Porovnání přístupů k ukládání otevřených propojených dat

Jiří Hanuš

Master's thesis

Comparison of approaches to storing linked open data

Abstract:

Tato diplomová práce se zabývá zmapováním současných možností a způsobů ukládání otevřených dat. Zaměřuje se na nástroje a databázové systémy pro ukládání otevřených propojených dat a jejich výběr pro následnou analýzu a porovnání. Práce se potom soustředí na vlastní porovnání vybraných nástrojů na zvoleném příkladu. Práce představí základní pojmy a koncepty týkající se otevřených propojených dat. Poté jsou zanalyzovány různé přístupy k ukládání dat a formáty ukládání dat, ať už souborové nebo databázové. V další části se práce zaměřuje na formát RDF a databázové systémy. Je představeno deset triplestore databázových systémů, což jsou systémy určené pro ukládání dat ve formátu RDF. Z těchto jsou tři vybrány na detailnější analýzu a v detailní analýze jsou srovnány jak mezi sebou, tak s relačním databázovým systémem. Těžištěm detailní analýzy je zejména v rychlostním porovnání. Práce představuje existující rychlostní ben-chmarky triplestore systémů a poté také vlastní benchmark jako sadu databázových dotazů, na kterých je provedeno vlastní výkonnostní porovnání. Porovnány jsou nástroje Apache Jena TDB/Fuseki, OpenLink Virtuoso, Oracle Spatial and Graph a Microsoft SQL Server. Přínosem této práce je zejména zmapování různých způsobů ukládání otevřených propoje-ných dat v ucelené formě.

Abstract:

The aim of this diploma thesis is a detail description of current possibilities and ways of storing open data. It focuses on tools and database systems used for storing linked open data as well as on the selection of such systems for subsequent analysis and comparison. The practical part of the thesis then focuses on the comparison of selected systems based on a selected use case. This thesis introduces the fundamental terms and concepts concerning linked open data. Besides that, various approaches and formats for storing linked open data (namely file ori-ented approaches and database approaches) are analyzed. . The thesis also focuses on the RDF format and database systems. Ten triplestore database solutions (solutions for storing data in the RDF format) are introduced and described briefly. Out of these, three are cho-sen for a detailed analysis by which they are compared with one another and with a rela-tional database system. The core of the detail analysis lies in performance benchmarks. Ex-isting performance oriented benchmarks of triplestore systems are described and analyzed. In addition to that, the thesis introduces a newly developed benchmark as a collection of database queries. The benchmark is then used for the performance testing. The following systems have been tested: Apache Jena TDB/Fuseki, OpenLink Virtuoso, Oracle Spatial and Graph a Microsoft SQL Server. The main contribution of this thesis consists in a comprehensive presentation of current possibilities of storing linked open data.

Keywords

triplestore databáze, RDF, SPARQL, otevřená data

Keywords

triplestore database, RDF, SPARQL, open data

Language used: Czech

Date on which the thesis was submitted / produced: 7. 10. 2015

Thesis defence

• Date of defence: 30. 1. 2017
• Supervisor: Dušan Chlapek
• Reader: Jan Kučera

Vysoká škola ekonomická v Praze

Master programme / field:
Aplikovaná informatika / Podniková informatika