Triple og Graph Stores i NoSQL - dummies

Selv om det lige nu bliver fremtrædende, har begrebet tripler eksisteret siden 1998 takket være World Wide Web Consortium (W3C) og Sir Tim Berners-Lee. Hvis du har erfaring med LinkedIn eller Facebook, er du sikkert bekendt med udtrykket social graph . Under hooden i disse tilgange er et simpelt koncept: hver > faktum (eller mere korrekt, påstand ) beskrives som et tredobbelt emne, prædikat og objekt:

A

• emne er det, du beskriver. Det har et unikt ID kaldet IRI. Det kan også have en type, som kan være et fysisk objekt (som en person) eller et koncept (som et møde). Et

• predikat er ejendommen eller forholdet der tilhører emnet. Dette er igen et unikt IRI, der anvendes til alle emner med denne egenskab. Et

• objekt er den indre værdi af en egenskab (som heltal eller boolsk, t ext) eller et andet emne IRI for målet om et forhold.

  Figuren illustrerer et enkelt emne, prædikat, objekt tredobbelt.

Derfor kan Adam lide Ost er en tredobbelt. Du kan modellere disse data mere beskrivende som vist her:

AdamFowler is_a Person AdamFowler kan lide Ost ost er en fødevare

Men mere præcist er sådanne triple informationer formidlet med fuld IRI information i et format som Turtle, sådan som dette:

en.. en.

Det komplette skildpaddseksempel viser et sæt mønstre i et enkelt informationsdomæne til URI'erne af RDF-typer,

mennesker , forhold og fødevarer . Et enkelt informationsdomæne betegnes som en ontologi . Flere ontologier kan eksistere i samme tredobbelt butik. Det er endda muligt for det samme emne at have flere IRI'er, med en

sameAs triple hævder at begge emner er ækvivalente. Du kan hurtigt opbygge denne simple datastruktur i et web af fakta, som kaldes en

rettet graf i datalogi. Du kan være en veninde af Jon Williams eller gift_to Wendy Fowler. Wendy Fowler kan eller måske ikke have et ved forhold til Jon Williams. Disse rettede grafer kan indeholde komplekse og ændrede webs of relationships, eller triples. At kunne gemme og spørge dem effektivt, enten alene eller som en del af en større applikation med flere datastrukturer, er meget nyttigt til løsning af særlige datalagrings- og analyseproblemer.

Figuren viser et eksempel på en kompleks web af indbyrdes forbundne fakta.

Tænk på grafforretninger som en delmængde af tredobbelte butikker, der er optimeret til forespørgsler af relationer, snarere end blot de enkelte påstande eller fakta selv.

Grafmatematikken er kompleks og specialiseret og kan ikke være nødvendig i alle situationer, hvor opbevaring af tripler er påkrævet.

Hvis du har brug for at gemme fakta, dynamisk skiftende relationer eller oplysninger om herkomst, så overvej en tredobbelt butik. Hvis du har brug for at kende statistikker om grafen (f.eks. Hvor mange grader af adskillelse der er mellem to emner eller hvor mange sociale forbindelser på tredje niveau en person har), så skal du overveje en grafbutik.