CN107122486A

CN107122486A - 一种支持blob的多元大数据融合方法和系统

Info

Publication number: CN107122486A
Application number: CN201710321988.5A
Authority: CN
Inventors: 沈志宏; 黎建辉; 周园春; 侯艳飞; 胡良霖
Original assignee: Computer Network Information Center of CAS
Current assignee: Computer Network Information Center of CAS
Priority date: 2017-05-09
Filing date: 2017-05-09
Publication date: 2017-09-01
Anticipated expiration: 2037-05-09
Also published as: CN107122486B

Abstract

本发明公开了一种支持BLOB的多元大数据融合方法和系统。本方法为：1)基于RDF数据模型，创建RDF‑B数据模型；RDF‑B数据模型采用三元组形式来表达每个资源的属性及其属性值，所述属性值包括BLOB类型的属性值，BLOB类型的属性值包括数据内容、长度、摘要和标志信息；2)RDF‑B数据模型对收到的数据生成三元组并存储到一前端存储系统；其中，如果该数据为BLOB类型，则RDF‑B数据模型根据该数据对应三元组中BLOB类型的属性值生成一四元组<句柄，长度，摘要，标志>作为该数据的三元组信息的属性值，然后将该数据的三元组保存到该前端存储系统，根据该句柄将数据内容存储到后端存储系统。

Description

一种支持BLOB的多元大数据融合方法和系统

技术领域

本发明涉及大数据、数据库、语义网技术领域，提出一种多元大数据融合方法和系统。

背景技术

随着海量规模、多元异构数据的产生，传统的数据库技术(通常指关系数据库系统)无法很好实现对海量、非结构化或半结构化数据集的管理。NoSQL、Hadoop等大数据技术的提出，能够高效地解决分布式环境下全网域(Web Scale)的非结构化信息的管理和处理问题，深化了大数据的应用。

不同于大数据(big data)，语义网(semantic web)以及关联数据(linked data)则是从信息组织的角度，通过引入丰富的形式化语义，提高了数据的关联和可理解能力，逐渐成为跨域整合和智能分析的利器。越来越多的大数据应用由于采用了RDF(ResourceDescription Framework，资源描述框架)数据模型进行描述和编码，通过元数据和其他语义描述(本体)，使数据具有机器可识别的语义(即形式化的语义描述)，丰富了大数据的语义，并使数据具有更好的互操作性。由于采用语义描述的关联数据已不再是堆砌的信息，结合大数据挖掘手段，还能给大数据分析带来强有力的工具，使大数据集相互之间能够实现基于语义的整合。

RDF数据模型(RDF Data Model)提供了一个简单但功能强大的模型，通过资源、属性及其相应值来描述特定资源。RDF数据模型具有较好的可融合性，将两个RDF进行融合时，只需要将相同节点的不同属性附加到RDF节点上即可。这非常符合大规模数据的融合管理的需求。

RDF数据模型支持多种类型的属性，根据RDF规范(https://www.w3.org/TR/2014/REC-rdf11-concepts-20140225/)，RDF属性支持文本型、布尔型、数值型、时间型等多种类型。然而，该模型缺少对二进制大对象(BLOB：binary large object)的支持。而在信息系统中，文件作为非结构化数据的存储形式，往往占据了相当大的比例。据统计，世界上85％的数据都是非结构化数据，这些数据每年都按指数增长60％(http://www.cio.com.cn/eyan/2295.html)。因此发明一种支持BLOB类型的大数据融合方法，实现对BLOB数据以及其它类型数据的统一管理和查询，显得尤其重要。

发明内容

本发明的目的在于提供一种支持BLOB的多元大数据融合方法和系统，实现了对多元数据的整合，并有效的支持数据的关联检索。

本发明的技术内容为：

一种支持BLOB的多元大数据融合方法，其步骤为：

1)基于RDF数据模型，创建支持BLOB的多元大数据融合模型，即RDF-B数据模型；创建或设置一后端存储系统；该RDF-B数据模型采用三元组形式来表达每个资源的属性及其属性值，其中，所述属性值包括BLOB类型的属性值，BLOB类型的属性值包括数据内容、长度、摘要和标志信息；

2)RDF-B数据模型对收到的数据生成三元组并存储到一前端存储系统；其中，如果该数据为BLOB类型，则RDF-B数据模型根据该数据对应三元组中BLOB类型的属性值生成一四元组<句柄，长度，摘要，标志>作为该数据的三元组信息的属性值，然后将该数据的三元组保存到该前端存储系统，根据该句柄将该BLOB类型的属性值中的数据内容存储到所述后端存储系统；所述后端存储系统维护句柄与对应BLOB类型的属性值的数据内容之间的映射。

进一步的，创建BLOB类型的属性值的方法为：首先获取该数据的前若干字节作为所述标志信息，然后创建一二进制字节数组保存该数据的内容，获取该数据的长度并生成该数据的摘要。

进一步的，根据该句柄将该BLOB类型的属性值中的数据内容存储到所述后的存储系统的方法为：首先根据当前系统时间创建一个唯一编号ID，作为句柄；然后在所述后端存储系统的设定目录下创建一个新文件，文件名为<ID>.bin，写入该BLOB类型的属性值的数据内容；并且生成一个<ID>.md5文件，写入所述摘要。

进一步的，根据字节数组生成BLOB类型的属性值,、根据文件生成BLOB类型的属性值、根据输入流数据源生成BLOB类型的属性值或根据文本串生成BLOB类型的属性值。

进一步的，所述标志信息为一32位的标志。

一种支持BLOB的多元大数据融合系统，其特征在于，包括一RDF-B数据模型，一后端存储系统和一前端存储系统；其中，

RDF-B数据模型，采用三元组形式来表达每个资源的属性及其属性值，所述属性值包括BLOB类型的属性值，BLOB类型的属性值包括数据内容、长度、摘要和标志信息；

前端存储系统，用于存储RDF-B数据模型对收到的数据生成的三元组；如果该数据为BLOB类型，则RDF-B数据模型根据该数据对应三元组中BLOB类型的属性值生成一四元组<句柄，长度，摘要，标志>作为该数据的三元组信息的属性值；

后端存储系统，用于根据句柄将对应BLOB类型的属性值中的数据内容进行存储；

所述后端存储系统维护句柄与对应BLOB类型的属性值的数据内容之间的映射。

该方法具体描述如下：

(1)基于RDF(Resource Description Framework，资源描述框架)数据模型，针对其不支持BLOB属性值的缺陷，设计支持BLOB的多元大数据融合管理模型RDF-B。RDF-B模型可以包含多种类型的数据，包括常见的文本型、布尔型、数值型、时间型以及BLOB类型(参见具体实施例1)；

(2)进一步细化了RDF-B模型中BLOB属性值(BlobLiteral)应该包含的自有属性和操作。针对BLOB属性值，定义其支持的操作，包括打开输入流、获取摘要、获取长度、获取标记、判断是否为BLOB类型，等(参见具体实施例1)；

(3)定义了RDF-B模型中BLOB属性值的文本表达方法，针对BLOB的属性定义了与常见的文本型、布尔型、数值型、时间型等属性相兼容的文本表达方式(参见具体实施例2)；

(4)提供创建BLOB属性值的方法，即如何从文件、文本串、数据流等已知数据源创建BLOB属性值(参见具体实施例3)；

(5)提供存储BLOB属性值的方法，即如何允许用户挂接自定义BLOB存储库，同时提供了基于本地文件系统实现BLOB数据的存储(参见具体实施例4)；

(6)提供RDF-B数据模型的加载方法，帮助用户通过API创建/加载RDF-B数据模型(参见具体实施例5)；

(7)提供针对RDF-B数据模型的查询方法。基于SPARQL查询语法，通过提供BLOB属性值的操作函数，从而支持对BLOB属性值的匹配。由于SPARQL关联查询的能力，针对BLOB进行查询的同时，可以同时将其他属性值以及关联关系作为条件进行筛选(参见具体实施例6)。

特别的，(4)～(7)采用Java语言实现，并基于开源项目Apache Jena(http://jena.apache.org/)实现，Apache Jena是一个基于Java的语义网开发框架。

本发明的有益效果在于：

本发明的目的在于提供一种支持BLOB的多元大数据融合管理模型RDF-B，以及针对RDF-B的实现系统。可以用于多元异构数据(包括文本型、布尔型、数值型、时间型、BLOB)的整合管理与统一查询，为大数据融合管理提供了理论模型和实用系统。

本发明系统的优点具体为：

(1)采用传统RDF数据模型来组织数据，由于它对BLOB文件的支持不足，通常无法实现对非结构化文件的管理。折中的办法往往普通类型的属性采用RDF数据模型来管理，BLOB数据仅存储相关的路径或编号，应用程序再根据这些信息显式的去访问文件数据，这种方式增强了应用程序和RDF数据库之间的耦合性。本发明提出的RDF-B模型定义了BLOB的类型，并完全兼容传统的RDF模型。RDF-B模型可实现文件类型、普通类型数据的统一管理，同时提供了针对BLOB数据的查询函数，可用于标准化的SPARQL查询。图1、图2示出基于传统RDF模型和RDF-B模型开发应用的差异。

(2)传统的多元异构数据管理系统，一类是采用扁平的记录型的结构统一组织数据，完全忽略了数据之间的关联性，不利于数据的关联检索，或者关联检索的代价很高。另一类是基于传统RDF数据模型，无法很好的兼顾到非结构化数据的管理。与这两类系统相比，本发明提出的系统可以实现多元数据(包括非结构化文件)的整合，并有效的支持数据的关联检索(包括针对文件的检索)。

附图说明

图1示出基于传统RDF模型开发应用的模式；

图2示出基于RDF-B模型开发应用的模式；

图3为本发明的大数据融合方法流程图。

具体实施方式

下面结合附图和具体实例对本发明进行进一步详细描述。

图3为本发明的方法流程图，其步骤包括：

1)基于RDF数据模型，创建支持BLOB的多元大数据融合模型，即RDF-B数据模型；创建一后端存储系统；该RDF-B数据模型采用三元组<资源URI,属性URI,属性值>的形式来表达每个资源的属性及其属性值，其中，所述属性值包括BLOB类型的属性值，BLOB类型的属性值包括数据内容、长度、摘要和标志信息；

2)RDF-B数据模型对收到的数据生成三元组并存储到一前端存储系统；其中，如果该数据为BLOB类型，则RDF-B数据模型根据该数据对应三元组中BLOB类型的属性值生成一四元组<句柄，长度，摘要，标志>作为该数据的三元组信息的属性值，然后将该数据的三元组保存到该前端存储系统，根据该句柄将该BLOB类型的属性值存储到所述后端存储系统；所述后端存储系统维护句柄与BLOB类型的属性值的数据内容之间的映射。

实施例1、多元大数据融合管理模型RDF-B

RDF-B主要基于RDF模型(https://www.w3.org/TR/2014/REC-rdf11-concepts-20140225/)进行扩展，因此具有RDF模型的三元组以及有向图等所有特征。该模型的定义包括3个部分：

(1)RDF-B模型：与公开的RDF模型相同的是，RDF-B模型采用<资源URI,属性URI,属性值>三元组形式来表达每个资源(主语)的属性(谓语)及其属性值(宾语)，属性值可以是一个文本型、布尔型、数值型、时间型，甚至另外一个资源。不同的是，RDF-B的属性值可以是BLOB类型；

(2)BLOB属性值的属性定义：BLOB类型的属性值具有自有属性，包括内容(content)、长度(length)、摘要(digest)，以及一个32位的标志(mark)。如表1所示。

表1为BLOB属性值的属性表

(3)BLOB属性值的操作定义：BLOB属性值可支持一些操作，包括打开数据流(openStream)、获取长度(getLength)、获取摘要(getDigest)、获取标志(getMark)。如表2所示。

表2为BLOB属性值的操作表

操作	含义
		openStream	获取二进制数组输入流
getLength	获取BLOB字节数组的长度
		getDigest	获取BLOB内容的摘要
getMark	获取BLOB字节数组的前32个字节
		getMark(n)	获取BLOB字节数组的前n个字节(n<32)
getMark(m,n)	从BLOB字节数组的第m个字节开始，获取n个字节

实施例2、RDF-B属性值的文本表达方法

RDF-B模型中的非BLOB属性值采用标准的RDF文本表达方法，即采用XML literal来表达属性值，它通常包括2个部分：词汇、数据类型的IRI，前者代表属性值的文本，后者来表示值的类型，如："hello"^^xsd:string，"1"^^xsd:integer。

针对BLOB属性值，RDF-B采用如下表达方式：

<blob-literal>::＝"<blob-value>"^^<urn:x-hp-dt:blob>

<blob-value>::＝content:<content-value>,length:<length-value>,digest:<digest-value>,mark:<mark-value>

其中：content-value、length-value、digest-value、mark-value分别对应于BLOB属性值的内容(content)、长度(length)、摘要(digest)，以及一个32位的标志(mark)。

如下代码示例出两个RDF-B三元组，第一行为标准的RDF三元组，第二行包含了一个BLOB属性值。

<#bluejoe><#name>"zhihong SHEN".

<#bluejoe><#photo>"content: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＝＝,length:628,digest:5ecb3255a12ef30a9d3c3a5554e8021d,mark:R0lGODlhRgAgALP/AP///xAQEBgYGCEhITExMUpKSlo＝"^^<urn:x-hp-dt:blob-bytes>.

第一行表示，RDF节点#bluejoe具有一个属性#name，属性值是一个文本串"zhihong SHEN"。

第二行表示，RDF节点#bluejoe具有一个属性#photo，属性值是一个BLOB数据，其内容为一个二进制字节数组(base64解码可以得知其为一个GIF照片文件)，数组长度为628个字节，摘要为5ecb3255a12ef30a9d3c3a5554e8021d。

可以看出，文本输出并不适合BLOB二进制内容的表达，通常建议采用应用程序通过BLOB属性值的打开输入流(openStream)操作，获取到字节流，然后再按照数据流的规范进行后续操作。

实施例3、BLOB属性值的创建方法

本发明提供了从不同的数据源创建BLOB属性值的方法：

Literal create(byte[]bytes)：根据字节数组生成BLOB属性值

Literal create(File file)：根据文件生成BLOB属性值

Literal create(InputStreamSource source)：根据输入流数据源生成BLOB属性值；

Literal create(String text)：根据文本串生成BLOB属性值

以create(File file)为例，伪代码如下：

val bl＝new BlobLiteral{

val mark32＝IOUtils.readBytes(openStream(),32)；//读取前32位标志

def openStream()＝new FileInputStream(fileName)；//打开文件输入流

def getLength()＝file.length()；//获取到文件的长度

def getDigest()＝DigestUtils.md5Hex(openStream())；//生成摘要

def getMark()＝mark32；

}；

return bl；//返回该属性值

实施例4、BLOB属性值的存储方法

由于BLOB属性值往往占据较大的存储空间，将BLOB属性值和其它属性值保存在同一个空间，会带来严重的内存消耗和读取性能的问题。本发明提出一种与RDF模型实际存储系统融合且又相对独立的存储库方案：

(1)在RDF模型实际存储系统中，BLOB属性值存储为一个BLQ四元组(BLOB LiteralQuadruple)而非BLOB数据内容本身，该四元组为<句柄，长度，摘要，32位标志>，其中BLOB句柄为每个BLOB数据分配的一个唯一的标识；

(2)BLOB属性值中的数据内容存储在一个命名为BlobStorage的后端存储系统上，BlobStorage维护BLOB句柄与BLOB数据内容之间的映射，即可以根据句柄获得BLOB数据内容；

(3)用户可以根据BlobStorage的接口要求，基于关系型数据库、文件系统等来实现后端存储系统。特别的，本发明基于本地文件系统，提供了一个可用的BlobStorage。

特别的，BlobStorage系统提出了如下接口方法：

(1)fromHandle：根据句柄，获取到对应的BLOB数据；

(2)insert：保存指定的BLOB内容，并返回新的句柄；

(3)delete：删除指定句柄的BLOB；

(4)update：保存指定的BLOB内容至指定的BLOB属性；

本发明系统同时提供了一套基于本地文件系统实现的BlobStorage，对应的类名为LocalFileSystemBlobStorage。

LocalFileSystemBlobStorage的insert()方法的实现步骤如下：

(1)根据当前系统时间创建一个唯一编号ID，作为BLOB句柄；

(2)在约定目录下创建一个新文件，文件名为<ID>.bin，写入传入的BLOB内容；

(3)同时生成一个<ID>.md5文件，写入BLOB内容的摘要；

(4)返回ID；

LocalFileSystemBlobStorage的delete()的实现步骤如下：

(1)获取到传入的句柄ID；

(2)删除约定目录下的文件<ID>.bin；

(3)删除约定目录下的文件<ID>.md5；

LocalFileSystemBlobStorage的fromHandle()的实现步骤如下：

(1)获取到传入的句柄ID；

(2)找到约定目录下的文件<ID>.bin，以及<ID>.md5，根据<ID>.bin文件的内容、<ID>.bin文件的大小、<ID>.md5文件的内容构建BLQ四元组以及BLOB数据内容；

(3)返回BLOB数据内容；

实施例5、RDF-B模型操作模块

由于传统RDF模型缺乏对BLOB属性的支持，为了实现对RDF-B模型的操作，需要采用如下步骤：

(1)基于Jena创建一个标准的RDF数据模型(com.hp.hpl.jena.rdf.model.Model类对象)，如：

Model model＝ModelFactory.createDefaultModel()；

或者从已有存储中构建一个RDF数据模型model：

Model model＝TDBFactory.createDataset(tdbDir).getDefaultModel().

(2)创建一个BlobStorage类(参见实施例4)的对象blobStorage；

(3)利用addBlobNature(model,blobStorage)方法将以上model改造成RDF-B数据模型blobModel；

如上所述，addBlobNature(model,blobStorage)方法实现了传统RDF的改造，改造的具体方法如下：

(1)定义BlobTripleTable类，该类继承了Jena的com.hp.hpl.jena.tdb.store.TripleTable；

(2)实现BlobTripleTable的add()方法，在添加该RDF三元组的时候，调用blobStorage的create()方法，将BLOB对象写入到后端存储系统中；

(3)实现BlobTripleTable的delete()方法，在删除该RDF三元组的时候，调用blobStorage的delete()方法，同时删除后端存储中的BLOB内容(参见实施例4)；

(4)实现BlobTripleTable的update()方法，在更新该RDF三元组的时候，调用blobStorage的update()方法，更新后端存储中的BLOB内容(参见实施例4)；

(5)修改传入参数model内部的TripleTable对象，将其替换成一个BlobTripleTable类的对象；

(6)在用户程序针对RDF-B模型进行三元组的更新操作时，以上BlobTripleTable对象的add()、delete()和update()方法会被自动调用，从而实现存储后端的同步；

通过如上方法，可以得到RDF-B模型，为了向RDF-B模型中写入RDF三元组，可以采用如下步骤：

(1)创建BLOB属性值：可以利用BlobLiteralFactory类(参见实施例3)，创建某个BLOB属性值，命名为blobLiteral；

(2)调用com.hp.hpl.jena.rdf.model.Model的相关方法来增添一个三元组，如：blobModel.add(person,photo,blobLiteral)。

实施例6、RDF-B函数与SPARQL查询

为了实现对BLOB属性值的操作，本发明定义了BLOB属性值的6个操作，并实现了对应的函数类，它们分别是：

(1)GetDigest：获取指定BLOB数据的摘要，接受一个参数，该类继承于com.hp.hpl.jena.sparql.function.FunctionBase1；

(2)GetLength：获取指定BLOB数据的长度，接受一个参数，该类继承于com.hp.hpl.jena.sparql.function.FunctionBase1；

(3)GetMark：获取指定BLOB数据的摘要，接受一个、两个、三个参数，该类继承于com.hp.hpl.jena.sparql.function.FunctionBase；

(4)IsBlob：判断属性是否为BLOB数据，接受一个参数，该类继承于com.hp.hpl.jena.sparql.function.FunctionBase1；

(5)ToBytes：将BLOB数据的内容转换成字节数组，接受一个参数，该类继承于com.hp.hpl.jena.sparql.function.FunctionBase1；

(6)ToString：将BLOB数据的内容转换成文本串，接受一个参数，该类继承于com.hp.hpl.jena.sparql.function.FunctionBase1；

以GetDigest为例，它的类定义如下：

基于Jena的ARQ模块，可以封装针对RDF-B模型的SPARQL查询引擎。一旦在SPARQL查询引擎中注册了以上操作函数，用户程序就可以在SPARQL查询语句中调用这些操作函数，从而达到关联查询的效果，示例：

select？name

where{

？person<#name>？name.

？person<#photo>？photo

FILTER(blob:isBlob(？o)&&blob:mark(4)＝’GIF89a’)

}

该SPARQL语句查询包含有照片，且照片的标志为GIF89a(格式为GIF图片)的人员的姓名。其中出现的blob:isBlob()和blob:mark()对应于IsBlob()和GetMark()函数。

Claims

1.一种支持BLOB的多元大数据融合方法，其步骤为：

2.如权利要求1所述的方法，其特征在于，创建BLOB类型的属性值的方法为：首先获取该数据的前若干字节作为所述标志信息，然后创建一二进制字节数组保存该数据的内容，获取该数据的长度并生成该数据的摘要。

3.如权利要求1所述的方法，其特征在于，根据该句柄将该BLOB类型的属性值中的数据内容存储到所述后的存储系统的方法为：首先根据当前系统时间创建一个唯一编号ID，作为句柄；然后在所述后端存储系统的设定目录下创建一个新文件，文件名为<ID>.bin，写入该BLOB类型的属性值的数据内容；并且生成一个<ID>.md5文件，写入所述摘要。

4.如权利要求1或2或3所述的方法，其特征在于，根据字节数组生成BLOB类型的属性值,、根据文件生成BLOB类型的属性值、根据输入流数据源生成BLOB类型的属性值或根据文本串生成BLOB类型的属性值。

5.如权利要求1或2或3所述的方法，其特征在于，所述标志信息为一32位的标志。

6.一种支持BLOB的多元大数据融合系统，其特征在于，包括一RDF-B数据模型，一后端存储系统和一前端存储系统；其中，

后端存储系统，用于根据句柄将对应BLOB类型的属性值中的数据内容进行存储；所述后端存储系统维护句柄与对应BLOB类型的属性值的数据内容之间的映射。

7.如权利要求6所述的系统，其特征在于，所述RDF-B数据模型获取数据的前若干字节作为所述标志信息，然后创建一二进制字节数组保存该数据的内容，获取该数据的长度并生成该数据的摘要，生成该数据的BLOB类型的属性值。

8.如权利要求6所述的系统，其特征在于，所述RDF-B数据模型根据当前系统时间创建一个唯一编号ID，作为句柄；然后在所述后端存储系统的设定目录下创建一个新文件，文件名为<ID>.bin，写入该BLOB类型的属性值的数据内容；并且生成一个<ID>.md5文件，写入所述摘要。

9.如权利要求6或7或8所述的系统，其特征在于，基于RDF数据模型创建支持BLOB的RDF-B数据模型。

10.如权利要求6或7或8所述的系统，其特征在于，所述标志信息为一32位的标志；根据字节数组生成BLOB类型的属性值,、根据文件生成BLOB类型的属性值、根据输入流数据源生成BLOB类型的属性值或根据文本串生成BLOB类型的属性值。