ارائه روشی مبتنی بر حافظه ی نهان در پرس وجوهای sparql در محیط توزیع شده

امروزه استفاده از فن آوری های وب معنایی به سرعت در حال رشد است. از طرفی می توان گفت از مهم ترین کاستی های این فن آوری ها ضعف در مقیاس پذیری و کارایی پایین آن ها است. به منظور جبران این کاستی ها می توان روش های بهینه سازی، مانند نهان سازی که در بانک های اطلاعاتی مورد استفاده هستند، به آن ها اضافه کرد. در این تحقیق، نتایج زیرپرس وجوها و پرس وجوهای sparql در یک مخزن rdf که از زیرساخت hadoop استفاده می کند، ذخیره شده اند و بدین ترتیب امکان استفاده ی مجدّد از آن ها در پرس وجوهای بعدی فراهم شده است. علاوه بر این یک روش نام گذاری برای فایل هایی که حاوی نتایج نهان سازی شده هستند و نیز الگوریتمی ابتکاری برای سیاست جایگزینی حافظه ی نهان و حذف فایل ها پیشنهاد شده است. همچنین، یک الگوریتم تعیین طرح پرس وجو که آگاه از حافظه ی نهان است، ارائه شده که سعی می کند با توجه به نتایج نهان سازی شده، طرحی کم هزینه برای پرس وجو تولید کند. در انتها الگوریتم های پیشنهادی با مجموعه داده ها و مجموعه پرس وجوهای bsbm مورد ارزیابی قرار گرفته اند. نتایج نشان می دهد هر چه وابستگی و اشتراک مجموعه پرس وجوها بیشتر باشد، نهان سازی موثرتر می باشد. با توجه به اینکه پرس وجوهای واقعی که توسط کاربران انجام می شوند، دارای اشتراک زیادی هستند، می توان گفت فن آوری های فاقد نهان سازی در مقایسه با فن آوری هایی که از امکان نهان سازی بهره می برند، دارای سرعت بسیار پایین تری هستند و در نتیجه قادر به پاسخ گویی به تعداد کمتر پرس وجو در ساعت می باشند.