当数据集较大时，Jena文本查询性能显著降低

Question

我正在从一个2.37GB的RDF数据集进行查询，其中包含大约1700万个三元组，并且还维护了该数据集的lucence索引。我尝试了jena-text模块的文本查询，它是在存储的lucene索引的基础上进行搜索的。但是它的性能相当慢，对于一个非常慢的搜索查询需要4秒或更多的时间。

然而，当我使用luncene索引查看器'luke'。索引似乎没有问题，当我从索引中搜索特定的术语时，搜索它需要几毫秒的时间。

SELECT ?subj ?status ?version ?label 
WHERE {  
      ?subj rdf:type ts:Valueset;
            text:query 'cancer';
            ts:entityStatus ?status;
    OPTIONAL { ?subj ts:versionID ?version . } .
    OPTIONAL { ?subj rdfs:label ?label . } .
}
LIMIT <limit> 
OFFSET <offset>

store.getDataset().begin(ReadWrite.READ) ;
Query query = QueryFactory.create(queryStr);
QueryExecution qexec = QueryExecutionFactory.create(query , store.getDataset()) ;
ResultSet results = qexec.execSelect();
while(results.hasNext()){
     QuerySolution qs = results.next();

下面是创建索引数据集的代码。

Dataset baseDS = TDBFactory.createDataset(storePath.trim());
//define index mapping
EntityDefinition entityDef = new EntityDefinition("uri", "property", RDFS.label.asNode());
entityDef.set("property", TS.conceptCode.asNode());
entityDef.set("property", SKOS_XL.literalForm.asNode());
entityDef.set("property", SKOS.note.asNode());
entityDef.set("property", SKOS.definition.asNode());

//create in file lucene
File indexDir = new File(textIndexPath);
Directory luceneDir = null;
try {
luceneDir = FSDirectory.open(indexDir);
} catch (IOException e) {
e.printStackTrace();
}

// Join together into a dataset
Dataset indexedDS = TextDatasetFactory.createLucene(baseDS, luceneDir, entityDef) ;

请允许任何人识别代码和索引数据集的配置方式是否存在任何问题。谢谢

Answer 1

这似乎是一个已知的问题，我也有问题：（https://issues.apache.org/jira/browse/jena-999