Jena TDB 环境搭建以及几个工具的使用

简单的说，TDB是Jena提供的两个subsystem之一，另外一个叫做SDB。TDB使用triple store的形式对RDF数据提供持久性存储（persistent store）, SDB则支持使用传统的关系数据库存储RDF数据。详细介绍可以参考Apache Jena页面http://jena.staging.apache.org/jena/index.html

在这个页面http://jena.staging.apache.org/jena/documentation/tdb/index.html上有针对TDB搭建以及其他相关的一些文档。其中有些细节说的不够具体，结合我自己的体验经历，在此总结一下tdb提供的几个命令行工具在cygwin下的使用心得。我所使用的tdb版本是，tdb-0.8.7，所有操作在win下使用cygwin执行。

tdb-0.8.7下载解压后的目录为E:\wxl-docs\codes\research_codes\jena\tdb-0.8.7, 该版本只提供了主要工具的shell scripts (在bin目录下)，没有提供bat文件，所以在win下只能借助于cygwin工具。

首先需要设定TDBROOT，cygwin下使用：

$ TDBROOT=/cygdrive/e/wxl-docs/codes/research_codes/jena/tdb-0.8.7

----------------------------修订(2012-03-23)------------------------------------------------

此处如果按照这种形式（即无export）定义TDBROOT变量，在后面使用source tdb_init时会提示错误信息“/cygdrive/e/wxl-docs/codes/research_codes/jena/tdb-0.8.7/bin/tdb_path: line 5: /bin/make_classpath: No such file or directory”。找到 $TDBROOT/bin/tdb_path 文件并用vim打开后在第5行有语句 CP="$($TDBROOT/bin/make_classpath "$TDBROOT")"，即这里需要用到 TDBROOT 变量。熟悉shell脚本的同学应该清楚 export 的用途，如果希望当前shell下定义的环境变量在新的shell（比如执行一个shell脚本时）下继续有效，则应使用export命令定义环境变量，所以解决这个问题的方法很简单，在TDBROOT定义的时候加上export。

$ export TDBROOT=/cygdrive/e/wxl-docs/codes/research_codes/jena/tdb-0.8.7  

NOTE: 在$TDBROOT/bin/tdb_init脚本中也有对TDBROOT环境变量的调用，在最初没加export定义TDBROOT时，tdb_init可以正常执行的原因是使用了 source 命令

----------------------------------------------------------------------------------------------------

为了方便的直接调用bin下的script，需要将/bin路径添加到PATH环境变量中

$ PATH=$PATH:$TDBROOT/bin

bin目录下的tdb_init 工具负责初始化工作，最主要的工作是提供java classpath，它是通过TDB_CP变量给定的。vim一下 tdb_init 会看到相关的使用注释，比如需要使用source命令执行该script。tdb_init通过另外调用make_classpath工具最终设定TDB_CP的值。

$ source tdb_init

该命令可以正常执行，无提示错误。但是echo $TDB_CP后会发现此时的classpath下的路径是cygwin路径，根据我在上一篇文章的提示，该路径是没有办法被java命令识别的，所以试图执行java命令必然导致java.lang.NoClassDefFoundError，所以需要用到 cygpath 工具。cygpath对TDB_CP的转换过程，可以通过修改make_classpath脚本做到，当然也可以直接在shell下做临时处理。

classpath设定好之后就可以正常使用tdb提供的所有工具了。当然上面的几个命令可以写成一个script，这个不难。

另外，tdb主要工具总结：

tdbloader 该工具可以将普通的RDF数据文件（格式不限）加载成tdb model，其实就是tdb在本地的持久化存储目录（包含多个文件）

tdbstats 可以统计tdb model下的数据信息，所生成的文件是sse格式，可以用做stats.opt查询优化标记文件

tdbquery 查询工具，注意几个有用的参数 --time, --debug

最后关注一下none.opt, fixed.opt, stats.opt三个文件的作用。http://jena.staging.apache.org/jena/documentation/tdb/optimizer.html这里有很详细的说明，不再赘述了。

中间参考了SO上的两个问答

[1] http://stackoverflow.com/questions/6089278/tdbloader-on-cygwin-java-lang-noclassdeffounderror

[2]http://stackoverflow.com/questions/9200940/how-to-load-large-ntriple-data-into-jena-tdb