virtuoso装载大文件的方法

本文详细介绍了将一个比较大的rdf文件装载到virtuoso数据库的过程。参考virtuoso网站的文档说明，通过实践，将一个大约4.6G左右的nt文件装载到virtuoso数据库中，用了大概6个多小时。参考网站：http://vos.openlinksw.com/owiki/wiki/VOS/VirtBulkRDFLoader
以下是具体的步骤。
一 准备条件
1 virtuoso的版本要求。Open source version 6.1.3以上或者commercial version 06.02.3129以上，这些版本有大文件装载函数（方法）。
2 在virtuoso.ini中设置参数”DirsAllowed”，设置完成后需要重新启动virtuoso。
参考：http://docs.openlinksw.com/virtuoso/dbadm/
参数设置的格式如下：
DirsAllowed = [, ]
DirsDenied = [, ]
:= or
可以用下面的命令查看，在cmd中，进入bin目录，然后运行isql，可以进入sql命令模式。
SQL> select server_root (), virtuoso_ini_path ();
上面的命令可以查看服务器的工作目录和ini文件名称。
用以下命令查看DirsAllowed参数的情况
SQL> select cfg_item_value (virtuoso_ini_path (), ‘Parameters’,
‘DirsAllowed’);
这一步，我没有设置DirsAllowed，通过命令可以查看到vad目录。
3 合理配置virtuoso.ini，保证有足够的内存和其他系统资源。
参考：http://vos.openlinksw.com/owiki/wiki/VOS/VirtRDFPerformanceTuning
主要设置两个参数，NumberOfBuffers 和 MaxDirtyBuffers。不同的系统内存对应设置不同的参数值。
如下表所示：

System RAM	NumberOfBuffers?	MaxDirtyBuffers?
2 GB	170000	130000
4 GB	340000	250000
8 GB	680000	500000
16 GB	1360000	1000000
32 GB	2720000	2000000
48 GB	4000000	3000000
64 GB	5450000	4000000

4 文件格式要求。
Virtuoso只支持一下格式。

.grdf	Geospatial RDF
.nq	N-Quads
.nt	N-Triples
.owl	OWL
.rdf	RDF/XML
.trig	TriG
.ttl	Turtle
.xml	RDF/XML

二 大文件加载的过程
1 准备三个文件，放到vad目录（也就是DirsAllowed的目录）。一个是数据源文件，比如my_data.nt，一个是对应的图文件，和数据源文件的名称相同后面加.graph。比如my_data.nt.graph。一个是公共的图文件，用来处理那些没有对应的图文件的数据源文件，名称为global.graph。
标准格式：
.
..graph
global.graph
举例：
myfile.n3 ;; RDF data
myfile.n3.graph ;; Contains Graph IRI name into which RDF data from myfile.n3 will be loaded
global.graph ;; Contains Graph IRI name into which RDF data from any files that do not have a specific graph name file will be loaded
2 把图的标识名（the graph IRI）写到*.graph中。比如，图的标识名为：http://dbpedia.org，把http://dbpedia.org写到*.graph中。
3 注册要加载的文件。使用isql，进入到SQL命令中，运行合适的方法。比如
SQL> ld_dir (’/path/to/files’, '.n3’, ‘http://dbpedia.org’);*
ld_dir() 里面的目录不包括子目录。ld_dir_all() 命令包括所有的子目录。
4 用DB.DBA.load_list来查看注册的数据集装载情况和图标识名正在加载还是已经加载。ll_state字段有三个值：0表示数据集还没有加载；1表示数据集正在加载中；2表示数据集已经加载完成。如下所示
SQL> select * from DB.DBA.load_list;

*ll_file ll_graph ll_state ll_started ll_done ll_host ll_work_time ll_error
VARCHAR NOT NULL VARCHAR INTEGER TIMESTAMP TIMESTAMP INTEGER INTEGER VARCHAR

---

./dump/d1/file1.n3 http://file1 2 2010.10.20 9:21.18 0 2010.10.20 9:21.18 0 0 NULL NULL
./dump/d2/file2.n3 http://file2 2 2010.10.20 9:21.18 0 2010.10.20 9:21.18 0 0 NULL NULL
./dump/file.n3 http://file 2 2010.10.20 9:21.18 0 2010.10.20 9:21.18 0 0 NULL NULL
3 Rows. – 1 msec.
SQL>*
5 最后，通过rdf_loader_run()命令完成大文件数据的加载。
命令如下：
SQL> rdf_loader_run();
该命令执行后，如果文件比较大，会是一个漫长的等待过程，耐心等待，可以先不管他，做其他的工作去吧。
漫长等待之后，如果装载成功，会有一个花费时间的显示。
如果查看导入情况，可以另外打开一个cmd，然后进入isql，键入
select * from DB.DBA.load_list;
可以查看导入正在进行（ll_state值为1），还是导入完成(ll_state值为2)。
通过以上操作，就可以完成数据的加载。
导入完成之后，需要清理一下load_list，否则下次装载其他文件时，load_list里面的文件还会导入。清理命令是
delete from db.dba.load_list;