English (United Kingdom)

https://curated-unify.zendy.io/wp-json/zendy-region/v1/featured_content/oa?rat=en

https://curated-unify.zendy.io/wp-json/zendy-region/v1/highlighted_journal/

Global: Zendy Plus annual

Presents the access of premium content as premium feature

Premium Content

Presents the keyphrase highlighting as premium feature

Keyphrase Highlighting

Presents the summarisation as premium feature

Summarisation

Insights

Presents the pdf analysis as premium feature

PDF Analysis

Presents the zaia usage as premium feature

ZAIA

Global: Zendy Tools annual

Global: Zendy Free Plan

Global: Zendy Tools monthly

Global: Zendy Plus monthly

In RDF, a query can involve both data stored in third party autonomous databases and accessed through SPARQL endpoints, as well as data stored on a proprietary base. Federated systems process this type of query by accessing the external and proprietary databases as black-boxes. A moderator is responsible for sending sub-queries to the databases and combine their results. On the other hand, a traditional RDF system does not support accesses to external bases, but uses its proprietary base as a white-box, which allows optimizations in its internal processing strategies. This article proposes an alternative to the federated architecture, called FeSHyD, which explores a distributed proprietary base, allowing its servers to communicate with third-party databases during the query processing. The proposal promotes the parallel processing of queries on the proprietary base, decentralizing the tasks of the moderator in a federated system. Initial experiments show that FeSHyD can reduce query response time by up to 45% when compared to federated systems. Resumo. No modelo RDF, uma consulta pode envolver tanto dados armazenados em bases autônomas de terceiros e acessados através de endpoints SPARQL, bem como dados armazenados em uma base proprietária. Sistemas federados processam esse tipo de consulta acessando as bases externa e proprietária como caixas-pretas. Um moderador envia subconsultas para as bases, que retornam os resultados das requisições. Por outro lado, um sistema RDF tradicional não acessa bases externas, mas utiliza sua base proprietária como caixabranca, o que permite otimizações nas estratégias de processamento interno do sistema. Este artigo propõe uma alternativa à arquitetura federada, chamada de FeSHyD, que explora uma base proprietária distribuı́da, permitindo a comunicação dos seus servidores com bases de terceiros durante o processamento de consultas. A proposta promove o processamento paralelo de consultas na base proprietária, descentralizando a tarefa do moderador dos sistemas federados. Experimentos iniciais mostram que o FeSHyD pode reduzir o tempo de resposta de consultas em até 45% quando comparado com sistemas federados. 1. Introdução A Web Semântica promove a publicação de dados que podem ser interpretados tanto por humanos quanto por máquinas. O consórcio W3C definiu como seu modelo padrão o RDF (Resource Description Framework) e como linguagem de consulta o SPARQL (SPARQL Protocol and RDF Query Language). Para integrar dados de diferentes fontes, consultas SPARQL podem ser enriquecidas combinando diversas bases RDF em uma única requisição. Consultas desse tipo podem auxiliar usuários de sistemas RDF em suas pesquisas cotidianas até decisões em ambientes empresariais. Sistemas federados dão suporte a consultas que envolvem múltiplas bases de dados [Rakhmawati et al. 2013]. Dada uma consulta, o moderador do sistema elabora um plano de execução envolvendo as etapas de análise e de seleção das fontes de dados relevantes para a consulta. No planejamento, o moderador divide a consulta em subconsultas que são enviadas às bases de dados selecionadas. Sistemas federados assumem que as bases pertencem a organizações de terceiros, acessando as bases como caixas-pretas, ou seja, elas simplesmente retornam os resultados das subconsultas recebidas. Bases deste tipo são acessadas por meio de endpoints SPARQL. Na sequência, o moderador processa as respostas obtidas a fim de gerar o resultado final da consulta. Em um cenário no qual uma consulta envolve dados armazenados tanto em uma base de propriedade do próprio usuário que submete a consulta como em bases de terceiros, existem duas alternativas que podem ser adotadas para o seu processamento: (i) utilizar um sistema de consultas federado que considera todas as bases como caixaspretas; (ii) ter uma intervenção do usuário para obter resultados intermediários do sistema RDF proprietário para encaminhá-los aos endpoints. A primeira alternativa é preferı́vel, comparada à segunda, porque não passa para o usuário a responsabilidade de fazer as ligações entre as bases proprietárias e de terceiros. No entanto, tratar uma base proprietária como uma caixa-preta pode deixar de explorar possı́veis otimizações, uma vez que o proprietário pode ter acesso irrestrito aos seus dados e à estratégia de processamento interno de consultas. Ou seja, a base proprietária pode ser tratada como uma caixabranca1. Esse artigo explora esta alternativa, considerando uma base proprietária RDF distribuı́da. É proposto o sistema FeSHyD (Federated Search on Hybrid Databases), que viabiliza o processamento de consultas SPARQL sobre uma base de dados distribuı́da e hı́brida. O termo hı́brido refere-se à composição da base do sistema, com uma base proprietária distribuı́da, tratada como caixa-branca, e bases de terceiros, acessadas como caixas-pretas por meio de endpoints SPARQL. A abordagem de processamento proposta permite a comunicação direta dos servidores da base proprietária com endpoints SPARQL durante o processamento de consultas, explorando o processamento paralelo entre os servidores durante o execução de consultas. Vale destacar que a abordagem proposta oculta dos usuários do sistema os detalhes envolvidos na execução de consultas. Um estudo experimental comparou a abordagem de processamento de consultas do FeSHyD com uma abordagem baseline que adota a base proprietária como caixapreta, assim como os sistemas federados. Os resultados experimentais mostraram que o FeSHyD pode reduzir o tempo de processamento em até 45%. O restante do artigo está organizado da seguinte maneira. A Seção 2 apresenta os trabalhos relacionados. O sistema proposto é descrito na Seção 3. Os experimentos são descritos na Seção 4 e a conclusão na Seção 5. 2. Trabalhos Relacionados Existem diversos sistemas propostos na literatura que executam consultas SPARQL que envolvem múltiplas bases de dados. Elas variam na forma de acesso da 1Os termos caixa-branca e caixa-preta são utilizados com significado similar às técnicas de geração de casos de teste de software: que exploram a estrutura interna do programa e que utilizam apenas sua entrada e saı́da, respectivamente. base proprietária e/ou de terceiros, como caixa-preta ou caixa-branca. A Tabela 1 compara cinco sistemas com a proposta do FeSHyD, que é o único sistema que processa consultas SPARQL acessando uma base proprietária distribuı́da como caixa-branca e bases de terceiros como caixa-preta. Os sistemas SPLENDID [Görlitz and Staab 2011], oLinDa [da Cunha and Lóscio 2014], Lusail [Abdelaziz et al. 2017] e FedX [Schwarte et al. 2011] são sistemas federados que executam consultas em bases de terceiros acessadas como caixas-pretas, mas que não consideram a existência de bases proprietárias. Dentre os sistemas que consideram uma composição hı́brida estão o Ephedra [Nikolov et al. 2017] e o SIHJoin [Ladwig and Tran 2011]. O Ephedra acessa bases proprietárias distribuı́das e de terceiros como caixa-preta. Além disso, o Ephedra requer auxı́lio dos usuários para a seleção das bases envolvidas nas consultas, enquanto o FeSHyD automatiza esse processo usando metadados da base distribuı́da e hı́brida. Por fim, o SIHJoin acessa uma base proprietária centralizada como caixa-branca, além do acesso como caixa-preta a bases de terceiros. Usando a ideia de caixa-branca, o SIHJoin explora a indexação de dados na base centralizada para a otimização de consultas. No mesmo sentido, o FeSHyD explora a estratégia de processamento interno de consultas de uma base proprietária distribuı́da. Base Proprietária Base de Terceiros Armazenamento Acesso Armazenamento Acesso SPLENDID X X Distribuı́da Caixa-Preta (SPARQL) oLinDa X X Distribuı́da Caixa-Preta (SPARQL) Lusail X X Distribuı́da Caixa-Preta (SPARQL) FedX X X Centralizada e Distribuı́da Caixa-Preta (SPARQL) Ephedra Distribuı́da Caixa-Preta (SPARQL) Distribuı́da Caixa-Preta (SPARQL) SIHJoin Centralizada Caixa-Branca Distribuı́da Caixa-Preta (SPARQL) FeSHyD Distribuı́da Caixa-Branca Distribuı́da Caixa-Preta (SPARQL) Tabela 1. Sistemas que executam consultas SPARQL em bases RDF distribuı́das

Integrando Bases Autônomas Externas no Processamento de Consultas em Bases RDF Distribuídas