Direct Mapping于2012年6月成为W3C的推荐标准^{[ 13]}, 定义了将关系数据库 (包括数据结构和数据本身) 输出为一个RDF图的映射规则, 包括URI的生成、关系数据库中外键所形成的关联关系与RDF模型之间的映射、用于实现映射规则的详细算法等。Direct Mapping的最大特点在于转换而来的RDF数据中的类名、属性名与关系数据库中的表名和字段名保持一致, 因而其输出的RDF图被称为“Direct Graph”。

如下SQL代码片段用于创建一个简单的关系数据库, 有Addresses和People两张表, Addresses表中有一条记录, People表中有两条记录。

CREATE TABLE "Addresses" (.

"ID" INT, PRIMARY KEY ("ID") , .

"city" CHAR (10) , .

"state" CHAR (2) .

) .

CREATE TABLE "People" (.

"ID" INT, PRIMARY KEY ("ID") , .

"fname" CHAR (10) , .

"addr" INT, .

FOREIGN KEY ("addr") REFERENCES "Addresses" ("ID") .

) .

INSERT INTO "Addresses" ("ID", "city", "state") VALUES (18, ′Cambridge′, ′MA′) .

INSERT INTO "People" ("ID", "fname", "addr") VALUES (7, ′Bob′, 18) .

INSERT INTO "People" ("ID", "fname", "addr") VALUES (8, ′Sue′, NULL) .

以上数据库结构及其数据通过Direct Mapping的规则和语法生成的RDF数据是一个Direct Graph, 如下:.

@base <http://foo.example/DB/>.

@prefix xsd: <http://www.w3.org/2001/XMLSchema#>.

<People/ID=7> rdf:type <People>.

<People/ID=7><People#ID> 7.

<People/ID=7><People#fname> "Bob".

<People/ID=7><People#addr> 18.

<People/ID=7><People#ref-addr><Addresses/ID=18>.

<People/ID=8> rdf:type <People>.

<People/ID=8><People#ID> 8.

<People/ID=8><People#fname> "Sue".

<Addresses/ID=18> rdf:type <Addresses>.

<Addresses/ID=18><Addresses#ID> 18.

<Addresses/ID=18><Addresses#city> "Cambridge".

<Addresses/ID=18><Addresses#state> "MA".

Direct Mapping的语法只能为RDF图中的实体生成一个相对的IRI, 置于“< >”中, 如果要生成一个可解析的URI, 则需要根据RFC3987标准^{[ 14]}申明base IRI, 从而构建一个标准的RDF图。如三元组的主体 (Subject) <People/ID=7>是一个相对的IRI, 通过语句@base <http://foo.example/DB/>.给定一个base IRI: http://foo.example/DB/, 则实体<People/ID=7>的URI就能被正确解析。假如一个表采用了多字段主键, 如将Department表的主键设为"name"、"city"两个字段的组合, 而不是ID, 那么ID为23的Department实体的IRI不再是<Department/ID=23>而是<Department/name=accounting;city=Cambridge>., 上述三元组则变成:<People/ID=7><People#ref-deptName;deptCity><Department/name=accounting;city=Cambridge>.。对于无主键的表, 每一条记录所生成的三元组共享一个主体, 该主体作为一个空节点 (Blank Node) 。没有主键的表仍然可以使用外键, 当一个表使用外键关联到另一个无主键表时, 生成的三元组会将空节点作为客体。主键的缺失可导致大量的空节点存在, 但不改变“直接图”的结构和其中谓词的命名规则。

关系数据库利用外键来实现各种关联关系, 基于Direct Mapping而生成的Direct Graph这样表达这种关联关系:三元组<People/ID=7><People#ref-addr><Addresses/ID=18> 中的客体是表Addresses对应的一个实体, 根据People表中定义的外键FOREIGN KEY ("addr") REFERENCES "Addresses" ("ID") 在两个表之间建立的关联关系, 就可以找到两个表实体之间的关联关系。对于复合外键的情况, 如People表中增加"deptName"、"deptCity"两个字段, 再增加一个"Department"表, 有"ID"、"name"、"city"三个字段, 在People表中两表之间外键的定义为FOREIGN KEY ("deptName", "deptCity") REFERENCES "Department" ("name", "city") , 生成的三元组是<People/ID=7><People#ref-deptName;deptCity><Department/ID=23>.。

R2RML是一种将关系数据库映射为RDF数据集的规范^{[ 15]}, 于2012年成为W3C的推荐标准。与Direct Mapping映射语言相比, 它不仅定义了R2RML词汇表、R2RML映射规则及其语法, 还定义了R2RML工作的机制和 RDB2RDF映射的逻辑框架, 在流程和方法层面也进行了标准化, 更重要的是, 它提供了将关系数据库中的数据结构映射到外部领域本体的途径和方法。

(1) R2RML的工作机制.

R2RML的工作机制有三个要素:“输入数据库” (Input Database) 、R2RML映射文件、R2RML处理器。 “输入数据库”需要转换成RDF的关系数据库;R2RML映射文件是R2RML映射规则的物理表现, R2RML映射本身是以Turtle语法编写的RDF图, 称为R2RML映射图 (Mapping Graph) , 用R2RML词表中定义的词汇按照一定的规范写到映射文件中, 该文件既可机读也便于人的读写, 内容编码格式一般为text/turtle;charset=utf-8, 文档扩展名为.ttl;基于R2RML映射语言实现RDB2RDF的工具被称R2RML处理器, 它可看作是一个系统, “输入数据库”是R2RML处理器工作的原材料, R2RML映射文件是R2RML处理器工作的依据, R2RML处理器依据R2RML映射文件将“输入数据库”输出为一个可访问可获取的“输出数据集” (Output Dataset) 。初始的R2RML映射文件一般由R2RML处理器基于Direct Mapping的方式自动生成, 再依照具体需求遵循R2RML的语法自定义。

(2) R2RML的逻辑框架.

R2RML定义了RDB2RDF映射的逻辑框架, 如图2所示:

图2

	Figure Option ViewDownloadNew Window
	图2 R2RML的逻辑框架[ 15]

它将关系数据库中的“一个表”、“一个视图”或“一个有效的SQL查询”定义为“一个逻辑表 (LogicalTable) ”, “逻辑表”再通过“三元组映射 (TriplesMap) ”所定义的规则映射为RDF三元组, 三元组中的“主体 (Subject) ”由一个“主体映射 (SubjectMap) ”所定义的规则生成, “主体”通常是基于表的主键和自定义的模板 (Template) 生成的IRI。“谓词-客体映射 (PredicateObjectMap) ”由“谓词映射 (PredicateMap) ”和“客体映射 (ObjectMap) ”或“引用客体映射 (RefObjectMap) ”组成, “引用客体映射”由“连接 (Join) ”定义映射的条件。默认情况下, 所有的RDF三元组都在“输出数据集”的“默认图 (Default Graph) ”中, 但一个“三元组映射”也可以包含“图映射 (GraphMap) ”, 将部分或全部的三元组映射为“命名图 (Named Graph) ”^{[ 16]}。

下例说明了从employee表中生成的三元组:.

①主体:IRI模板为http://data.example.com/employee/{empno}, empno是表empno的主键, 取决于“主体映射”中定义的规则;

②谓词:ex:name 前缀ex表示本地词汇表, name是本地词汇表中的一个属性, 也可以从外部词表中选取合适的属性如foaf:name, 取决于在“谓词映射”中定义的规则;

③客体:为字段name的值, 是一个“RDF文本”^{[ 17]}, 取决于“客体映射”中定义的规则, 如果是一个引用客体, 就不是取某个字段的值, 而是与此主体相关联的另一个主体, 取决于“引用客体映射”中定义的规则。

(3) R2RML词汇表及映射文件.

R2RML定义了映射语言层面的词汇表, 作为R2RML规范的一部分, 包括一系列依据图2所示的逻辑框架定义的RDB2RDF映射关系的类和子类, 如rr:TriplesMap是“三元组映射”的类, rr:LogicalTable是“逻辑表”的类, 它有两个子类rr:R2RMLView和rr:BaseTableOrView, rr:R2RMLView类表示一个合法的SQL查询, rr:BaseTableOrView表示关系数据库中的表或视图。每个类都有自己的属性, 如rr:R2RMLView, 它用属性rr:sqlQuery来定义SQL查询的具体内容, 以表DEPT为例:.

CREATE TABLE "DEPT" (.

" DEPTNO" INT, PRIMARY KEY ("ID") , .

" DNAME" CHAR (30) , .

) .

INSERT INTO DEPT Values (10, ′APPSERVER′) .

对逻辑表的定义代码如下所示:.

[] rr:sqlQuery """

Select (′Department′||DEPTNO) AS DEPTID.

, DEPTNO.

, DNAME.

from SCOTT.DEPT.

""";

R2RML映射文件要解决的主要问题是利用R2RML词汇表中定义的类和属性将“逻辑表”映射为RDF, 图3展示了利用“三元组映射”将“逻辑表”映射为RDF的实现框架, 清单是实现上文例子的R2RML映射文件中的片段, 它定义了一个名为<#DEPTTripleMap>的“三元组映射”, 将名为“DEPT”的“逻辑表 (rr:LogicalTable) ”映射为RDF三元组, 这些三元组共享一个主体, 主体由“主体映射 (rr:SubjectMap) ”来定义, “主体映射”的rr:template属性定义主体的URI生成规则, 见清单中的rr:template http://data.example.com/department/{DEPTNO}, 大括号中的字符串是表department的主键字段名, 属性rr:class 定义主体所属的类, 在生成的RDF三元组中作为rdf:type的值。 “谓词客体映射 (rr:PredicateObjectMap) ”定义一对谓词和客体, 属性rr:predicateMap定义谓词所用到的术语, 属性rr:objectMap定义客体的取值, 取值可以是一个常量, 也可以是逻辑表中的一个指定字段的值, 用属性rr:column指定具体的字段名, 当客体是另一个主体时, 需要用“引用客体映射 (rr:RefObjectMap) ”来定义。

图3

	Figure Option ViewDownloadNew Window
	图3 R2RML 逻辑表映射[ 15]

以下为将表Dept转换为RDF而自定义的映射文件, 通过逻辑表映射, 可映射到外部的本体词汇, 如“rr:predicate foaf:name;”将字段DNAME映射到谓词foaf:name, 这是与Direct Mapping 在功能效果上的最大区别。

<#DEPTTripleMap>

rr:logicalTable [ rr:tableName "DEPT" ];

rr:subjectMap [.

rr:template http://data.example.com/department/{DEPTNO};

rr:class ex:Department.

];

rr:predicateObjectMap [.

rr:predicate foaf:name;

rr:objectMap [ rr:column "DNAME" ];

];

得到的RDF三元组如下:.

http://data.example.com/department/10 foaf:name APPSERVER.

(4) R2RML表间关系映射.

R2RML对外键等表间关系的处理利用了“引用客体映射 (rr:RefObjectMap) ”, 它将一个三元组的客体映射到另一个三元组的主体, 如图4所示, 这两个三元组很可能来自不同的“逻辑表”, 所以需要在不同的表中建立“连接 (Join) ”。 “引用客体映射”用属性rr:parentTriplesMap来指定要取哪个“三元组映射”的主体来作为它的客体, 一般用三元组映射的名称来表示, 如清单中的<#TriplesMap2>即是这个“三元组”的名称。而逻辑表之间的连接条件, 则用rr:JoinCondition来指定, rr:JoinCondition的两个属性rr:child和rr:parent指定一个表到另一个表的外键关联条件, 如果把“逻辑表”定义成一个有效的SQL查询, 能实现更复杂的需求。

图4

	Figure Option ViewDownloadNew Window
	图4 R2RML对关系数据库外键的处理[ 15]

(5) R2RML对空节点的处理.

R2RML对空节点的处理与Direct Mapping不同, 如果一个逻辑表没有定义主键, 在“直接图”中, 会为每一行生成一个空节点, 这样相同的重复行会生成多个不同的空节点, 而在R2RML的“默认图”中, 则可以为重复的行指定同一个空节点。在R2RML的“输出数据集”中, 如果同一个空节点标识符出现在同一个RDF图中的多个三元组中, 那么这些三元组将共用同一个空节点;如果同一空节点标识符出现在多个RDF图中, 它将被当作不同的空节点, 由R2RML创建的空节点将不能被不同的RDF图共用。这意味着某一个“逻辑表”行所生成的主体在不同的RDF图中会变成多个空节点。

根据W3C RDB2RDF工作组的《实施报告》^{[ 18]}, 目前已有许多开源或商用的工具和平台可以实施W3C的Direct Mapping和R2RML标准规范。有的工具和平台只支持两种映射语言中的一种, 如D2RQ只支持Direct Mapping, OpenLink Virtuoso只支持R2RML;而有的则两种都支持, 如RDF-RDB2RDF、XSPARQL、Ultrawrap、db2triples。这些工具平台一般有两种实现方式, 即ETL方式和动态转换方式, 前者会根据定义好的映射从具体的关系数据库中生成一个静态的RDF包, 可以导入RDF Store中, 如图5所示, 缺点是需要采取额外的措施 (如后台数据同步程序) 来保证数据的实时性;后者会根据前台的请求和定义好的映射自动适时地将关系数据库数据转换为RDF数据再返回给前台, 数据是实时的。在数据的查询时, 前者可直接用SPARQL查询, 后者则大多采用将前台SPARQL语言转换成SQL查询语言再将查询结果转换为RDF数据, 这是动态转换方式, 如图6所示, D2R Server就是一个典型的例子, 缺点是当数据量很大时, 不能保证查询性能和效率。

图5

	Figure Option ViewDownloadNew Window
	图5 基于NoSQL型RDF Store的RDB2RDF实施方案

图6

	Figure Option ViewDownloadNew Window
	图6 基于SQL的RDB2RDF实施方案

在国外, 基于NoSQL型RDF Store的关联数据解决方案得到越来越多的研究, 随着大数据的兴起, NoSQL作为大数据的关键技术得到越来越多的关注, 也吸引了关联数据领域的研究和应用。2011年, 欧洲的语义网研究机构DERI开始了一项题为“NoSQL Solutions for Linked Data Processing”^{[ 3]}的调查研究, 发现许多NoSQL数据库有支持RDF的功能, 如Google的BigQuery, 支持导入N-Triples格式的RDF数据, Apache CouchDB支持JSON格式的RDF数据, N-Triples和JSON都是标准化的机器可读的RDF数据格式, Neo4j 是一个基于Java的“图形 (Graph) ”数据库, 图形数据库是NoSQL的一种, RDF数据处理是其内置的功能。2011年发表的《Practical Semantic Web and Linked Data Applications》^{[ 19]}一书中, 系统性地探讨了图形数据库AllegroGraph实现关联数据的方法, 具有图形化结构的RDF数据更适合于存储在图形数据库中。

基于SQL的RDB2RDF实施方案较为适合将RDB的遗留系统数据转换为RDF数据, 基于NoSQL的RDB2RDF实施方案省去了SPARQL与SQL之间的双向转换的复杂过程, 将大大提高SPARQL查询的效率, 具有更为广阔的应用前景。