DP:xcizek:Výsledky

Z FI WIKI
Přejít na: navigace, hledání

Nalezené zdroje

Frameworky

  • openRDF - home
    • framework pro ukládání, práci a vyhledávání v RDF,OWL
    • od uložiště odstíněn rozhraním SAIL(ukládat lze tam, pro co je podpora SAIL), možno do RAM, souboru, MySQL, Oracle, PostgreSQL
    • RDFS SAIL - nadstavba umožňující ukládat do GOM storage, k dispozici jsou dvě, komerční a open source ukládající do jdbm
  • Jena - home
    • článek Efficient RDF Storage and Retrieval in Jena2
      • pro ukládání do BerkelyDB má jiný přístup - nenormalizovaný, tj. všechna tvrzení do jedné tabulky a hned 3x, indexované podle každé složky, prý rychlejší, Jena2 umožňuje použít těchto tabulek více, prý zvýšení výkonu - lokalita, kešování, oddělení tvrzení
    • A SPARQL Server for Jena - umožňuje přístup přes HTTP a SOAP
  • 3store - home
    • nový kandidát, umí SPARQL a je v C, má nízkoúrovňovou optimalizaci, až na úroveň SQL
  • Redland RDF - home
    • kolekce free knihoven pro praci s RDF, language binding pro řadu jazyků
    • rovněž ukládání do různých db, paměti, uplatňován hashovací přístup
  • Brahms - home
    • read-only uložiště v RAM, omezeno pouze její velikostí, rychlé hledání asociací
    • v [1] zatím jediné srovnání výkonu jeny,a sesamu (a brahms).
  • RDFSuite - home - podle článku (Benchma...) používá schéma Hybrid, které bylo dobré v měření

Benchmarky

Oblast, ve které mohu rovněž naleznout srovnání frameworků.

  • Lubm home
    • LUBM: A Benchmark for OWL Knowledge Base Systems
      • srovnání několika systémů, a to hned na 14 SPARQL dotazech nad náhodnými daty velikosti az 500MB
      • měření jeny je ale až v příloze a to ještě s RDFS,, uvádí se tam ovšem, že je mnohem pomaleší než Sesame ve většině dotazů
    • našel jsem však náznaky, že Sesame2 má být někde lubmem změřený , ale zatím jsem to nenašel

Články

Články z elektronických zdrojů MUNI

Google výrazně nepomohl, který framework bude výkonější.

  • Hera-S - Web Design Using Sesame - Sesame využit, protože to poskytuje
  • An Evaluation of Knowledge Base Systems for Large OWL Datasets* - zabývá se testováním dvou paměťových a dvou db systémů, závěr - malá rozšiřitelnost, tj. každý systém dobrý pro jiný typ owl
  • Choosing the Best Knowledge Base System for Large Semantic Web Applications* - opět konstatuje malou rozšiřitelnost
  • SPARQL Query Processing with Conventional Relational Database Systems* - hlavně popisuje 3store