Lucene 2个数据集的Fuseki配置+；文本索引：如何使用海龟文件？
我是fuseki的新手，希望在我们的项目中使用2个TDB数据集：一个小的用于我们自己的数据，另一个大的（168M三元组，从导入的数据） 我们需要索引数据，因为使用“FILTER（CONTAINS（））”的SPARQL查询无法在大型数据集（“BnF_text”）上工作。 因此，我在这篇文章之后为“BnF_text”建立了一个文本索引：（但我不得不修改turtle配置文件以使Lucene 2个数据集的Fuseki配置+；文本索引：如何使用海龟文件？,lucene,jena,fuseki,tdb,easyrdf,Lucene,Jena,Fuseki,Tdb,Easyrdf,我是fuseki的新手，希望在我们的项目中使用2个TDB数据集：一个小的用于我们自己的数据，另一个大的（168M三元组，从导入的数据） 我们需要索引数据，因为使用“FILTER（CONTAINS（））”的SPARQL查询无法在大型数据集（“BnF_text”）上工作。 因此，我在这篇文章之后为“BnF_text”建立了一个文本索引：（但我不得不修改turtle配置文件以使text:query工作） 这是可行的，但我在“BnF_文本”中遇到了一个奇怪的问题：同一个查询有时会返回超时，我在fusek
text:query- 我的配置文件有问题吗
- 性能是否受两个数据集共存的影响
- 脚本
：设置为fuseki服务器中修改的Java内存限制--Xmx4000M - SPARQL查询通过PHP EasyRDF库发送
- 我有两个配置文件：
+$FUSEKI_PATH/text_config.ttl$FUSEKI_PATH/run/configuration/MY_DATASET.ttl - 我使用以下命令运行fuseki服务器：
/fuseki服务器--config text\u config.ttl
@prefix : <#> .
@prefix rdf: <http://www.w3.org/1999/02/22-rdf-syntax-ns#> .
@prefix rdfs: <http://www.w3.org/2000/01/rdf-schema#> .
@prefix tdb: <http://jena.hpl.hp.com/2008/tdb#> .
@prefix ja: <http://jena.hpl.hp.com/2005/11/Assembler#> .
@prefix text: <http://jena.apache.org/text#> .
@prefix fuseki: <http://jena.apache.org/fuseki#> .
@prefix foaf: <http://xmlns.com/foaf/0.1/> .
@prefix dcterms: <http://purl.org/dc/terms/> .
## Initialize TDB --------------------------------
[] ja:loadClass "com.hp.hpl.jena.tdb.TDB" .
tdb:DatasetTDB rdfs:subClassOf ja:RDFDataset .
tdb:GraphTDB rdfs:subClassOf ja:Model .
## Initialize text query -------------------------------------
[] ja:loadClass "org.apache.jena.query.text.TextQuery" .
# A TextDataset is a regular dataset with a text index.
text:TextDataset rdfs:subClassOf ja:RDFDataset .
# Lucene index
text:TextIndexLucene rdfs:subClassOf text:TextIndex .
## ---------------------------------------------------------------
## This URI must be fixed - it's used to assemble the text dataset.
:text_dataset rdf:type text:TextDataset ;
text:dataset :tdb_dataset_readwrite ;
text:index <#indexLucene> ;
.
# A TDB datset used for RDF storage ------------------------------
:tdb_dataset_readwrite # <= EDIT : instead of <#dataset>
a tdb:DatasetTDB ;
tdb:location "TDB_PATH" ;
.
# Text index description ------------------------------------------
<#indexLucene> a text:TextIndexLucene ;
text:directory <file:LUCENE_PATH> ;
text:entityMap <#entMap> ;
text:storeValues true ;
.
# Mapping in the index ---------------------------------------------
# URI stored in field "uri"
<#entMap> a text:EntityMap ;
text:entityField "uri" ;
text:defaultField "text" ;
text:map (
[ text:field "text" ; text:predicate dcterms:title ]
[ text:field "text" ; text:predicate foaf:familyName ]
[ text:field "text" ; text:predicate foaf:name ]
) .
# Fuseki services (http) ---------------------------------------------
# EDIT : added following lines
:service_tdb_all a fuseki:Service ;
rdfs:label "TDB BnF_text" ;
fuseki:dataset :text_dataset ; ###
fuseki:name "BnF_text" ;
fuseki:serviceQuery "query" , "sparql" ;
fuseki:serviceReadGraphStore "get" ;
fuseki:serviceReadWriteGraphStore " .
@前缀：。
@前缀rdf:。
@前缀rdfs:。
@前缀tdb:。
@前缀ja:。
@前缀文本：。
@前缀fuseki:。
@前缀foaf:。
@前缀dcterms:。
##初始化TDB--------------------------------
[]ja:loadClass“com.hp.hpl.jena.tdb.tdb”。
tdb:datasetdb-rdfs:ja的子类：RDFDataset。
tdb:GraphTDB-rdfs:ja的子类：Model。
##初始化文本查询-------------------------------------
[]ja:loadClass“org.apache.jena.query.text.TextQuery”。
#TextDataset是具有文本索引的常规数据集。
text:TextDataset rdfs:ja的子类：RDFDataset。
#Lucene指数
text:TextIndexLucene rdfs:text:TextIndex的子类。
## ---------------------------------------------------------------
##必须修复此URI—它用于组装文本数据集。
：text_数据集rdf:type text:TextDataset；
文本：数据集：tdb_数据集_读写；
文本：索引；
.
#用于RDF存储的TDB数据集------------------------------
：tdb_dataset_readwrite#谢谢安迪，你说得对。问题来自EasyRDF，而不是Fuseki。我发现：，所以在vendor/easyrdf/easyrdf/lib/easyrdf/Http/Client.php中更改了超时，现在一切似乎都正常了。我将再做一些测试，然后试着把问题标记为已解决
编辑：“现在一切似乎正常”=来自EasyRdf_Exception
的“超时”消息已消失如图所示，根本未设置查询超时。确保你在一个干净的地方跑步（没有旧的跑步/设置）。非常感谢你的快速回复，我会尽快尝试。但是你能解释一下为什么同一个查询有时正常工作吗？[PS，我也是StackOverflow的新手，告诉我我的帖子或评论是否需要改进]添加[]rdf:type fuseki:Server；ja:context[ja:cxtName“arq:queryTimeout”；ja:cxtValue“5000000000000”]。
在text\u config.ttl中，它似乎要好得多。还将java的内存增加到8go（我在这里看到了一个示例：）。因此，我还有两个问题：1）对于大型数据集，我的查询是否过于复杂？（节点太多？请参见下文）2）尝试将超时设置为1000毫秒，但发现查询返回0个结果（无错误），这是正常行为吗？我不知道为什么有时它应该工作，除非将超时设置在某个位置。默认设置为无超时。查询复杂性没有限制。超时可能会导致没有结果（如果达到了第一个限制-请检查HTTP状态代码）或结果被截断（结果输出故意设置为非法语法-首先发送的状态代码为“200 OK”，并且是HTTP的一项功能，无法更改。以下是我的查询：SELECT DISTINCT？titre？nom？prenom？dateEdition？manif where{别名foaf:familyName“Spinoza”。？别名foaf:familyName？名称。可选{别名foaf:givenName？prenom}别名owl:sameAs？auteur。？oeExpr2 dc_t:contributor？auteur。？oeExpr1 owl:sameAs？oeExpr2。？manif rdarel:Expression？oeExpr1。？manif文本：查询（dcterms:title“éthique”）。？manif dc_t:title？titre。？manif dc_t:date date edition.}按描述订购（？dateEdition）limit 100
我仍然有一个问题：我多次尝试用脚本发送相同的查询（在while循环中使用fuseki s-query），并注意到第一个请求的执行时间通常不同。例如，我有一次第一个请求的执行时间为76秒，其他请求的执行时间平均为+/-1秒。其他问题：当我使用s-query时，它是HTTP GET；但在我们的应用程序中，我们使用Ajax POST+EasyRDF；我没有做任何统计，但执行时间似乎更长使用Ajax POST。这会影响性能吗？或者我必须更改Apache配置吗？第一个请求首先涉及数据，后续请求可以从缓存中受益。许多三联存储确实有这种行为，并且大多有一些“预热阶段”。感谢您的解释。我已经做了一个改进性能的变通方法：发送一个虚拟查询来“唤醒”triple store。这在我的虚拟机上有效，但在我们的服务器上无效（可能是因为磁盘访问速度）。
@prefix : <http://base/#> .
@prefix tdb: <http://jena.hpl.hp.com/2008/tdb#> .
@prefix rdf: <http://www.w3.org/1999/02/22-rdf-syntax-ns#> .
@prefix ja: <http://jena.hpl.hp.com/2005/11/Assembler#> .
@prefix rdfs: <http://www.w3.org/2000/01/rdf-schema#> .
@prefix fuseki: <http://jena.apache.org/fuseki#> .
:service_tdb_all a fuseki:Service ;
rdfs:label "TDB MY_DATASET" ;
fuseki:dataset :tdb_dataset_readwrite ;
fuseki:name "MY_DATASET" ;
fuseki:serviceQuery "query" , "sparql" ;
fuseki:serviceReadGraphStore "get" ;
fuseki:serviceReadWriteGraphStore
"data" ;
fuseki:serviceUpdate "update" ;
fuseki:serviceUpload "upload" .
:tdb_dataset_readwrite
a tdb:DatasetTDB ;
tdb:location "MY_DATASET_TDB_PATH" .