（计算机系统结构专业论文）基于关系数据库的xquery查询处理研究.pdf

重庆大学硕士学位论文 中文摘要 摘要 随着基于i n t e m e t 商业应用的迅速发展，x m l ( e x t e n s i b l em a r k u pl a n g u a g e ， 可扩展标记语言) 已经成为i n t e r n e t 上数据表示和数据交换的标准格式，提出了对 x m l 数据管理的要求。关系数据库系统技术已经十分成熟，在商业数据管理中占 据着主导地位，如何利用关系数据库来实现x m l 数据管理已经受到了广泛的关注 与重视。x m l 数据资源的查询与检索是x m l 获得广泛应用的关键，在w e b 数据 管理中占有重要地位。在众多x m l 查询语言中，x q u e r y 语言是w 3 c ( w o r l d w i d e w e b c o n s o r t i u m ，互联网联盟) 标准草案的一部分，已经得到了广泛的应用，是x m l 中的s q l 。因此，基于关系数据库的x q u e r y 查询处理就成为x m l 数据管理中的 主要内容之一，对x m l 的应用有着t 分熏要的影响。 x m l 数据管理的内容包括使用某种映射方法完成x m l 文档到关系数掘库的 存储以及实现用户的x q u e r y 语句对原x m l 文档的查询处理。- b - - s q l 不同，x q u e r y 查询针对x m l 文档，而其数据却按照各种映射方法存储在数据库的关系表中，这 给查询处理造成了严重的障碍。 文章从问题的两个主要方面进行了讨论：x q u e r y 到s q l 的查询语言转换处理 和广泛适应多种映射方法的处理。分析了它们的处理过程和实现方法，对比了若 干具有代表性的现有解决方案，寻找到解决问题并达到应用中各项要求的可行途 径。 在此基础上，设计了一个x q u e r y 查询处理的方法，采用基于虚拟x m l 视图 的x q u e r y 查询处理方案。文中对实现查询语言转换功能的底层处理机制分析归纳 出了各部分的查询处理规则。提出了一个虚拟x m l 视图自动创建机制，以解狭多 种映射方法适应性的问题，并建立在底层处理机制之上。在把映射方法分为两大 类的前提下，对类结构映射法的适应性，通过x m l 结构树作为中间步骤来实现 虚拟x m l 视图的创建，对另外一类模型映射法，统一使用十二个参数达到这一目 标。文中设计了两个算法完成这两项工作。该方法以获得较好的适应性及扩展性 为目标，使用户使用x q u e r y 语言查询存于关系数据库中的x m l 数据更为方便。 最后辅以对虚拟x m l 视图创建机制的实验。 关键词：x m l ，x q u e w ，关系数据库，查询转换，映射方法 里鏖查堂堡主堂堡堡苎茎壅! ! ! 蔓 a b s t r a c t a l o n gw i t ht h ei n c r e a s i n gd e v e l o p m e n to fi n t e r a c t - b a s e d b u s i n e s sa p p l i c a t i o n ， x m l ( e x t e n s i b l em a r k u pl a n g u a g e ) h a se m e r g e d a st h es t a n d a r df o r m a tf o rd a t a e x p r e s s i o n a n d e x c h a n g e ， w h i c hl e a d st o r e q u i r e m e n t si n v o l v i n g x m ld a t a m a n a g e m e n t r e l a t i o n a ld a t a b a s es y s t e mh a sb e e na l m o s tp e r f e c ti n t h ed o m a i no f t e c h n i q u e s ，a n di t s d o m i n a n ti nb u s i n e s sd a t am a n a g e m e n ta r e a i t sb e e np a yw i d e a t t e n t i o na n dr e g a r d st oh o wt or e a l i z ex m ld a t am a n a g e m e n tt a k i n ga d v a n t a g eo f r e l a t i o n a ld a t a b a s e t h ek e y sf o rw i d e a p p l i c a t i o n so f x m ll i ei nq u e r ya n ds e a r c h i n g i nx m ld a t as o u r c e s i t sv e r yi m p o r t a n tt ow e bd a t am a n a g e m e n t w i t h i nal a r g e n u m b e ro fx m lq u e r yl a n g u a g e s ，x q u e r yi so n ep a r to ft h es t a n d a r dd r a f t so f w 3 c ( w o r l d w i d ew e bc o n s o r t i u m ) a n di th a sb e e nu s e di na p p l i c a t i o n sw i d e l yi ti s b e c o m i n gt h es q lf o rx m l a c c o r d i n g l y , x q u e r yp r o c e s s i n gb a s e do nr e l a t i o n a l d a t a b a s ei se n l e r 西n go n eo ft h em a i nc o n t e n t so fx m ld a t am a n a g e m e n t i tm a k e s s i g n i f i c a n te f f e c to n t h ea p p l i c a t i o n so f x m l t h ec o n t e n to fx m ld a t am a n a g e m e n ti n c l u d e ss t o r i n gx m ld o c u m e n t si n t o r e l a t i o n a ld a t a b a s e u s i n gs o m eo f m a p p i n ga p p r o a c h e s ，a n dq u e r yp r o c e s s i n go f u s e r s x q u e r yo np r i m a r yx m l d o c u m e n t s d i f f e r e n tf o r ms q l ，x q u e r ya i m sa tx m l d o c u m e n t s ，b u tt h ed a t aw h i c hx q u e r y a i ma ta r es t o r e di nr e l a t i o n a lt a b l e si nd a t a b a s e a c c o r d i n gt o v a r i o u sm a p p i n ga p p r o a c h e s t h u sm a k e sa ns e r i o u so b s t a c l et o q u e r y p r o c e s s i n g i nt h i s t h e s i s ，t h ep r o b l e m i sd i s c u s s e dm a i n l yf r o mt w oa s p e c t s ，w h i c hi s p r o c e s s i n gf o rq u e r yl a n g u a g et r a n s f o r m a t i o no fx q u e r y t os q l ，a n dp r o c e s s i n gf o r a d a p t a t i o n t o m u l t i p l em a p p i n ga p p r o a c h e s t h ep r o c e s s i n g c o u r s ea n d r e a l i z i n g m e t h o d sh a v eb e e n a n a l y z e d m a n y c u r r e n t r e p r e s e n t a t i v es o l u t i o n s h a v e b e e nc m p a r e d t h ef e a s i b l er o u t et or e s o l v et h ep r o b l e ma n dt oa t t a i nt h er e q u i r e m e n t so f a p p l i c a t i o ni s g o t a st h er e s u l t b a s e do na b o v e , a nx q u e r y p r o c e s s i n gm e t h o d i sd e s i g n e d ，w h i c ha d o p t sx q u e r y p r o c e s s i n gs o l u t i o n b a s e do nv i r t u a lx m lv i e w t h e q u e r yp r o c e s s i n gr u l e sa r ei n d u c e d a f t e r a n a l y z i n g t h eb o t t o m p r o c e s s i n g m e c h a n i s mo f r e a l i z i n gq u e r yl a n g u a g e t r a n s f o r m a t i o nf u n c t i o n w h a t sm o r e ，a na u t oc r e a t i n gm e c h a n i s mo fv i r t u a lx m l v i e w w h i c hi sb u i l do nb o t t o mp r o c e s s i n gm e c h a n i s mi s p r o p o s e dt o s o l v et h ea d a p t a b i l i t y p r o b l e mo fm u l t i p l em a p p i n ga p p r o a c h e s t h e r ea r et w ok i n d so fm a p p i n ga p p r o a c h e s ， i i 重庆大学硕士学1 _ i ) ：论文 英文摘要 f o rs t m c n l r e m a p p i n ga n d m o d e l m a p p i n g a sf o r t h ea d a p t a b i l i t yo f s t r u c t u r e m a p p i n g a p p r o a c h ，v i r t u a lx m l v i e wi sc o n s t r u c t e db yv i r t u eo fx m ls t r u c t u r et r e ew h i l ei s r e a l i z e dw i t ht w e l v ep a r a m e t e r sf o rt h ea d a p t a b i l i t yo f m o d e l m a p p i n ga p p r o a c h a n d t w oa 1 9 0 f i t h m sa r ed e s i g n e dt oc o m p l e t et h ea b o v ew o r k s t h em e t h o d p u tf o r w a r di n t h i st h e s i sa i m st o g o o da d a p t a b i l i t ya n de x t e n s i b i l i t y , a n dp r o v i d e sc o n v e n i e n c et o u s e r s q u e r yo nx m l d o c u m e n tt h a ti ss t o r e di nr e l a t i o n a ld a t a b a s eu s i n gx q u e r y a t t h ee n do ft h i st h e s i s ，e x p e r i m e n t so f c o n s t r u c t i n gm e c h a n i s mo f v i r t u a lx m lv i e wa r e d o n et os u p p o r tt h ep r o p o s e dm e t h o d k e y w o r d s ：x m l ，x q u e r y , r e l a t i o n a ld a t a b a s e ，q u e r yt r a n s f o r m a t i o n ，m a p p i n g a p p r o a c h e s i 重庆大学硕十学位论文 】绪论 1 绪论 1 1 问题的提出及其研究意义 x m l ( e x l e n s i b l em a r k u pl a n g u a g e 可扩展标记语言) f 1 是一种通用语言，能够 非常灵活的标记w e b 上多种不同数据源中的信息，具有开放性、灵活性、易读性 和平台无关性等特点。随着基于i n t e r r l e t 商业应用的迅速发展，x m l 已经成为 i n t e m e t 上数据表示和数据交换的标准格式，于是，在i n t e r n e t 上的存在着大量和 重要的x m l 文档，这些应用提出了一系列新的涉及x m l 数据管理的要求。就现 状和发展趋势来看，关系数据库经过多年发展技术已经非常成熟，在商业数据管 理领域中占据着主导地位。因此在满足这些新的基于x m l 应用需求的同时，仍然 需要依靠关系数据库技术，这就需要在二者之间建立一座桥梁，利用关系数据库 来实现x m l 数据管理【2 j 。 x m l 数据资源的查询与检索是x m l 获得广泛应用的关键，在w e b 数据管理 中占有重要地位。基于关系数据库的x m l 查询处理问题是建立于关系数据库之上 的x m l 数据管理问题的主要内容之一，是一个具有卜分重要意义的研究方向。 现在国内外提出了很多种x m l 查询语言方案，如x q u e r y 、x q l 、x m l q l 、 q u i l t ，x m l g l 、x p a t h 、y a t l 、l o r e l 等。很多x m l 查询语言有极强的针对性， 受限于数据类型的种类，不具备通用性。与此不同，x q u e r y 语言【3 9 1 是w 3 c ( w o r l d w i d ew e bc o n s o r t i u m ，互联网联盟) 标准草案的一部分，适用于各种类型的x m l 数据源，是一种功能极强的查询工具。x q u e r y 是在其他多种查询语言精华的基础 上形成的，也借鉴了s q l 和o q l ，兼具各种查询语言的优点，具有灵活方便、符 合x m l 文档特点、功能全面等优点，是“x m l 中的s q l ”【】，有着广阔的应用 前景。 x q u e r y 语言已经得到了广泛的应用，基于关系数据库的x m l 查询处理问题 实际上已经演变为针对x q u e r y 语言的查询处理，其它查询语言在这一问题上几乎 已被取代。 从现在国内外的研究情况来看，x m l 数据管理包括：使用某种映射方法完成 x m l 文档到关系数据库的存储q 3 ：用户使用x q u e r y 语言针对原x m l 文档提 出查询要求，系统响应要求，理解具体的x q u e r y 查询语句，然后从关系数据库中 取得正确的结果数据【l ”，并以x m l 的文档结构形式返回给用户。x m l 文档中的 数据是半结构化的，而关系数据库是建立在结构化数据理论基础上的，这给基于 关系数据库的x m l 数据管理造成了主要障碍。 x q u e r y 语言是对x m l 数据的查询，在实际使用中，它与s q l 语言有档似之 重庆大学硕士学位论文 1 绪论 处：一般来说，s q l 语言由数据库编程人员和数据库管理人员使用，他们是s q l 用户，s q l 查询建立在关系表之上；相似的，x q u e r y 的用户是那些使用x q u e r y 编制更高层应用程序和对x m l 数据进行管理的人员，在这些人员的概念中是将 x q u e r y 语言建立在x m l 文档之上的。然而，在查询处理中却存在很大的差异： x q u e r y 查询针对x m l 文档，而在数据库中，其数据却按照各种映射方法存储在 关系表中，查询对象与其数据来源位置不一致。对于x q u e r y 用户来说，必须满足 他们的要求，使得他们在使用x q u e r y 查询x m l 数据时，就像使用s q l 查询关系 数据一样方便。因此，在数据库之上执行x q u e r y 查询时，处理过程中的矛盾必须 得到很好的解决。 在关系数据库之上实现x q u e r y 的正常查询功能，会极大的方便x q u e r y 用户， 满足x m l 数据管理的实际需求，符合x m l 技术发展的潮流。 1 ，2 论文的主要内容 本文讨论的是x q u e r y 语言的查询处理问题，基于这样的前提：用户使用 x q u e r y 语言对存储于关系数据库中的x m l 文档数据进行查询。 基于关系数据库实现x q u e r y 查询的主要矛盾在于两个方面 1 ”。一是x q u e r y 语言是针对x m l 文档的查询工具，其本身无法作用到关系数据库的物理存储上， 因此存在查询语言功能转换的问题；二是对一个x q u e r y 查询来说，作为查询对象 的x m l 数据由各种方法映射到了数据库中，咀关系表形式进行了重新组织，己不 再符合原先所依照的x m l 格式，因此存在消除各种映射方法影响的问题。 通过查阅大量文献，文章对问题存在的两个方面作了分析，分别进行了两部 分讨论。对第一个矛盾，采用x q u e r y 到s q l 的查询语言转换方案 1 4 。，这样的 目的不仅是实现x o u e r y 在关系数据库中的查询处理，更具现实意义的是能够充分 利用关系引擎的已有功能，降低问题难度并可提高解决的效果。对第二个矛盾来 说，实际上是解决x q u e r y 查询处理方案对映射方法的适应问题 1 5 , 2 0 。由于映射方 法本身的多样性与变动性，所以查询处理方案也必须能够解决出现的各种情形， 这样x q u e r y 用户不必关心他的查询使用了哪个映射方法以及是怎样映射的。这是 个多种映射方法适应性的问题。 文章就这两个方面进行了阐述，分析了查询语言转换和多种映射方法适应性 解决处理的过程和方法，对比了若干具有代表性的现有解决方案，寻找到解决f - j 题并达到应用中各项要求的可行途径。 在此基础i - _ 设计了一个x q u e r y 查询处理的方法，采用基于虚拟x m l 视图 的x q u e r y 查询处理方案。文中对实现查询语言转换功能的底层处理机制的各部分 进行了分析归纳，得出相关的查询处理规则。对多种映射方法适应性的闷题，提 重庆大学硕士学位论文 1 绪论 出了一个虚拟x m l 视图自动创建机制，建立在底层处理机制之上。在把映射方法 分为两大类的前提下，对一类结构映射方法的适应性，通过x m l 结构树作为中问 步骤创建虚拟x m l 视图来实现，对另外一类模型映射方法，统一使用十二个参数 达到这一目标。文中设计了两个算法完成这两项工作。最后是对虚拟x m l 视图创 建机制的实验。该方法的优点是对映射方法适应面广，两个核心算法的使用使得 扩展代价小，利于升级更新和适应变化，使用户应用x q u e r y 语言查询存储于关系 数据库中的x m l 数据更为方便。 论文结构如下： 第二章概括的介绍了x m l 相关技术，按结构映射法和模型映射法两大类介绍 了x m l 到关系数据库的几个映射方法。 第三章就x m l 的查询语言问题作了讨论，着重探讨了x q u e r y 查询语言的几 个主要方面。 第四章讨论了本文面临问题的实质，从两个方面分析了该问题，详细讨沦了 x q u e r y 到s q l 的语言转换处理和多种映射方法的适应性实现两个部分，其中对典 型解决方案进行了分析与对比。 第五章在第四章的基础上分两部分详述了基于虚拟x m l 视图的x q u e r y 查询 处理方案。对底层处理机制分析得出查询处理规则；提出了建立于其上的虚拟x m l 视图自动创建机制，其核心是分别针对结构映射法和模型映射法的两个适应性解 决算法。本章完成了算法设计并对创建机制进行了实验。 第六章作以总结并提出了进一步的改进工作。 重庆大学硕士学位论文 2x m l 到关系数据库的映射 2x m l 到关系数据库的映射 2 1 x m l 及其相关技术 x m l ( e x t e n s i b l em a r k u pl a n g u a g e ，可扩展标记语言) 1 1 是一种元标记语言， 起源于1 9 8 6 年由国际标准化组织批准的s g m l ( s 伽1 d a r dg e n e r a l i z e dm a r k u p l a n g u a g e ，标准通用标记语言) ，与1 9 9 0 年出现的h t m l ( h y p e r t e x tm a r k u p l a n g u a g e ，超文本标记语言) 同源，具有内容与形式分离、良好的扩展性、跨平台 移植性、自描述性等特点。x m l 是开放标准的一部分，与现有的标记语言相比， 尤其是在网络应用中，在数据的交换、存储、描述等方面具有明显的优势。w 3 c ( w o r l d w i d e w e bc o n s o r t i u m ) 于1 9 9 8 年发布了x m l l 0 版。x m l 已经成为电子 商务在语言和数据交换方面的发展趋势与事实标准。今天，x m l 在很多领域中大 展身手，这其中包括传统的数据库技术的范畴，人们开始考虑用x m l 文档来存储、 管理和查询i n t e m e t 上浩如烟海的信息资源。 x m l 文档组成 一篇x m l 文档主要由标记和内容组成。x m l 中共有六种标记：元素 ( e l e m e n t s ) ，属性( a t t r i b u t e s ) ，实体引用( e n t i t yr e f e r e n c e s ) ，注释( c o m m c i l t s ) ， 处理指令( p r o c e s s i n gi n s t r u c t i o n s ) 和c d a t a 段( c d a t as e c t i o n s ) 。其中，元素 是标记的最常见的形式，由尖括号分隔，与h t m l 中的标记相似。x m l 文档是一 种基于文本的格式，在结构上主要由x m l 声明、处理指令和元素组成。下面是 个x m l 文档例子，b o o k l i s t x m l ： r i c h a r d f e y n m a n t h ec h a r a c t e r o f p h y s i c a ll a w 1 9 8 0 r k 4 重庆大学硕士学位论文 2x m l 到关系数据库的映射 n a r a y a n w a t i n g f o rt h em a h a t m a 1 9 8 1 文档类型定义d t d x m l 与h t m l 最显著的不同是x m l 文档中引入了d t d ( d o c u m e n tt y p e d e f i n i t i o n ，文档类型定义) 。d t d 规定了x m l 文档的结构，通过描述子元素和属 性的名字及类型来定义x m l 元素的结构。其中定义了x m l 文档内容的元信息。 元信息包括：被允许的标注的次序和嵌套，属性值和它们的类型以及默认值，可 能引用到的外部文件的名字，可能包含的一些非x m l 的格式，以及可能遇到的实 体。用户使用d t d 定义自己x m l 文档的标记。d t d 赋予了x m l 文档的可扩展 性、结构性和可验证性。但是d t d 使用不同于x m l 的标记规范，其本身并不遵 循x m l 标准，在功能上也不完全适用需要，可定义的数据类型太少等，所有这些 缺点制约了d t d 的使用。上图所对应的d t d 文档如下所示： x m l s c h e m a x m ls c h e m a 是w 3 c 的推荐标准，它是x m l 文档的另外一种结构信息描述 方式，其本身就是用x m l 写的，对x m l 文档做了更为严格的规定，弥补了d t d 的不足，并且更有利于关系模式与x m l 模式之间的数据交换。s c h e m a 大有取代 d t d 的趋势。 o e m 数据模型 o e m ( o b j e c te x c h a n g em o d e l ，数据模型) 是针对半结构化数据提出的，在 对其稍加改进之后可用作x m l 数据的描述模型。模型由对象和关系组成，每个对 象包含一个唯一的i d 标号和值，由矩形表示，i d 代表x m l 文档结点在文档中出 现的顺序，值代表x m l 文档结点的值，关系表示结点之间关系，由向下的有向边 重庆大学硕士学位论文 2x m l 到关系数据库的映射 表示。对象可以是原子类型或复杂类型的，原子类型的对象的值是一些基本类型 值，包括：i n g e t e r , s t r i n g ，i m a g e ，s o u n d 等等。复杂类型的对象的值是一个( 属性， 对象) 对的集合。属性是一个字符串，是属性名空间的一个值。图中一些叶子节点 是具有原子类型值的对象。该图有一个根，根是一个特殊的对象，可以由该根出 发访问图中所有的对象。半结构化数据的o e m 模型正规定义和解释如下： 半结构化数据定义成一个图g 。 g = ( v ，e ，r ，v ) ：代表半结构化数据的图g 是一个四元组。 v = v 。u v 。：v 是图g 的节点集。v 被分成v 。和v 。，v 。是复杂对象节点，v 。 是原子对象节点。 e = v 。a x v 。：e 是g 中边的集合。e 被定义成从复杂节点出发，经过属性名， 到达某个节点( 可以是复杂节点也可以是原子节点) r v ：r 是树根。 v ：v 。一d ：定义原子类型对象的值，这里d 是原子值的空间。v 是节点。 下面是图2 1 所示的x m l 文档对应的o e m 图： 图2 10 e m 图 f i g u r e2 1o e mg r a p h 上图的左支树在o e m 模型的文本形式描述下为片段： b o o k ： i s b n ：”1 1 1 ”， a u t h o r ：ff i r s tn a m e ：”r i c h a r d ” l a s t n a m e ：”f e y m m a n ” ， t i t l e ：”t h ec h a r a c t e ro f p h v s i c a ll a w ” p u b l i s h e d ：1 9 8 0 ) ) 半结构化数据的特征包括：属性缺少或属性多出；多值属性；类型不同；异 重庆大学硕士学位论文 2x m l 到关系数据库的映射 构集合。可以把半结构化数据的概括为：半结构化数据是那种不规则的、自描述 的、没有预先定义的模式的数据。 2 2 映射方法 伴随着大量的x m l 数据和文档出现在i n t e r n e t 上，x m l 存储问题就必然的被 提了出来。传统关系数据库管理系统技术成熟，在各个领域都发挥着重要的作用。 利用关系数据库来存储x m l 数据已经成为一个重要课题。现在包括m i c r o s o f ts q l s e r v e r 2 0 0 0 ，o r a c l e 9 i ，i b m d b 2 2 1 1 等许多数据库已经引入了支持x m l 的新特性。 x m l 到关系数据库的映射是该课题的关键问题。由于半结构化的x m l 数据与 数据库中结构化的数据存储方式之间存在巨大的差异，因此存储之前必须对x m l 数据重新组织和进行转换，这一任务由映射方法完成。映射方法不仅要完整的转 换x m l 文档数据，而且要保证数据间的相互关系即文档结构信息不被损坏。一个 好的映射方法应该是等价映射，能够反向还原x m l 文档。 现在已有多种成熟的映射方法，但每个方法与实际应用的具体需要相联系， 并无一个或几个统一的方法能够解决映射问题，而且在实际应用中都可能被改动。 所以映射方法是多样的和变动的。文献 2 2 中，所有的映射方法整体上分为两大类： 结构映射法( s t r u c t u r e - m a p p i n ga p p r o a c h ) 和模型映射法( m o d e l - m a p p i n ga p p r o a c h ) 。 每一类中的多种映射法都有它们的共同之处，下面分别阐述。 2 2 1 结构映射法 在结构映射法中，必须要有x m l 的模式信息支持，关系模式是随不同的x m l 模式而动态生成的。一个共同的问题是如何从数据库模式产生x m l 模式( d t d 或 s c h e m a ) 或从x m l 模式产生数据库模式2 2 。3 1 。 从x m l 模式产生一个关系模式的一般算法过程如下： 1 ) 对每个复杂的元素类型创建一个表和一个主键列； 2 ) 对每个具有混合内容的元素类型，建立一个独立的表保存p c d a t a ，并通 过父表的主键连到父表； 3 ) 对于单值属性的元素类型和只出现一次的简单子元素，在表中建立一个属 性列，如果子元素和属性是可选的，则允许该列为空值； 4 ) 对于每个多值属性和多次出现的简单子元素，建立一个独立的表来存储元 素值，并通过父表的主键连到父表： 5 ) 对于每个复杂的子元素，将父元素类型的表连接到具有父表主键的子元素 类型的表。 有的x m l 文档中同一类型的元素会重复出现多次，当转换到数据库时，还需 要保存它们在同父元素下的次序信息。 重庆大学硕士学位论文 2x m l 到关系数据库的映射 从一个关系模式产生一个x m l 模式的一般算法过程如下： 1 ) 对于每个表产生一个元素类型； 2 ) 表中的每一个非主键列和主键列，在元素类型中加入一个属性或将一个仅 有p c d a t a 的子元素加入到它的内容模型中； 3 ) 对于每个输出主键的表，将一个子元素加入到内容模型中并且递归地处理 表； 4 ) 对于每个外键，将一个子元素加入到内容模型，并递归地处理外键表。 对于b o o k l i s t x m l 文档，模式信息由它的d t d 得到，采用每个复杂元素类型单 独对应一张关系表的映射方法，得到数据库的内容如表2 1 、表2 。2 、表2 3 所示。为 叙述方便，本文中称该方法为等量映射法，表示复杂元素类型与关系表数量相等 的结构映射法。 表2 1b o o k l i s t 1 1 a b l e2 ，lb o o k l i s t 厂订 亡工 表2 2b o o k t a b l e2 2b o o k i dp i di s b nt i t l e p u b l i s h e d o r d e r 111 1 1t h ec h a r a c t e ro f1 9 8 01 p h y s i c a ll a w 211 1 2 w a i t i n g f o rt h e1 9 8 l2 m a h a l m a 表2 3a u t h o r t a h i e2 3a u 出o r l i dp i df i r s t n a m el a s t n a m eo r d e r i 11r i c h a r d f e v n m a n 1 f 22r k n a r a y a n 1 有的复杂元素非常简单，为节省数据库空问往往合并到父或子元素的对应关 系表中，或者被省略例如表2 1 。本文中称之为精简映射法，表示数据库内容被简 化，数量减少的结构映射法。 有些情况下，x m l 文档没有或丢失了它的模式文档，那么就需要事先从文档 数据中提取x m l 模式。 这种映射模式的代表是s t o r e d 方法1 2 钔，将产生“好的”关系模式问题看做 是一个输入参数为x m l 的文档实例( 而不是传统的一组查询的代价) 的优化问题， 这样的优化是n p 难题。s t o r e d 方法利用了一种启发式数据挖掘算法自动产生 “好”的关系模式和s t o r e d 映射。这种映射是无损的，部分不规则数据由“溢出 映射”对应到“溢出模式”中。也就是说把全部x m l 数据存储到规则的关系模式 和不规则的溢出模式组成的混合模式中。x m l 数据的查询更新能自动地重写成关 重庆大学硕士学位论文 2x m l 到关系数据库的映射 系数据源与溢出源的查询更新。这样的模式选择不是唯一的，也不一定对所有的 查询是最优的。另外，这些关系模式也许不能满足x m l 更新的需求。 s t o r e d 技术可以不需要x m l 文档模式定义( d t d 或s c h e m a ) ，但文档模式信 息的存在有利于最小化溢出图、提高系统的效率。从实例数据提取x m l 模式能根 据不同的x m l 3 档实例产生“好的”关系模式。但是，模式的好坏取决于x m l 文 档实例的结构规则程度，同时，“好的”模式也未必对所有的x m l 查询是性能最优 的。另外，实例数据的模式提取算法的最坏时间复杂度较高，因而降低了其实用 性。 2 2 2 模型映射法 这一类映射方法【2 2 1 的特点是不使用x m l 的模式信息，而把x m l 文档看作与 o e m 图类似的x m l 树模型，以树模型的每个要素为单位进行转换，例如边或结点， 数据库中事先建立固定的关系模式，在存储过程中不发生变化。这种映射最突出 的优点是简单性，但这种转换有一定的局限性。面向边和面向结点是其中的两种 典型方法 2 5 矧，而大多数采用两者的混合形式。本文称下面两种为单表映射法和 三表映射法。 单表映射法在数据库中只建立一张关系表，每一条记录代表了x m l 树模型的 一条边。一条边由起点和终点两个结点确定。b o o k l i s t x m l 文档经过单表映射法后 数据库内容如表2 4 所示。 表2 4e d g e t a b l e2 4e d g e f i dp i do r d i n a ln a r n ev a l u e t y p e i 1o0b o o i d i s tn u l le l e m e n t i 2llb o o kn u l le l e m e n t 【3 2m l l li s b nl l la t t r i b u t e l 三表映射法是对单表映射法的改进，在数据库中建立三张表，但实质上与单 张表的方式是等价的，只是为了改进存储或方便应用的需要。b o o k l i s t x m l 文档在 数据库中建立三张关系表 2 5 ，如表2 5 、表2 6 和表2 7 。 表l a b e l p a t h 存储了x m l 文档中的所有结点的文档路径信息，其中l e n g t h 是路径 长度，“”表示从文档根结点出发；n a m e 是结点名字；t y p e 是结点类型。 表e l e m e n t 记录文档中每条路径的末端对应的文档结点，便于依据路径穿过文 档层次快速查找目标结点，n o d ei d 记录本结点编号；n o d e a 3 a r e n t _ i d 记录父结点编 号。 9 重庆大学硕士学位论文 2x m l 到关系数据库的映射 表d a t a 存入了文档中值为文本的结点编号及其值“v a l u e ”。 表2 5l a b e l p a t h t 曲k2 5l a b e l p a t h p a t h _ i d l e n g t h d a m t y p e 11b o o k l i s tb o o k l i s te l e m e n t 22b o o k l i s t b o o kb o o ke l e m e n t 33 b o o k l l s t b o o k i s b a i s b na t t r i b u t e 表2 6e l e m e n t 1 b b l e2 6e l e m e n t p a t h _ i d o r d i n a ln o d ei d n o d e _ p a r e n l i d 11l o 212 l 3132 4142 表2 7 d a t a 1 h b l e2 7 d a a n o d ei dv a l u e 3 1 1 1 5r i c h a r d 6 f e y n m a n 由于上面的三张关系表中记录的x m l 文档各结点，及其相关信息包括内容及 相互关系等，所以可以认为数据在x m l 文档与关系数据库之间转换时，前后信息 是等价的。在上丽三张表的基础上还可以增加一些表达冗余信息的关系表，可以 达到方便对某些关联信息快速查询的目的。 2 3 本章小结 本章介绍了x m l 及些相关技术。r f f x m l 至 i 关系数据库的映射方法按照结构 映射法和模型映射法两个大类加以阐述，为文章后面章节的内容作准备。 重盎奎堂堡主堂壁堡奎 ：茎壁! 翌查塑堕童坌翌 3x o u e r y 查询语言分析 3 1x m l 查询语言及其特点 x j v l l 技术已经深入到在信息技术领域的各个方面，特别是x m l 在电子商务 中的优势和作用日渐显露，使得业界加大了x m l 应用的力度和广度。随着用x m l 存储、交换和表述信息的应用f i 盏增多，人们对其研究也越来越深入，如何从x m l 数据源中准确有效地查询所需信息，也就变得越来越重要。x m l 获得广泛应用的 关键是x m l 数据资源的查询与检索，所以，对x m l 查询语言的研究具有重要的 现实意义。 x m l 查询语言的使用对象是x m l 数据，因此x m l 的特点对其查询语言的 影响是决定性的，也是使其查询语言不同于其它查询语言的主要原因。x m l 与传 统数据的根本区别在于x m l 不是严格结构化的。在关系型和面向对象型模型中， 每个数据实例都有一个独立于数据的模式，而在x m l 中，模式就和数据一同存 在，即x m l 数据是自描述的。从数据库的观点出发，x m l 查询语言的一个显著 作用是作为结构化和基于内容的查询的工具，允许应用从一个或多个x m l 数据源 中精确地提取它所需要的信息。x m l 数据从功能上既不同于关系型数据，也不同 于面向对象型数据，不适宜用s q l 或o q l 来查询，所以必须研究专门的x m l 查 询语言来满足x m l 应用的要求。 近年来，这方面的研究十分活跃，先后涌现出多种x m l 查询语言，如x q u e r y 、 x q l 、x m l q l 、q u i l t ，x m l , - g l 、x p a f l a 、y a t l 、l o r e l 等，都对促进x m l 的推 广和应用产生了积极的作用。很多x m l 查询语言有极强的针对性，往往对某种数 据类型的查询十分有效，但对另一种数据类型的查询却无能为力，有的针对某 系统，不具备通用性。与此不同，x q u e r y 语言 3 - 9 是w 3 c 于2 0 0 1 年2 月公布一 种全新的x m l 查询语言，适用于各种类型的x m l 数据源的查询，是一种功能极 强的查询工具。x q u e r y 是在其他多种查询语言精华的基础上形成的，也借鉴了s q l 和o q l ，主要源于q u i l t ，兼具各种查询语言的优点【2 ”。 x q u e r y 语言形成的查询形式简洁易懂，结构简洁灵活，且易于实现。x q u e r y 是将查询表示成表达式的功能语言，支持若干种表达式，其查询可以有几种不同 的结构形式。各种x q u e r y 表达式可以完全嵌套，子查询的概念对x q u e r y 是很 重要。x q u e r y 使用x p a t h 来表示路径信息，x p a t h 是它的重要组成部分。 在关系数据库中，信息能够以规则化的二维表结构存储起来，但是文本文档