Wikidata SPARQL优化问询：单玩具行含图片与站点链接数

需求与背景 #

需要返回每行对应唯一玩具条目的表格，包含玩具图片、站点链接数字段。最初编写的SPARQL查询会为每个玩具-图片对生成一行（例如wd:Q1737075会出现两行），通过嵌套查询解决了重复行问题，但有两个疑问待解答：

• 是否有更优的实现方式？
• 为何将标签、站点链接放在子查询中可避免超时，放在外层会超时？

初始查询（存在重复行问题） #

SELECT ?item ?itemLabel ?image ?sitelinks WHERE {
  ?item wdt:P31 wd:Q11422; #toy, returns
        wdt:P18 ?image;
        wikibase:sitelinks ?sitelinks.
  SERVICE wikibase:label { bd:serviceParam wikibase:language "[AUTO_LANGUAGE],en". }
}
ORDER BY DESC(?sitelinks)

最终查询（解决重复行问题） #

SELECT ?item ?itemLabel ?sitelinks ?image WHERE {
  
  {
    SELECT ?item ?itemLabel ?sitelinks (MAX(?_image) AS ?image) WHERE {
      ?item wdt:P31 wd:Q11422; #toys
            wikibase:sitelinks ?sitelinks;
            rdfs:label ?itemLabel;
            wdt:P18 ?_image.
      FILTER(LANG(?itemLabel)="en")
    }
    GROUP BY ?item ?itemLabel ?sitelinks
  }
  
  ?item wdt:P18 ?image.
        #rdfs:label ?itemLabel;
        #wikibase:sitelinks ?sitelinks
  #FILTER(LANG(?itemLabel)="en")
}
ORDER BY DESC(?sitelinks)

疑问解答 #

1. 更优实现方式 #

有两种更简洁高效的写法：

写法一：直接聚合图片（无需外层查询）

用GROUP BY配合SAMPLE()直接聚合图片，避免重复关联字段，语义更准确：

SELECT ?item ?itemLabel ?sitelinks (SAMPLE(?_image) AS ?image) WHERE {
  ?item wdt:P31 wd:Q11422;
        wikibase:sitelinks ?sitelinks;
        wdt:P18 ?_image.
  SERVICE wikibase:label { bd:serviceParam wikibase:language "en". }
}
GROUP BY ?item ?itemLabel ?sitelinks
ORDER BY DESC(?sitelinks)

SAMPLE()用于选取任意一张代表图片，比MAX()更贴合需求——我们只需要每个玩具的一张图即可，不需要取“最大值”语义的图片。

写法二：先取唯一条目再关联图片

先筛选出所有唯一玩具条目，再关联图片字段，逻辑更直观：

SELECT DISTINCT ?item ?itemLabel ?image ?sitelinks WHERE {
  {
    SELECT ?item ?itemLabel ?sitelinks WHERE {
      ?item wdt:P31 wd:Q11422;
            wikibase:sitelinks ?sitelinks.
      SERVICE wikibase:label { bd:serviceParam wikibase:language "en". }
    }
  }
  ?item wdt:P18 ?image.
}
ORDER BY DESC(?sitelinks)

这种方式先把结果集压缩到唯一玩具的数量级，再关联图片，不会产生大量重复行。

2. 子查询避免超时的原因 #

核心是中间结果集的大小差异：

• 把标签、站点链接放在外层时，查询会先拉取所有玩具的图片关联数据，每个对应多张图片的玩具会生成多行重复条目，中间结果集非常庞大。之后再处理标签和站点链接的过滤/关联，会消耗大量计算资源，超出查询引擎的时限导致超时。
• 放在子查询中时，GROUP BY会先把重复的玩具条目合并，将结果集压缩到唯一玩具的数量级，之后外层再处理时，只需要处理少量数据，资源消耗骤降，自然不会超时。

另外，你的最终查询里外层的?item wdt:P18 ?image是多余的——子查询已经通过聚合得到了?image，直接返回子查询结果就行，没必要再关联一次图片，能进一步提速。

内容的提问来源于stack exchange，提问作者lowndrul