资源描述框架(resource description framework，RDF)是由万维网联盟W3C提出的用于描述Web资源信息的规范标准语言^[1].常见的RDF数据存储模式包括：基于文件形式、基于专门的存储形式以及基于数据库存储^[2].基于数据库存储方式是将RDF数据存储在数据库中^{[3, 4]}.

在上述三类RDF数据存储方法中，基于关系数据库多年来具有较为成熟的理论和技术支持，利用关系数据库进行存储成为解决RDF数据存储的有效手段.目前，常见的基于关系数据库的RDF数据存储模式大致包括：水平模式^{[5, 6]}、通用/垂直模式^[7]，以及专有/二元模式^[8].然而，基于水平模式进行存储时，可能导致表中空值较多，造成空间浪费且增加了维护和查询的代价；基于通用/垂直模式设计简单且模式稳定，但是对于每个查询都必须搜索整个数据库，影响查询效率，并且设计的相应SQL查询语句复杂且容易出错；基于专有/二元模式进行存储时，在RDF类和属性较多的情况下，需要创建很多表，而且随着RDF数据的变化需要动态创建和删除数据库中的表.

为此，本文通过深入分析RDF数据的特点，提出一种新的基于关系数据库的RDF存储模式，给出RDF在关系数据库中详细的存储规则，提供了相应的存储实例.基于提出的存储方法，实现了相应的自动存储原型系统，通过实验进一步验证了存储方法和原型系统的可行性，并与已有存储模式进行理论对比分析.

通过分析RDF实例数据的特点，提出一种基于关系数据库的RDF存储模式.

资源描述框架的基本思想是：所有信息都被称为“资源”；被描述的“资源”具有一些“属性”，而这些属性各有其“值”；对资源的描述可以通过“陈述”来进行.RDF采用三元组陈述＜主体、谓词、客体>来描述Web上的资源.下面给出RDF的形式化定义.

定义1(RDF) 一个RDF数据集R可以表示为R=(R_S,R_T)，其中：R_S是一个标识符集，包括类资源标识符集合C,属性资源标识符集合P,数据类型标识符集合D,以及实例资源标识符集合T；R_T是一个定义在标识符集R_S上的三元组陈述集合.

本节提出一种基于关系数据库的RDF存储模式.给定一个RDF模型R=(R_S,R_T)，下面的规则1~6说明了RDF模型R在关系数据库中的存储方法.

规则1(存储RDF类资源)：给定RDF模型R中的类资源标识符集合C∈R_S，为每个类c∈C创建相应的类关系表Class_Table.

规则2(存储RDF文字类型属性资源)：给定RDF模型R中的属性资源标识符集合P∈R_S以及相应的属性三元组描述 R_T，如果属性p∈P的值为文字类型值(Literal)时(例如字符串)，将该属性映射为相应类表中的一个属性列.

说明：属性p∈P的RDF数据类型相对应的SQL数据类型，作为表中这一属性列的类型.例如：一个属性Age的数据类型为xsd:positiveInteger，然而在SQL中没有positiveInteger，因此，映射后的Age属性列用INTEGER作为它的类型，并且加上CHECK限制：CHECK(Age> 0).

规则3(存储RDF非文字类型属性资源)：给定RDF模型R中的属性资源标识符集合P∈R_S以及相应的属性三元组描述R_T，如果属性p∈P的值为资源时，将该属性映射为相应类表中的一个外键属性列.

规则4(存储RDF个体实例资源)：给定RDF模型R中的个体实例资源标识符集合T∈R_S以及相应的属性三元组描述 R_T，将每个个体i∈T映射为相应类表中的一个元组.

规则5(存储RDF多值属性)： 给定RDF模型R中的属性标识符集合P∈R_S，如果属性p∈P为多值属性时，创建相应的多值属性表Multi_Pro_Table.

说明：Multi_Pro_Table包含两个字段(ProID和Value)，分别用于存储多值属性以及相应的值，其中，ProID取值来自于规则2和规则3中该属性p相应的属性列的取值.

规则6(存储RDF数据类型)：给定RDF模型R中的数据类型标识符集合D∈R_S，映射为对应的SQL数据类型.

基于上述规则，可以将RDF存储在关系数据库中.从存储过程可以看出，存储相当于实现从RDF到关系数据库的转换.目前还没有一种通用的标准方法用于证明两种模式转化的正确性.基于文献^[9]中提到的信息容量保持原理，可类似证明上述存储过程是信息容量保持的存储.

为了说明上述规则，图 1给出了一个RDF实例.根据1.2节提出的存储规则，可以将图 1中的RDF数据存储在关系数据库中，得到如表 1所示的关系数据库模式.

图 1(Figure 1)

Fig. 1

图1 一个模拟某公司部分信息的RDF文档 Fig. 1 A RDF document modeling parts of the reality at a company

表1

Table 1

表1(Table 1)

表1 图 1中的RDF在关系数据库中的存储 Table 1 The storage of RDF in Fig. 1 in relational database No Relational Schemas 1 Company( cid vchar,cnumber vchar) 2 Department( did vchar,dnumber vchar,total int,belong_to vchar REFERENCES Company) 3 Leader( lid vchar,lnumber vchar,age int,position vchar,manage vchar REFERENCES Department,supervise vchar REFERENCES Employee) 4 Employee( eid vchar,enumber vchar,age vchar,email vchar,work_in vchar REFERENCES Company) 5 Multi_Pro_Table( ProID vchar,Value vchar)

表1 图 1中的RDF在关系数据库中的存储 Table 1 The storage of RDF in Fig. 1 in relational database

基于上一节提出的RDF在关系数据库中的存储方法，本节设计和实现了一个相应的存储工具RDF2RDB.该系统以RDF/XML形式描述的RDF数据集作为输入，输出对应的关系数据库模型.下面简要介绍RDF2RDB的总体结构并给出一个例子的运行界面.RDF2RDB是采用java语言在MyEclipse 7.0平台上自行开发的工具.在具体实现过程中，主要使用JDK1.6.0_02开发包，利用java.awt包及javax. swing包进行图形用户界面的实现，并将结果存储在MySQL中.RDF2RDB的总体结构包括：1) 解析模块，RDF2RDB利用Jena API^[7]和SPARQL查询语言^[1]对以RDF/XML形式描述的RDF数据集进行解析；2) 存储模块，该模块以解析模块得到的三元组作为输入，首先定义一些分解规则从三元组中提取出类、属性、实例及约束等，然后根据第1节中的存储方法将RDF数据集中的元素分别映射为关系数据库中对应的表或者记录，从而实现RDF在关系数据库中的存储；3) 显示模块，生成SQL脚本文件.

为了说明RDF2RDB的有效性，下面给出一个例子的RDF2RDB运行界面.给定图 1中的RDF文档，通过RDF2RDB可以将其存储在数据库MySQL中.图 2给出了RDF2RDB存储过程的截屏，其中输入的RDF/XML语法描述的RDF数据集、解析结果以及存储后的结果分别显示在图形界面的左、中和右区域.

图 2(Figure 2)

Fig. 2

图2 RDF2RDB的运行结果 Fig. 2 Screen snapshot of RDF2RDB

从存储结果可以看出，本文提出的存储模式和原型系统能够实现RDF在关系数据库中的完整存储.此外，与本文开头部分提到的已有方法相比：1) 与水平模式相比，由于水平模式在存储RDF时，仅创建1张关系表，每个RDF属性被映射为表中的一列，RDF中的每个实例都是该表中的1条记录.该水平模式结构虽然简单，但容易造成表中空值较多，浪费存储空间.此外，当RDF数据量大的时候，由于表中的属性列以及元组太多，增加了维护代价.再者，每次查询数据库需要搜索整个表的属性和元组，增加了查询代价.2) 与垂直模式相比，垂直模式仅创建1张三元组表，表中只包含三个属性列(subject,predicate,object)，表中的每一条记录都对应于一个RDF三元组.该模式结构稳定并实现了RDF数据的直接存储，但是不能很好地体现RDF数据集中的类、属性以及个体等资源之间的关系，同时对于每个查询必须搜索三元组表中的所有记录并进行自连接，影响查询效率，同时设计的相应SQL查询语句复杂且容易出错. 3) 与二元模式相比，二元模式为RDF中的每一个类和属性创建单独的表，而且类表中仅包含一列属性，用于存储属于该类的个体实例.该模式实现了类和属性的区分，但并未体现类和属性之间的关联.此外，在RDF属性较多的情况下，需要创建很多属性表，占用大量存储空间.再者，随着RDF属性的变化，需要动态创建和删除表，增加了维护的代价.与上述三种模式相比较，本文提出的存储模式具有如下特点：1) 减少了属性表的数量，本文提出的存储模式为每个类创建一个类表，并且将属性和个体实例增加到相应的类表中，进而减少属性表的数量，节约存储空间；2) RDF资源之间的关系体现明显，在本文提出的存储模式下，实现了RDF类、属性以及个体实例等资源的区分，并且考虑了它们之间的关系；3) 表结构相对稳定，随着RDF属性的变化，只需添加或删除属性所在类表的列属性即可，不需要动态创建和删除表；4) 查询自连接减少，在本文提出的存储模式下，查询时只需要查询属性和个体相应的类表即可，减少了查询自连接的数量.基于以上分析，本文 提出的基于关系数据库的RDF存储模式及工具，与已有的存储模式相比，能够减少表的数量，进而节约存储空间，同时减少了查询自连接的数量，并充分考虑了RDF资源信息之间的关联.

本文通过深入分析RDF的特点，根据属性种类的不同，提出一种新的基于关系数据库的RDF存储模式.给出了详细的存储规则，提供了相应的存储实例.基于提出的存储方法，实现了相应的自动存储工具，通过实验进一步验证存储方法和原型系统的可行性，并与已有存储模式进行理论对比分析.

进一步的工作包括：深入研究RDF查询问题，并与已有的存储模式在查询效率方面进行对比，通过大量实验进一步完善存储框架.