关联数据正在成为现代 Web 应用程序的核心部分，因此对 RDF 中表达的结构化信息的有效访问变得至关重要。 许多高效的本地 RDF 存储已经存在，而具有与传统数据库和数据集成系统已知的类似效率和数据管理特性的分布式索引和分布式查询处理对关联数据的处理才刚刚开始发展。 分布式方法必然与集中式方案共存，因为数据将由不同的利益相关者拥有，他们可能不想将完整的数据集提供给一个中心位置。 此外，在某些领域，可能出于组织或法律原因禁止中央/集成存储。 为了支持去中心化方案，目前在这个方向上的尝试很少，但在能力和分布程度与效率、查询表达能力和可扩展性方面都存在局限性。 为了纠正这种情况，本文中提出的方法和概念验证原型为这些开放挑战提供了解决方案。 当我们主张广泛分布式系统作为可扩展性问题的可能答案时，我们首先确定并讨论主要挑战，并基于此分析，我们提出了一种对分布式关联数据源进行高效且可扩展的查询处理的方法，同时考虑到最新的数据库技术的进步。 我们的系统基于分层架构，利用分散式索引和查询处理方法的优势，这些方法在过去十年中已经研究和成熟。 我们的方法基于对 RDF 数据进行查询的逻辑代数和相关的物理查询代数，以在查询处理的逻辑层和物理层上实现优化。 引入的用于处理复杂查询计划的运算符和策略过度使用并行性和分布式查询处理的其他优化范例。 我们的查询处理框架包括一个复杂的成本模型，以实现经济高效的查询计划和查询执行。 我们通过对真实概念验证部署的实验评估来广泛评估我们的方法，这证明了所提出概念的效率、适用性和正确性。
