Wikidata SPARQL查询优化求助：查询过慢甚至超时

优化后的查询代码 #

PREFIX wd: <http://www.wikidata.org/entity/>
PREFIX wdt: <http://www.wikidata.org/prop/direct/>
PREFIX wikibase: <http://wikiba.se/ontology#>
PREFIX bd: <http://www.bigdata.com/rdf#>

SELECT 
  ?person 
  ?personLabel 
  ?birthdate 
  (GROUP_CONCAT(DISTINCT ?countryLabel; separator=", ") AS ?countryLabels)
  ?siteCount 
  (GROUP_CONCAT(DISTINCT ?occupationLabel; separator=", ") AS ?occupationLabels)
  (SAMPLE(?image) AS ?uniqueImage)
WHERE {
  # 基础条件：人类、生日5月20日、拥有美/英国籍、有职业和图片
  ?person wdt:P31 wd:Q5 ;
          wdt:P569 ?birthdate ;
          wdt:P27 ?country ;
          wdt:P106 ?occupation ;
          wdt:P18 ?image .

  # 直接指定目标国家，减少后续过滤开销
  VALUES ?country { wd:Q30 wd:Q145 }
  
  # 过滤生日为5月20日
  FILTER(MONTH(?birthdate) = 5 && DAY(?birthdate) = 20)

  # 高效获取站点链接数量：使用内置统计服务，无需遍历所有站点
  SERVICE wikibase:stats {
    ?person wikibase:siteLinkCount ?siteCount .
  }

  # 统一通过内置标签服务获取英文标签
  SERVICE wikibase:label {
    bd:serviceParam wikibase:language "en" .
    ?person rdfs:label ?personLabel .
    ?country rdfs:label ?countryLabel .
    ?occupation rdfs:label ?occupationLabel .
  }
}
GROUP BY ?person ?personLabel ?birthdate ?siteCount
ORDER BY DESC(?siteCount)
LIMIT 50

核心优化说明 #

• 站点计数优化：原查询通过遍历所有站点链接再统计数量，会生成大量中间数据，耗时极长。改用Wikidata内置的wikibase:stats服务直接获取站点链接总数，避免全量遍历，大幅提升速度。
• 标签逻辑简化：移除原查询中手动通过rdfs:label获取标签并过滤语言的冗余代码，完全依赖wikibase:label服务处理标签。该服务经过专门优化，能高效获取指定语言的标签，省掉额外的过滤步骤。
• 提前过滤国家：用VALUES子句直接指定美国（wd:Q30）、英国（wd:Q145）的实体ID，让查询规划器提前锁定符合条件的国籍实体，减少后续需要处理的数据量。
• 分组逻辑精简：仅按人物唯一标识?person和单值属性（姓名、生日、站点数）分组，将多值属性（国籍、职业）的聚合单独处理，避免不同属性值交叉产生笛卡尔积，既解决了重复结果问题，又降低了计算开销。
• 图片处理优化：原查询将图片变量放入GROUP BY中，容易导致不必要的分组拆分。优化后仅在WHERE子句中获取图片，通过SAMPLE(?image)选取单张图片，分组时不包含图片变量，减少无效分组计算。

内容的提问来源于stack exchange，提问作者Travis