买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜南京大学申请的专利一种基于图模型的GraphQL查询开销优化方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN114896470B 。

龙图腾网通过国家知识产权局官网在2025-06-10发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202210530499.1，技术领域涉及：G06F16/903；该发明授权一种基于图模型的GraphQL查询开销优化方法是由曹春;徐经纬;汤聪设计研发完成，并于2022-05-16向国家知识产权局提交的专利申请。

本一种基于图模型的GraphQL查询开销优化方法在说明书摘要公布了：本发明公开一种基于图模型的GraphQL查询开销优化方法，包括基于图模型的数据缓存管理方法以及缓存字典构建方法：将基于GraphQL框架构建的系统中的数据按照实体关系模型以有向图模型的形式统一组织，将数据缓存分配到有向图中的每一个实体节点上，因此查询语句可以通过匹配节点缓存减少对数据源的查询操作；基于GraphQL查询语句语法的特点，提取查询语句中的结构信息，构建缓存键，并按照实体关系模型拆分查询结果，构建节点缓存值，提高缓存命中率。本发明用图模型组织管理GraphQL数据缓存，基于查询语句结构构建缓存字典；本发明独立于GraphQL框架及其实现系统，将查询优化层与系统实现解耦。对比传统缓存方法实现，本发明拥有较好的缓存命中率，提高了GraphQL系统的查询效率。

本发明授权一种基于图模型的GraphQL查询开销优化方法在权利要求书中公布了：1.一种基于图模型的GraphQL查询开销优化方法，其特征在于，包括：1）根据GraphQL系统中的实体关系模型描述文件构建有向图来管理实体缓存数据；2）基于GraphQL查询语句的语法结构特征构建缓存字典，提取查询语句中的路径信息和过滤条件信息，基于路径信息和过滤条件信息构建缓存键，并按照实体关系模型将查询结果存储到有向图中，构建节点缓存；3）基于更新语句和数据缓存有向图模型进行缓存更新；所述1）中，基于TypeDefinitionRegistry实例构建数据缓存有向图，将基于GraphQLSDL定义的实体关系模型，统一解析并组织为内存中的有向图模型，在每个图节点中存储实体的缓存数据；基于TypeDefinitionRegistry实例构建的数据缓存有向图模型独立于GraphQL框架实现的系统，实体关系模型的数据类型包括string、int、float、boolean、array，基于数据缓存有向图模型全局管理实体之间的关联信息和实体缓存信息；数据缓存有向图模型的构建在GraphQL框架实现的系统初始化完成后生成，当GraphQL框架解析GraphQLSDL定义的实体关系模型得到TypeDefinitionRegistry实例后，基于TypeDefinitionRegistry实例中的信息来构建实体有向图模型；对于数据缓存有向图模型的构建，基于邻接表来构建全局唯一的有向无环图，实体节点中包含实体属性信息、节点id、实体关联节点信息列表和实体缓存实例：对于实体属性信息，与GraphQLSDL中定义的属性信息保持一致，其中包含string、int、float、boolean和array类型的属性信息，以字典形式保存，此外还备份属性信息的源文件；对于实体关联节点信息列表，解析得到的非string、int、float、boolean和array类型的属性信息，校验该属性对应的实体模型是否为已定义的实体模型，若校验成功，将该实体模型作为关联节点存储在关联节点列表中；否则校验失败，记录校验错误信息；对于节点id，实体模型在运行系统中全局唯一，节点id是全局唯一标识；对于实体缓存实例，使用开源的缓存框架caffine实现，有向图中每个实体节点都有一个缓存实例，缓存大小能动态调整。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人南京大学，其通讯地址为：210023 江苏省南京市栖霞区仙林大道163号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。