一种基于分布式数据库的知识图谱处理方法以及装置与流程

1.本技术涉及数据处理领域，尤其涉及一种基于分布式数据库的知识图谱处理方法、装置。


背景技术：

2.随着大数据和人工智能技术的发展，万物互联思想已逐步应用在众多领域，知识图谱技术应运而生。知识图谱是通过将应用数学、图形学、信息可视化技术、信息科学等学科的理论与方法与计量学引文分析、共现分析等方法结合，并利用可视化的图谱形象地展示学科的核心结构、发展历史、前沿领域以及整体知识架构达到多学科融合目的的现代理论。它把复杂的知识领域通过数据挖掘、信息处理、知识计量和图形绘制而显示出来，揭示知识领域的动态发展规律，为学科研究提供切实的、有价值的参考。
3.知识图谱是一种基于图的数据结构，由顶点v和边e组成。在知识图谱里，每个顶点表示现实世界中存在的“实体”，每条边为实体与实体之间的“关系”。知识图谱是关系的最有效的表示方式，它用图的形式描绘了我们的现实世界。
4.由于图数据的特殊性，图数据常用专用的图数据库实现存储与计算。常用的图数据库包括arangodb、orientdb、janusgraph、hugegraph等，这些图数据库不同于关系型数据库，基于图的数据加载与计算方式和存储和查询都有较大区别，其分布式也不直接在大数据框架上做到。因此，常见的数据存储在大数据中存储一份，用来进行图计算的数据需要单独拎出另存一份到图数据库中，因此，其缺点为：产生数据冗余并需要额外的数据同步；图计算不具备在大数据平台上继承现有并行能力，若要实现分布式并行需额外框架支撑(如plato等)。


技术实现要素：

5.本技术提供一种基于分布式数据库的知识图谱处理方法，以可以实现知识图谱的图数据的读取存储、图计算均可以在同一数据库中执行，从而提高知识图谱的处理效率。
6.第一方面，本技术提供了一种基于分布式数据库的知识图谱处理方法，所述方法应用于分布式数据库，所述分布式数据库包括知识图谱的节点表和关系表，所述方法包括：获取针对所述知识图谱的sql处理语句；根据所述sql处理语句，生成所述sql处理语句对应的目标编程语言代码；利用所述目标编程语言代码，调取与所述目标编程语言代码对应的目标函数；利用所述目标函数对所述节点表和所述关系表中的图数据进行处理，得到所述知识图谱的处理结果。
7.第二方面，本技术提供了一种基于分布式数据库的知识图谱处理装置，所述装置应用于分布式数据库，所述分布式数据库包括知识图谱的节点表和关系表，所述装置包括：获取单元，用于获取针对所述知识图谱的sql处理语句；生成单元，用于根据所述sql处理语句，生成所述sql处理语句对应的目标编程语
言代码；调取单元，用于利用所述目标编程语言代码，调取与所述目标编程语言代码对应的目标函数；处理单元，用于利用所述目标函数对所述节点表和所述关系表中的图数据进行处理，得到所述知识图谱的处理结果。
8.第三方面，本技术提供了一种可读介质，包括执行指令，当电子设备的处理器执行所述执行指令时，所述电子设备执行如第一方面中任一所述的方法。
9.第四方面，本技术提供了一种电子设备，包括处理器以及存储有执行指令的存储器，当所述处理器执行所述存储器存储的所述执行指令时，所述处理器执行如第一方面中任一所述的方法。
10.由上述技术方案可以看出，本技术提供了一种基于分布式数据库的知识图谱处理方法，所述方法应用于分布式数据库，所述分布式数据库包括知识图谱的节点表和关系表，所述方法包括：获取针对所述知识图谱的sql处理语句；根据所述sql处理语句，生成所述sql处理语句对应的目标编程语言代码；利用所述目标编程语言代码，调取与所述目标编程语言代码对应的目标函数；利用所述目标函数对所述节点表和所述关系表中的图数据进行处理，得到所述知识图谱的处理结果。需要说明的是，在本实施例中，由于将知识图谱的图数据以节点表和关系表的形式存储在分布式数据库中，并且分布式数据库中存储有多种功能的函数，比如用于读取存储数据的函数、用于计算数据的函数等，因此，生成所述sql处理语句对应的目标编程语言代码后，可以利用所述目标编程语言代码，调取与所述目标编程语言代码对应的目标函数，从而可以利用所述目标函数对所述节点表和所述关系表中的图数据进行处理，得到所述知识图谱的处理结果。这样，本实施例可以实现知识图谱的图数据的读取存储、图计算均可以在同一分布式数据库中执行，从而提高知识图谱的处理效率。
11.上述的非惯用的优选方式所具有的进一步效果将在下文中结合具体实施方式加以说明。
附图说明
12.为了更清楚地说明本技术实施例或现有的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本技术中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
13.图1为本技术一实施例提供的一种基于分布式数据库的知识图谱处理方法的流程示意图；图2为本技术一实施例提供的一种基于分布式数据库的知识图谱处理系统的系统架构示意图；图3为本技术一实施例提供的一种基于分布式数据库的知识图谱处理装置的结构示意图；图4为本技术一实施例提供的一种电子设备的结构示意图。
具体实施方式
14.为使本技术的目的、技术方案和优点更加清楚，下面将结合具体实施例及相应的附图对本技术的技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本技术保护的范围。
15.目前，大常见的数据存储在大数据中存储一份，用来进行图计算的数据需要单独拎出另存一份到图数据库中，因此，其缺点为：产生数据冗余并需要额外的数据同步；图计算不具备在大数据平台上继承现有并行能力，若要实现分布式并行需额外框架支撑(如plato等)。
16.本技术提供了本技术提供了一种基于分布式数据库的知识图谱处理方法，所述方法应用于分布式数据库，所述分布式数据库包括知识图谱的节点表和关系表，所述方法包括：获取针对所述知识图谱的sql处理语句；根据所述sql处理语句，生成所述sql处理语句对应的目标编程语言代码；利用所述目标编程语言代码，调取与所述目标编程语言代码对应的目标函数；利用所述目标函数对所述节点表和所述关系表中的图数据进行处理，得到所述知识图谱的处理结果。需要说明的是，在本实施例中，由于将知识图谱的图数据以节点表和关系表的形式存储在分布式数据库中，并且分布式数据库中存储有多种功能的函数，比如用于读取存储数据的函数、用于计算数据的函数等，因此，生成所述sql处理语句对应的目标编程语言代码后，可以利用所述目标编程语言代码，调取与所述目标编程语言代码对应的目标函数，从而可以利用所述目标函数对所述节点表和所述关系表中的图数据进行处理，得到所述知识图谱的处理结果。这样，本实施例可以实现知识图谱的图数据的读取存储、图计算均可以在同一分布式数据库中执行，从而提高知识图谱的处理效率。需要说明的是，本技术实施例可以应用于电子设备（比如手机、平板、电脑等）或者服务器中。需要说明的是，除了上述提及的方式以外，还可以为其他的实现方式，在这里并不限定。
17.下面结合附图，详细说明本技术的各种非限制性实施方式。
18.参见图1，示出了本技术实施例中的一种基于分布式数据库的知识图谱处理方法，在本实施例中，所述方法应用于分布式数据库，所述分布式数据库包括知识图谱的节点表和关系表，所述方法例如可以包括以下步骤：s101：获取针对所述知识图谱的sql处理语句。
19.本实施例中，当需要对分布式数据库中所存储的知识图谱的图数据进行处理，例如存储、读取、计算，可以通过输入对应的处理指令，以便生成相应的sql处理语句，其中，所述sql处理语句包括处理方式的相关信息，例如，可以包括处理数据的方式、进行处理的对象数据。这样，分布式数据库便可以获取到针对所述知识图谱的sql处理语句。也就是说，在本实施例中，只需要在分布式数据库中s102：根据所述sql处理语句，生成所述sql处理语句对应的目标编程语言代码；s103：利用所述目标编程语言代码，调取与所述目标编程语言代码对应的目标函数；在本实施例中，所述分布式数据库可以为greenplum数据库系统，greenplum数据库系统的底层为postgresql集群。因greenplum的分布式数据库系统既可高效实现pb量级数据的高效读写又能支持ai引擎，社团发现算法在plpython中执行便具备了分布式能力。
函数执行依赖的数据均在greenplum的表中，无需额外存储更加无需数据同步。同时本技术通过目前世界最高效的开源分布式数据库系统，将图计算社团发现算法由普通单机内存计算优化成分布式数据库并行计算。
20.分布式数据库中的知识图谱的节点表和关系表中的图数据的存储形式可以为三元组形式；三元组为图数据的一种组织形式，包括顶点、关系指向、各自属性；三元组的基本形式主要包括实体1-关系-实体2和实体-属性-属性值等。所述顶点表包括图数据的自增序列id、实体名称和实体属性，其中，所述实体属性为json格式，可以理解为所述实体的属性可以为json格式任意内容，因此，属性可追加任意多个标签或维度；关系表包括图数据的自增序列id、关系指向起点、关系指向终点、关系属性，其中，所述关系属性为json格式属性，可以理解为所述关系属性可以为json格式任意内容，因此属性可追加任意多个标签或维度。可以理解的是，由于postgresql/greenplum内置了json操作符，json格式数据可实现属性的任意扩展与组合，且能够按照key进行高级查询，实现与其他普通表结合的大数据分析。如图2所示，在获取知识图谱数据后，可以将知识图谱数据的图数据以三元组结构进行存储，形成顶点表和关系表，然后将该顶点表和关系表存储至分布式数据库中。三元组在pg/gp（greenplum）的madlib中存储，使用madlib现有函数或plpython过程化语言编写函数进行知识图谱数据的图计算，同时顶点表或关系表的属性列可以进行大数据查询、过滤、关联、分析、分区等操作。属性列以json格式存储，使用pg/gp的支持的json操作符或gptext(内置solr)进行全文检索或gin索引对json的高效检索可以将大数据与知识图谱计算融合为一体，全部业务逻辑的实现过程变成一条sql语句。。顶点表、关系表写入greenplum数据库后，会在greenplum集群中的每个segment节点上平均分配，master-segment模式，主节点进行任务分发管理调度，子节点实现并行分析处理，最终将结果落地成表或返回结果集。
21.在本实施例中，分布式数据库中首先需要利用plpython实现过程化编程语言的函数，其脚本类似存储过程，但plpython可以在数据库函数中使用python代码，也就是说，所述目标编程语言代码可以为python代码。需要说明的是，plpython为基于postgresql/greenplum的过程编程语言，调用方法与sql存储过程相似。所述目标函数为利用plpython进行过程化编程语言编写所得到的plpython函数，可以理解的是，只要版本兼容即可运行；也就是一段python代码可以转化为plpython函数被数据库调用，传入表名、列名即可进行查询计算。pg/greenplum本身的存储过程是language plpgsql，而plpython是lunguage plpythonu或plpython3u。
22.作为一种示例，分布式数据库获取到sql处理语句后，可以根据所述sql处理语句，生成所述sql处理语句对应的目标编程语言代码。例如分布式数据库获取到sql处理语句后，可以先对sql处理语句进行分析，然后，将sql处理语句转换为分布式数据库所支持的目标编程语言代码。
23.s103：利用所述目标编程语言代码，调取与所述目标编程语言代码对应的目标函数。
24.由于在本实施例中，可以预先利用plpython将实现各种功能的算法或者模块转换为内置的函数参数，这样，在获取到目标编程语言代码后，便可以根据该目标编程语言代码的内容，调取与所述目标编程语言代码对应的目标函数。例如，基于模块度的louvain算法可用于实现社团发现，在greenplum上使用plpython按照louvain算法定义进行改造实现，
内置的函数参数以数据库表名传入并可指定属性列的列名。通过提交sql语句、传入顶点表和关系表及属性列，即可在greenplum的分布式数据库上通过调用louvain算法对应的函数便可以实现知识图谱社团发现的算法。
25.s104：利用所述目标函数对所述节点表和所述关系表中的图数据进行处理，得到所述知识图谱的处理结果。
26.由于每个函数均具有对应的功能，例如存储、读取、计算图数据，因此，在调取到目标函数后，可以利用所述目标函数对所述节点表和所述关系表中的图数据进行处理，得到所述知识图谱的处理结果。
27.可见，本技术提供了本技术提供了一种基于分布式数据库的知识图谱处理方法，所述方法应用于分布式数据库，所述分布式数据库包括知识图谱的节点表和关系表，所述方法包括：获取针对所述知识图谱的sql处理语句；根据所述sql处理语句，生成所述sql处理语句对应的目标编程语言代码；利用所述目标编程语言代码，调取与所述目标编程语言代码对应的目标函数；利用所述目标函数对所述节点表和所述关系表中的图数据进行处理，得到所述知识图谱的处理结果。需要说明的是，在本实施例中，由于将知识图谱的图数据以节点表和关系表的形式存储在分布式数据库中，并且分布式数据库中存储有多种功能的函数，比如用于读取存储数据的函数、用于计算数据的函数等，因此，生成所述sql处理语句对应的目标编程语言代码后，可以利用所述目标编程语言代码，调取与所述目标编程语言代码对应的目标函数，从而可以利用所述目标函数对所述节点表和所述关系表中的图数据进行处理，得到所述知识图谱的处理结果。这样，本实施例可以实现知识图谱的图数据的读取存储、图计算均可以在同一分布式数据库中执行，从而提高知识图谱的处理效率。需要说明的是，本技术实施例可以应用于电子设备（比如手机、平板、电脑等）或者服务器中。需要说明的是，除了上述提及的方式以外，还可以为其他的实现方式，在这里并不限定。需要说明的是，greenplum madlib/plpython更加轻量部署，且数据只存一份就可以实现大数据的各种操作（过滤关联分区全文索引），又能直接在数据表中进行图算法，并将业务分析的最终结果以数据表形式输出。中间不存在数据冗余，只需要对数据表进行操作即可。调用方法也更加简单，plpython函数实现之后，只需要输入sql语句传入正确参数即可完整整个业务流程。
28.图1所示仅为本技术所述方法的基础实施例，接下来，介绍图1所示的方法的一个场景实施例。在本实施例中，所述方法具体包括以下步骤：s201：分布式数据库获取针对所述知识图谱的sql处理语句。
29.其中，所述sql处理语句包括所述节点表的表名和所述关系表的表名。
30.s202：所述分布式数据库根据所述sql处理语句，生成用于查询所述节点表的表名和所述关系表的表名的目标编程语言代码。
31.s203：所述分布式数据库利用所述目标编程语言代码，调取与所述目标编程语言代码对应的所述networkx组件和所述python-lovain组件。
32.所述目标函数包括networkx组件和python-lovain组件，所述python-lovain组件预设有社区发现算法。
33.s204：分布式数据库利用所述networkx组件和所述python-lovain组件对所述节点表和所述关系表中的图数据进行查询，得到所述节点表中的所有顶点数据和所述关系表
中的所有关系数据；将所述节点表中的所有顶点数据和所述关系表中的所有关系数据作为所述知识图谱的处理结果。
34.以分布式数据库为greenplum为例，在最高权限gpadmin权限下pip安装配套python代码的组件(root权限安装无效)，例如networkx和python-louvain，安装完成即可在plpython中调用。即分布式数据库包括networkx组件和python-lovain组件，所述python-lovain组件预设有社区发现算法。
35.若分析sql处理语句包括所述节点表的表名和所述关系表的表名，则生成用于查询所述节点表的表名和所述关系表的表名的目标编程语言代码。然后，分布式数据库利用所述目标编程语言代码，调取与所述目标编程语言代码对应的所述networkx组件和所述python-lovain组件。分布式数据库利用所述networkx组件和所述python-lovain组件对所述节点表和所述关系表中的图数据进行查询，得到所述节点表中的所有顶点数据和所述关系表中的所有关系数据；将所述节点表中的所有顶点数据和所述关系表中的所有关系数据作为所述知识图谱的处理结果。即直接调用networkx和python-louvain对所述节点表和所述关系表中的图数据进行查询，查询结果存储为list_v所有顶点，list_e所有关系，从而即可完成社团发现算法的计算结果，整理成表输出并在外查询。此方案解决了知识图谱难以在大数据现有框架中实现高效并行计算的问题，同时解决了大数据与知识图谱算法框架难以融合、数据难以同源的问题。此方案已在greenplum6.1.0 plpython2/plpython3环境中开发实现并成功执行，验证结果与传统louvain算法实现的结果完全吻合，且计算效率基本符合与分布式节点数量、资源配置线性相关，因此动态扩展资源即可提高算法的执行效率。
36.在本实施例的一种实现方式中，在分布式数据库的spark中分布式实现存在不同数据存储节点上同时进行导致划分结果因并行而带来变化。而在plpython代码中执行过程由python代码控制，可以保障顺序。例如list_v、list_e是上游过滤查询的直接存入，那么在查询过程中经过排序等处理即可以保证数组顺序，从而保证了list的传入传出顺序。
37.图1所示仅为本技术所述方法的基础实施例，接下来，介绍图1所示的方法的一个场景实施例。在本实施例中，所述方法具体包括以下步骤：s301：分布式数据库获取针对所述知识图谱的sql处理语句。
38.其中，所述sql处理语句包括实体对象查询条件。其中，实体对象查询条件可以为用户所设置的查询条件 ，例如在最近一周内与用户a联系的男性。
39.s302：所述分布式数据库根据所述sql处理语句，生成用于查询满足所述实体对象查询条件的实体对象的目标编程语言代码。
40.s303：所述分布式数据库利用所述目标编程语言代码，调取所述python-lovain组件。
41.所述目标函数包括python-lovain组件，所述python-lovain组件预设有社区发现算法。
42.s304：分布式数据库利用所述python-lovain组件中的社区发现算法和所述实体对象查询条件，对所述节点表和所述关系表中的图数据进行数据筛选，得到满足所述实体对象查询条件的实体对象；将满足所述实体对象查询条件的实体对象作为所述知识图谱的处理结果。
43.若分析sql处理语句包括实体对象查询条件，则生成用于查询满足所述实体对象
查询条件的实体对象的目标编程语言代码。然后，分布式数据库利用所述目标编程语言代码，调取所述python-lovain组件。分布式数据库利用所述python-lovain组件根据实体对象查询条件对所述节点表和所述关系表中的图数据进行社区发现算法运算，即利用所述python-lovain组件中的社区发现算法和所述实体对象查询条件，对所述节点表和所述关系表中的图数据进行数据筛选，得到满足所述实体对象查询条件的实体对象，从而可以将满足所述实体对象查询条件的实体对象作为所述知识图谱的处理结果。
44.图1所示仅为本技术所述方法的基础实施例，接下来，介绍图1所示的方法的一个场景实施例。在本实施例中，所述方法具体包括以下步骤：s401：分布式数据库获取针对所述知识图谱的sql处理语句。
45.其中，所述sql处理语句包括索引字段。其中，索引字段可以为用户所设置的查询字段 ，例如“糖尿病”。
46.s402：所述分布式数据库根据所述sql处理语句，生成用于检索包括所述索引字段的图数据的目标编程语言代码。
47.s403：所述分布式数据库利用所述目标编程语言代码，调取所述gin索引组件。
48.所述目标函数包括目标函数包括gin索引组件。如图2所示，gin索引组件可以用于实现基于postgresql/greenplum的全文检索实现方法，可与json类型字段组合使用，实现高效查询与计算。
49.s404：分布式数据库利用所述gin索引组件对所述节点表和所述关系表中的图数据进行检索，得到包括所述索引字段的图数据；将包括所述索引字段的图数据作为所述知识图谱的处理结果。
50.若分析sql处理语句包括索引字段，则生成用于检索包括所述索引字段的图数据的目标编程语言代码。然后，分布式数据库利用所述目标编程语言代码，调取所述gin索引组件。分布式数据库利用所述gin索引组件对所述节点表和所述关系表中的图数据进行检索，得到包括所述索引字段的图数据，从而可以将包括所述索引字段的图数据作为所述知识图谱的处理结果。
51.需要说明的是，顶点的属性和关系的属性是json类型字段，对于这种类型在greenplum中引入gin索引，便获得了高效的全文检索能力。该方案与基于greenplum的大数据技术无缝衔接，知识图谱数据表也可与其他表进行属性关联分析，因此能够将大数据的优势和知识图谱算法集合为一体。
52.如图3所示，为本技术所述一种基于分布式数据库的知识图谱处理装置的一个具体实施例。本实施例所述装置，即用于执行上述实施例所述方法的实体装置。其技术方案本质上与上述实施例一致，所述装置应用于分布式数据库，所述分布式数据库包括知识图谱的节点表和关系表，本实施例中所述装置包括：获取单元301，用于获取针对所述知识图谱的sql处理语句；生成单元302，用于根据所述sql处理语句，生成所述sql处理语句对应的目标编程语言代码；调取单元303，用于利用所述目标编程语言代码，调取与所述目标编程语言代码对应的目标函数；处理单元304，用于利用所述目标函数对所述节点表和所述关系表中的图数据进
行处理，得到所述知识图谱的处理结果。
53.可选的，所述分布式数据库为greenplum数据库系统。
54.可选的，知识图谱的节点表和关系表中的图数据的存储形式为三元组形式；所述顶点表包括图数据的自增序列id、实体名称和实体属性，其中，所述实体属性为json格式；关系表包括图数据的自增序列id、关系指向起点、关系指向终点、关系属性，其中，所述关系属性为json格式。
55.可选的，所述目标编程语言代码为python代码；所述目标函数为利用plpython进行过程化编程语言编写所得到的plpython函数。
56.可选的，所述目标函数包括networkx组件和python-lovain组件，所述python-lovain组件预设有社区发现算法；所述sql处理语句包括所述节点表的表名和所述关系表的表名；所述生成单元302，具体用于：根据所述sql处理语句，生成用于查询所述节点表的表名和所述关系表的表名的目标编程语言代码；相应地，所述调取单元303，用于：利用所述目标编程语言代码，调取与所述目标编程语言代码对应的所述networkx组件和所述python-lovain组件；相应地，所述处理单元304，用于：利用所述networkx组件和所述python-lovain组件对所述节点表和所述关系表中的图数据进行查询，得到所述节点表中的所有顶点数据和所述关系表中的所有关系数据；将所述节点表中的所有顶点数据和所述关系表中的所有关系数据作为所述知识图谱的处理结果。
57.可选的，所述目标函数包括python-lovain组件，所述python-lovain组件预设有社区发现算法；所述sql处理语句包括实体对象查询条件；所述生成单元302，具体用于：根据所述sql处理语句，生成用于查询满足所述实体对象查询条件的实体对象的目标编程语言代码；相应地，所述调取单元303，具体用于：利用所述目标编程语言代码，调取所述python-lovain组件；相应地，所述处理单元304，具体用于：利用所述python-lovain组件中的社区发现算法和所述实体对象查询条件，对所述节点表和所述关系表中的图数据进行数据筛选，得到满足所述实体对象查询条件的实体对象；将满足所述实体对象查询条件的实体对象作为所述知识图谱的处理结果。
58.可选的，所述目标函数包括gin索引组件；所述sql处理语句包括索引字段；所述生成单元302，具体用于：根据所述sql处理语句，生成用于检索包括所述索引字段的图数据的目标编程语言代码；相应地，所述调取单元303，具体用于：
利用所述目标编程语言代码，调取所述gin索引组件；相应地，所述处理单元304，具体用于：利用所述gin索引组件对所述节点表和所述关系表中的图数据进行检索，得到包括所述索引字段的图数据；将包括所述索引字段的图数据作为所述知识图谱的处理结果。
59.图4是本技术实施例提供的一种电子设备的结构示意图。在硬件层面，该电子设备包括处理器，可选地还包括内部总线、网络接口、存储器。其中，存储器可能包含内存，例如高速随机存取存储器(random-access memory，ram)，也可能还包括非易失性存储器（non-volatile memory），例如至少1个磁盘存储器等。当然，该电子设备还可能包括其他业务所需要的硬件。
60.处理器、网络接口和存储器可以通过内部总线相互连接，该内部总线可以是isa(industry standard architecture，工业标准体系结构）总线、pci(peripheral component interconnect，外设部件互连标准)总线或eisa(extended industry standard architecture，扩展工业标准结构）总线等。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示，图4中仅用一个双向箭头表示，但并不表示仅有一根总线或一种类型的总线。
61.存储器，用于存放执行指令。具体地，执行指令即可被执行的计算机程序。存储器可以包括内存和非易失性存储器，并向处理器提供执行指令和数据。
62.在一种可能实现的方式中，处理器从非易失性存储器中读取对应的执行指令到内存中然后运行，也可从其它设备上获取相应的执行指令，以在逻辑层面上形成基于分布式数据库的知识图谱处理装置。处理器执行存储器所存放的执行指令，以通过执行的执行指令实现本技术任一实施例中提供的基于分布式数据库的知识图谱处理方法。
63.上述如本技术图1所示实施例提供的基于分布式数据库的知识图谱处理装置执行的方法可以应用于处理器中，或者由处理器实现。处理器可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器可以是通用处理器，包括中央处理器（central processing unit，cpu）、网络处理器（network processor，np）等；还可以是数字信号处理器（digital signal processor，dsp）、专用集成电路（application specific integrated circuit，asic）、现场可编程门阵列（field－programmable gate array，fpga）或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本技术实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
64.结合本技术实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器，处理器读取存储器中的信息，结合其硬件完成上述方法的步骤。
65.本技术实施例还提出了一种可读介质，该可读存储介质存储有执行指令，存储的执行指令被电子设备的处理器执行时，能够使该电子设备执行本技术任一实施例中提供的基于分布式数据库的知识图谱处理方法，并具体用于执行上述基于分布式数据库的知识图
谱处理所述的方法。
66.前述各个实施例中所述的电子设备可以为计算机。
67.本领域内的技术人员应明白，本技术的实施例可提供为方法或计算机程序产品。因此，本技术可采用完全硬件实施例、完全软件实施例，或软件和硬件相结合的形式。
68.本技术中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
69.还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
70.以上所述仅为本技术的实施例而已，并不用于限制本技术。对于本领域技术人员来说，本技术可以有各种更改和变化。凡在本技术的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本技术的权利要求范围之内。