.png){kind=icon}
返回
An efficient knowledge graph storage framework with adaptive query processing and online updating
.png){kind=icon}
PRE
AI
DOI：10.1007/s11280-025-01384-6.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
随着知识图谱的快速发展，对能够实现快速查询和在线更新的高效存储方案的需求日益增长。成熟的关系型存储在处理高度选择性查询时存在困难，而解决此问题的图存储则在数据插入效率方面表现不佳，且通常存在存储限制。因此，现有的结合两种存储的双存储结构虽具潜力，但在查询性能上仍需进一步改进，且缺乏在线更新支持。我们提出EKGStore，一种新型的知识图谱存储框架，从三个方面解决这些挑战。首先，我们开发了一个自适应查询处理器，用于优化在双存储结构间的查询分解。其次，我们提出了一种基于多臂赌博机的负载感知调优算法，以实现双存储结构的周期性动态调优。第三，我们实现了一种最终一致性的双写策略，支持在线更新，并通过缓冲机制确保查询正确性。实验结果表明，对于纯查询工作负载，EKGStore相比现有双存储结构的查询性能最高提升39%，且在大量更新情况下仍能保持良好的查询性能。
Keyword:
Knowledge graph
Storage management
Query processing
Online updating
期刊
W
IF:
0
论文数:
68
被引数:
0
.png){kind=icon}
没有更多内容