XML文檔與關(guān)系數(shù)據(jù)庫數(shù)據(jù)轉(zhuǎn)換的研究

周衛(wèi)紅

摘 要 針對(duì)目前異構(gòu)數(shù)據(jù)庫間數(shù)據(jù)訪問的問題，提出了種基于XML的數(shù)據(jù)交換技術(shù)。研究了XML模式與關(guān)系模式相互轉(zhuǎn)換的方法，討論了XML數(shù)據(jù)的關(guān)系存儲(chǔ)以及XML與關(guān)系數(shù)據(jù)庫的映射策略，分析了基于不同映射的數(shù)據(jù)轉(zhuǎn)換的可行性。

關(guān)鍵詞 XML 關(guān)系數(shù)據(jù)庫 映射

中圖分類號(hào)：TP3 文獻(xiàn)標(biāo)識(shí)碼：A

由于數(shù)據(jù)庫技術(shù)本身的發(fā)展和數(shù)據(jù)庫市場的變化，使得越來越多的應(yīng)用需要在異構(gòu)數(shù)據(jù)源之間進(jìn)行訪問，XML技術(shù)便應(yīng)運(yùn)而生。然而，目前大部分應(yīng)用的數(shù)據(jù)存儲(chǔ)在關(guān)系數(shù)據(jù)庫中，XML數(shù)據(jù)又以XML文檔形式存在，因此，研究XML文檔與關(guān)系數(shù)據(jù)庫的轉(zhuǎn)換對(duì)異構(gòu)數(shù)據(jù)源之間的數(shù)據(jù)集成非常重要。

1 XML與關(guān)系數(shù)據(jù)庫的比較

由于傳統(tǒng)的各數(shù)據(jù)庫管理系統(tǒng)之間的異構(gòu)性及其所依賴操作系統(tǒng)的異構(gòu)性，很難實(shí)現(xiàn)在異構(gòu)數(shù)據(jù)庫之間進(jìn)行通信，同時(shí)對(duì)關(guān)系數(shù)據(jù)庫的訪問還依賴于系統(tǒng)對(duì)ODBC的支持程度，即便如此，很多防火墻不允許這種信息轉(zhuǎn)換，而且還容易被攻擊。XML具有無可比擬的優(yōu)勢，一方面，利用XML文檔，開發(fā)人員可以編碼任何關(guān)系數(shù)據(jù)庫中的面向記錄的數(shù)據(jù)，并很好地保持這些數(shù)據(jù)的邏輯結(jié)構(gòu)，甚至可以根據(jù)實(shí)際應(yīng)用的需要更改這些數(shù)據(jù)的邏輯結(jié)構(gòu)。另一方面，XML文檔具有透明性和平臺(tái)無關(guān)性，獨(dú)立于傳輸協(xié)議，可以使用FTP、HTTP、RPC 等多種方式傳輸，發(fā)送端和接受端無須關(guān)心數(shù)據(jù)是來自于什么平臺(tái)以及是如何產(chǎn)生的。

但是，XML作為一種形式語言，以文本的形式對(duì)數(shù)據(jù)進(jìn)行描述，存在管理和檢索上的困難，仍然無法完全取代數(shù)據(jù)庫。首先，數(shù)據(jù)庫具有靈活而高效率的數(shù)據(jù)操作手段，可以處理海量的數(shù)據(jù)信息。就XML文檔而言，目前主要通過XML解析器提供的API來實(shí)現(xiàn)對(duì)文檔數(shù)據(jù)的訪問，但隨著XML文檔的數(shù)據(jù)量增大，這種方法的效率明顯不如訪問數(shù)據(jù)庫的效率高，而且XML文檔數(shù)據(jù)的維護(hù)也更加困難。其次，從并發(fā)性來說，關(guān)系數(shù)據(jù)庫本來就被設(shè)計(jì)為允許多個(gè)用戶同時(shí)處理信息，但目前對(duì)XML文檔的訪問不具備并發(fā)性。最后，從安全性來說，數(shù)據(jù)庫擁有一個(gè)很好的安全控制體系，允許用戶對(duì)數(shù)據(jù)進(jìn)行不同級(jí)別的處理，而這也是XML文檔所不具備的。

2 XML數(shù)據(jù)的關(guān)系存儲(chǔ)

XML數(shù)據(jù)源有XML純文本文檔、關(guān)系型數(shù)據(jù)庫以及其他應(yīng)用數(shù)據(jù)幾類。由于XML數(shù)據(jù)源的不同，關(guān)于XML存儲(chǔ)的研究目前大致分為四個(gè)方向：利用文件系統(tǒng)存儲(chǔ)XML數(shù)據(jù)的研究；利用面向?qū)ο髷?shù)據(jù)庫存儲(chǔ)XML數(shù)據(jù)的研究；用關(guān)系數(shù)據(jù)庫存儲(chǔ)XML 數(shù)據(jù)的研究；專門設(shè)計(jì)的XML（NXD） 存儲(chǔ)策略。針對(duì)于XML具體應(yīng)用，在存儲(chǔ)XML文檔的數(shù)據(jù)庫技術(shù)上，形成了兩大陣營。一種陣營主張?jiān)谠械膫鹘y(tǒng)關(guān)系數(shù)據(jù)庫基礎(chǔ)上，通過擴(kuò)展XML支持模塊或中間件，來完成XML數(shù)據(jù)和數(shù)據(jù)庫之間的格式轉(zhuǎn)換和傳輸；另一種陣營主張利用NXD技術(shù)來解決XML文檔的存儲(chǔ)管理。用關(guān)系數(shù)據(jù)庫來存儲(chǔ)XML數(shù)據(jù)，可以利用現(xiàn)有數(shù)據(jù)庫的存儲(chǔ)管理、并發(fā)控制、恢復(fù)、版本機(jī)制等技術(shù)有效地管理數(shù)據(jù)，并使用SQL查詢作為數(shù)據(jù)存取的方法，所以用關(guān)系數(shù)據(jù)庫來保存和處理XML數(shù)據(jù)是很有效的方法。利用關(guān)系數(shù)據(jù)庫來存儲(chǔ)XML數(shù)據(jù)的方法是XML半結(jié)構(gòu)數(shù)據(jù)轉(zhuǎn)換為結(jié)構(gòu)化數(shù)據(jù)后存儲(chǔ)于二維表中，來實(shí)現(xiàn)對(duì)XML數(shù)據(jù)的存儲(chǔ)和管理。由于XML和關(guān)系數(shù)據(jù)庫數(shù)據(jù)模式的互異性，不能簡單地將XML文檔存儲(chǔ)于關(guān)系數(shù)據(jù)表中，為了實(shí)現(xiàn)在XML文件和數(shù)據(jù)庫之間交換數(shù)據(jù)，必須提供一個(gè)XML映射層，將XML文檔模式（DTD、XML Schema）映射到關(guān)系數(shù)據(jù)庫模式。

3 XML與關(guān)系數(shù)據(jù)庫的映射方法

一個(gè)具體的XML模式到關(guān)系模式的數(shù)據(jù)轉(zhuǎn)換需要涉及較為復(fù)雜的XML格式分析處理及相應(yīng)的數(shù)據(jù)庫操作和有效性校驗(yàn)。兩者之間的映射為雙向映射，根據(jù)映射關(guān)系的建立方式不同，主要存在兩種方法：基于模板驅(qū)動(dòng)的映射和基于模型驅(qū)動(dòng)的映射。

（1）基于模板驅(qū)動(dòng)的映射

XML文檔包含簡單元素和復(fù)雜元素兩類，簡單元素包含的內(nèi)容是不具層次結(jié)構(gòu)的簡單內(nèi)容，而復(fù)雜元素可包含屬性、子元素，還可以包含多個(gè)子元素，其中子元素還可以是復(fù)雜元素。基于模板驅(qū)動(dòng)的轉(zhuǎn)換方法是一種淺層映射，只能用于從其他類型數(shù)據(jù)到XML文檔之間的數(shù)據(jù)傳遞，并不支持面向?qū)ο笾g或者關(guān)系與對(duì)象之間的信息交互，它無需提前定義好XML文檔和其他數(shù)據(jù)之間的映射，只需在XML文檔模板中嵌入一些SQL命令，這些命令在轉(zhuǎn)換時(shí)被系統(tǒng)識(shí)別和執(zhí)行，把執(zhí)行的結(jié)果替換到指令的位置，生成最終的XML文檔即可。

（2）基于模型驅(qū)動(dòng)的映射

基于模型驅(qū)動(dòng)的映射是一種深層映射，是模式和模式之間的映射。當(dāng)把數(shù)據(jù)從數(shù)據(jù)庫傳送到XML文檔或把數(shù)據(jù)從XML文檔傳送到數(shù)據(jù)庫時(shí)，需要用一個(gè)具體的模型來實(shí)現(xiàn)，而不是僅僅依賴內(nèi)嵌SQL命令，關(guān)系數(shù)據(jù)庫的理論依據(jù)是關(guān)系模型，而XML文檔依據(jù)的是XML Schema和DTD。基于模型驅(qū)動(dòng)實(shí)現(xiàn)數(shù)據(jù)在關(guān)系數(shù)據(jù)庫和XML文檔間的雙向傳輸關(guān)鍵是在關(guān)系模式和DTD或XML Schema之間建立雙向映射。具體的思路是把一個(gè)XML文檔表示為由數(shù)據(jù)對(duì)象構(gòu)成的樹，每一個(gè)元素類型和對(duì)象模式中的對(duì)象相對(duì)應(yīng)，再通過傳統(tǒng)的關(guān)系—對(duì)象模型映射到關(guān)系模式中。在XML文檔中的數(shù)據(jù)有兩個(gè)公共的模型，即表模型和對(duì)象模型。表模型是基于表的映射，許多中間件包在轉(zhuǎn)換XML文檔成關(guān)系數(shù)據(jù)庫數(shù)據(jù)所使用的模型，就是將XML文檔當(dāng)成一個(gè)單獨(dú)的表對(duì)象或一系列表對(duì)象。