:307-321.
3.GuoY,PanZ,HeflinJ,etal.LUBM:AbenchmarkforOWLknowledgebasesystems[C]//InternationalSemanticWebConference.Springer,Berlin,Heidelberg,2005:158-171.