本源XML數(shù)據(jù)庫綜述

1、本源XML數(shù)據(jù)庫綜述摘要：關(guān)鍵詞：關(guān)鍵詞：XML；本源XML數(shù)據(jù)庫；數(shù)據(jù)庫中圖分類號: TP311.131文獻(xiàn)標(biāo)志碼: A文章編號：1引言1.1 關(guān)系數(shù)據(jù)庫的局限性關(guān)系數(shù)據(jù)庫技術(shù)發(fā)展到今天，已經(jīng)有一套成熟的理論，關(guān)系數(shù)據(jù)庫產(chǎn)品在當(dāng)今的數(shù)據(jù)庫市場上也占據(jù)著絕對主導(dǎo)的位置。然而隨著信息技術(shù)的飛速發(fā)展，關(guān)系數(shù)據(jù)庫的局限性也日益明顯的顯現(xiàn)出來，主要地有以下幾方面的問題【1】： （1）關(guān)系數(shù)據(jù)庫能夠很好地實現(xiàn)結(jié)構(gòu)化數(shù)據(jù)的管理。但是，隨著信息數(shù)據(jù)的種類不斷擴展，越來越多的非結(jié)構(gòu)化數(shù)據(jù)不斷出現(xiàn)，如：企業(yè)的各種報表、賬單、電子文檔、網(wǎng)站的各種元素、圖片、傳真、以及大量的多媒體信息等。由于關(guān)系數(shù)據(jù)庫固有的特點，

2、使其難以管理這種結(jié)構(gòu)復(fù)雜或結(jié)構(gòu)多變的非結(jié)構(gòu)數(shù)據(jù)。而據(jù)相關(guān)的統(tǒng)計，數(shù)據(jù)信息中只有15%是結(jié)構(gòu)化，其余85%均是非結(jié)構(gòu)化的，如此，如何有效的來管理這85%數(shù)據(jù)就成為了一個很有價值的問題。 （2）當(dāng)今社會信息不僅日益復(fù)雜，而且其需求內(nèi)容和結(jié)構(gòu)隨著時間的推移也不斷地產(chǎn)生變化，現(xiàn)實世界要求信息技術(shù)具有越來越高的靈活性和適應(yīng)性。但關(guān)系數(shù)據(jù)庫的結(jié)構(gòu)用模式描述，模式是預(yù)先設(shè)計好的，模式中屬性的類型是基本數(shù)據(jù)類型，這些在系統(tǒng)運行過程中基本沒有變化。關(guān)系型數(shù)據(jù)理論所采用這種固定的建模方式，難以隨著需求的變化進(jìn)行靈活的調(diào)整。 （3）隨著Web技術(shù)的不斷發(fā)展，信息共享和數(shù)據(jù)交換的范圍不斷擴大，而傳統(tǒng)的關(guān)系數(shù)據(jù)庫管理系

3、統(tǒng)之間的異構(gòu)性及其所依賴操作系統(tǒng)的異構(gòu)性，嚴(yán)重限制了信息共享和數(shù)據(jù)交換范圍。數(shù)據(jù)庫技術(shù)的語義描述能力差，大多通過技術(shù)文檔表示，很難實現(xiàn)數(shù)據(jù)語義的持久性和傳遞性，而數(shù)據(jù)交換和信息共享都是基于語義進(jìn)行的，在異構(gòu)應(yīng)用數(shù)據(jù)交換時，不利于計算機基于語義自動進(jìn)行正確數(shù)據(jù)的檢索與應(yīng)用。1.2 XML使能數(shù)據(jù)庫的局限性 XML是一種元標(biāo)記語言，XML數(shù)據(jù)在應(yīng)用方面具有如下優(yōu)點：(1)XML文件為純文本文件，不受操作系統(tǒng)、軟件平臺的限制，可以實現(xiàn)信息共享和數(shù)據(jù)交換(2)XML具有基于XML Schema的數(shù)據(jù)語義的自描述功能，并且這種描述能被計算機理解和處理 (3)XML不僅可以描述結(jié)構(gòu)化數(shù)據(jù)，還可有效描述半結(jié)

4、構(gòu)化，甚至非結(jié)構(gòu)化數(shù)據(jù)【2】。 正是由于關(guān)系數(shù)據(jù)庫的局限性和XML本身所具有的優(yōu)點，使得一類數(shù)據(jù)庫在近年來越來越得到廣泛的關(guān)注與研究，即：XML數(shù)據(jù)庫。XML數(shù)據(jù)庫有三種類型： XML Enabled Database（XML使能數(shù)據(jù)庫）、Native XML Database（本源XML數(shù)據(jù)庫）和Hybrid XML Database（混合XML數(shù)據(jù)庫）。混合XML數(shù)據(jù)庫可以根據(jù)應(yīng)用的需求，將其視為XML使能數(shù)據(jù)庫或本源XML數(shù)據(jù)庫。XML使能數(shù)據(jù)庫是在傳統(tǒng)數(shù)據(jù)庫系統(tǒng)上擴充對XML數(shù)據(jù)的處理功能，通過適當(dāng)?shù)腦ML API對XML文檔進(jìn)行查詢和修改，其優(yōu)點在于可以充分利用傳統(tǒng)數(shù)據(jù)庫的成熟技術(shù)，

5、只需稍加改變，就可以支持XML應(yīng)用。但XML使能數(shù)據(jù)庫也有一些明顯的局限性：其一，XML使能數(shù)據(jù)庫通過中間件在XML文檔結(jié)構(gòu)和關(guān)系數(shù)據(jù)庫結(jié)構(gòu)之間建立數(shù)據(jù)的映射機制，它把XML文檔映射為一個單一的表格或者是表格的集合，取出時需要組合。這樣不僅耗時，而且重新取回的文檔可能會變得面目全非，同時在將XML文檔映射為關(guān)系數(shù)據(jù)庫中的表時，原有XML文檔的結(jié)構(gòu)被破壞，語義丟失，很不自然；其二，對“以文檔為中心”格式復(fù)雜的XML文檔處理性能較差；其三，在采納XML技術(shù)標(biāo)準(zhǔn)方面較落后。2本源XML數(shù)據(jù)庫2.1本源XML數(shù)據(jù)庫的定義 正是由于XML使能數(shù)據(jù)庫的局限性，近幾年來本源XML數(shù)據(jù)庫成為學(xué)術(shù)界研究的熱點。

6、本源XML數(shù)據(jù)庫的特點是以自然的方式處理XML數(shù)據(jù)，以XML文檔作為基本的邏輯存儲單位，針對XML的數(shù)據(jù)存儲和查詢特點專門設(shè)計適用的數(shù)據(jù)模型和處理方法。Ronald Bourret在“XML and Databases”【3】 一文中給出本源XML數(shù)據(jù)庫的一個定義：它為 XML 文檔,而不是文檔中的數(shù)據(jù),定義了一個邏輯模型，并根據(jù)該模型存取文件。這個模型至少應(yīng)包括元素、屬性、PCDATA 和文件順序。這種模型的例子有XPath數(shù)據(jù)模型、XML Infoset 以及 DOM 所用的模型和SAX 1.0的事件。它以 XML 文件作為其基本邏輯存儲單位。它對底層的物理存儲模型模型沒有特殊要求。例如，

7、它可以建在關(guān)系型、層次型或面向?qū)ο蟮臄?shù)據(jù)庫之上，或者使用專用的存儲格式，比如索引或壓縮文件。 從上述定義中可以總結(jié)出以下幾點：本源XML數(shù)據(jù)庫是專門用來存儲XML數(shù)據(jù)的，而且完整無缺地存儲XML模型的所有成分；本源XML數(shù)據(jù)庫基本存儲單位是 XML 文件；本源XML數(shù)據(jù)庫底層的數(shù)據(jù)存儲格式并不重要，甚至可能根本就不是真正獨立的數(shù)據(jù)庫。但對于上述定義中的第三點而言，在很多方面XML都不同于其它的數(shù)據(jù)模型(如：關(guān)系模型、面向?qū)ο竽Ｐ?：將XML映射到另一種數(shù)據(jù)模型常常引起“阻抗失配”，并導(dǎo)致功能和性能上的局限。因此，業(yè)界認(rèn)為本源XML數(shù)據(jù)庫必須直接存儲和處理XML數(shù)據(jù)。2.2本源XML數(shù)據(jù)庫的結(jié)構(gòu)

8、【3】 本源XML數(shù)據(jù)庫的結(jié)構(gòu)可分為兩大類：基于文本的和基于模型的?；谖谋镜谋驹碭ML數(shù)據(jù)庫將XML作為文本存儲。它可以是文件系統(tǒng)中的文件、關(guān)系數(shù)據(jù)庫中的BLOB或?qū)ｉT的文本格式。索引對所有基于文本的本源XML數(shù)據(jù)庫來說都是一樣的，它可以使查詢引擎很方便地跳到XML文件內(nèi)的任何地方。這就可以大大提高數(shù)據(jù)庫存取文件或文件片斷的速度。 從這個意義上講，基于文本的本源XML數(shù)據(jù)庫與層次結(jié)構(gòu)的數(shù)據(jù)庫很相似，當(dāng)存取預(yù)先定義好層次的數(shù)據(jù)的時候，它比關(guān)系數(shù)據(jù)庫更勝一籌。和層次結(jié)構(gòu)的數(shù)據(jù)庫一樣，當(dāng)以其他形式比如轉(zhuǎn)置層次存取數(shù)據(jù)時，原生XML數(shù)據(jù)庫也會遇到麻煩。 基于模型的本源XML數(shù)據(jù)庫不是用純文本存儲文件

9、，而是根據(jù)文件構(gòu)造一個內(nèi)部模型并存儲這個模型。至于模型究竟怎樣存儲取決于數(shù)據(jù)庫：有些數(shù)據(jù)庫將該模型存儲于關(guān)系型和面向?qū)ο蟮?數(shù)據(jù)庫中，其它數(shù)據(jù)庫使用了專為這種模型作了優(yōu)化的專有存儲格式。建立在其它數(shù)據(jù)庫之上的基于模型的本源XML數(shù)據(jù)庫的文件存取性能與這些數(shù)據(jù)庫相似。使用專用存儲格式的基于模型的本源XML數(shù)據(jù)庫的文件存取性能與基于文本的本源XML數(shù)據(jù)庫相似：如果以文件的存儲順序讀取文件，其性能高于關(guān)系數(shù)據(jù)庫；如果數(shù)據(jù)的讀取順序和存儲順序不同，基于模型的本源XML數(shù)據(jù)庫也會出現(xiàn)性能上的問題。2.3 本源XML數(shù)據(jù)庫的優(yōu)勢 本源XML數(shù)據(jù)庫能對半結(jié)構(gòu)化數(shù)據(jù)進(jìn)行有效存取和管理。其數(shù)據(jù)模型能夠?qū)Σ灰?guī)則的

10、數(shù)據(jù)進(jìn)行映射，適合于描述異構(gòu)的和動態(tài)變化的Web數(shù)據(jù)，而且更加便于對層次化的數(shù)據(jù)進(jìn)行操作。而把不規(guī)則的數(shù)據(jù)映射到關(guān)系數(shù)據(jù)庫中的時候，會產(chǎn)生大量空值的列或大量的表而影響時空效果，所以XML的數(shù)據(jù)結(jié)構(gòu)比關(guān)系數(shù)據(jù)庫更具有表現(xiàn)力。 將數(shù)據(jù)存儲在本源XML數(shù)據(jù)庫中，可以提高檢索速度。本源XML數(shù)據(jù)庫的存儲策略是將整個文檔物理地存儲在一起，使用物理的，而非邏輯的指針在文檔各個部分之間實現(xiàn)，所以它比關(guān)系數(shù) 據(jù)庫所用的邏輯連接要快。 XML文件具有可移植性，與平臺無關(guān)，可以存儲所有數(shù)據(jù)類型。因此，本源XML數(shù)據(jù)庫因XML的這種特征而擁有移植數(shù)據(jù)的能力。 本源XML數(shù)據(jù)庫具有集成異構(gòu)數(shù)據(jù)庫系統(tǒng)的能力。XML具有

11、的可擴展性便于表述各種類型的數(shù)據(jù)，這使得XML數(shù)據(jù)庫可作為異構(gòu)數(shù)據(jù)庫的中間件，對相對分散的異構(gòu)數(shù)據(jù)庫的數(shù)據(jù)按照DTD進(jìn)行集成，得到格式統(tǒng)一的XML文檔。從而為在遠(yuǎn)景目標(biāo)上實現(xiàn)類似于網(wǎng)格計算概念的系統(tǒng)提供了可能性。 本源XML數(shù)據(jù)庫具有Round-tripping能力，即：它可以將XML文檔存放在本源XML數(shù)據(jù)庫中，而后再取回同樣的文檔。對于以“文檔為中心”的應(yīng)用程序來說非常重要，因為XML使能數(shù)據(jù)庫往往會忽略XML文檔中的CDATA部分、實體引用、注釋和處理指令等不可缺少的組成部分，而這些對于象法律和醫(yī)學(xué)等領(lǐng)域中格式不允許隨意竄改的數(shù)據(jù)文檔而言是很重要的。2.4本源XML數(shù)據(jù)庫研發(fā)產(chǎn)品現(xiàn)狀 本

12、源XML數(shù)據(jù)庫研發(fā)產(chǎn)品在學(xué)術(shù)界和工業(yè)界的推動下，已出現(xiàn)了很多實驗室原型系統(tǒng)和商用產(chǎn)品。在Ronald Bourret的XML Database Products【4】一文中將本源XML數(shù)據(jù)庫產(chǎn)品大致分為四大類型： （1）商業(yè)類：如：Ipedo、Tamino、Natix、Xyleme等。 （2）研究類：如Stanford大學(xué)早期開發(fā)的Lore等。 （3）開放源碼類：其中影響較大的是Berkeley DB XML、dbXML、XDB和Xindice。 （4）免費類：如：eXtc、Sedna XML DBMS、M/DB:X等 在商業(yè)類中，美國Ipedo公司的Ipedo XML Database和德國

13、Software AG公司的Tamino是其中的佼佼者，成為目前市場上的主流產(chǎn)品。在研究類中，比較好的本源XML數(shù)據(jù)庫原型系統(tǒng)有三家：密歇根大學(xué)安阿伯分校的Timber、西雅圖華盛頓大學(xué)的Tukwila和威斯康星大學(xué)麥迪遜分校的Niagara。其中，影響最大的是Timber。 另外，中國人民大學(xué)開發(fā)的一個本源XML數(shù)據(jù)庫原型系統(tǒng)OrientX也具有一定的代表性【5】。 OrientX存儲系統(tǒng)建立在操作系統(tǒng)的文件系統(tǒng)上，并將XML文件劃分到若干數(shù)據(jù)集，數(shù)據(jù)集用SetlD來標(biāo)志；在文件上劃分邏輯物理塊，物理塊用LpNo來標(biāo)志，給定一對(SetlD，LpNo)能馬上找到對應(yīng)文件相應(yīng)的偏移量。Orie

14、ntX索引管理基于DTD。它從DTD出發(fā)構(gòu)建索引結(jié)構(gòu)，通過結(jié)合XML數(shù)據(jù)的編碼，該索引可以支持多種查詢方式。OrientX查詢語言使用XQuery，它將XQuery表達(dá)式轉(zhuǎn)換為由XML代數(shù)運算構(gòu)成的操作樹，并使用了基于代價估計的查詢優(yōu)化策略。3結(jié)束語 本源XML數(shù)據(jù)庫是近幾年才發(fā)展起來的，與傳統(tǒng)的關(guān)系數(shù)據(jù)庫技術(shù)相比，很多技術(shù)還不成熟，如：并發(fā)加鎖協(xié)議、異構(gòu)數(shù)據(jù)源的集成等。雖然本源XML數(shù)據(jù)庫存在許多不足，但并沒有影響它的發(fā)展勢頭，SQL的核心發(fā)明者之一，Don Chamberlin甚至認(rèn)為它代表了數(shù)據(jù)庫技術(shù)未來發(fā)展的一種方向。參考文獻(xiàn)：【1】 朱杰.后關(guān)系型數(shù)據(jù)庫=XML+關(guān)系型？. (2007-04-02)./analysis/64/7148064.shtml【2】 李建華，周榮，等. XML與數(shù)據(jù)庫./applic/prog/htm2003/20030311_14711.htm【3】 Ronald Bourret.