Evaluation verschiedener Triple-Stores zum Speichern von Metadaten im Kontext des Forschungsdatenmanagements

Transkript

1 Evaluation verschiedener Triple-Stores zum Speichern von Metadaten im Kontext des Forschungsdatenmanagements Sarah Bensberg - Seminarvortrag

2 Inhaltsverzeichnis Motivation - Forschungsdatenmanagement an der RWTH Aachen Techniken für den Umgang mit Metadaten Evaluation ausgewählter Triple-Stores Fazit & Ausblick 2

3 Motivation - Forschungsdatenmanagement an der RWTH Aachen

4 Motivation - Forschungsdatenmanagement an der RWTH Aachen Forschungsdatenmanagement Sammlung von Daten (Forschungsdaten) Auswertung Archivierung der Forschungsdaten 4

5 Motivation - Forschungsdatenmanagement an der RWTH Aachen Forschungsdatenmanagement Ziel Nachvollziehen und Nachnutzung von Forschungsdaten Problem Unspezifische Formate Lösung Abspeichern von Metadaten 5

6 Motivation - Forschungsdatenmanagement an der RWTH Aachen Workflow PID generieren Metadaten verknüpfen Forschungsdaten verknüpfen Metadaten formalisieren Metadaten abspeichern Forschungsdaten beschreiben Forschungsdaten erstellen Forschungsdaten abspeichern 6

7 Techniken für den Umgang mit Metadaten

8 Grundlagen Semantic Web - Resource Description Framework (RDF) - Darstellung von Informationen im Web - Ablage von Daten-Tripeln: Objekt Subjekt Literal - Elemente: leere Knoten, Datentyp-Literale oder Internationalized Resource Identifier (IRIs) 8

9 Grundlagen Graphdatenbanken Graphen zur Abbildung von Informationen Knoten und Kanten mit Eigenschaften bilden einen Graphen Triple-Stores Abspeichern von Tripeln (RDF) SPARQL als Abfragesprache 9

10 Grundlagen Semantic Web - SPARQL Protocol And RDF Query Language (SPARQL) Abfragesprache Beispiel SQL: Beispiel SPARQL Query: 10

11 Evaluation verschiedener Triple-Stores

12 Evaluation verschiedener Triple-Stores Betrachtete Triple-Stores Ontotext GraphDB Stardog Blazegraph Apache Jena Fuseki BrightstarDB OpenLink Virtuoso 12

13 Evaluation verschiedener Triple-Stores Anforderung Unterstützung von RDF SPARQL-Abfragen < 2s Gesamtexport aller abgelegter Daten Einfügen und Löschen einzelner Tripel Programmatisches Abspeichern von Dateien im RDF-Modell Abspeichern der Daten sollte < 2s dauern Verfügbarkeit Dokumentation Stabilität / Wartbarkeit Bewertungskategorien Funktionalität SPARQL Abfrage allgemein SPARQL Abfrage Zeitmessung Import allgemein Import Gesamtspeicherverbrauch Import Speicherverbrauch Dataset Ordner Import Zeitmessung Verfügbarkeit Dokumentation Benötigter Speicher Installation Leistungsüberwachung 13

14 Evaluation verschiedener Triple-Stores Bewertungskategorie SPARQL Abfrage Zeitmessung 14

15 Dauer in ms Evaluation verschiedener Triple-Stores Bewertungskategorie SPARQL Abfrage Zeitmessung GraphDB Virtuoso Apache Jena BrightstarDB Stardog Query 1 Query 2 Query 3 Query 4 Query 5 Query 6 SPARQL Anfragen 15

16 Dauer in ms Evaluation verschiedener Triple-Stores Bewertungskategorie SPARQL Abfrage Zeitmessung 250 Gesamtauswertung SPARQL Abfragen GraphDB Virtuoso Apache Jena BrightstarDB Stardog Triple-Stores 16

17 erzielte Gesamtpunktzahl Evaluation verschiedener Triple-Stores Auswertung Bewertung der Triple-Stores, welche den Anforderungen entsprechen GraphDB Virtuoso Apache Jena BrightstarDB Triple-Stores 17

18 Fazit & Ausblick

19 Fazit & Ausblick Fazit Triple-Store als Umsetzungsmöglichkeit Verwendung von Virtuoso oder GraphDB 19

20 Fazit & Ausblick Ausblick Nähere Betrachtung von Virtuoso und GraphDB Umsetzung der Suche in den Metadaten 20

21 Quellenverzeichnis Quellen: M. Politze und F. Krämer. Towards a distributed research data management system T. Eifert. Forschungsdatenmanagement an der RWTH Aachen URL: S. Decker u. a. The Semantic Web: the roles of XML and RDF T. Tikwinski. Verknüpfte Daten abfragen mit SPARQL URL: K. Alexander. The Difference Between a Triplestore and a Relational Database. URL: Zugehörige Seminararbeit Evaluation verschiedener Triple-Stores zum Speichern von Metadaten im Kontext des Forschungsdatenmanagements Bilder: GraphDB: Stardog: Blazegraph: Square_300x300.png Apache Jena Fuseki: Apache Jena Fuseki Workbench BrightstarDB: Virtuoso: 21

22 Vielen Dank für Ihre Aufmerksamkeit! 22