R2RML（RDB to RDF Mapping Language，关系数据库转 RDF 映射语言）是 W3C 于 2012 年正式发布的推荐标准，属于 RDB2RDF 技术体系核心规范，提供声明式的语义映射描述手段，将关系数据库（RDB）内结构化数据转换为 RDF 图数据，打通关系型存储与语义网知识图谱之间的鸿沟。不同于 Direct Mapping 直接映射（按表名字段名自动生成 RDF，不可定制），R2RML 支持自主定义本体、IRI 模板、关联规则，可把数据库表、视图、自定义 SQL 查询结果映射为符合领域本体的 RDF 三元组，实现传统业务数据的语义化发布、知识融合与 SPARQL 虚拟查询。
一、背景：关系数据与语义模型的割裂
关系数据库以二维表、行、列、主键外键为基础模型，擅长事务处理、结构化存储，是企业信息系统、政务、图书馆、科研平台最主流的数据载体；但其数据语义内嵌在表结构、字段注释与业务代码中，机器无法自动理解实体、属性、实体之间的语义关系，跨库数据融合困难。
RDF（资源描述框架）是语义网基础数据模型，使用三元组<主语,谓词,客体>描述世界中的资源，配合 OWL 本体定义概念、类、属性与约束，支持知识推理、关联数据互联。二者底层模型天然异构：
关系模型：面向记录、二维平面、强范式；
RDF 模型：面向资源、图结构、弱结构。
RDB2RDF 工作组提出两套互补方案：Direct Mapping 为默认自动映射；R2RML 为定制化语义映射语言，允许映射设计者脱离原始表名，对接领域本体词汇，把业务数据库 “翻译成” 知识图谱，而不需要改动原有业务库结构。R2RML 映射文档本身也是 RDF 图，一般使用 Turtle 语法编写，具备自描述性。
二、R2RML 语义映射核心概念
R2RML 映射由一组TriplesMap（三元组映射）构成，TriplesMap是最小映射单元，每一行逻辑表记录，生成若干 RDF 三元组。核心构件如下：
1.LogicalTable 逻辑表
逻辑表定义 RDF 数据来源，不局限数据库物理表。可以是：物理表、视图，或者一段原生 SQL 查询语句。
意义：打破物理表边界，支持多表 JOIN、过滤、聚合后再做语义映射，是 R2RML 灵活性的基础。
2.SubjectMap 主体映射
主体映射生成 RDF 三元组的主语（资源 IRI 或空白节点）。
支持模板（Template）：利用数据库列值拼接生成全局唯一 IRI；
支持指定 rdf:type，映射到本体中的类（如ex:Person）；
支持空节点（Blank Node）用于匿名资源。
例如模板http://example.org/person/{id}，读取数据库id字段填充，为每一条人员记录生成唯一 IRI 标识实体。
3.PredicateObjectMap 谓词 - 客体映射
定义一组<谓词，客体>对，与主体组合生成完整三元组。内部包含：
PredicateMap 谓词映射：指定本体属性 IRI（如ex:name）；
ObjectMap 客体映射：从字段生成客体，可以是文本字面量、数值、日期或 IRI；
RefObjectMap 引用客体映射：用于外键关联，通过rr:join连接多个逻辑表，把外键映射为实体间对象属性，实现 RDF 图中的实体关联，对应关系库外键。
4.TermMap 术语映射
SubjectMap、PredicateMap、ObjectMap 都属于 TermMap，用于生成 RDF 术语（IRI、字面量、空白节点）。TermMap 取值来源分为常量、列值、字符串模板三类，同时支持数据类型转换（字符串、int、date 等 XSD 类型）。
5.GraphMap 图映射
可选构件，用于将三元组归入指定命名图（Named Graph），支持多图隔离，便于分领域、分批次管理 RDF 数据集。
三、R2RML 语义映射两种运行模式
R2RML 处理器存在两种实现路线，在工程落地中差异显著：
物化模式（Materialized）：处理器读取数据库，执行映射规则，批量生成 RDF 三元组，持久化存入 RDF 存储（三元组库）。优点：SPARQL 查询性能高；缺点：数据更新需要重新执行映射，存在数据延迟。适合静态、低频变更的档案、词表、历史科研数据。
虚拟模式（Virtual / On-the-fly）：不生成物理 RDF，收到 SPARQL 查询时，R2RML 引擎将 SPARQL 反向翻译成 SQL，下发到源数据库执行，结果即时转换为 RDF 三元组返回。优点：实时访问业务库，数据零冗余；缺点：复杂 SPARQL 生成 SQL 难度大，查询性能受数据库索引影响。典型工具如 D2RQ、Ontop，广泛用于政务、企业实时语义查询场景。
两种模式共享同一套 R2RML 映射文件，映射规则一次编写，可按需切换物化 / 虚拟查询，这是 R2RML 声明式设计的巨大优势。
四、R2RML 映射示例（Turtle）
假设 MySQL 有一张person表：id, name, birth。
目标：映射为领域本体ex:Person，属性ex:fullName、ex:birthDate。
turtle
@prefix rr: .
@prefix ex: .
@prefix xsd: .
<#PersonTriplesMap> a rr:TriplesMap ;
rr:logicalTable [ rr:tableName \"person\" ] ;
rr:subjectMap [
rr:template \"http://example.org/person/{id}\" ;
rr:class ex:Person ;
] ;
rr:predicateObjectMap [
rr:predicateMap [ rr:constant ex:fullName ] ;
rr:objectMap [ rr:column \"name\" ] ;
] ;
rr:predicateObjectMap [
rr:predicateMap [ rr:constant ex:birthDate ] ;
rr:objectMap [ rr:column \"birth\" ; rr:datatype xsd:date ] ;
] .
当读取记录id=1, name=\"张三\", birth=\"1990-01-01\"，自动生成三元组：
plaintext
rdf:type ex:Person .
ex:fullName \"张三\" .
ex:birthDate \"1990-01-01\"^^xsd:date .
五、R2RML 语义映射应用场景
关联数据发布：政务开放数据、图书馆元数据、档案系统，将存量业务数据库对外发布为遵循关联数据规范的 RDF 资源，支持浏览器、语义爬虫访问。
多源异构数据语义集成：多个独立业务库，通过统一本体 + R2RML 映射，把分散关系数据对齐到同一个知识图谱，实现跨库语义检索，而不需要 ETL 合并原始数据表。
知识图谱构建：企业知识库、术语词表、医疗 / 科研本体，作为知识图谱的数据接入层，把传统业务系统数据灌入图知识库。
语义查询层：在原有业务数据库之上搭建 SPARQL 语义查询接口，上层应用使用语义查询，底层仍然复用原有关系库，减少系统改造成本。
六、R2RML 的局限与技术演进
R2RML 局限
数据源受限：标准原生仅支持关系数据库，JSON、CSV、XML 等非关系数据无法直接描述；
表达能力边界：复杂聚合、高级语义转换、嵌套数据处理较为繁琐；
虚拟查询引擎优化难度高：复杂 SPARQL 到 SQL 的重写易产生低效 SQL，需要大量索引调优。
RML（RDF Mapping Language）扩展
RML 是 R2RML 社区扩展，向后兼容 R2RML，把rr:logicalTable泛化为rml:logicalSource，支持 CSV、JSON、XML、文件等各类异构数据源映射到 RDF，成为当前异构数据语义映射主流扩展方案。R2RML 仍是关系数据库场景的基准标准。
其他配套工具栈：Ontop、D2RQ、Morph-KGC、R2RML Parser，支持映射校验、可视化编辑、批量物化。
七、总结
R2RML 语义映射的本质，是用声明式规则完成关系模式到本体语义模型的转换。它不要求推翻成熟的关系数据库基础设施，而是在数据之上增加一层语义描述层，把二维记录 “提升” 为带语义关系的知识资源。
在知识图谱与语义应用工程体系中，R2RML 承担存量结构化数据的语义化桥梁角色：定义一次映射规则，支持批量导出 RDF 或提供虚拟 SPARQL 访问。随着异构数据需求增长，RML 扩展不断普及，但 R2RML 作为 W3C 官方标准，仍然是理解关系数据语义映射、设计数据库到知识图谱接入方案的基础理论。
