Your SlideShare is downloading. ×


Comparative survey ‐ Java APIs for RDF 
Anisoara Sava, anisoara.sava@infoiasi....
2           Comparative Survey – Java APIs for RDF, Anisoara Sava, Marcela Daniela Mihai 


Table of Contents 
1  ...
5       Comparative Survey – Java APIs for RDF, Anisoara Sava, Marcela Daniela Mihai 

1      Introduction 

The  Semanti...
4     Comparative Survey – Java APIs for RDF, Anisoara Sa
                                                        ava, Mar...
5       Com
          mparative Surve
                        ey – Java APIs for
6      Comparative Survey – Java APIs for RDF, Anisoara Sa
                                                         ava, M...
5        Comparative Survey – Java APIs for RDF, Anisoara Sava, Marcela Daniela Mihai 

tutorial.addProperty(DC.title, ti...
8     Comparative Survey – Java APIs for RDF, Anisoara Sava, Marcela Daniela Mihai 

package com.burningbird.postcon.voca...
5       Comparative Survey – Java APIs for RDF, Anisoara Sava, Marcela Daniela Mihai 

static final String ntype = "type"...
10      Comparative Survey – Java APIs for RDF, Anisoara Sava, Marcela Daniela Mihai 

import com.burningbird.postcon.voc...
5       Comparative Survey – Java APIs for RDF, Anisoara Sava, Marcela Daniela Mihai 

The  generated  RDF/XML  from  the...
12      Comparative Survey – Java APIs for RDF, Anisoara Sava, Marcela Daniela Mihai 

5       Comparative Survey – Java APIs for RDF, Anisoara Sava, Marcela Daniela Mihai 

14      Comparative Survey – Java APIs for RDF, Anisoara Sava, Marcela Daniela Mihai 

2.3    Parsing and querying an RDF...
5       Comparative Survey – Java APIs for RDF, Anisoara Sava, Marcela Daniela Mihai 

16      Comparative Survey – Java APIs for RDF, Anisoara Sava, Marcela Daniela Mihai 

2.4   In memory versus persistent ...
5       Comparative Survey – Java APIs for RDF, Anisoara Sava, Marcela Daniela Mihai 

         // Pass one RDF document,...
18      Comparative Survey – Java APIs for RDF, Anisoara Sava, Marcela Daniela Mihai 

        String sConn = args[0]; 
5       Comparative Survey – Java APIs for RDF, Anisoara Sava, Marcela Daniela Mihai 

Markup  Language  (CML,  well‐esta...
20       Comparative Survey – Java APIs for RDF, Anisoara Sava, Marcela Daniela Mihai 

3      SESAME 

3.1    Introdu...
5      Comparative Survey – Java APIs for RDF, Anisoara Sava, Marcela Daniela Mihai 

3.3   Architecture 

Sesame have an...
22        Comparative Survey – Java APIs for RDF, Anisoara Sava, Marcela Daniela Mihai 

The functional modules in Sesame...
5       Comparative Survey – Java APIs for RDF, Anisoara Sava, Marcela Daniela Mihai 

model = new ModelOrganizer(model)....
24       Comparative Survey – Java APIs for RDF, Anisoara Sava, Marcela Daniela Mihai 

similar  to  the  ANSI  SQL  isol...
5       Comparative Survey – Java APIs for RDF, Anisoara Sava, Marcela Daniela Mihai 

RDQL, N‐Triples, N3) and adds some...
26      Comparative Survey – Java APIs for RDF, Anisoara Sava, Marcela Daniela Mihai 

5     Sesame RDF storage 

Sesame ...
5        Comparative Survey – Java APIs for RDF, Anisoara Sava, Marcela Daniela Mihai 

The  documentation  is  very  goo...
28       Comparative Survey – Java APIs for RDF, Anisoara Sava, Marcela Daniela Mihai 

As  Jena,  Sesame  has  a  vivid ...
5    Comparative Survey – Java APIs for RDF, Anisoara Sava, Marcela Daniela Mihai 

     Joe Verzulli, Using the Jena API...
Upcoming SlideShare
Loading in...5

Comparative Survey-Java APIs For RDF


Published on

Published in: Education
  • Be the first to comment

  • Be the first to like this

No Downloads
Total Views
On Slideshare
From Embeds
Number of Embeds
Embeds 0
No embeds

No notes for slide

Transcript of "Comparative Survey-Java APIs For RDF"

  1. 1.           Comparative survey ‐ Java APIs for RDF    Anisoara Sava,, OC2  Marcela Daniela Mihai,, OC2  2009
  2. 2. 2  Comparative Survey – Java APIs for RDF, Anisoara Sava, Marcela Daniela Mihai    Table of Contents      1  Introduction .............................................................................................. 3  2  Jena ........................................................................................................... 3  2.1  The Model ......................................................................................... 6  2.2  Creating and serializing an RDF model ............................................. 7  2.2.1  Adding more complex structures  ........................................... 11  . 2.3  Parsing and querying an RDF document ......................................... 14  2.4  In memory versus persistent model storage .................................. 16  2.5  Jena query mechanism evaluation ................................................. 18  3  SESAME ................................................................................................... 20  3.1  Introduction .................................................................................... 20  3.2  Licence ............................................................................................ 20  3.3  Architecture .................................................................................... 21  3.4  The Repository API .......................................................................... 23  3.5  Transactions .................................................................................... 23  3.6  Query Language .............................................................................. 24  4  Jena RDF storage ..................................................................................... 25  5  Sesame RDF storage ............................................................................... 26  6  Conclusions ............................................................................................. 26  Bibliography .................................................................................................... 28     
  3. 3. 5  Comparative Survey – Java APIs for RDF, Anisoara Sava, Marcela Daniela Mihai  1 Introduction  The  Semantic  Web  is  essentially  a  metadata  management  system.  We  may  use  metadata  to  describe  everything:  entities  have  sets  of  properties  and  relationships  to  various  other  classes.  Languages  such  as  RDF,  RDFS  and  DAML  provide  markup  tags  that  can  be  used  to  express  (or  assert)  these  relationships.  At  the  moment  there  are  a  lot  of  tools  for  creating  and  manipulating  large  scale ontologies. These tools can be classified in two sets: turnkey products  and  API/library  implementations.  Turnkey  solutions,  such  as  OntoMat  and  Protégé, can be used immediately to visually author metadata. But we may  want  some  general  API  and  libraries  that  we  can  use  to  construct  our  own  applications. Jena and Sesame are such APIs for Java.  2 Jena  Java  programmers  who  want  to  develop  semantic  web  applications  have  a  growing range of tools and libraries to choose from. One such tool, the Jena  platform,  is  an  open  source  API  and  toolkit  for  processing  Resource  Description  Framework  (RDF),  Web  Ontology  Language  (OWL)  and  other  semantic web data.   Jena is accessible at Source Forge ( or at  In  addition,  there’s  a  Jena  developers’ discussion forum at‐dev/ .  The Jena platform has been developed by Hewlett‐Packard’s Semantic Web  team. In fact, the cochair of the RDF Working Group is Brian McBride, one of  the creators of Jena. Jena is derived from SiRPAC API. It can parse, create and  search RDF models.   The Jena Framework includes:   a RDF API 
  4. 4. 4  Comparative Survey – Java APIs for RDF, Anisoara Sa ava, Marcela Da aniela Mihai  rea ading  and  w writing  RDF  in RDF/XML,  N3  and  N‐Triples  (the  R n  RDF  parser – ARP –  Another RDF F Parser is also accessible  as a standalo one  oduct)   pro an OWL API  in‐ ‐memory and persistent st torage and  a S SPARQL query y engine    Figure 1 Jena API imp plementation n architecture e  The  implementation  ha been  desi as  igned  to  per rmit  the  easy integration  of  y  alternative e processing m modules such h as parsers, serializers, st tores and que ery  processorss.  The most important Jen na packages a are:  jen na.model:  ke package  for  application  developer;  it  contains  ey  int terfaces for m model, resource…  jen na.mem:  cont tains  an  implementation  of  Jena  API  w which  stores  all  moodel state in m main memory y  jen na.common: c contains impl lementation c classes 
  5. 5. 5  Com mparative Surve ey – Java APIs for r RDF, Anisoara Sava, Marcela D Daniela Mihai  The  API  itself  consists  of  a  collecti of  Java  interfaces  for accessing  a ion  r  and  manipulati ing RDF statements:  Mo odel: a set o s statements  Staatement: a triple of {R, P, O O}  Reesource: subje ect, URI  Prooperty: “item m” of resource e  Obbject: may be a resource or a literal  Literal: non‐nes sted “object” Co ontainer: spec cial resource, collection of things  Figure 2 Jen na API structure  We  presen below  an  example  of  RDF  schema where  Jen nt  a,  na’s  concept  of  interfaces is highlighted d: 
  6. 6. 6  Comparative Survey – Java APIs for RDF, Anisoara Sa ava, Marcela Da aniela Mihai    Fig gure 3 Jena in nterfaces ‐ ex xample  2.1 The Model  Jena API ca an be used too create and m manipulate RDF graphs. In n Jena a graph is  h called a mo odel and is re epresented byy the Model interface.  The sample e code for cre eating a mode el is very simple:  //some def finitions  static Strin ng tutorialURII = “http://hosstname/rdf/ttutorial/”;  static Strin ng author = “SSava Anisoara a”;  static Strin ng title = “Com mparative surrvey of Java AAPIs for RDF”; static Strin ng date = “30//11/2009”;  //create an n empty graph  Model mod del = new Mo odelMem();  //create thhe resource  Resource tutorial = mod del.createReso ource(tutoria alURI);  //add some properties  tutorial.adddProperty(DC C.creator, autthor); 
  7. 7. 5  Comparative Survey – Java APIs for RDF, Anisoara Sava, Marcela Daniela Mihai  tutorial.addProperty(DC.title, title);  tutorial.addProperty(, date);    The ModelMem class creates an RDF model in memory.    The  ModelRDB  it  is  also  a  model  implementation  used  to  manipulate  RDF  persisted within a relational database such as MySQL or Oracle. The RDF data  persisted  with  ModelRDB  can  be  accessed  later,  because  this  model  opens  and maintains a connection to a relational database. Also, using this model,  we can specify how to store the RDF model within the relational database –  as a flat table of statements, as a hash or through stored procedures.  2.2 Creating and serializing an RDF model  We can create an  RDF  model very simple only by creating resources, add a  couple of properties and then serialized them (as shown before).   However,  there  is  a  problem  with  this  approach,  of  creating  the  Property  and  Resource  objects  directly  in  the  application  that  builds  the  model:  we  have  to  duplicate  this  functionality  across  all  applications  that  want  to  use  this vocabulary.   A  possible  solution  is  to  build  a  vocabulary  object,  using  a  Java  wrapper  class.  Some examples of Jena’s wrap are Dublin Core (DC) RDF, VCARD RDF and so  on.  If  we  use  a  wrapper  class  for  the  properties  and  resources  of  our  vocabulary,  we have a way of  defining them in one spot, an approach that  simplifies both implementation and maintenance.   We will  now create a vocabulary class for PostCon using the existing Jena’s  vocabulary  wrapper  classes  as  a  template.  The  PostCon  wrapper  class  contains a set of static strings holding property or resource labels and a set  of associated RDF properties (see below).  The PostCon vacabulary wrapper class 
  8. 8. 8  Comparative Survey – Java APIs for RDF, Anisoara Sava, Marcela Daniela Mihai  package com.burningbird.postcon.vocabulary;  import com.hp.hpl.mesa.rdf.jena.common.ErrorHelper;  import com.hp.hpl.mesa.rdf.jena.common.PropertyImpl;  import com.hp.hpl.mesa.rdf.jena.common.ResourceImpl;  import com.hp.hpl.mesa.rdf.jena.model.Model;  import com.hp.hpl.mesa.rdf.jena.model.Property;  import com.hp.hpl.mesa.rdf.jena.model.Resource;  import com.hp.hpl.mesa.rdf.jena.model.RDFException;    public class POSTCON extends Object {  // URI for vocabulary elements  protected static final String uri =  "";  // Return URI for vocabulary elements  public static String getURI( )  {    return uri;  }  // Define the property labels and objects  static final String nbio = "bio";  public static Property bio = null;  static final String nrelevancy = "relevancy";  public static Property relevancy = null;  static final String npresentation = "presentation";  public static Resource presentation = null;  static final String nhistory = "history";  public static Property history = null;  static final String nmovementtype = "movementType";  public static Property movementtype = null;  static final String nreason = "reason";  public static Property reason = null;  static final String nstatus = "currentStatus";  public static Property status = null;  static final String nrelated = "related";  public static Property related = null; 
  9. 9. 5  Comparative Survey – Java APIs for RDF, Anisoara Sava, Marcela Daniela Mihai  static final String ntype = "type";  public static Property type = null;  static final String nrequires = "requires";  public static Property requires = null;  // Instantiate the properties and the resource  static {    try {      // Instantiate the properties  bio = new PropertyImpl(uri, nbio);  relevancy = new PropertyImpl(uri, nrelevancy);  presentation = new PropertyImpl(uri, npresentation);  history = new PropertyImpl(uri, nhistory);  related = new PropertyImpl(uri, nrelated);  type = new PropertyImpl(uri, ntype);  requires = new PropertyImpl(uri, nrequires);  movementtype = new PropertyImpl(uri, nmovementtype);  reason = new PropertyImpl(uri, nreason);  status = new PropertyImpl(uri, nstatus);    } catch (RDFException e) {      ErrorHelper.logInternalError("POSTCON", 1, e);      }    }  }    At this point the PostCon vocabulary is ready to use, we should only import  the class in our applications.    import com.burningbird.postcon.vocabulary.POSTCON;  We  present  below  an  example  of  using  the  PostCon  wrapper  class  to  add  properties to resource:  import com.hp.hpl.mesa.rdf.jena.mem.ModelMem;  import com.hp.hpl.mesa.rdf.jena.model.*;  import com.hp.hpl.mesa.rdf.jena.vocabulary.*; 
  10. 10. 10  Comparative Survey – Java APIs for RDF, Anisoara Sava, Marcela Daniela Mihai  import com.burningbird.postcon.vocabulary.POSTCON;  import;  import;    public class pracRDF extends Object {      public static void main (String args[]) {  // Resource names  String sResource = "";  String sRelResource1 =  "";  String sRelResource2 =  "";  try {  // Create an empty graph  Model model = new ModelMem( );  // Create the resource  // and add the properties cascading style  Resource article = model.createResource(sResource)  .addProperty(POSTCON.related,  model.createResource(sRelResource1))  .addProperty(POSTCON.related,  model.createResource(sRelResource2));  // Print RDF/XML of model to system output  model.write(new PrintWriter(System.out));  } catch (Exception e) {    System.out.println("Failed: " + e);    }    }  }    We  can  easily  observe  that  using  the  wrapper  class  simplified  the  code  considerably. 
  11. 11. 5  Comparative Survey – Java APIs for RDF, Anisoara Sava, Marcela Daniela Mihai  The  generated  RDF/XML  from  the  serialized  PostCon  submodel  looks  like  this:  <rdf:RDF    xmlns:rdf='‐rdf‐syntax‐ns#'    xmlns:NS0=''  >    <rdf:Description  rdf:about=''>      <NS0:related  rdf:resource=''/>      <NS0:related  rdf:resource=''/>    </rdf:Description>  </rdf:RDF>    2.2.1 Adding more complex structures  However, many of the RDF’s models use more complex structures, including  nesting resource following the RDF node‐edge‐node pattern. We will take a  look on how Jena can easily handle more complex RDF model structures.  If we have the following RDF graph,  <rdf:RDF    xmlns:rdf='‐rdf‐syntax‐ns#'    xmlns:NS0=''    xmlns:dc=''  >  <rdf:Description rdf:nodeID='A0'>    <dc:creator>Shelley Powers</dc:creator>    <dc:publisher>Burningbird</dc:publisher>    <dc:title xml:lang='en'>Tale of Two Monsters: Legends</dc:title>  </rdf:Description>  <rdf:Description rdf:about=''> 
  12. 12. 12  Comparative Survey – Java APIs for RDF, Anisoara Sava, Marcela Daniela Mihai    <NS0:related  rdf:resource=''/>    <NS0:related  rdf:resource=''/>    <NS0:bio rdf:nodeID='A0'/>  </rdf:Description>  </rdf:RDF>    it is very easy to generate it with Jena:  import com.hp.hpl.mesa.rdf.jena.mem.ModelMem;  import com.hp.hpl.mesa.rdf.jena.model.*;  import com.hp.hpl.mesa.rdf.jena.vocabulary.*;  import com.burningbird.postcon.vocabulary.POSTCON;  import;  import;    public class pracRDFSecond extends Object {    public static void main (String args[]) {  // Resource names  String sResource = "";  String sRelResource1 =  "";  String sRelResource2 =  "";  String sType =  "";  try {  // Create an empty graph  Model model = new ModelMem( );  // Create the resource  // and add the properties cascading style  Resource article  = model.createResource(sResource) 
  13. 13. 5  Comparative Survey – Java APIs for RDF, Anisoara Sava, Marcela Daniela Mihai  .addProperty(POSTCON.related,  model.createResource(sRelResource1))  .addProperty(POSTCON.related,  model.createResource(sRelResource2));  // Create the bio bnode (blank node) resource  // and add properties  Resource bio  = model.createResource( )  .addProperty(DC.creator, "Mihai Marcela")  .addProperty(DC.publisher, "Infoiasi")  .addProperty(DC.title, model.createLiteral("Tale of Two  Monsters: Legends", "en"));  // Attach to main resource  article.addProperty(, bio);  // Print RDF/XML of model to system output  model.write(new PrintWriter(System.out));  } catch (Exception e) {    System.out.println("Failed: " + e);    }    }  }    The bio property is a resource that does not have a specific URI (blank node).  Anyway,  it  is  not  a  literal  so  we  create  a  new  resource  for  bio,  and  add  several properties to it. As you have seen, these properties are defined in the  DC vocabulary, so we use the DC wrapper class to create them.   Jena offers support for creating typed nodes (rdf:type) and containers.  An RDF container is a grouping of related items. It represents a collection of  things:  Bag – unordered collection  Alt – unordered collection except first element  Seq – ordered collection 
  14. 14. 14  Comparative Survey – Java APIs for RDF, Anisoara Sava, Marcela Daniela Mihai  2.3 Parsing and querying an RDF document  After we store the data in a model, our next concern is how we can query it.  The  data  stored  in  a  RDF  model  can  be  accessed  directly  using  specific  API  functions  or  via  RDQL  –  an  RDF  query  language.  A  very  effective  way  of  pulling  data  from  an  RDF  model  (stored  in  memory  or  in  a  relational  database) is querying using SQL‐like syntax.  Jena’s RDQL is implemented as an object called Query. This object is passed  to a query engine (QueryEngine) and the results are stored in a query result  (QueryResult).  As  soon  as  data  is  retrieved  from  the  RDF/XML  we  can  iterate  through  it  using  any  number  of  iterators  (NodeIterator  –  for  general  RDF  nodes,  ResIterator, StmtIterator).   Examples of RDF iterating:  Go through statements  A statement is often called a triple, because of its three parts. An  RDF graph is represented as a set of statements. The statement  interface provides accessor methods to subject, predicate and  objects of a statement.    //list the statements in a graph    StmtIterator iter = model.listStatements();    //print out the predicate, subject and object of each statement    while( iter.hasNext() ) {      Statement stmt =; //get the next statement      Resource subject = stmt.getSubject(); //get the subject      Property predicate = stmt.getPredicate(); //get the predicate      RDFNode object = stmt.getObject(); //get the object      System.out.print(subject.toString());      System.out.print(“ ” +  predicate.toString() + “ ”);      if(object instanceOf Resource) {        System.out.print(object.toString());      } else { 
  15. 15. 5  Comparative Survey – Java APIs for RDF, Anisoara Sava, Marcela Daniela Mihai        //object is a literal        System.out.print(“ ” + object.toString() + “”);      }    }    Instead  of  listStatements  we  could  also  dump  out  the  subjects  (listSubjects, ResIterator) or   more generally  the  objects  (listObjects,  NodeIterator).    Also, instead of listing all statements or all objects, we can fine‐tune  the code to list only   subjects,  statements,  or  objects  matching  specific  properties, using the property   implementations created within the wrapper  class.    Navigating a model  Property email = model.createProperty (tutorialURI, “emailAddress”);  Resource tutorial = model.getResource(tutorialURI);  Resource author = tutorial.getProperty(DC.creator).getResource();  //list all author’s email addresses  StmtIterator iter = author.listProperties(email);  while(iter.hasNext()) {    System.out.println(“ ” +;  }    Querying a model  ResIterator iter = model.listSubjectsWithProperty(, date);  while(iter.hasNext()) {    System.out.println(;  }  NodeIterator iter2 = model.listObjectsOfProperty(DC.creator);  while(iter2.hasNext()) {    System.out.println(;  } 
  16. 16. 16  Comparative Survey – Java APIs for RDF, Anisoara Sava, Marcela Daniela Mihai  2.4 In memory versus persistent model storage  As we have mentioned before Jena offers also the possibility to persist data  to  relational  database  storage.  The  supported  databases  are  MySQL,  PostgreSQL,  Interbase  and  Oracle.  Within  each  database  system,  Jena  also  supports differing storage layouts:  Generic: all statements are stored in a single table, and resources  and literals are indexed using integer identifiers generated by the  database  GenericProc: similar to generic, but data access is through stored  procedures  MMGeneric: similar to generic but can store multiple models  Hash: similar to generic but uses MD5 hashes to generate the  identifiers  MMHash: similar to hash but can store multiple models  For storing a model in a database we must first create the structure to store  the data (the tables must be created in an already existing database, which  has been formatted).    We present below an example of persisting  a model to a database. We will  create  ourselves  the  JDBC  connection.  The  model  is  based  on  a  MySQL  database,  using  the  MMGeneric  layout  (we  aren’t  using  the  slightly  more  efficient hash method – MMHash – because the generic layout is the better  one to take if we access the data directly through JDBC rather than through  Jena).  import com.hp.hpl.mesa.rdf.jena.model.*;  import com.hp.hpl.mesa.rdf.jena.rdb.ModelRDB;  import com.hp.hpl.mesa.rdf.jena.rdb.DBConnection;  import java.sql.*;    public class pracRDFThree extends Object {  public static void main (String args[]) { 
  17. 17. 5  Comparative Survey – Java APIs for RDF, Anisoara Sava, Marcela Daniela Mihai  // Pass one RDF document, connection string,  String sUri = args[0];  String sConn = args[2];  String sUser = args[3];  String sPass = args[4];  try {  // Load driver class  Class.forName("com.mysql.jdbc.Driver").newInstance( );  // Establish connection ‐ replace with your own conn info  Connection con = DriverManager.getConnection(sConn,  "user", "pass");  DBConnection dbcon = new DBConnection(con);  // Format database  ModelRDB.create(dbcon, "MMGeneric", "Mysql");  // Create and read the model  ModelRDB model1 = ModelRDB.createModel(dbcon,  "modelOne");;  } catch (Exception e) {    System.out.println("Failed: " + e);    }    }  }    Once the model is persisted any number of applications can access it.  We  will  present  also  how  we  can  access  the  model  stored  in  a  MySQL  database and dump all its objects:  import com.hp.hpl.mesa.rdf.jena.model.*;  import com.hp.hpl.mesa.rdf.jena.rdb.ModelRDB;  import com.hp.hpl.mesa.rdf.jena.rdb.DBConnection;  import java.sql.*;  public class pracRDFFour extends Object {  public static void main (String args[]) { 
  18. 18. 18  Comparative Survey – Java APIs for RDF, Anisoara Sava, Marcela Daniela Mihai  String sConn = args[0];  String sUser = args[1];  String sPass = args[2];  try {  // load driver class  Class.forName("com.mysql.jdbc.Driver").newInstance( );  // Establish connection ‐ replace with your own conn info  Connection con = DriverManager.getConnection(sConn,  sUser, sPass);  DBConnection dbcon = new DBConnection(con);  // Open the existing model  ModelRDB model1 =, "modelOne");  // Print out objects in the model using toString  NodeIterator iter = model1.listObjects( );  while (iter.hasNext( )) {    System.out.println(" " + ).toString( ));    }  } catch (Exception e) {    System.out.println("Failed: " + e);    }    }  }    In addition to accessing the data through the Jena API, you can also access it  directly using whatever database connectivity you prefer.  As  you  can  see  the  Jena  API  for  managing  RDF  databases  is  very  straightforward and easy to use.   2.5 Jena query mechanism evaluation  Some  tests  were  done  for  exploring  the  benefits  of  semantic  web  technologies RDF, RDF Schema over existing such as XML, XML Schema in the  context of a scientific application. It was suggested to replace the  Chemistry 
  19. 19. 5  Comparative Survey – Java APIs for RDF, Anisoara Sava, Marcela Daniela Mihai  Markup  Language  (CML,  well‐established  XML  format  for  exchanging  information about molecules, reactions and experiment s) with RDF.  The specific technical goal of this study was to evaluate whether Jena would  be  suitable  for  storing  large  numbers  of  molecules,  and  whether  the  RDQL  query  functionality  would  support  searches  for  substructures  on  the  scale  that would be required in a realistic application.    The ability of RDF to support graph‐based query was identified as a potential  benefit  in  this  application,  allowing  chemists  to  search  a  repository  of  molecules for molecular sub‐structures.    But,  queries  for  simple  molecular  substructures  (such  as  N‐C‐N)  within  modest repositories (100 molecules, 26118 statements) took a prohibitively  large amount of time to complete (>24 hours).  So, unless efficiency of graph  query  engines  is  improved,  RDF  technologies  remain  inadequate  for  data‐ intensive  applications.  (See  more  details  on: ).  Undoubtedly,  RDF  offers  powerful  and  flexible  alternatives  for  modelling  complex  data  structures,  and  its  application  in  this  area  deserves  further  study.               
  20. 20. 20  Comparative Survey – Java APIs for RDF, Anisoara Sava, Marcela Daniela Mihai  3 SESAME    3.1 Introduction  Sesame  is  an  open  source  framework  for storage, inferencing and  querying  of  RDF  data.  The  community  site  for  information  about  development  with  Seseme  is  At  beginning  it  was  developed  by  the  Dutch  company  Aduna  as  a  research  prototype  for  the  EU  research  project  On‐To‐ Knowledge. In the present, Sesame framework is maintained and developed by  Arduna  in  collaboration  with  NLnet  Foundation  and  a  number  of  volunteer  developers who contribute with ideas, bug reports and fixes.   Sesame has an excellent administration interface included in the distribution,  it's  easy  to  install  and  is  consider  one    of  the  leading    graph  stores  and  running with excellence performance.  The most important characteristics of Sesame 2.x are:  completely targeted at Java 5; all APIs use Java 5 features such as  typed collections and iterators.  support for the SPARQL Query Language  support for context/provenance, allowing  to keep track of individual  RDF data units (like files, for instance).  proper transaction/rollback support.  3.2 Licence  If  the  version  1.x  of  Sesame  was  available  under  the  terms  of  GNU  Lesser  General Public License (LGPL), version 2.1, the version 2.x is available under a  BSD‐ style  license.  This  versions  includes  also  software  developed  by  the  Apache  Software Foundation.   
  21. 21. 5  Comparative Survey – Java APIs for RDF, Anisoara Sava, Marcela Daniela Mihai  3.3 Architecture  Sesame have an architecture that allows persistent storage of RDF data and  schema information and subsequent querying of that information.      For  keeping  Sesame  DBMS‐independent,  all  DBMS‐specific  code  is  concentrated  in  a  single  arhitectural  layer:    the Storage And Inference Layer (SAIL). This SAIL is an application programming interface (API) that offers RDF specific methods to its clients and translates these methods to calls to its specific DBMS. An important advantage of the introduction of such a separate layer is that it makes it possible to implement Sesame on top of a wide variety of repositories without changing any of Sesame's other components.
  22. 22. 22  Comparative Survey – Java APIs for RDF, Anisoara Sava, Marcela Daniela Mihai  The functional modules in Sesame are clients of the SAIL API. Currently, there  are three such modules: The RQL query engine, the RDF admin module and the RDF export module. To have direct access to functional modules from Sesame, must be use Access APIs. Those can be use also for access the next component of Sesame’s architecture, The Sesame Server. This  is  a  component that provides HTTP‐ and RMI‐based access to Sesame's APIs.  The  Model  API  is  represented  by  The  Model  interface,  which  holds  a  collection  of  indexed  statements and implements Set<Statement>. Model, unlike the MemoryStore, does preserve  the  statement  ordering,  but  unlike  the  MemoryStore  it  does  not  provide  concurrent  modification,  transaction,  or  query  support.  The  Model  is  a  welcome  addition  for  programs  that simply need to read and write RDF files.  For  having  access  to  the  RFD  parsers,  writers  and  basic  model  types  such  URI,  Literal,  Statement and Model from Sesame, we have only to include sesame‐client.jar.  The next code is for  demonstrate how can work with RDF files: read an RDF file, validate it  and after that write it back in an organized format:  File file = new File(“somefile.rdf”);  StatementCollector collector = new StatementCollector();  InputStream in = new FileInputStream(file);  try {    RDFParser parser = new RDFXMLParser();    parser.setRDFHandler(collector);    parser.parse(in, file.toURI().toString());  } finally {    in.close();  }  Model model = collector.getModel();  // perform some validation  for (Value obj : model.filter(null, RDFS.SUBCLASSOF, null).objects()) {    if (!model.contains((Resource) obj, RDF.TYPE, RDFS.CLASS))      throw new Exception(“missing super class”);  }  // sort the statements and write them back out 
  23. 23. 5  Comparative Survey – Java APIs for RDF, Anisoara Sava, Marcela Daniela Mihai  model = new ModelOrganizer(model).organize();  OutputStream out = new FileOutputStream(file);  try {    RDFWriter writer = new RDFXMLPrettyWriter(out);    writer.startRDF();    for (String prefix : model.getNamespaces().keySet()) {      writer.handleNamespace(prefix,  model.getNamespace(prefix));    }    for (Statement st : model) {      writer.handleStatement(st);    }    writer.endRDF();  } finally {    in.close();  }    3.4 The Repository API  The Repository API is the central access point for Sesame repositories. It can  be  used  to  query  and  update  the  contents  of  both  local  and  remote  repositories.  The  Repository  API  handles  all  the  details  of  client‐server  communication, allowing you to handle remote repositories as easily as local  ones.   The  main  interfaces  for  the  repository  API  can  be  found  in  package  org.openrdf.sesame.repository.  The  implementations  of  these  interface  for  local  and  remote  repositories  can  be  found  in  subpackages  of  this  package.   3.5 Transactions  Sesame  3.0 introduces  isolation  levels  to the API. In 2.x  each  store used  its  own  fixed  isolation  level  (MemoryStore,  NativeStore,  and  RdbmsStore).  In  Sesame  3.0,  each  connection  can  choose  its  own  isolation  level.  These  are 
  24. 24. 24  Comparative Survey – Java APIs for RDF, Anisoara Sava, Marcela Daniela Mihai  similar  to  the  ANSI  SQL  isolation  levels,    also    Sesame  has  created  its  own  RDF‐specific  definitions  and  provides  a  few  more  isolation  levels  that  are  relevant to distributed and optimistic stores.   Unlike the ANSI SQL isolation levels, Sesame distinguishes between snapshot  and  serializable  isolation  levels.  Furthermore,  Sesame's  definition  of  snapshot  isolation  allows  independent  RDF  stores  to  use  eventual  consistency to manage the changes to the store. This makes clusters of RDF  stores easier to implement for connections that allow eventual consistency,  but  still  require  a  consistent  non‐changing  view  of  the  store.  Some  of  Sesame's  lower  levels  of  isolation  explicitly  permit  the  use  of  HTTP  caching  (with  some  restrictions).  This  allows  connections  that  only  need  weak  consistency  to  operate  at  a  significantly  enhanced  speed,  by  not  having  to  check for new modifications every time.   Like  future work for this framework can be consider:  the transaction rollback support .  While the SAIL API has support for  transactions, it currently has no transaction rollback feature.  Transaction rollbacks, especially in the case of uploading  information, are crucial if we wish to guarantee database  consistency.  Versioning support. The current version of Sesame has no support for versioning. The basic type of versioning will enable more elaborate versioning schemes.  DAML+OIL support.         3.6 Query Language  Sesame currently supports two query languages: SeRQL and SPARQL.   SeRQL  ("Sesame  RDF  Query  Language",  pronounced  "circle")  is  a  new  RDF/RDFS query language that is currently being developed by Aduna as part  of  Sesame.  It  combines  the  best  features  of  other  (query)  languages  (RQL, 
  25. 25. 5  Comparative Survey – Java APIs for RDF, Anisoara Sava, Marcela Daniela Mihai  RDQL, N‐Triples, N3) and adds some of its own. This document briefly shows  all of these features.  Some of SeRQL's most important features are: Graph transformation.   RDF Schema support.   XML Schema datatype support.   Expressive path expression syntax.   Optional path matching.     4 Jena RDF storage  Jena  architecture  provides  an  abstract  RDF  model  to  manage  an  internal  graph  that  store  the  RDF  model.  The  applications  interact  with  an  abstract  Model  which  translates  higher‐level  operations  into  low‐level  operations  with triples stored in an RDF graph.  The Jena database subsystem implements persistence for RDF graphs using a  relational database through a JDBC connection.  The first Jena version had a reduce response time because of the uses of a  denormalized  relational  schema.  The  current  version  of  Jena  trades‐off  space  for  time.  Both  resource  URI  and  simple  literal  values  are  stored  directly  in  the  statement  table.  By  storing  values  directly  in  the  statement  table it is possible to perform many find operations without a join. Although  the size of the statement table is a problem Jena2 provides several options  to  reduce  it,  such  as,  compress  namespaces  (by  defining  a  prefix  and  using  this prefix like a reference to the namespace), to use long values only once  etc.. 
  26. 26. 26  Comparative Survey – Java APIs for RDF, Anisoara Sava, Marcela Daniela Mihai  5 Sesame RDF storage  Sesame  is  an  open  source  RDF  database  with  support  for  RDF  Schema  inferencing  and  querying  information.  The  progress  in  the  development  of  Sesame has showed some RDF store features.   The performance of Sesame together with object‐relational DBMS has been  proved  in  several  studies  [Jeen  Broekstra,  Arjohn  Kampman,  and  Frank  van  Harmelen. Sesame: A Generic Architecture for Storing and Querying RDF and  RDF  Schema.  ].  All  agree in the same conclusion: The performance is very low, if the database  system creates a table whenever a new class or property is added.  The study realized with PostgreSQL in [Jeen Broekstra, Arjohn Kampman, and  Frank  van  Harmelen.  Sesame:  A  Generic  Architecture  for  Storing  and  Querying  RDF  and  RDF  Schema.]  uses  a  different  approach (similar to Jena) in which all RDF statements are inserted in a single  table  with  three  columns:  “Subject,  Predicate,  Object”.  In  scenarios  where  the schema changes often, this approach is better than the previous.    It has been proved that we can improve the performance of inferences over  big  amount  of  data  using  an  object  oriented  database  (also  for  Jena  and  Sesame),  because  it  implements  “on  demand  materialization”  and  some  concepts as “class extent”. One of the most important features of an object  oriented  database  is  that  accessing  objects  in  the  database  is  done  in  a  transparent  manner  such  that  interaction  with  persistent  objects  is  no  different from interacting with in‐memory objects.    6 Conclusions  Jena is the most known RDF triple. It provides a programmatic environment  for RDF, RDFS and OWL, SPARQL and includes a rule‐based inference engine. 
  27. 27. 5  Comparative Survey – Java APIs for RDF, Anisoara Sava, Marcela Daniela Mihai  The  documentation  is  very  good  and  it  also  comes  with  some  extra  tool  developed by third parties.   A plus for Jena is that it works very well on Linux, FreeBSD and Windows.  Because a lot of programmers used it, the support for developing using Jena  (integration in existing IDE) is very good.   A  minus  for  Jena  is  that  it  doesn’t  have  a  web  framework  and  SPARQL  interface.    On  the  other  hand,  Sesame  has  all  these  and  also  comes  with  a  more  modern  architecture.  So,  recently  the  Semantic  Web  people  were  in  favour of Sesame.  Also Jena and Sesame make use of the advantages of conventional database  system. Although, Sesame supports only MySQL and PostgreSQL.  At  this  moment  Sesame  seems  to  be  the  most  modern  approch.  It  comes  with  a  plugin  architecture  which  makes  it  very  modular  (in  the  second  version it offers interfaces to the Spring Framework).  A  major  advantage  for  using  this  framework  is  for  the  fact  that  it  offers  a  pretty well documentation for users and developers. Also, because it is used  by  a  lot  of  programmers,  it’s  not  difficult    to  find  code  examples  and   opinions  about  certains  aspects  of  the  framework.  Also,  because  is  implemented in  Java  language, it offers  interoperability for  many  platforms  for programming.   As we said before the most popular aspect of Sesame is the fact that it can  be  deployed  on  tomcat  such  that  one  can  upload  an  ontology  and  test  queries in the browser.  Another important feature of the Sesame architecture is its abstraction from  the  details  of  any  particular  repository  used  for  the  actual  storage.  This  makes it possible to port Sesame to a large variety of different repositories,  including  relational  databases,  RDF  triple  stores,  and  even  remote  storage  services on the Web.   
  28. 28. 28  Comparative Survey – Java APIs for RDF, Anisoara Sava, Marcela Daniela Mihai  As  Jena,  Sesame  has  a  vivid  community  and  a  lot  of  documentation  that  make us believe that it will be developed over the years and the interest will  only increase.   Currently, Jena and Sesame are the two most popular implementations for  RDF  store.  Because  there  is  no  RDF  API  specification  accepted  by  the  Java  community,  programmers  use  either  Jena  API  or  Sesame  API  to  publish,  inquire,  and  reason  over  RDF  triples.  Thus  the  resulted  RDF  application  source  code  is  tightly  coupled  with  either  Jena  or  Sesame  API.  The  interoperability between Jena and Sesame arises as a problem when a Jena  API  based  application  needs  to  access  a  Sesame  backend,  or  a  Sesame  API  based  application  needs  to  access  a  Jena  backend.  This  problem  is  partly  solved  by  Sesame‐Jena  Adapter,  which  provides  access  to  a  Jena  model  through the Sesame SAIL API.  Jena  and  Sesame  are  distributed  under  a  BSD  license,  that  allows  to  the  developers to modify and distribute packages and sources.  In  our  opinion,  Jena  is  a  very  strong  and  mature  tool,  which  is  a  little  bit  slower  that  Sesame,  because  it  respects  ad  literam  the  SPARQL  specifications. That why the developers prefer more and more Sesame API,  which comes with a modern approch, with some more speed performances  but a very low scalability.   So, it’s developers choice what they can cut in their applications, the speed  and specifications or the scalability...  Another  appreciated  semantic  store  is  Mulgara,  which  is  an  open  source,massively  scalable,  transaction‐safe,  purpose‐built  database,  for  the  storage and retrieval of RDF, written in Java.    Bibliography  An introduction to RDF and Jena RDF API  
  29. 29. 5  Comparative Survey – Java APIs for RDF, Anisoara Sava, Marcela Daniela Mihai  Joe Verzulli, Using the Jena API to process RDF   Meet Jena, a semantic web platform for Java    RDF with Jena‐with‐Jena   Shelley Powers, Practical RDF, O’Reilly  Brian McBride, Jena: Implementing the RDF Model and Syntax  Specification  http://sunsite.informatik.rwth‐‐ WS/Vol‐40/mcbride.pdf   Jesús Soto, Oscar Sanjuan, Luis Joyanes, Semantic Web Servers: A  new approach to query on big datasets of metadata   Create Scalable Semantic Applications with Database‐Backed RDF  Stores‐how‐to‐use‐the‐sesame‐java‐ api‐to‐power‐a‐web‐or‐client‐server‐application/