使用SOH 以代码化的方法更新Apache Jena fuseki 的知识图谱

参考 《实践篇（四）：Apache jena SPARQL endpoint及推理》（方法不完全一样），搭建了一个知识图谱，在fuseki的web页面上传从结构化数据构建而来的本体实体后，能够正常使用，但是有几个问题：

1. OWLFBRuleReasoner推理机开启后查询速度太慢，慢到只能被迫关闭推理机的程度；
2. 知识图谱的结构化数据源定时刷新，相应的知识图谱也应该定时刷新，这需要代码化的更新fuseki的本体和实体的方法；
3. 知识图谱保存在服务器的内存里，如何保存到磁盘中？

本文是针对问题2的。

查阅官方文档知，可以用SOH（SPARQL over HTTP）解决，命令如下：

s-get: 查数据，不改变知识图谱
s-put: 修改数据，删掉知识图谱指定graph内容，并重新上传
s-delete: 删除指定graph内容
s-post: 向指定graph添加新的内容

官方示例：

s-put http://localhost:3030/dataset default data.ttl
s-get http://localhost:3030/dataset default
s-put http://localhost:3030/dataset http://example/graph data.ttl
s-get http://localhost:3030/dataset http://example/graph

定时更新方法：
1.定时抽取新的本体实体文件
2.重启fuseki以删除旧知识图谱，同时更新本体
3.post 提交新的实体

第3步用python简单实现如下：

import requests
from requests_toolbelt.multipart.encoder import MultipartEncoder


filepath = ""
multipart_data = MultipartEncoder(fields={'file': (filepath, open(filepath, 'rb'), 'text/plain')})
print("uploading " + filepath)
response = requests.post(
    'http://localhost:3030/dataset',
    data=multipart_data,
    auth=('auth', 'passwd'),
    headers={'Content-Type': multipart_data.content_type}
)

---

参考

SOH - SPARQL over HTTP
实践篇（四）：Apache jena SPARQL endpoint及推理