使用Jena-TDB存储RDF本体、知识图谱文件

使用Jena-TDB存储RDF本体、知识图谱文件
by 龙前尘

实验环境：win8、Java 1.8、Jena/Jena-TDB 3.0.1

转载请注明地址：
http://blog.csdn.net/svenhuayuncheng/article/details/78751300

何为TDB

RDF是目前通用的本体或知识图谱存储格式，其使用业内统一标准的RDF、RDFS规范，进行知识的组织。

固然，可以将RDF简单地固化到.nt文件，甚至可以直接存储到.txt文件。但若对于RDF有CRUD操作，那么简单地使用文档，是事倍功半的。

为了方便用户管理本体或知识图谱，将RDF固化到一个通用的数据库中，才是最优做法。

将RDF固化，有多种方法，例如基于图数据库的：AllegroGraph1、Neo4j2；或者基于存储固定结构的数据库：关系型数据库、NoSQL数据库；或者基于索引的ES、基于缓存的Redis等。

作为Java中本体文件的管理编辑工具，Jena自然也提供了固化三元组的工具，并且共支持三种模式：RDB、SDB、TDB。

其中，由于速度较慢，RDB（关系数据库）已逐渐式微；SDB是使用 SQL 数据库存储和查询 RDF 数据的模块；TDB是使用triple store的形式对RDF数据提供持久性存储（persistent store）。根据官方文档所述，相比较于SDB，TDB更快、更具扩展性，并且官方对于TDB的支持力度更大3。在Jena官网上，对于SDB和RDB的documentation也不多，而TDB的文档相对详尽。因此，本文选择TDB来做实验，尝试对RDF三元组进行固化和查询操作。

TDB，是Jena用于RDF存储和查询的模块，并且支持所有Jena API。在单机上，TDB可被用于高性能的RDF存储，并且可以使用命令行或者Java API的形式来操作TDB模块。此外，TDB采用了事务（是的，类似于关系型数据库的transaction）来封装数据库操作，防止进程意外终止、系统崩溃等特殊情况带来的数据损坏。同一时间，一个TDB数据集只能被一个JVM虚拟机进程访问，否则会造成数据破坏（脏数据）4。

如果想要多个进程同时访问TDB数据集，需要使用提供SPARQL服务的Fuseki5模块来操作。Fuseki提供SPARQL协议来查询、升级、以及通过HTTP的REST 服务来升级TDB数据。

如何使用TDB

TDB存储的本体数据集由node表、Triple和Quad索引、prefixes表组成，存放在指定的文件系统目录下。TDB采用B+树维护三种基本形式的Triple索引：SPO、POS和OSP（S、P、O分别代表Subject、Predicate和Object）。若存在命名图（Named Graph），则同时维护相应的Quad索引（G表示Graph）：GOSP、SPOG、GSPO、OSPG、GPOS和POSG6。

在实际操作中，以下几点非常重要。

建立Dataset：首先，需要建立一个Dataset对象。Dataset是TDB的一个封装类，可简单地视其为一个数据库；
装载Model：其次，需要装载一个Model。Jena的操作都是围绕Model数据结构展开，可视每一个Model为数据库中的一张表。一个Dataset对象里可包含多个Model，类似于一个数据库里面可以包含多张表，这些Model都有各自的名字，用户可以访问某个Model，而不用把所有Model加载到内存。Dataset中默认存在一个DefaultModel；
固化TDB文件：再次，装载Model时，需要输入TDB文件夹的地址。该位置就是将包含了RDF数据的Model，固化到TDB的地址。在下次启动时，可以从这个TDB文件地址，读取到之前固化的各个Model。
提交和关闭操作：最后，所有update完成后，需要提交Model，提交Dataset，进行事务提交。然后一定要关闭Model，关闭Dataset。

简单地说，操作过程为：新建Dataset对象，将RDF文件的三元组读取到Model中，再将Model对象固化到TDB文件，从而完成数据持久化。

如何安装TDB

建议使用Maven管理依赖包：在POM中加入以下依赖

<dependency><groupId>org.apache.jena</groupId><artifactId>jena-core</artifactId><version>3.0.1</version>
</dependency>
<dependency><groupId>org.apache.jena</groupId><artifactId>jena-tdb</artifactId><version>3.0.1</version>
</dependency>

加入jar包：在这里下载后，在build path中加入Apache Jena jar包

实验代码

TDB操作类

import com.qa.demo.systemController.FaqDemo;
import org.apache.jena.query.Dataset;
import org.apache.jena.query.ReadWrite;
import org.apache.jena.rdf.model.Model;
import org.apache.jena.tdb.TDBFactory;
import org.apache.jena.util.FileManager;
import org.nlpcn.commons.lang.util.logging.Log;
import org.nlpcn.commons.lang.util.logging.LogFactory;import java.util.*;/*** Created time: 2017_11_09* Author: Devin Hua* Function description:* To accomplish persistence by storing RDF txt file with TDB .*/public class TDBPersistence {public static final Log LOG = LogFactory.getLog(FaqDemo.class);public Dataset dataset = null;/*** 建立TDB数据文件夹；*/public TDBPersistence(String tdbName) {dataset = TDBFactory.createDataset(tdbName);}/*** 将rdf文件加载到model中；*/public void loadModel(String modelName, String rdfFilePath, Boolean isOverride) {int result;Model model = null;dataset.begin(ReadWrite.WRITE);try {//已有同名model，且不需要使用新的三元组覆盖旧TDB文件；if (dataset.containsNamedModel(modelName) && (!isOverride)) {result = 1;}//没有同名model，或者有同名文件需要覆盖；else {if (dataset.containsNamedModel(modelName))result = 2;elseresult = 3;//移除已有的model；dataset.removeNamedModel(modelName);//建立一个新的TDB Model，一个TDB可以有多个model，类似数据库的多个表；model = dataset.getNamedModel(modelName);//事务开始；model.begin();//读取RDF文件到model中；FileManager.get().readModel(model, rdfFilePath);//将事务提交；model.commit();//务必记得将dataset的事务提交，否则无法完成增删改查操作；dataset.commit();}} catch (Exception e) {LOG.error(e.toString());result = 0;} finally {if (model != null && !model.isEmpty())model.close();dataset.end();}switch (result) {case 0:LOG.error(modelName + "：读取model错误！");break;case 1:LOG.info(modelName + "：已有该model，不需要覆盖！");break;case 2:LOG.info(modelName + "：已有该model，覆盖原TDB文件，并建立新的model！");break;case 3:LOG.info(modelName + "：建立新的TDB model！");break;}}/*** 删除Dataset中的某个model；*/public void removeModel(String modelName) {if (!dataset.isInTransaction())dataset.begin(ReadWrite.WRITE);try {dataset.removeNamedModel(modelName);dataset.commit();LOG.info(modelName + "：已被移除!");} finally {dataset.end();}}/*** 关闭TDB连接；*/public void closeTDB() {dataset.close();}/*** 判断Dataset中是否存在model；*/public boolean findTDB(String modelName) {boolean result;dataset.begin(ReadWrite.READ);try {if (dataset.containsNamedModel(modelName))result = true;elseresult = false;} finally {dataset.end();}return result;}/*** 列出Dataset中所有model；*/public List<String> listModels() {dataset.begin(ReadWrite.READ);List<String> uriList = new ArrayList<>();try {Iterator<String> names = dataset.listNames();String name;while (names.hasNext()) {name = names.next();uriList.add(name);}} finally {dataset.end();}return uriList;}/*** 获得Dataset中某个model；*/public Model getModel(String modelName) {Model model;dataset.begin(ReadWrite.READ);try {model = dataset.getNamedModel(modelName);} finally {dataset.end();}return model;}/*** 获取默认模型；*/public Model getDefaultModel() {dataset.begin(ReadWrite.READ);Model model;try {model = dataset.getDefaultModel();dataset.commit();} finally {dataset.end();}return model;}}

单元测试类

import org.apache.jena.rdf.model.Model;
import org.junit.jupiter.api.Test;
import java.util.List;class TDBPersistenceTest {@Testvoid listModels() {//TDB的数据文件夹地址；String TDBPath = "src\\main\\resources\\data\\kbfile\\TDB";TDBPersistence tdbPersistence = new TDBPersistence(TDBPath);List<String> models = tdbPersistence.listModels();if (models == null || models.isEmpty() || models.size() == 0)System.out.println("Dataset中不存在非默认model！");else {for (String model : models) {System.out.println("model: " + model);}}tdbPersistence.closeTDB();}@Testvoid loadModel() {//TDB的数据文件夹地址；String TDBPath = "src\\main\\resources\\data\\kbfile\\TDB";//在Dataset中存放model的名字；String modelName = "TDB_agriculture";//表示若有同名model，是否需要覆盖；Boolean flag = true;//rdf三元组文件的路径；String rdfPathName = "src/main/resources/data/kbfile/NT_triplets.nt";//建立对象；TDBPersistence tdbPersistence = new TDBPersistence(TDBPath);//新建model；tdbPersistence.loadModel(modelName, rdfPathName, flag);//事务完成后必须关闭Dataset；tdbPersistence.closeTDB();}}

在实际操作中，可能会报错：

Code: 4/UNWISE_CHARACTER in PATH: The character matches no grammar rules of URIs/IRIs. These characters are permitted in RDF URI References, XML system identifiers, and XML Schema anyURIs.

遇到这种情况，一般是RDF文件地址写错。注意使用文件的相对路径时，可以参考上述示例代码来写。在代码中，笔者也有提及，大家特别留意。

此外，当完成写操作后，都必须执行model.commit()或dataset.commit()，来完成事务提交，否则TDB固化的数据不会update，也请大家注意。

以上，欢迎大家探讨、指正！
注：TDB操作代码部分参考于博客导入本体到Jena TDB数据库

http://franz.com/ ↩
https://neo4j.com/ ↩
https://jena.apache.org/documentation/sdb/ ↩
https://jena.apache.org/documentation/tdb/index.html ↩
https://jena.apache.org/documentation/fuseki2/index.html ↩
https://www.cnblogs.com/yes-V-can/p/5526096.html ↩