Gestion efficace de Big Data dans le contexte spatial et RDF

Efficient Query Processing when Spatial Data Meets Rdf Graph

• Auteur / Autrice : Houssameddine Yousfi
• Direction : Allel Hadjali, Houcine Matallah, Amin Mesmoudi
• Type : Thèse de doctorat
• Discipline(s) : Informatique et applications
• Date : Soutenance le 07/12/2023
• Etablissement(s) : Chasseneuil-du-Poitou, Ecole nationale supérieure de mécanique et d'aérotechnique en cotutelle avec Université Abou Bekr Belkaid (Tlemcen, Algérie)
• Ecole(s) doctorale(s) : École doctorale Sciences et Ingénierie des Systèmes, Mathématiques, Informatique (Limoges ; 2018-2022)
• Partenaire(s) de recherche : Laboratoire : Laboratoire d'Informatique et d'Automatique pour les Systèmes / LIAS
• Jury : Examinateurs / Examinatrices : Azeddine Chikh, Mohand Saïd Hacid
• Jury : Rapporteurs / Rapporteuses : Fatima Debbat, Laurent D'Orazio

Mots clés

Mots clés contrôlés

SPARQL (langage de programmation)

Ressource Description Framework (informatique)

Infrastructures de données géographiques

Données massives

Bases de données relationnelles

Bases de données -- Interrogation

Bases de données -- Gestion

Mots clés libres

Performance

Passage à l'échelle

Performance

Scalabiblity

Résumé

Depuis l'apparition du modèle relationnel, les systèmes de gestion de données relationnelles ont dominé les autres systèmes en raison de la simplicité liée à la représentation des données et de leur capacité à répondre aux requêtes déclaratives. Cependant, le modèle relationnel souffre de plusieurs limitations qui le rendent indésirable pour de nombreux cas d'utilisation. En effet, le modèle relationnel ne convient pas à certains types de données comme les données graphes (souvent utilisées dans la manipulation des graphes de connaissances) et les données spatiales (souvent utilisées dans les systèmes d'information géographique). Cette limitation a conduit à l'introduction de bases de données spatiales et les systèmes de stockage des triplets pour les données spatiales et les données graphes respectivement. Dans cette thèse, nous considérons les deux types de données : Graphe et Spatial. Cependant, nous nous concentrons davantage sur les données spatiales et les défis imposés par les données hybrides (contenant des objets provenant des deux représentations : spatiale et graphe). Le premier problème est le coût élevé de l'évaluation des opérateurs spatiaux. Nous essayons d'améliorer les performances des opérateurs spatiaux sur de grands jeux de données spatiales stockées sur disque. Le deuxième problème abordé est le traitement des jeux de données hybrides, puisqu'ils donnent lieu à plusieurs problèmes à plusieurs niveaux tels que le stockage, l'indexation, l'interrogation et l'optimisation. Afin d'améliorer les performances des opérateurs spatiaux, nous proposons une nouvelle technique pour explorer les indexes spatiaux tout en minimisant le nombre d'opérations d'E/S vers/depuis le disque. Nous comparons l'approche proposée avec l'état de l'art en utilisant des jeux de données réels. En plus de, et afin de résoudre les problèmes engendrés par les données hybrides, nous proposons une extension (Spatial‐Qdag) d'un triplestore existant (RDF_QDAG) qui couvre plusieurs couches du système : stockage, évaluation et optimisation. Nous comparons l'extension spatiale (Spatial‐Qdag) avec des triplestores commerciaux en utilisant des jeux de données réels. Les résultats des expérimentations menées démontrent une amélioration significative des performances des opérateurs spatiaux pour la plupart des requêtes en utilisant l'approche proposée. Ce qui signifie une supériorité de l'extension proposée (Spatial‐Qdag) par rapport aux systèmes comparés.

Since the appearance of the relational model, relational data management systems have dominated the other systems due to simplicity related to data representation and their ability to answer declarative queries. However, the relational model suffers from several problems that make it undesirable for many use cases. For instance, the relational model is not suitable for some data types such as Graph data that is often used in knowledge graphs and Spatial data that is often used in Geographical information systems. The later limitation has led to the introduction of spatial databases and triplestores for Spatial data and graph data respectively. In this thesis, we consider both types of data Graph and Spatial. However, we focus more on spatial data and the challenges imposed by hybrid data (the data-set contains objects from both representations: spatial and graph). The first problem is the high cost of evaluating spatial operators. We try to improve performance of spatial operators on large spatial data sets stored on disk. The second problem is the processing of hybrid data sets, since they give rise to several challenges many levels such as storage, indexing, querying and optimisation. In order to improve the performance of spatial operators. We propose a novel technique to explore spatial indices while minimizing the number of I/O operations to/from the disk. We compare our approach with the existing state of art using real world dataset. On top of that, to solve problems imposed by hybrid data, we propose an extension (Spatial-Qdag) of an existing triple store (RDF -QDAG) that covers every layer: storage, evaluation and optimisation. We compare the spatial extension (Spatial-Qdag) with commercial triple stores using real world datasets.The experimental results demonstrate a significant improvement in spatial operators’ performance in most queries while using the proposed approach. On top of that, the results demonstrate the superiority of the proposed extension (Spatial-Qdag) compared to the competition.