爲什麼芝麻限於150m三倍？

Question

我不完全說它是有限的，但只要我能看到給出的建議就是「如果你需要超越，你可以改變後端存儲......」。爲什麼？爲什麼芝麻不像OWLIM或Allegrgraph那樣有效率超過150-200m三倍。爲實現這一目標而實施了哪些優化？基礎數據結構有何不同？

Answer 1

通過@Jeen Broekstra在這裏找到答案： http://answers.semanticweb.com/questions/21881/why-is-sesame-limited-to-lets-say-150m-triples

1. 構成一個RDF陳述（也就是主語，謂語和對象）在一個相對簡單的哈希被索引的實際值，將整數ID映射到實際數據值。此索引執行大量內存中緩存來加速查找，但隨着存儲大小的增加，緩存中不存在值且需要從磁盤中檢索值的概率（在插入或查找過程中）會增加，並且此外隨着散列大小的增加，磁盤上查找本身變得更加昂貴。
2. 爲了最大限度地利用B樹節點的檢索速度，對本地存儲中的數據檢索進行了平衡，以最大限度地利用文件系統頁面大小。此優化依賴於重複使用相同數據塊的連續查找，以便可重用OS級頁面緩存。然而，隨着交易規模（以及B樹）的增長，這種啓發式開始更加頻繁地失敗。
3. 隨着B型樹的規模不斷擴大，大型連鎖分裂的可能性也隨之增加。