关系数据库的数据不必先完整导出成三元组,才能通过 RDF 词汇供图查询使用。OBDA(Ontology-Based Data Access)和虚拟知识图谱(VKG)用映射定义关系行怎样形成 RDF 事实,再把面向图的 SPARQL 查询改写为源数据库能执行的 SQL。用户得到的是一层可查询的图视图,底层数据仍由关系库管理。它适合在既有系统上增加语义访问接口,但不会自动修复脏数据、创造缺失事实,也不代表任意 OWL 公理都能被高效推理。
1. 映射定义的是图视图,不是第二份事实库
传统 ETL 常先抽取关系行、转换字段,再把结果写入 RDF 文件或三元组存储。OBDA 则把“如何从源数据得到 RDF 事实”保留为显式映射;查询到来时,系统依据映射访问关系数据,形成虚拟图的查询答案。RDF 视图是语义接口,不意味着数据库表被原地改成图,也不要求每次请求都先把全库物化成三元组。
W3C 的 R2RML Recommendation 为关系数据库到 RDF 的映射定义标准化表达。映射本身是 RDF 图,核心单元是 TriplesMap:它选定逻辑表(数据库表、视图或 SQL 查询结果),为每一行生成一个主题,并通过一个或多个谓词—对象映射生成三元组。主题、谓词和对象可以来自常量、列或模板;对象也可以引用另一条 TriplesMap 的主题,通过 join 条件连接两类行。
下例是一个简化的 R2RML 示意:person 行用稳定的 id 组成个人 IRI;full_name 成为带中文语言标签的字面量;team_id 与 team 表的 id 连接,得到指向团队主题的关系。示例展示映射结构,不依赖特定数据库的表定义,也不应照抄后就假定生产库的键、语言和空值策略合适。
@prefix rr: <http://www.w3.org/ns/r2rml#> .
@prefix ex: <https://data.example.org/vocab/> .
@prefix map: <https://data.example.org/mapping#> .
map:PersonMap a rr:TriplesMap ;
rr:logicalTable [ rr:tableName "person" ] ;
rr:subjectMap [
rr:template "https://data.example.org/person/{id}" ;
rr:class ex:Person
] ;
rr:predicateObjectMap [
rr:predicate ex:name ;
rr:objectMap [ rr:column "full_name" ; rr:language "zh" ]
] ;
rr:predicateObjectMap [
rr:predicate ex:team ;
rr:objectMap [
rr:parentTriplesMap map:TeamMap ;
rr:joinCondition [ rr:child "team_id" ; rr:parent "id" ]
]
] .
map:TeamMap a rr:TriplesMap ;
rr:logicalTable [ rr:tableName "team" ] ;
rr:subjectMap [
rr:template "https://data.example.org/team/{id}" ;
rr:class ex:Team
] ;
rr:predicateObjectMap [
rr:predicate ex:teamName ;
rr:objectMap [ rr:column "team_name" ; rr:language "zh" ]
] .
关系库的整数主键可以参与 IRI 模板,但模板本身不会替建模者保证标识长期稳定、全局唯一或不会碰撞。若表重建后主键重排,原先生成的公开 IRI 可能改指另一条记录;若跨租户表的 id 重复,只用 {id} 也可能令两个主体映到同一个 IRI。应依据领域标识、复合键和 URI 生命周期设计模板,并检查编码、空值和数据类型。R2RML 会按映射规则处理模板值;引用列为 NULL 时不能生成相应 RDF 项,错误的 IRI 构造也应在测试中暴露,而不是留给端点的空结果来提示。
因此,映射不只是“列名换成谓词名”。它公开了实体身份、关系方向、字面量类型与语言、数据库键和空值如何解释等契约。团队最好将它与数据库 schema、词汇表和变更记录一起版本管理;没有列明的业务规则,不会因为被映射成 RDF 就自动成立。
2. Mapping、ontology 与 SPARQL 查询各司其职
Mapping 回答“源数据中的哪些行与列生成哪些 RDF 三元组”;ontology 则给暴露出来的类、属性和关系提供词汇及可选的轻量逻辑公理;SPARQL 是使用者针对图视图提出的查询。三者有关联,但不能互相替代。只写 ontology 不会告诉系统哪张表含有员工;只写 mapping 也不会自动得知两个谓词同义,或某类成员可以从另一个类推导出来。
Ontop 官方文档将 VKG 描述为把非 RDF(通常是关系型)数据以 RDF 图形式提供、而数据仍留在来源的系统。VKG 规范由 mappings 构成,并可选配 ontology;该项目文档说明 Ontop 支持 R2RML 与其原生映射语言,也支持轻量级 RDFS 或 OWL 2 QL ontology,并将面向 VKG 的 SPARQL 转成 SQL 后在关系源上执行。这里的“支持”有明确实现边界:它不是任意 OWL 2 公理都可直接交给系统,再假设完整逻辑推理与 SQL 改写都能完成。
例如,用户只想查询“员工属于哪个团队”,可以只映射 person、team 和外键关系;如果希望查询者使用统一的 ex:Person、ex:team 词汇,而后台源表叫 hr_worker、dept_ref,mapping 就承担字段与 RDF 词汇之间的连接。额外 ontology 可以声明一些轻量关系,例如子属性或类层级,再由系统在支持范围内将其纳入查询回答。若业务规则涉及系统不支持的 OWL 构造,需在数据准备、查询层或独立推理流程解决,不能把“配置文件可加载”误认为“查询答案已经涵盖所有逻辑后果”。
建模时要把领域概念与物理 schema 松耦合。表名、列名、内部外键可以变化,只要映射仍保持公开图视图的身份和含义,调用方不必随每次数据库迁移重写 SPARQL。反过来,如果公开类或关系的含义变更,单纯调整 SQL 不足以完成语义版本治理;还要检查已有查询、消费者和本体约束。
3. SPARQL 到 SQL:查询经过哪些边界
一个虚拟查询的高层路径可以概括为:客户端提交 SPARQL;系统解析查询并结合 ontology 与 mapping 找出可用的 RDF 事实来源;将图模式展开为关系代数或 SQL;数据库执行相应查询;系统再将结果列恢复为 RDF term 和 SPARQL 结果绑定。图中的 SQL 是概念示意,具体系统的内部计划、优化阶段和 SQL 文本会因版本、数据库方言、映射形式和查询而异。
flowchart LR
U[客户端提交 SPARQL] --> Q[解析图模式与查询表达式]
Q --> M[结合 ontology 与 mapping 展开 RDF 视图]
M --> S[改写为数据库可执行的 SQL]
S --> D[关系数据库执行与优化]
D --> R[结果列恢复为 RDF 项与绑定]
R --> U
假设前一节的映射暴露了 ex:Person、ex:team 和 ex:teamName,下面是面向该虚拟图的查询示意。它查询属于团队名含“平台”的人员;实际结果取决于某个 endpoint 加载的映射、源表数据和 SPARQL 实现,而不是将这段查询直接发给数据库执行。
PREFIX ex: <https://data.example.org/vocab/>
SELECT ?person ?teamName WHERE {
?person a ex:Person ;
ex:team ?team .
?team ex:teamName ?teamName .
FILTER(CONTAINS(STR(?teamName), "平台"))
}
查询中看似两条 RDF 边的连接,会对应到映射中的 person.team_id = team.id;类型条件来自 PersonMap 的 rr:class;名称过滤则需转换为数据库对字符串的筛选操作,或在结果端处理。若 ontology 引入了系统支持的子类或子属性,查询改写可能还要考虑这些关系。最终 SQL 不只是把 SELECT 字面翻译一下,而是把 RDF term 生成规则、关系 join、过滤、投影和 SPARQL 的结果语义落实到数据源能力上。
在实际优化中,mapping 的逻辑表可能已经是一个视图或 SQL 查询。简单列映射通常容易展开成数据库投影和连接;含聚合、复杂表达式或厂商特有函数的源查询,则会影响系统继续下推过滤和合并查询的能力。Ontop 的原生 mapping language 文档明确说明,其解析器只解析简单 SQL;含 UNION、聚合、ORDER BY 等的 SQL 会作为黑盒视图交给数据库,因此系统对这些源查询的优化空间有限。这是 Ontop 特定实现文档中的限制,不应误说成 R2RML 标准禁止数据库视图或 SQL 查询。
还要谨慎处理语义不对齐。例如,RDF literal 的数据类型与语言标签可能影响过滤结果;数据库 NULL 不等于 RDF 字面量 "";关系库 collation 的大小写比较不一定与 SPARQL 字符串比较完全一致;时区、十进制和日期的格式转换也可能造成结果差异。查询优化必须证明改写保留相关语义,而不能只观察 SQL 计划是否更短。对调用方而言,查询是否支持、哪些表达式可下推、遇到未映射字段如何返回,应以目标版本的官方兼容说明和实际测试为准。
4. 虚拟查询还是物化 RDF:取舍在数据与负载
虚拟与物化不是“先进与落后”的等级,而是把成本放在不同阶段。虚拟方案主要在查询时访问源库,不必先维护一份完整图副本;物化方案则先将映射结果生成 RDF 数据,再写入三元组存储或文件,查询时从该图存储读取。前者把转换、连接和部分优化放到查询路径,后者把抽取、转换、加载与刷新放到数据准备路径。
| 维度 | 虚拟知识图谱 | 物化 RDF 图 |
|---|---|---|
| 数据副本 | 查询时从关系源生成答案,通常不复制整张 RDF 图 | 生成并保存映射后的三元组副本 |
| 可见性 | 读取源库当前可见数据;实际新鲜度仍受事务、缓存和副本影响 | 取决于全量或增量刷新计划,可能存在同步延迟 |
| 查询成本 | 受 SPARQL 改写、源库索引、join 与并发负载影响 | 由图存储索引与图查询能力承担,另有生成和加载成本 |
| 数据治理 | 需管理源库权限、映射和查询访问边界 | 需同时管理源数据与生成图的来源、同步和删除策略 |
| 常见考虑 | 数据实时变化、希望避免复制、SQL 源是权威数据 | 图查询密集、希望降低源库查询耦合或需要独立图副本 |
虚拟方案的优势要具体看:若关系库已是权威数据源、更新频繁且能处理目标 SQL,VKG 可避免为语义接口另建一条完整同步链。它并不等于“零成本实时”:每个请求仍要消耗源库 CPU、连接和 I/O;复杂图模式可展开为昂贵的多表连接;源库宕机或权限限制也会影响图查询。即使读取主库,事务隔离、读副本延迟、缓存和连接池行为都会影响调用方看到的数据时点。
物化适合对图数据做高频、低延迟或与源库隔离的查询,也可把多个源的映射结果固化成可独立服务的图快照。但生成副本带来磁盘空间、刷新和数据血缘成本:全量重建可能需要资源,增量同步要处理更新、删除、键变更和重试。同步策略决定图版本与源库版本是否一致;物化并不会自动解决数据质量和映射正确性。
混合方案也常见:核心在线实体通过 VKG 查询,热点数据或高成本派生结果定期物化;或者先物化用于分析与公开分发,保留虚拟 endpoint 给内部新鲜查询。选择前以真实查询集评估,包括并发、扫描范围、源库负载、允许的过期窗口、故障隔离和审计要求。没有跨系统通用的 benchmark 数字能替你决定,因为数据库结构、数据分布、索引、硬件和查询都参与结果。
5. 映射的测试要覆盖身份、空值和查询结果
映射测试不能只确认配置文件能解析。一个可行的验证闭环是:挑选受控的测试数据行;声明预期 RDF 三元组;运行 R2RML 处理器或目标 VKG 对应的物化输出;将实际图与预期图比较;再对 endpoint 运行有代表性的 SPARQL 查询,确认返回的绑定与源数据的领域含义一致。映射或 ontology 更新后重复这些用例,避免数据库迁移不经意改变公开图接口。
身份与 URI 模板
给每条目标主体确定稳定键,验证唯一性、复合键、租户范围和历史迁移。测试模板列的百分号编码和保留字符;同一个业务实体是否会因大小写或前导零不同而生成两个 URI;两个不同源实体是否可能产生同一 URI;主键重排会不会把旧 URI 指向新对象。数据库主键若仅在单表或单租户内唯一,就把相应命名空间加入模板或使用可靠的全局业务标识。
空值、连接与字面量
为可空列、缺失外键、无效日期、空字符串、非 ASCII 字符和重复关系准备边界记录。确认 NULL 时不生成意外的 IRI 或 literal;孤儿外键的行为符合预期;字面量的数据类型和语言标签正确;数字、布尔值、日期时间等词形按既定映射规则生成。对每一种对象属性,还要验证主客方向、join 条件和基数,防止把外键连接方向写反,或错误地把一对多解释为单值。
查询与权限边界
用代表性 SPARQL 查询检查简单类型查询、跨表连接、过滤、OPTIONAL、聚合和分页等调用场景;对不支持的 SPARQL 功能、复杂 SQL mapping、特殊数据库类型和 ontology 公理单独记录。查询结果要与预期的 RDF 项绑定比较,而不只比文本格式。确认 API 使用的数据库账号只有必要的读取权限,并限制可公开映射的表、列和敏感字段;虚拟接口不能因为没有生成 RDF 文件就被视作天然安全。
上线前还应收集查询计划和资源指标,观察在代表性负载下的慢查询、连接池、超时及源库影响;以数据库厂商提供的 EXPLAIN 等工具检查生成 SQL 是否利用正确索引。性能是运行数据,不是映射语义的证据。升级 endpoint、数据库驱动或映射文件时,分别跑正确性回归与负载测试,避免把一次版本变化的意外差异当成正常行为。
6. 与 GraphRAG 和语义检索不是同一层
VKG 和 OBDA 的主要目标是数据访问与集成:关系数据按照显式 mapping 显示为 RDF 事实,调用方用 SPARQL 查询,回答来自映射覆盖的数据及系统声明支持的推理语义。GraphRAG 或语义检索系统的目标往往是从文档、向量索引或关系结构中召回上下文,再交给语言模型生成回答或摘要。前者的核心验收问题是“查询映射和结果语义是否正确”;后者还需评价召回覆盖、文本证据、生成内容和幻觉风险。
二者可以组合,但不是彼此的替代品。应用可以把 VKG 当作一个结构化检索源,再把查询得到的记录提供给生成模型;也可以用全文或向量检索补充 RDF 图中没有建模的非结构化内容。组合时需要标注答案来自精确查询还是模型生成,保留来源与时间戳,并避免把自然语言模型的推断结果写回关系事实表而不经验证。若需求只是跨现有业务库执行确定的字段与关系查询,先评估 OBDA;若需求是从长文档找语义相似片段并组织叙述,评估检索生成系统。名称都含“知识图谱”并不意味着查询路径、事实责任或质量指标相同。
参考资料
- R2RML: RDB to RDF Mapping Language — W3C Recommendation,2012-09-27;定义关系表、逻辑表、TriplesMap 与 term map 等映射语义。
- Ontop: Introduction — Ontop 官方文档;说明 VKG、mappings、可选 ontology 及 SPARQL 到 SQL 的基本路径。
- Key concepts — Ontop 官方文档;核对 mappings、RDFS/OWL 2 QL ontology 和查询回答的定位。
- Ontop Mapping Language — Ontop 官方文档;说明原生 mapping 文件格式以及复杂 SQL 作为黑盒视图的优化限制。
- Ontop Tutorial — 官方教程;从 VKG 建模、映射、部署 SPARQL endpoint 延伸到物化等场景。
- Virtual Knowledge Graphs: An Overview of Systems and Use Cases — Guohui Xiao、Linfang Ding、Benjamin Cogrel、Diego Calvanese,Data Intelligence 1(3),2019,201–223;概述 VKG/OBDA 范式、查询改写与应用。题设所列
10.1007/s00778-019-00567-y经核对不对应这篇文章,已改用出版记录中的 DOI。 - The Virtual Knowledge Graph System Ontop — Guohui Xiao 等,ISWC 2020,259–277;Ontop 系统论文。题设所列 DOI 后缀
_16对应 Grévisse 与 Rothkugel 的 Swift 语言 SKOS 词表论文,Ontop 论文为_17。
读者留言
COMMENTS 暂无还没有留言,来说第一句?