（计算机应用技术专业论文）xml数据在关系型数据库中存储方法的研究.pdf

山东大学硕士学位论文 摘要 本文介绍了x 虬语法的主要特点以及d t d 、s c h e m a 的使用；阐明了x 虬数据 在数据库中的存储方式：重点从三个角度讲述了x 札在关系数据库中的存储方 法：独立于模式的) m 几数据在关系数据库中的存储、基于啪的咀，数据在 关系数据库中的存储、基于x s d 的) 0 咀，数据在关系数据库中的存储，并分别提 出了自己的算法。其中本文作者提出的无模式的x m l 文档的存储方法p c o d e 方法采用了基于节点位置的节点编码方法，极大提高了基于路径的查询的性能； 本文作者提出的基于d t d 的咀。数据在关系数据库中的存储方法r - i n l i n i n g ， 是对著名的 i y b r i d i n l i n i n g 方法的改进，该方法对d 1 m 图中+ 或+ 指向的叶节点 在关系数据库中的映射进行了更合理的处理，进一步提高了存储和查询的效率。 目前的基于x s d 的沮。数据在关系数据库中的存储方法往往忽略数据语义约束 的保留，本文详细地描述了x s d 所有数据语义约束在关系数据库中的映射。 关键词：) m 几关系型数据库d 1 ds c h e m a 映射 山东大学硕士学位论文 a b s t r a c t t h ec h a r a c t e r i s t i c so fs y n t a xo f la n da p p l i c a t i o no fd t d s c h e m a a r ei n t r o d u c e di nt h i st h e s i s ： s t o r i n gm o d eo fx m ld a t ai nd a t a b a s ei s e x p o u n d e d ： t h r e es t o r a g em e t h o d so fx m ld a t ai nr e l a t i o n a ld a t a b a s ea r e d e s c r i b e di nd e t a i l s ：t h es t o r a g eo fs c h e m a i n d e p e n d e n t 埘ld a t ai n r e l a t i o n a ld a t a b a s e ， s t o r a g em e t h o do fx m ld a t ab a s e do nd t da n ds t o r a g e m e t h o do fx m ld a t ab a s e do nx s d ；a n dt h ec o r r e s p o n d i n ga l g o r i t h m sa r e f i g u r e do u ti n d i v i d u a l l yb yt h ea u t h o r a m o n gt h ea b o v em e n t i o n e d a l g o r i t h m s ， t h es t o r a g em e t h o df o rs c h e m a i n d e p e n d e n tx m lf i l e p c o d e a d o p t st h en o d ee n c o d i n gm e t h o db a s e do np a t h st h u sg r e a t l yi m p r o v e st h e c 印a b i l i t y o fq u e r y ：t h e s t o r a g em e t h o df o r x m ld a t ab a s e d o n d t d - r i n l i n i n gi sa no p t i m i z a t i o no ft h ef 锄o u sh y b r i d i n l i n i n g w h i c h i m p r o v e st h ee f f i c i e n c yo fs t o r a g ea n dq u e r yd u et ot h ep r o p e rp r o c e s s i n g o ft h em a p p i n gf o r1 e a fn o d e sp o i n t e db y 术o r + i nd t dg r a p h w a d a y s s t o r a g em e t h o d so f ld a t ab a s e do nx s di nr e l a t i o n a ld a t a b a s eu s u a l l y i g n o r e st h er e s t r i c t i o n s ， i nt h i st h e s i s ，t h em a p p i n gf o rr e s t r i c t i o n s i nx s di n t or e l a t i o n a ld a t a b a s ea r et h o r o u g h l yd e s c r i b e d k e y - o r d s x 儿r e l a t i o n a ld a t a b a s ed t ds c h e m a m a p 原创性声明和关于论文使用授权的说明 原创性声明 本人郑重声明：所呈交的学位论文，是本人在导师的指导下，独 立进行研究所取得的成果。除文中已经注明引用的内容外，本论文不 包含任何其他个人或集体已经发表或撰写过的科研成果。对本文的研 究做出重要贡献的个人和集体，均已在文中以明确方式标明。本声明 的法律责任由本人承担。 论文作者签名：垂亟 日 关于学位论文使用授权的声明 本人完全了解山东大学有关保留、使用学位论文的规定，同意学 校保留或向国家有关部门或机构送交论文的复印件和电子版，允许论 文被查阅和借阅；本人授权山东大学可以将本学位论文的全部或部分 内容编入有关数据库进行检索，可以采用影印、缩印或其他复制手段 保存论文和汇编本学位论文。 ( 保密论文在解密后应遵守此规定) 论文作者签名：董亟导师签名： 山东大学硕士学位论文 第一章引言 1 1 课题提出的意义 h t 扎对w 肼的蓬勃发展、信息的传递起了重要作用，但其本身存在许多局限 和不足，如它的标签主要是用来呈现网页的布局和外观，极度缺乏对数据的表达 能力，在商品信息转换为h t m l 格式、提供给客户时，原本建立在数据库中的重要 的信息架构将全部丢失。鉴于此，我们需要一个比h t 扎更好的方法。同h t m l 相比， ) 跚，具有更多的优越性，如格式简单、强大的数据表达能力、便于搜索弓i 擎的准 确定位、异质系统之间数据的传递等，它的出现，使互联网变成一个覆盖全球的 分布式数据库。 既然x 旺文档包含数据，那么就存在着如何查询及管理这些数据的问题。但 x 札在数据管理方面存在明显缺点。首先，煳l 技术采用的是基于文件的管理机制， 文件管理存在着容量大、管理困难的缺点；l 文档不适于处理较大规模的数据。 第二，目前煳l 数据的检索是基于节点的检索，存放大量甚至海量数据的x 虬文件 的检索速度极低；第三，解析手段有缺陷，蜈有两种解析机制，s a 】( 方式是基 于文件的解析，不能够随机访问) 眦文档，d o m 方式是基于内存的方式，资源消耗 大“1 ；第四，修改效率低，目前x m l 的修改是基于节点的；最后，x 虬的安全性及 并发操作机制也是需要解决的问题之一，显然，) 【m l 数据需要一种有效的存储、 检索和修改等方面的管理机制。 与儿相比，关系数据库在数据管理方面具有强大的优势：技术成熟、应用 广泛；数据管理能力强( 包括存储、检索、修改等) ；数据安全程度高：稳定可 靠的并发访问机制等。” 在w 曲信息共享及异构应用数据交换方面，儿具有其他技术无法比拟的优 点，在数据管理方面，关系型数据库具有明显优势，所以我们将很自然地想到： “以关系数据库为存贮手段，以儿为交换载体”的数据管理模式。尽管沮。 技术与传统关系数据库技术有一些相似之处，但差别还是很大的，如。采用 d 1 巾( d o c 啪e mt y p ed e f i i l i t i o n ，文档类型定义) 或血s c h 哪a ( x m l 架构) 来描 述数据的逻辑结构，关系数据则通过关系模式来描述数据的逻辑结构。因此，要 将) 几数据存储在关系数据库中，需要进行一系列复杂的转换工作，同样，要将 山东大学硕士学位论文 关系数据库中的数据以儿文档的形式表达出来，也需要做一些模式转换处理。 在x m l 文档和关系数据库之间实现数据的双向转换是x 虬技术应用研究的热点之 一。由于时间和精力所限，本文作者重点进行l 数据在关系型数据库中存储方 法的研究。 1 2 国内外研究的现状 在国外，】( i l 与关系数据库的相关技术己经引起了高校科研院所及商业数据 库公司的关注，其中有代表性的有美国s t a n f o r d 大学的l o r e 项目，l o r e 主要 的研发重点是为x 虬定义数据模型与查询语言，支持x m l 数据的存储与处理；还 有加拿大多伦多大学的x m l 搜索引攀t o x “3 ；法国国家信息与自动化研究院 ( i n r i a ) 的x y l e m e 计划的d y n 锄i cd a t aw a r e h o u s ef o rt h ex 札d a t ao ft h e w e b ( w e b 上x 虬数据的动态数据仓库) 项目”，该项目的设计目标是将互联网上 的所有x 札数据都整理装入x 虬数据仓库，数据量是t b 级。 国内相关研究则起始于新世纪之初，一些大学及有实力的软件公司、科研所 都进行了相关的研究。如因科公司的因科x m l 网关( i x g ) “成功实现x 肌和传 统关系数据库的实时转化和交互，以及x m l 文件和v o i c e x m l 、w m l 等之间的实时 自动翻译等：中科院软件研究所的x 札与关系数据库转换系统x t r a n s 也实现了 x 虬文档到关系数据库数据，以及从关系数据库数据到x m l 文档的双向转换。 目前，许多主流的数据库厂商如微软、o m c l e 、m m 和s y b 踮e 等都在把沮。 支持结合到其产品中，或者提供可在其数据库中使用帆的工具。这种方式很难 实现对传统关系数据的改造和继承，仅仅是提供了融合的途径。 在血与关系数据库映射转换研究中，由于血和关系数据库模式表示的语 义、结构关系的机制、方式不尽相同。如) m 几的d t d 描述有很强的自由度和表 现力，它们的数据语义约束信息在提取、映射、转换等方面的困难性，造成现有 ) m 几与关系数据库数据转换的映射算法存在缺陷。【刀大家往往仅考虑了数据结构 信息上的转换，却忽略了数据语义约束的保留。保留约束条件的模式转换还处于 研究阶段，还没有一种行之有效的方法。帆与关系数据库映射转换的语义完整 性，通用性，双向性及算法等都有待进一步研究。 山东大学硕士学位论文 1 3 本文主要研究的内容 本文的主要内容是：介绍了x 札语法的主要特点以及d t d 、s c h e m a 的使用： 阐明了x 札数据在数据库中的存储方式；重点从三个角度讲述了x i l 在关系数据 库中的存储方法：独立于模式的沮。数据在关系数据库中的存储、基于d 1 巾 的m 。数据在关系数据库中的存储、基于x s d 的沮。数据在关系数据库中的 存储，并分别提出了自己的算法。其中本文作者提出的无模式的咀。文档的存 储方法p c o d e 方法采用了基于路径的节点编码方法，极大提高了基于路径的查 询的性能；本文作者提出的基于d 田的咀。数据在关系数据库中的存储方法 r - i l l l i n i n g ，是对著名的i l y b r i ( i - i i l l i i l i n g 方法的改进，在该方法中对d t d 图中+ 或+ 指向的叶节点在关系数据库中的映射进行了更合理的处理，进一步提高了存 储和查询的效率。目前的基于x s d 的x m l 数据在关系数据库中的存储方法往往 忽略数据语义约束的保留，本文作者在第五章中详细地描述了x s d 所有数据语 义约束在关系数据库中的映射。 3 山东大学硕士学位论文 第二章x m l 及其存储 2 1x m l 概述 h t 地( h y p e r t e x tm a r k u pl a n “a g e ，超文本标记语言) 是基于 s g 札( s t a n d a r d l i z e dg e n e r a l r k u pl a n “a g e ，标准通用标记语言) 的众多语 言之一，h t m l 使用标记对信息进行编码，通过合适的工具( 通常是浏览器) 可以将 编码后的信息解析并显示出来。例如，为了让“p u r c h a s e0 r d e r ”以粗体显示 出来，达到强调的目的，可以用 标记将单词括起来，如下： p u r c h a s eo r d e r 同h t 肌一样，列l 也是基于s g 札的，也使用标记来编码信息。h t m l 与瑚l 的主 要不同之处是h t m l 标记提供了作用于数据的格式设置指令，而x m l 标记则描述了 数据自身的结构渊例如，一个x l l l 格式的订单文档可能会像下面这样： 2 0 0 1 0 1 一o l g r a e m em a l c 0 1 m 1 2 4 1 上面的订单文档中的o r d e r 元素有一个值为1 2 3 4 的o r d e r 属性，还包含下列 数据： 一个值为2 0 0 卜o 卜o l 的o r d e r d a t e 子元素 一个值为g r a e m e 蚍1 c 0 1 m 的c u s t e r 子元素 两个i t 锄子元素，每一个都含有一个p r o d u c t l d 子元素和一个q u a n t i t y 子 4 山东大学硕士学位论文 元素 x 地文档不包含格式信息，它只包含数据。这意味着x 扎解析器不需要理解儿 文档中标记的含义，它只需要能够发现标记并验证文档是x 虬文档即可。在x 札 文档中可以使用任何标记，因为解析器并不需要理解标记的含义。这就是) n 几中 的“x ”代表可扩展( e x t e n s i b l e ) 的原因( 可能“e 儿”不如“舭”容易记忆) 咖。 x 虬文档要想是格式正确的，必须符合如下规则： 元素和属性的名称可以由字母、数字和下划线字符组成，首字符必须是字 母或者下划线。 文档中必须只有一个惟一的根元素，包含了所有其他元素。 对于每一个起始标记，必须有一个结束标记与之相对应( 使用简洁语法的 空元素除外) 。 x l i l 标记区分大小写，因此起始标记与结束标记必须严格匹配。 根元素内的每个元素都必须嵌套在自己的父元素内。 同一个元素不能包含超过一个的同名属性，除非使用( n 锄e s p a c e ) 来限定 属性名( 下一节将讲述命名空间) 。 2 2x 札模式语言 x 扎模式语言就是用来定义删l 的词汇表和文档结构的语言。x m l 的一系列特 性如可扩展性、结构化和自描述性等都要用x m l 模式定义语言来体现。x l i l 模式语 言有：文档内容描述( d c d ) 、面向对象的删l 模式( s o x ) 、文档类型定义( d t d ) 、如r 、 x s d 等等“”。后三种模式定义语言是我们要介绍的。 2 2 1d t d 文档类型定义d 1 1 ) q d o c 啪朗tt y p ed e f i n i t i 0 i l s ) 定义了文档的逻辑结构，是描 述文档语法和语义的一种正式语法。它规定了文件中的元素命名，存放位置，组 合方式等。一个d 1 d 内嵌在咀。文档中，也可以是一个外部文件。d 1 d 用于定 义文档的语法，而文档的语法反过来能够让沮。语法分析程序确认某个页面标记 使用的合法性。【1 2 】d t d 定义页面的元素、元素的属性以及元素和属性之间的关系， 例如d t d 可规定某个表项只能在某个列表中使用。 山东大学硕士学位论文 2 2 1 1d t d 的特点 d t d 有不少缺陷：山1 1 ) d t d 是基于正则表达式的。描述能力有限： 2 ) d t d 没有数据类型的支持，在大多数应用环境下能力不足； 3 ) d t d 的约束定义能力不足，无法对l 实例文档做出更细致的语义限制， 如出现约束( 基数性) ? 、和+ 可以分别指定“零或一”、“零或多个”、“一 个或多个”，但很难表达“七到十二之间”： 4 ) d t d 不够结构化。 当然，使用d t d 也有好处，如可以利用大量成熟的d t d 工具，使得开发应用 代价维持在一个相对较低的水平。习惯使用d r r d 的人不必担心d t d 的落伍问题， 因为已经出现了若干d t d t o x 肌的s c h 锄a 转换工具如d t d 2 x s 叫1 ，d t d 2 x s 能把 复杂的d t d 转换成x m ls c h e 衄。基于以上原因，目前d t d 的使用者仍大有人在。 遇到以下情况时，我们仍要首选d t d ：嘲 文档规则的简洁表示很重要。 希望下游用户能够通过内部参数集覆盖并将类型专门化。 文档规则主要考虑元素的嵌套而不是内容的语义约束。 惯常使用的工具支持d t d 胜于支持v 几s c h e m 。 2 2 1 2d t d 的语法 作为描述埘l 文档的一种模式，d t d 使用一种特殊的语法来声明出现在【l 文 档中的每个对象( 元素、属性等) 。元素声明采取 语句的形式，含有元 素的名称和它的内容模型，内容模型简单的列出了该元素可能的子元素，如下所 示。 6 山东大学硕士学位论文 如上所示，d t d 描述了一个置标语言的语法和词汇表，定义了文档的整体结 构以及文档的语法。图中 表示a r t i c l e 元 素由t i t l e 和a u t h o r 元素组成。计表a u t h o r 可以不出现，或出现多次。 2 2 2s c h e m a 2 2 2 1s c h e m a 的特点 相对于d t d 。s c h e m a 具有以下优点： ( 1 ) 一致性：s c h e m a 使得对) a 几的定义不必再利用一种特定的形式化的语言， 而是直接借助x 札自身的特性，利用x 札的基本语法规则来定义) 咖。文档的结构， 用户和开发者可以使用相同的工具来处理s c h e m 瘌其它x 札信息，而不必专门为 s c h 鲫a 使用特殊工具。 ( 2 ) 扩展性：s c h e 眦对d t d 进行了扩充，引入了数据类型、命名空间，从而使 其具备较强的可扩展性。 ( 3 ) 互换性：利用s c h e 岫，我们能够书写x m l 文档以及验证文档的合法性。另 外，通过特定的映射机制，还可以将不同的s c h e m a 进行转换，以实现更高层次的 数据交换。 ( 4 ) 规范性：但相比于d t d ，s c h e 舱基于l ，更具有规范性。利用元素的内容 和属性来定义x m l 文档的整体结构，如哪些元素可以出现在文档中、元素间的关 系是什么、每个元素有哪些内容和属性、以及元素出现的顺序和次数等等。 但s c h e m a 也并非完美无缺，如： ( 1 ) s c h e m a 远比d t d 繁琐； ( 2 ) 尽管存在增强的表达方式，仍然有许多文档规则不能用s c h e m a 表示，即 s c h e m a 无法做到能够执行d t d 的所有操作： ( 3 ) 用于s c h e m a 的工具不如用于d t d 的工具成熟。 2 2 。2 2s c h e m a 的语法 最为正式的沮。s c h e m a 语言是由w 3 c 指定的s c h 锄a 规范，简称为 x s d ( 沮。s c h e m ad e 砌t i q n ) 。下面给出一个x s d 文件，并对其语法作一说明： 山东大学硕士学位论文 ( s c h e m ) 【r i l l n s _ ”h t i p ：，、w w w 3 o r g 2 0 0 l 也s c h e r i l a ” x t l l i n s s i i f h t c p ：欣w m i l io 喀c 蕊a n l e s p a c e s 塔m d 跖t l i s t ” t a f g e t n 锄e s p a c e = ”h 卸：，、w w n 1 o 唱c n ，n a m e s p a c 裙，s t u 出n t “s t ” 刊h l p l e x t y p e ( ，e l 哪e n t s i m p i e t y p en a m e ：”像l d a t y p e i l e n u m e r a 矗o nv a l u e = ”男” l e n g 廿iv a l u e = ”3 ”卢 = 0 ) 个子元素或者文本节点。 如下所示的沮。片段，其模型树如图3 1 所示。 r a 曲u 钾i r s n l 锄e r a m 棚s h n a n 钆a 咖锄e | 氛洒a p j o h 觚n e s 删r s 仃l a m e g e h d 【e | 氏嗵b a p m c g r a w - 碰l le d u c a t i o n 删i s h e t 5 6 0 0 刮p r i c e 勺b o o k s 山东大学硕士学位论文 3 2 相关的研究 图3 一l ，一棵珊l 模型树 图3 2 ：一棵硼l 模型树 按咀。数据的存储方式不同，无模式的沮。数据在关系数据库中的映射 方法主要有基于边的方法和基于节点的方法两种嘲。 文献【2 4 】提出了6 种方案来实现在关系型数据库中存储沮。数据：三种存 储边的方案：边表方法但电e ) 、二元方法i n a r y ) 、通用表方法m i v e r s a l1 曲l e ) ， 两种存储节点值的方案：独立值表方法( s 印a 曲v 砒u et 曲l e ) 、内联方法 血l i l l i l i n 曲，还有一种方法是通用表方法的变种。由于篇幅所限，仅对e 电e 方法 进行讨论研究。 e d g e 方法将儿文档图中的所有边存在一张表中，简称为边表，边表的结 构为：e 电e ( u r c e o 蹦n a l ，n a i m ，f l a g ，t a r g e t ) 。其中，u r c e 和t a r g e t 为x m l 模 型树中每条边的源节点和目标节点的节点编号：o r d i i l a l 用来标记这条边是其 山东大学硕士学位论文 s o l 眦e 节点的第几条出边；n 锄e 是该边的名称，即该边指向的节点名，n a g 用“w ” 和“r e f ”两个值标记这条边指向的是也数据内容还是指向一个内部节点，当 指向的是) ( i 皿。数据内容，就把数据内容存在t a 玛e t 中，当指向的是内部节点， 就把节点编号存在t a r g e t 中。图3 - 2 中标明了各节点的编码，表3 - 1 是图3 - 2 对 应的e d g e 表。 e 如e 表 s o u r c e0 r d i n a ln a m e f l a g1 弛e t o1b o o k s 剐 j l 1b o o k 届矿 2 2ly e 盯v 缸2 0 0 2 22 p a g e v 甜6 6 6 23t i t l e v 址d b m s 24a u 血o r 届矿 6 6lg e n d e r 、j 址m 62f i r s m a n 培v a l r a 曲u 63l a s 恤a m er a m a k r i s h n a n 25a u m o r 叫 j 口 1 0l g e n d e rv mm 1 02f i r s m 锄ev 乱j o h 锄e s l o3l a s n l 锄e ( k h r k e 26p u h l i s h e r、，砒 m c g r a w - 琢l le d u c a t i o n 27p f i c e 5 6 o o l2b o o k 尺矿 j 6 表3 1e 电e 表 以表3 1 中的第8 行为例，该元组( 6 ，2 ，f i r s m a n 峙，v 砒，r a 曲u ) 对应了这样的信 息：以节点6 为源节点的边中的第2 条边指向节点f i r s 缸1 锄e ，f i r s 恤锄e 节点上 存放的值为“r a g h u ”。 e d 鐾e 表用一张表保存了皿。文档中的全部信息，有利于表的遍历操作，但 对查询操作后的) m 几数据重构带来了困难。由于) m 几数据查询是基于路径的， 而该模型没有直接提供路径信息，执行查询时只能通过连接操作将表中每条边连 1 4 山东大学硕士学位论文 接起来，以完成路径信息的判别，查询过程需要较大数量的连接操作，查询效率 不高，另外e 匙e 模型是一种单咀，文档模型，不适用于多) a 皿文档的存储。 下面将讨论本文作者提出的无模式的v 几文档的存储方法，一种基于节点 位置的咀。数据的存储方法p c o d e 方法。 3 3 基于节点位置的x 札数据的存储方法p c o d e 方法 3 3 1 映射关系表 将图3 1 所对应的模型树映射为p a m 表、d 啦表、x r n l d b c u m 锄t 表3 张关 系表，表的结构及记录内容如下： p a m 表 d o c p a t h i d p a t l i 】p 1 b o o k s l p 2 b o o k s ，b o o k lp 3 m o o k s b o o k 炮y e a r l p 4 仍o o k s 毋0 0 m 孕p a g e 1p 5b o o k s b o o k m d e 1p 6b o o k s 倍o o 从u t h o r 1p 7 愿o o k & 国o o k 缓u 吐1 0 饱g e n d e r 1p 8 b o o k s b o o “a u m o r 佰i r s n l 锄e 1p 9 ，b o o k s 甩o o l 【，a u m o 儿船恤a r n e 1p l o偈0 0 k s m o o k 肌b l i s h e r lp l lb o o k s ，b o o k p r i c e 表3 2p a l l l 表 p a m 表说明；将图3 1 中的每个节点的路径信息映射为表p 抽 ( d i o c d ，p 抽，p 翟l t l l ) ，d o c d 为咀，文档的代码，p a t h d 为位置代码，p 抽 为采用路径方式表达的节点位置。 e l e m e n t 表 d o c i de i e m e n t i dd a 协 l p l ( 1 ) 1 p 2 ( 1 ，1 ) l p 3 ( 1 ，1 ，1 ) 2 0 0 2 山东大学硕士学位论文 1 p 4 ( 1 ，l ，1 ) 6 6 6 l p 5 ( 1 ，l ，1 ) d b m s l p 6 ( 1 ，l ，1 ) 1 p 7 ( 1 ，l ，l ，1 ) m l p 8 ( 1 ，1 ，1 ，1 )r a 曲u 1 p 9 ( 1 ，l ，1 ，1 ) r a m a k r i s i i l l 锄 1 p 6 ( 1 ，l ，2 ) 1 p 7 ( 1 ，l ，2 ，1 ) m l p 8 ( 1 ，l ，2 ，1 ) j o h a n n e s l p 9 ( 1 ，l ，2 ，1 ) g e h r k e 1 p 1 0 ( 1 ，l ，1 ) m c g r a w h i l le d u c a l i o n l p 1 l ( 1 ，l ，1 ) 5 6 o o 表3 3d a t a 表 e l e m e n t 表说明；图3 1 中的所有数据节点的信息映射为表e l 啪t0 d 0 c ， e l e m 饥t d ，d a t a ) ，其中d o c d 为v 皿文档的代码，e 1 e m e n t 为其所属节点的 编码媳2 ，d a t a 为数据的值。 此外，另设x l i l l d o c 砌e n t 表，用来存储沮。文档信息。 3 3 2 节点编码 本文采用了独特的节点编码。如图3 3 ，元素树中的节点都标有一个数字， 该数字表示这个节点是其父节点的第几个同名子节点。每个节点的编码即为到达 该节点的路径+ 元组，元组中的各个数值即为到达该节点的过程中经过的各节点 的下标。如表3 3 的第一行( 1 ，p 3 ( 1 ，1 ，1 ) ，2 0 0 2 ) 中的p 3 ( 1 ，l ，1 ) 表示：到达y e 盯节点 的路径为p 3 ，经过的b o o k s 、b o o k 、y e a r 节点的下标分别为1 、1 、1 。这种编码 方法大大提高了基于路径的查询的效率，尤其提高了包含节点顺序的查询的效 率。 1 6 山东大学硕士学位论文 固3 3 ：节点带有下标的元素树 3 3 3 策略优点 ( 1 ) 可实现多个咀。文档在关系型数据库中的存储。 ( 2 ) 采用了基于路径的编码方法大大提高了套询的效率。 ( 3 ) 单独建表存储各节点路径信息，极大提高了基于路径的查询的性能。 3 4 两种映射方法的查询性能比较 3 4 1 测试环境 测试环境如表3 5 所示： x m l 解 c p u 内存硬盘操作系统r d m s测试集 析器 h t t d ：w w w ：i b i b l i oo 豫，b o s a k 唧 w i n d o w sx e r c 幅 x m l 绝彰s h a k e s 1o g2 5 6 m 4 0 g 2 0 0 0 s q l j a v a 2 0 0 五d a 小，锄o e d s e n ，e r p a r s e r( 解压后可得 h z2 0 0 0 s e r v e r2 0到3 7 个x m l 文件，共 7 5 3 m 、 表3 5 测试环境 山东大学硕士学位论文 3 4 2 实验系统设计 3 4 - 2 1 实验设计框架图 图3 4 ：实验设计框架示意图 3 4 2 2x m l 存储转换 由于d o m 解析文件时读入整个文档，然后构建一个驻留内存的树结构，占 用的内存较多，导致其处理大型文件时性能下降；而s a x 是事件驱动型的帆 解析方式，它顺序读取x 蛐l 文件，不需要一次全部装载整个文件。因此本文中 的) m 儿文档的存储转换采用s a x 技术，主要通过重载s t a r 匝i e i r 煳t 0 、血l e m t o 和c h a 嘲朗s o 三个方法来实现瞄1 。s t a 庇l 锄跚t o 在读取元素开始标记时触发， c h 黼咖r s 0 方法在读取节点数据时候触发，铋d e l 锄e 1 1 t o 方法在读取元素结束标记 时触发，具体算法如下： s t 葺i r t e k 眦n t ( s t n gu 订，s t 血gl o c a l n a m e ，乳咖gq n a 哪，a t t d b u t e s a t t r i b u t e s l 如果p a m 表达式中最后一个元素的名称l o c a l n 帆e ，则 p a m = p a l l l + ，叩+ i o c a l n 锄e ： 如果p a m 在p a m 表中不存在，则将p a m 存入p a t h 表中，p a m d 增加1 ，否 则从蹦1 表中得到p a t i l m ； 如果兄弟节点q n 锄f q n a m e ，则e l 锄锄t d = p a n l d ( 兄弟节点元组最后一 个数字加1 ) ；否则e l 锄卸) = p 甜l d ( 在父节点下标元组最后增添“，1 ”) ，否 e l 鲫t 入栈： 将e l 锄e n t 的相关信息写入e l e m 锄t 表： 若a 锄b i i t 岛非空，说明该元素含有属性节点，属性节点的处理方法与元素的 山东大学硕士学位论文 处理方法基本相同，只是在p a ：i l l 表达式中的属性名前添加“ ”符号以示区别。 ) c h a 豫c t e 隅( c h a r 【lc h ，i n ts t a n i n tl 蛐g t h ) 收集元素的值； ) 蛐d e i e m e n “s t n gu r i ，s t n gl o c a l n 舢e ，s t n gq n a m e ) 将收集来的元素值存入e l e m e n t 表： 将e l e n 砖n t 作为兄弟节点暂时保存； 去掉p a m 表达式中的最后一个元素： e l e m e i l t 出栈； 3 4 2 3x m l 查询转化为s q l 查询 沮。查询转化为s q l 查询的方法有很多种，由于篇幅所限，在此不做讨论。 这里采用文献【2 6 】中的方法实现x p a m 到s q l 查询的转换， 3 4 2 4 查询数据库创建x m l 文档 建立表、数据存入表中及对数据库中的表进行查询均通过m b c 唧实现。 3 4 3 查询比较 这里对l 数据按照三种映射方法存储后的查询性能进行比较，本文准备 了七个查询实例，覆盖了咀。查询的不同方面，能够有效地验证咀，的查询。 如表3 6 所示： 山东大学硕士学位论文 x p a t h 表达式 各注 短路径查 查询l幢l n | e c 飞 询 长路径查 查询2h 。a w a c t y s c e n e s p e e c h 几d s 1 ：a g e d t 询 带一个省 查询3，悠c e n e ，】硼e 略路径 带两个省 查询4| | 心1 | 疆m 畏?