为什么 rdflib 这么慢？

Question

我有一个很大的 rdf 文件：

我通过以下方式将 rdf 定义加载到 rdflib 的 berkeley db 后端：

graph = rdflib.Graph("Sleepycat")
graph.open("store", create=True)
graph.parse("authorities-geografikum_lds.rdf")

在我的笔记本上花了很多小时才完成。计算机的功能并不强大（Intel B980 CPU、4GB RAM、无 SSD），而且定义也很大，但完成这项任务的时间似乎相当长。也许部分是由于索引/优化数据结构？

真正令人恼火的是完成以下查询所需的时间：

SELECT (COUNT(DISTINCT ?s) as ?c)
WHERE {
    ?s ?p ?o
}

（结果：667,445）

花了20多分钟

SELECT (COUNT(?s) as ?c)
WHERE {
    ?s ?p ?o
}

（结果：4,197,399）

花了超过25分钟。

根据我的经验，如果有适当的索引，充满可比数据的关系型 DBMS 将在一小部分时间内完成相应的查询。

所以我的问题是：

为什么 rdflib 这么慢（尤其是对于查询）？

我可以像使用 RDBMS 中的索引一样调整/优化数据库吗？

从性能角度来看，另一个（免费且“紧凑”）三重存储是否更适合这种大小的数据？

Answer 1

我也经历过 RDFLIB 类似的缓慢行为。对我来说，一个可能的解决方案是将底层图存储更改为 Oxrdflib，这极大地提高了 SPARQL 查询的速度。