gStore是一个面向RDF知识图谱的图数据库系统（通常称为Triple Store）。
知识图谱数据管理的一个核心问题是如何有效地存储RDF数据集和快速回答SPARQL查询。总的来说，有两套完全不同的思路。其一是可以利用已有的成熟的数据库管理系统（例如关系数据库系统）来存储知识图谱数据，将面向RDF知识图谱的SPARQL查询转换为面向此类成熟数据库管理系统的查询，例如面向关系数据库的SQL查询，利用已有的关系数据库产品或者相关技术来回答查询。这里面最核心的研究问题是如何构建关系表来存储RDF知识图谱数据，并且使得转换的SQL查询语句查询性能更高；其二是直接开发面向RDF知识图谱数据的Native的知识图谱数据存储和查询系统（Native RDF图数据库系统），考虑到RDF知识图谱管理的特性，从数据库系统的底层进行优化。
不同于传统基于关系数据库的知识图谱数据管理方法，gStore原生基于图数据模型(Native Graph Model)，维持了原始RDF知识图谱的图结构；其数据模型是有标签、有向的多边图，每个顶点对应着一个主体或客体。gStore系统将RDF和SPARQL分别表示成图的形式，利用子图匹配的方法来回答SPARQL查询，并且利用基于图结构的索引(VS-tree)来加速查询的性能。 例如在RDF中，主体和客体可以分别表示成RDF图中的节点，一条称述（即RDF三元组）可以表示成一条边，其中谓词是边的标签。SPARQL语句同样可以表示成一个查询图。
RDF图和SPARQL查询图
gStore图数据库的优势：
- 拥有自主研发的核心图数据库系统技术;
- 对RDF知识图谱数据文件原生支持；
- 引擎对于图查询/分析的原生支持；
- 支持描述性(而非过程化)查询语言；
- 性能：秒级多跳查询；
- 支持跨复杂数据的关联分析。
性能测试
国家权威的第三方软件测评机构对gStore性能进行了对比测试，测试结果表明在国际通用的图数据评测数据集上，与Neo4j,Virtuoso,Jena,JanusGraph等4种目前市场上主流图数据库进行了对比测试，测试结果表明gStore的数据查询性能具有明显优势。
中国软件测评中心对分布式gStore存储容量和gStore的查询性能进行了严格测试，验证了分布式gStore支持百亿规模三元组数据，且平均查询响应时间仅为1.797秒。
gStore 拥有以下特性：
- gStore从图数据库角度存储和检索RDF知识图谱数据；
- gStore支持W3C定义的SPARQL 1.1标准，包括含有Union，OPTIONAL，FILTER和聚集函数的查询；gStore支持有效的增删改操作；
- gStore单机可以支持1Billion（十亿）三元组规模的RDF知识图谱的数据管理任务；
关于gStore的核心学术思路，请参考gStore所发表的论文。
gStore 应用案例
1. 金融知识图谱项目——多层股权查询示例
2. 政府大数据——亲属关系检索（用于民政和司法）
3. 智能问答机器人
4. 智慧医疗——基于医疗知识图谱的问答
gStore可下载资源
- gStore(单机版）：http://www.gstore-pku.com/pcsite/download-1.html
- gStore Workbench：http://www.gstore-pku.com/pcsite/download-2.html
- gStore云端：http://cloud.gstore.cn/
-
gstore源码解析（三）：安全机制之日志追踪 上一章我们介绍了安全机制的黑白名单配置，接下来将对安全机制中日志追踪的源码进行解析。 1.1 简介 在gstore安全机制中的日志追踪分为三个模块：第一个是操作日志，记录调用接口进行数据库相关操作的信息；第二个是查询日志，记录调用查询接口的相关信息；第三个是事务日志，记录调用事务接口的相关信息。 1.2 操作日志 在启动ghttp服务后，
-
gstore源码解析（二）：SOCKET网络服务源码解析 上一章我们介绍了基于boost实现的gstore http网络服务，本章将介绍基于TCP协议的socket网络服务。 1.1 简介 gserver模块实现了一个基于TCP协议的socket网络服务，支持socket API双向通信。本章将从服务参数解析、运行机制、请求解析三个方面来展开。 1.2 服务参数解析 gserver提供
-
gStore是由北京大学王选计算机所数据管理实验室(PKUMOD)邹磊教授团队研发的面向知识图谱的高效图数据库系统，用来管理庞大的关联数据(linked data)。图谱学苑weekly作为技术分享专栏在此之前发布了多期关于gStore功能特性、操作指南的系列文章。weekly将从本期开始陆续推出gStore内核源码解析系列文章，带你深入了解gStore各功能模块的源代码逻辑和实现原理。这一系列的
-
如果不需要打开shell执行create index，直接在程序源代码里就能指定数据库索引，是不是很酷？ 是的，利用bugu-mongo，你只需在程序里加上个@EnsureIndex注解，即可实现该功能。 以一个简单的新闻系统为例： @Entity @EnsureIndex("{type:1}") public class News implements BuguEntity{ @Id
-
推荐: http://tech.meituan.com/mysql-index.html MySQL索引背后的数据结构及算法原理 聚集索引,非聚集索引,B-Tree,B+Tree,最左前缀原理
-
数据库创建索引能够大大提高系统的性能。 第一，通过创建唯一性的索引，可以保证数据库表中每一行数据的唯一性。 第二，可以大大加快数据的检索速度，这也使创建索引的最主要的原因。 第三，可以加速表和表之间的连接，特别是在实现数据的参考完整性方面特别有意义。 第四，在使用分组和排序子句进行数据检索时，同样可以显著的减少查询中查询中分组和排序的时间。 第五，通过使用索引，可以在查询的过程中，使用优化隐藏器，
-
基本概念 在数据库中，索引的含义与日常意义上的“索引”一词并无多大区别（想想小时候查字典），它是用于提高数据库表数据访问速度的数据库对象。 索引可以避免全表扫描。多数查询可以仅扫描少量索引页及数据页，而不是遍历所有数据页。 对于非聚集索引，有些查询甚至可以不访问数据页。 聚集索引可以避免数据插入操作集中于表的最后一个数据页。 一些情况下，索引还可用于避免排序操作。 索引的存储 一条索引记录中包含的
-
更多面试题总结请看：【面试题】技术面试题汇总 存储引擎定义 现代数据库大体可以分为三层。最上层用于连接、线程处理等；中间层提供数据库的核心功能，包括 SQL 解析、分析、优化、视图等；底层就是数据库的存储引擎，负责数据的存储与提取。 简单来说，存储引擎是为数据库提供创建、查询、更新、存储数据的软件模块。不同的存储引擎的主要区别是数据的存储方式，此外功能、特性、速度等也有所差异。 存储引擎为数据库屏
-
一切正常，但DatabaseReference无法获取数据，这就像是忽略了我的代码运行，就像我的internet无法运行一样，请帮助我，我是这个社区的新手，下面是我的代码和图片。 以前它是工作的，但由于我只是更改了一些代码，使只有currentVersion>=vCode，这样即使数据库中的值是 firebase数据库映像 mainactivity.java manifest.xml 依赖关系