હવે આરડીએફ રિપોઝીટરીઝ સાથે શું થઈ રહ્યું છે?

સિમેન્ટીક વેબ અને લિંક્ડ ડેટા બાહ્ય અવકાશ જેવા છે: ત્યાં કોઈ જીવન નથી. વધુ કે ઓછા લાંબા સમય માટે ત્યાં જવા માટે... સારું, "મારે અવકાશયાત્રી બનવું છે" ના જવાબમાં બાળપણમાં તેઓએ તમને શું કહ્યું તે મને ખબર નથી. પરંતુ તમે પૃથ્વી પર જ્યારે શું થઈ રહ્યું છે તેનું અવલોકન કરી શકો છો; કલાપ્રેમી ખગોળશાસ્ત્રી અથવા તો વ્યાવસાયિક બનવું ખૂબ સરળ છે.

આ લેખ RDF સ્ટોરેજની દુનિયાના તાજેતરના, કેટલાક મહિનાઓ કરતાં જૂના, વલણો પર ધ્યાન કેન્દ્રિત કરશે. પ્રથમ ફકરામાં રૂપક કટ હેઠળ મહાકાવ્ય-કદની જાહેરાત છબીથી પ્રેરિત હતું.

મહાકાવ્ય ચિત્ર

I. RDF ઍક્સેસ માટે GraphQL

એ લોકો નું કહેવું છેકે GraphQL નો હેતુ સાર્વત્રિક ડેટાબેઝ એક્સેસ લેંગ્વેજ બનવાનો છે. GraphQL નો ઉપયોગ કરીને RDF ઍક્સેસ કરવાની ક્ષમતા વિશે શું?

બૉક્સની બહાર આ તક આના દ્વારા પ્રદાન કરવામાં આવે છે:

• સ્ટારડોગ (બ્લોગ, દસ્તાવેજીકરણ);
• ટોપક્વાડ્રન્ટ ઉત્પાદનો (વેબિનાર, દસ્તાવેજીકરણ).

જો રીપોઝીટરી આવી તક પૂરી પાડતી નથી, તો તેને યોગ્ય "રિઝોલ્વર" લખીને સ્વતંત્ર રીતે અમલમાં મૂકી શકાય છે. આ તેઓએ કર્યું છે, ઉદાહરણ તરીકે, ફ્રેન્ચ પ્રોજેક્ટમાં ડેટા ટુરીઝમ. અથવા તમે હવે કંઈપણ લખી શકતા નથી, પરંતુ ફક્ત લો હાયપરગ્રાફક્યુએલ.

સિમેન્ટીક વેબ અને લિંક્ડ ડેટાના રૂઢિચુસ્ત અનુયાયીના દૃષ્ટિકોણથી, આ બધું, અલબત્ત, દુઃખદ છે, કારણ કે તે આગામી ડેટા સિલોની આસપાસ બાંધવામાં આવેલા એકીકરણ માટે રચાયેલ લાગે છે, અને યોગ્ય પ્લેટફોર્મ નથી (આરડીએફ સ્ટોર્સ, અલબત્ત) .

SPARQL સાથે GraphQL ની સરખામણી કરવાથી મળેલી છાપ બે ગણી છે.

• એક તરફ, GraphQL એ SPARQL ના દૂરના સંબંધી જેવું લાગે છે: તે રિસેમ્પલિંગ અને ક્વેરીઝના ગુણાકારની સમસ્યાઓનું નિરાકરણ કરે છે જે REST માટે લાક્ષણિક છે - જેના વિના, કદાચ, તે ધ્યાનમાં લેવું શક્ય નથી. ક્વેરી ભાષા, ઓછામાં ઓછું વેબ માટે;
• બીજી બાજુ, GraphQL ની કઠોર સ્કીમા નિરાશાજનક છે. તદનુસાર, આરડીએફની સંપૂર્ણ રીફ્લેક્સિવિટીની તુલનામાં તેની "આત્મનિરીક્ષણ" ખૂબ જ મર્યાદિત લાગે છે. અને પ્રોપર્ટી પાથનું કોઈ એનાલોગ નથી, તેથી તે "ગ્રાફ-" શા માટે છે તે ખૂબ સ્પષ્ટ પણ નથી.

II. MongoDB માટે એડેપ્ટરો

અગાઉના એક માટે પૂરક વલણ.

• હવે સ્ટારડોગમાં કદાચ - ખાસ કરીને, બધા સમાન GraphQL પર - MongoDB ડેટાના મેપિંગને વર્ચ્યુઅલ RDF ગ્રાફમાં ગોઠવો;
• GraphDB તાજેતરમાં છે તે માટે પરવાનગી આપે છે MongoDB ક્વેરી પર SPARQL માં ટુકડાઓ દાખલ કરો.

જો આપણે JSON સ્ત્રોતોના એડેપ્ટરો વિશે વધુ વિસ્તૃત રીતે વાત કરીએ, જે આ સ્ત્રોતોમાં સંગ્રહિત JSON ને RDF તરીકે રજૂ કરવા માટે વધુ કે ઓછા "ફ્લાય" માટે પરવાનગી આપે છે, તો આપણે ખૂબ લાંબા સમયથી યાદ કરી શકીએ છીએ. SPARQL જનરેટ કરો, જે એડજસ્ટ કરી શકાય છે, ઉદાહરણ તરીકે, અપાચે જેના માટે.

પ્રથમ બે વલણોનો સારાંશ આપતા, અમે કહી શકીએ કે RDF સ્ટોરેજ "પોલીગ્લોટ પર્સિસ્ટન્સ" ની સ્થિતિમાં એકીકરણ અને કામગીરી માટે સંપૂર્ણ તૈયારી દર્શાવે છે. તે જાણીતું છે, જો કે, આ બાદમાં લાંબા સમયથી ફેશનની બહાર છે, અને તેના દ્વારા બદલવામાં આવી રહ્યું છે આવી રહ્યું છે મલ્ટિ-મોડલ. આરડીએફ સ્ટોરેજની દુનિયામાં મલ્ટિ-મોડલિંગ વિશે શું?

ટૂંકમાં, કોઈ રસ્તો નથી. હું મલ્ટી-મોડલ DBMSs ના વિષય પર એક અલગ લેખ સમર્પિત કરવા માંગુ છું, પરંતુ હમણાં માટે તે નોંધી શકાય છે કે હાલમાં ગ્રાફ મોડેલ પર "આધારિત" કોઈ મલ્ટિ-મોડલ DBMS નથી (RDF તેનો એક પ્રકાર ગણી શકાય) . કેટલાક નાના મલ્ટિ-મોડેલિંગ - વૈકલ્પિક એલપીજી ગ્રાફ મોડલ માટે આરડીએફ સ્ટોરેજ સપોર્ટ - વિશે ચર્ચા કરવામાં આવશે વિભાગ વી.

III. OLTP વિ. OLAP

જો કે, એ જ ગાર્ટનર તેઓ લખે છેતે મલ્ટીમોડલ એ મુખ્યત્વે માટે સાઇન ક્વો નોન શરત છે ઓપરેટિંગ રૂમ ડીબીએમએસ. આ સમજી શકાય તેવું છે: "મલ્ટિવેરિયેટ સ્ટોરેજ" ની પરિસ્થિતિમાં, મુખ્ય સમસ્યાઓ વ્યવહારિકતા સાથે ઊભી થાય છે.

પરંતુ OLTP-OLAP સ્કેલ પર RDF સ્ટોરેજ ક્યાં સ્થિત છે? હું આ રીતે જવાબ આપીશ: ન તો ત્યાં કે ન અહીં. તેઓ કયા હેતુ માટે છે તે દર્શાવવા માટે, કેટલાક ત્રીજા સંક્ષેપની જરૂર છે. એક વિકલ્પ તરીકે હું સૂચવીશ ઓલિપ - ઓનલાઈન બૌદ્ધિક પ્રક્રિયા.

જો કે, હજુ પણ:

• GraphDB માં અમલમાં મુકવામાં આવેલ MongoDB સાથે એકીકરણ મિકેનિઝમ ઓછા નથી હેતુ પ્રદર્શન મુદ્દાઓ પર કામ કરવા માટે;
• સ્ટારડોગ હજી વધુ અને સંપૂર્ણ રીતે જાય છે ફરીથી લખે છે એન્જિન, ફરીથી રેકોર્ડિંગ કામગીરી સુધારવાના ધ્યેય સાથે.

હવે હું બજારમાં એક નવા ખેલાડીનો પરિચય કરાવું. IBM Netezza અને Amazon Redshift ના નિર્માતાઓ તરફથી - એન્ઝોગ્રાફ. તેના પર આધારિત ઉત્પાદન માટેની જાહેરાતમાંથી એક ચિત્ર લેખની શરૂઆતમાં પોસ્ટ કરવામાં આવ્યું હતું. એન્ઝોગ્રાફ પોતાને GOLAP સોલ્યુશન તરીકે સ્થાન આપે છે. તમને વિન્ડો ફંક્શન્સ સાથે SPARQL કેવી રીતે ગમે છે? -

SELECT ?month (COUNT(?event) OVER (PARTITION BY ?month) AS ?events) WHERE {  …  }

IV. રોક્સડીબી

પહેલેથી જ વધારે છે એક કડી હતી Stardog 7 Beta ની જાહેરાત માટે, જેમાં કહેવામાં આવ્યું હતું કે Stardog RocksDB નો ઉપયોગ અન્ડરલાઇંગ સ્ટોરેજ સિસ્ટમ તરીકે કરવા જઈ રહ્યું છે - કી-વેલ્યુ સ્ટોર, Google ના LevelDB નો ફેસબુક ફોર્ક. શા માટે ચોક્કસ વલણ વિશે વાત કરવી યોગ્ય છે?

પ્રથમ, દ્વારા અભિપ્રાય વિકિપીડિયા લેખ, માત્ર RDF સ્ટોરેજ જ RocksDB માં "ટ્રાન્સપ્લાન્ટ" નથી. ArangoDB, MongoDB, MySQL અને MariaDB, Cassandra માં સ્ટોરેજ એન્જિન તરીકે RocksDB નો ઉપયોગ કરવાના પ્રોજેક્ટ છે.

બીજું, સંબંધિત વિષયો પરના પ્રોજેક્ટ્સ (એટલે ​​​​કે ઉત્પાદનો નહીં) RocksDB પર બનાવવામાં આવે છે.

ઉદાહરણ તરીકે, eBay માં RocksDB નો ઉપયોગ કરે છે પ્લેટફોર્મ તમારા "જ્ઞાન ગ્રાફ" માટે. માર્ગ દ્વારા, તે વાંચવું રમુજી છે: ક્વેરી લેંગ્વેજ હોમ ગ્રોન ફોર્મેટ તરીકે શરૂ થઈ હતી, પરંતુ તાજેતરમાં જ તે SPARQL જેવી બની રહી છે.. મજાકની જેમ: આપણે ગમે તેટલો જ્ઞાનનો ગ્રાફ બનાવીએ, આપણે હજી પણ આરડીએફ સાથે સમાપ્ત થઈએ છીએ.

બીજું ઉદાહરણ - એક કે જે થોડા મહિના પહેલા દેખાયું હતું વિકિડેટા હિસ્ટ્રી ક્વેરી સર્વિસ. તેના પરિચય પહેલા, વિકિડેટા ઐતિહાસિક માહિતી દ્વારા ઍક્સેસ કરવાની હતી MWAPI પ્રમાણભૂત Mediawiki API માટે. હવે શુદ્ધ SPARQL સાથે ઘણું બધું શક્ય છે. "હૂડ હેઠળ" ત્યાં RocksDB પણ છે. માર્ગ દ્વારા, WDHQS બનાવવામાં આવ્યું હતું, એવું લાગે છે કે, Google નોલેજ ગ્રાફમાં ફ્રીબેઝ આયાત કરનાર વ્યક્તિ દ્વારા.

V. LPG સપોર્ટ

ચાલો હું તમને એલપીજી ગ્રાફ અને આરડીએફ ગ્રાફ વચ્ચેના મુખ્ય તફાવતની યાદ અપાવી દઉં.

એલપીજીમાં, સ્કેલર પ્રોપર્ટીઝ એજ ઇન્સ્ટન્સને અસાઇન કરી શકાય છે, જ્યારે આરડીએફમાં તે માત્ર એજ "ટાઇપ્સ" (પરંતુ માત્ર સ્કેલર પ્રોપર્ટીઝ જ નહીં, પણ સામાન્ય કનેક્શન્સ પણ) માટે અસાઇન કરી શકાય છે. એલપીજીની સરખામણીમાં આરડીએફની આ મર્યાદા કાબુ એક અથવા બીજી મોડેલિંગ તકનીક. RDF ની સરખામણીમાં LPG ની મર્યાદાઓ દૂર કરવી વધુ મુશ્કેલ છે, પરંતુ LPG ગ્રાફ્સ RDF ગ્રાફ્સ કરતાં હરારી પાઠ્યપુસ્તકના ચિત્રો જેવા વધુ છે, તેથી જ લોકો તેને ઇચ્છે છે.

દેખીતી રીતે, "LPG સપોર્ટ" નું કાર્ય બે ભાગોમાં આવે છે:

1. આરડીએફ મોડેલમાં ફેરફાર કરીને તેમાં એલપીજી સ્ટ્રક્ચરનું અનુકરણ કરવાનું શક્ય બનાવે છે;
2. RDF ક્વેરી લેંગ્વેજમાં ફેરફારો કરવા જે આ સંશોધિત મોડલમાં ડેટાને એક્સેસ કરવાનું શક્ય બનાવે છે અથવા લોકપ્રિય LPG ક્વેરી લેંગ્વેજમાં આ મોડલ પર ક્વેરી કરવાની ક્ષમતાનો અમલ કરે છે.

વી.1. ડેટા મોડેલ

અહીં ઘણા સંભવિત અભિગમો છે.

વી.1.1. સિંગલટન પ્રોપર્ટી

RDF અને LPG ને સુમેળ સાધવાનો સૌથી શાબ્દિક અભિગમ કદાચ છે સિંગલટન મિલકત:

• તેના બદલે, ઉદાહરણ તરીકે, predicate :isMarriedTo આગાહીઓનો ઉપયોગ થાય છે :isMarriedTo1, :isMarriedTo2 અને તેથી પર
• આ આગાહીઓ પછી નવા ત્રિપુટીઓનો વિષય બની જાય છે: :isMarriedTo1 :since "2013-09-13"^^xsd:date અને અન્ય
• સામાન્ય પ્રિડિકેટ સાથેના આ કિસ્સાઓનું જોડાણ ફોર્મના ત્રિપુટીઓ દ્વારા સ્થાપિત થાય છે :isMarriedTo1 rdf:singletonPropertyOf :isMarriedTo.
• દેખીતી રીતે, rdf:singletonPropertyOf rdfs:subPropertyOf rdf:type, પરંતુ તમારે ફક્ત શા માટે લખવું જોઈએ નહીં તે વિશે વિચારો :isMarriedTo1 rdf:type :isMarriedTo.

"LPG સપોર્ટ" ની સમસ્યા અહીં RDFS સ્તરે ઉકેલવામાં આવે છે. આવા નિર્ણય માટે યોગ્યમાં સમાવેશ જરૂરી છે માનક. આરડીએફ સ્ટોર્સ માટે કેટલાક ફેરફારોની જરૂર પડી શકે છે જે જોડાણના પરિણામોને સમર્થન આપે છે, પરંતુ હાલ માટે, સિંગલટન પ્રોપર્ટીને માત્ર બીજી મોડેલિંગ તકનીક તરીકે જ વિચારી શકાય છે.

વી.1.2. રીફિકેશન બરાબર થયું

ઓછા નિષ્કપટ અભિગમો એ અનુભૂતિમાંથી ઉદ્દભવે છે કે મિલકતના દાખલાઓ ત્રિપુટીઓ દ્વારા સંપૂર્ણપણે તાત્કાલિક છે. ત્રિપુટીઓ વિશે કંઈક કહેવા માટે સક્ષમ થવાથી, અમે મિલકતના દાખલાઓ વિશે વાત કરી શકીશું.

આ અભિગમોમાં સૌથી મજબૂત છે RDF*, ઉર્ફે RDR, જન્મ બ્લેઝગ્રાફની ઊંડાઈમાં. તે શરૂઆતથી જ છે ચૂંટાયેલા તમારા અને એન્ઝોગ્રાફ માટે. અભિગમની નક્કરતા એ હકીકત દ્વારા નક્કી કરવામાં આવે છે કે તેના માળખામાં ઓફર કરવામાં આવે છે માં અનુરૂપ ફેરફારો આરડીએફ સિમેન્ટિક્સ. જો કે, મુદ્દો અત્યંત સરળ છે. RDF ના ટર્ટલ સિરિયલાઈઝેશનમાં તમે હવે આના જેવું કંઈક લખી શકો છો:

<<:bob :isMarriedTo :alice>> :since "2013-09-13"^^xsd:date .

વી.1.3. અન્ય અભિગમો

તમે ઔપચારિક સિમેન્ટિક્સથી પરેશાન કરી શકતા નથી, પરંતુ ફક્ત એમ માની લો કે ત્રિપુટીમાં ચોક્કસ ઓળખકર્તાઓ હોય છે, જે અલબત્ત, URI છે અને આ URI સાથે નવા ત્રિપુટીઓ બનાવો. SPARQL માં આ URI ને એક્સેસ આપવાનું બાકી છે. તેથી પહોંચે છે સ્ટારડોગ.

એલેગ્રોગ્રાફમાં ગયા મધ્યવર્તી રીતે. તે જાણીતું છે કે એલેગ્રોગ્રાફમાં ત્રિપુટી ઓળખકર્તા છે, પરંતુ જ્યારે ટ્રિપલ એટ્રિબ્યુટ્સ અમલમાં મૂકે છે ત્યારે તેઓ ચોંટતા નથી. જો કે, તે હજુ પણ ઔપચારિક સિમેન્ટિક્સથી ખૂબ દૂર છે. તે નોંધનીય છે કે ત્રિપુટી વિશેષતાઓ URI નથી, અને આ વિશેષતાઓના મૂલ્યો પણ માત્ર શાબ્દિક હોઈ શકે છે. એલપીજી અનુયાયીઓને તેઓ જે જોઈતા હતા તે જ મળે છે. ખાસ શોધાયેલ NQX ફોર્મેટમાં, RDF* માટે ઉપરના જેવું જ ઉદાહરણ આના જેવું દેખાય છે:

:bob :marriedTo :alice {"since" : "2013-09-13"}

વી.2. ક્વેરી ભાષાઓ

મોડલ લેવલ પર એલપીજીને એક યા બીજી રીતે સપોર્ટ કર્યા પછી, તમારે આવા મોડલમાં ડેટા પર ક્વેરી કરવાનું શક્ય બનાવવું પડશે.

• RDF* પ્રશ્નો માટે બ્લેઝગ્રાફ સપોર્ટ કરે છે SPARQL* и Gremlin. SPARQL* ક્વેરી આના જેવી દેખાય છે:

 SELECT * { <<:bob :isMarriedTo ?wife>> :since ?since }

• એન્ઝોગ્રાફ પણ સપોર્ટ કરે છે SPARQL* અને સમર્થન કરશે સાયફર, Neo4j માં ક્વેરી લેંગ્વેજ.
• સ્ટારડોગ પોતાનું સમર્થન કરે છે વિસ્તરણ SPARQL અને ફરી ગ્રેમલિન. તમે SPARQL માં ટ્રિપલેટ URI અને "મેટા-માહિતી" મેળવી શકો છો.

SELECT * {
    BIND (stardog:identifier(:bob, :isMarriedTo, ?wife) AS ?id)
    ?id :since ?since
}

• એલેગ્રોગ્રાફ પણ પોતાનું સમર્થન કરે છે વિસ્તરણ SPARQL:

 SELECT * { ("since" ?since)  franz:attributesNameValue  ( :bob :marriedTo ?wife ) }

જો કે, GraphDB એક સમયે LPG ને સપોર્ટ કર્યા વિના Tinkerpop/Gremlin ને સપોર્ટ કરતું હતું, પરંતુ આ સંસ્કરણ 8.0 અથવા 8.1 માં બંધ થઈ ગયું.

VI. લાઇસન્સ કડક બનાવવું

"પસંદગીના ટ્રિપલસ્ટોર" અને "ઓપન સોર્સ ટ્રિપલસ્ટોર" સેટના આંતરછેદમાં કોઈ તાજેતરના ઉમેરાઓ નથી. નવા ઓપન સોર્સ RDF સ્ટોર્સ રોજિંદા ઉપયોગ માટે સારી પસંદગી બનવાથી ઘણી લાંબી મજલ છે, અને નવા RDF સ્ટોર્સ કે જેનો હું ઉપયોગ કરવા માંગુ છું (જેમ કે AnzoGraph) તે બંધ સ્ત્રોત છે. તેના બદલે, આપણે ઘટાડા વિશે પણ વાત કરી શકીએ છીએ ...

અલબત્ત, ઓપન સોર્સ ભૂતકાળમાં બંધ કરવામાં આવ્યું નથી, પરંતુ કેટલાક ઓપન સોર્સ રિપોઝીટરીઝ હવે ધીમે ધીમે પસંદ કરવા યોગ્ય નથી. Virtuoso, જેની ઓપનસોર્સ આવૃત્તિ છે, તે મારા મતે, ભૂલોમાં ડૂબી રહ્યો છે. બ્લેઝગ્રાફને AWS દ્વારા ખરીદવામાં આવ્યો હતો અને એમેઝોન નેપ્ચ્યુનનો આધાર બનાવવામાં આવ્યો હતો; હવે તે સ્પષ્ટ નથી કે ત્યાં ઓછામાં ઓછી એક વધુ રિલીઝ થશે કે કેમ. બાકી માત્ર જેના...

જો ઓપન સોર્સ ખૂબ મહત્વનું નથી, પરંતુ તમે તેને અજમાવવા માંગો છો, તો પછી બધું પણ પહેલા કરતાં ઓછું રોઝી છે. દાખ્લા તરીકે:

• સ્ટારડોગ અટકે છે મફત સંસ્કરણનું વિતરણ કરો (જો કે, નિયમિત સંસ્કરણની અજમાયશ અવધિ બમણી થઈ ગઈ છે);
• в ગ્રાફડીબી ક્લાઉડ, જ્યાં પહેલાં તમે મફત મૂળભૂત યોજના પસંદ કરી શકતા હતા, નવા વપરાશકર્તા નોંધણીઓને સસ્પેન્ડ કરી છે.

સામાન્ય રીતે, સરેરાશ IT વ્યક્તિ માટે, જગ્યા વધુને વધુ અપ્રાપ્ય બની રહી છે; તેનો વિકાસ કોર્પોરેશનોનો ઘણો ભાગ બની રહ્યો છે.

સોર્સ: www.habr.com