Apache Jena TDB 增删改查操作
使用Apache Jena TDB 增删改查操作 管理知识图谱三元组
By 龙前尘
实验环境
WIN8、Jena 3.0.1、TDB 3.0.1
转载请注明地址：
http://blog.csdn.net/svenhuayuncheng/article/details/78821457
本文参考文章为：
https://tutorial-academy.com/apache-jena-tdb-crud-operations/
1. Apache Jena TDB CRUD简述
Apache Jena是专门用于语义网本体操作的开源Java框架，其提供RDF和SPARQL API，来查询、修改本体和进行本体推理，并且提供了TDB和Fuseki来存储和管理三元组。
本文主要focus在TDB的CRUD（增删改查）操作。如笔者前文所述：使用Jena-TDB存储RDF本体、知识图谱文件，在进行TDB CRUD操作之前，需要将知识图谱或本体文件持久化到TDB数据文件夹中，之后就可以非常方便地使用API进行操作，且update的信息也会在TDB数据中被持久化保存。
2. 编写相关方法来处理TDB
本文假设用户已经建立了Dataset类对象dataset，作为容器来存储model对象并处理三元组。如果对此有疑问，可参考笔者的文章：使用Jena-TDB存储RDF本体、知识图谱文件。
2.1 查询三元组
/**
* 查询Model中三元组；
*/
public List<Statement> getTriplet(String modelName, String subject, String predicate, String object) {
List<Statement> results = new ArrayList<>();
Model model = null;
dataset.begin(ReadWrite.READ);
try {
model = dataset.getNamedModel(modelName);
Selector selector = new SimpleSelector(
(subject != null) ? model.createResource(subject) : null,
(predicate != null) ? model.createProperty(predicate) : null,
(object != null) ? model.createResource(object) : null
);
StmtIterator it = model.listStatements(selector);
while (it.hasNext()) {
Statement stmt = it.next();
results.add(stmt);
}
dataset.commit();
} finally {
if (model != null) model.close();
dataset.end();
}
return results;
}2.2 增加三元组
/**
* 增加Model中三元组；
*/
public void addTriplet(String modelName, String subject, String predicate, String object) {
Model model = null;
dataset.begin(ReadWrite.WRITE);
try {
model = dataset.getNamedModel(modelName);
//三元组信息不全则不添加；
if (subject == null || predicate == null || object == null) {
LOG.warn("三元组信息有缺失，不执行添加操作！");
} else {
//存在当前三元组则不添加；
Selector selector = new SimpleSelector(
(subject != null) ? model.createResource(subject) : null,
(predicate != null) ? model.createProperty(predicate) : null,
(object != null) ? model.createResource(object) : null
);
StmtIterator it = model.listStatements(selector);
if (it.hasNext()) {
LOG.warn("已有该三元组，不执行添加操作！");
} else {
Statement stmt = model.createStatement
(
model.createResource(subject),
model.createProperty(predicate),
model.createResource(object)
);
model.add(stmt);
model.commit();
dataset.commit();
LOG.info("添加三元组： " + subject + " " + predicate + " " + object);
}
}
} finally {
if (model != null)
model.close();
dataset.end();
}
}2.3 删除三元组
/**
* 删除Model中的三元组；
*/
public void removeTriplet(String modelName, String subject, String predicate, String object) {
Model model = null;
dataset.begin(ReadWrite.WRITE);
try {
model = dataset.getNamedModel(modelName);
//三元组信息不全则不添加；
if (subject == null || predicate == null || object == null) {
LOG.warn("三元组信息有缺失，不执行删除操作！");
}
else {
//不存在当前三元组则不执行删除添加；
Selector selector = new SimpleSelector(
(subject != null) ? model.createResource(subject) : null,
(predicate != null) ? model.createProperty(predicate) : null,
(object != null) ? model.createResource(object) : null
);
StmtIterator it = model.listStatements(selector);
if (!it.hasNext()) {
LOG.warn("没有该三元组，不执行删除操作！");
} else {
Statement stmt = model.createStatement
(
model.createResource(subject),
model.createProperty(predicate),
model.createResource(object)
);
model.remove(stmt);
dataset.commit();
LOG.info("删除三元组： " + subject + " " + predicate + " " + object);
}
}
} finally {
if (model != null) model.close();
dataset.end();
}
}2.4 修改三元组
修改三元组可以采取先查找到需要修改的三元组，将其删去，再添加一条新的三元组，来进行三元组信息修改。
3. 编写相关接口和实现类
为了方便系统调用，将TDB CRUD操作封装到接口与相关实现类中。
3.1 TDB CRUD接口
public interface TDBCrudDriver {
/**
* 查询Model中三元组；
*/
List<Statement> getTriplet
(String modelName, String subject, String predicate, String object);
/**
* 增加Model中三元组；
*/
void addTriplet
(String modelName, String subject, String predicate, String object);
/**
* 删除Model中的三元组；
*/
void removeTriplet
(String modelName, String subject, String predicate, String object);
}3.2 TDB CRUD接口实现类
public class TDBCrudDriverImpl implements TDBCrudDriver {
public static final Log LOG = LogFactory.getLog(TDBCrudDriverImpl.class);
public static final String tdb_path = "src\\main\\resources\\data\\kbfile\\TDB";
@Override
public List<Statement> getTriplet(String modelName, String subject, String predicate, String object) {
List<Statement> list = new ArrayList<>();
//如果不输入model name，则使用系统默认的TDB model；
if(modelName == null) {
modelName = "Default_Model";
LOG.warn("MODEL NAME为空，使用默认model： Default_Model");
}
TDBPersistence tdbPersistence = new TDBPersistence(tdb_path);
//如果TDB中有当前model；
if (tdbPersistence.findModel(modelName)) {
list = tdbPersistence.getTriplet(modelName, subject, predicate, object);
tdbPersistence.closeTDB();
}
//如果TDB中没有当前model；
else
LOG.warn(modelName + " 不存在，无法查询！");
return list;
}
@Override
public void addTriplet(String modelName, String subject, String predicate, String object) {
//如果不输入model name，则使用系统默认的TDB model：TDB_agriculture；
if(modelName == null) {
modelName = "Default_Model";
LOG.warn("MODEL NAME为空，使用默认model： Default_Model");
}
TDBPersistence tdbPersistence = new TDBPersistence(tdb_path);
//如果TDB中有当前model；
if (tdbPersistence.findModel(modelName)) {
tdbPersistence.addTriplet(modelName, subject, predicate, object);
tdbPersistence.closeTDB();
}
//如果TDB中没有当前model；
else
LOG.warn(modelName + " 不存在，不执行添加操作！");
}
@Override
public void removeTriplet(String modelName, String subject, String predicate, String object) {
//如果不输入model name，则使用系统默认的TDB model：TDB_agriculture；
if(modelName == null) {
modelName = "Default_Model";
LOG.warn("MODEL NAME为空，使用默认model： Default_Model");
}
TDBPersistence tdbPersistence = new TDBPersistence(tdb_path);
//如果TDB中有当前model；
if (tdbPersistence.findModel(modelName)) {
tdbPersistence.removeTriplet(modelName, subject, predicate, object);
tdbPersistence.closeTDB();
}
//如果TDB中没有当前model；
else
LOG.warn(modelName + " 不存在，不执行删除操作！");
}
}3.3 TDB CRUD单元测试类
编写单元测试模块进行功能测试。
class TDBCrudDriverTest {
public static String ENTITY_PREFIX = "http://coindb/tupu/resource/";
public static String PROPERTY_PREFIX = "http://coindb/tupu/property/";
@Test
void addTriplet() {
//model name空缺，表示使用默认model：Default_Model；
String model_name = "Default_Model";
String subject = ENTITY_PREFIX + "杨桃";
String predicate = PROPERTY_PREFIX + "病虫害";
String object1 = ENTITY_PREFIX + "红蜘蛛";
String object2 = ENTITY_PREFIX + "炭疽病";
TDBCrudDriver tdbCrudDriver = new TDBCrudDriverImpl();
tdbCrudDriver.addTriplet(model_name, subject, predicate, object1);
tdbCrudDriver.addTriplet(null, subject, predicate, object2);
}
@Test
void getTriplet() {
//若主、谓、宾中有空缺，则表示该部分不参与匹配；
//若主、谓、宾全部空缺，则输出所有三元组；
String subject = ENTITY_PREFIX + "杨桃";
String predicate = PROPERTY_PREFIX + "病虫害";
String object = null;
TDBCrudDriver tdbCrudDriver = new TDBCrudDriverImpl();
List<Statement> list = tdbCrudDriver.getTriplet(null, subject, predicate, object);
for (Statement s : list) {
System.out.println(s);
}
}
@Test
void removeTriplet() {
String subject = ENTITY_PREFIX + "杨桃";
String predicate = PROPERTY_PREFIX + "病虫害";
String object = ENTITY_PREFIX + "红蜘蛛";
TDBCrudDriver tdbCrudDriver = new TDBCrudDriverImpl();
tdbCrudDriver.removeTriplet(null, subject, predicate, object);
}
}4. TDB架构
在TDB中删除三元组后，可能在nodes.dat文件中，仍然可以看到被删除的三元组。但是使用相关查询代码，又无法查询到这个三元组。这并不是BUG，而是由于TDB的架构设计导致。
TDB使用一个类似顺序表的容器，存储节点。并且维护一个节点表（Node Table）作为索引，将RDF资源节点映射为一个64位的长整数ID。使用这个64位的ID用来索引节点，当遇到查询时，可以在顺序表容器中快速定位当前节点。
当新的数据被添加时，TDB会在顺序表容器中增加节点，并且在节点表中增加这个新结点的索引。在删除结点时，TDB仅仅在节点表中删除索引，但是在顺序表容器中并没有删除该节点，即节点仍然存在顺序表中。这样，不管有没有节点被删除，顺序表容器一直在增加。
TDB这样设计有两个好处：
1、当前新增节点的64位的长整数ID，表示顺序表容器的长度。为了加快插入速度，顺序表容器是一个地址连续的文件，每次在文件末尾（即最后一个新增节点的长整数ID索引处）增加节点即可。使用ID来索引节点，可以在O(1)时间就找到节点，极大提高查找速度。当一个节点从被删除，如果立刻在顺序表中删除这个节点，就需要重新计算被删除节点之后所有节点的ID，会大大提高计算量，降低查找速度。
2、假设现在一个节点被删除了，系统需要在所有节点中遍历，寻找最不频繁被使用的节点来做“真正的”删除，即从顺序表中删除这个节点，并重新计算后继节点的ID，重写节点表。如果每删除一个节点都这样操作一次，会大大提高升级和删除的相应时间，所以TDB不建议这么做。
用户也许会担心，TDB的删除设计，可能会导致磁盘空间的溢出。但实际上，在现实应用中，三元组的使用，大部分的操作都是新增和查询三元组的操作。如果发生了磁盘空间溢出，建议用户将所有当前三元组读出到.nt文件，将TDB中数据删除，再重新从.nt文件读取并建立TDB文件。当然，发生这种事件的概率，相对来说很低，用户可以不用过于担心。
以上，是笔者使用Jena TDB进行三元组数据增删改查的心得体会，分享之，与大家共同探讨。