農業經濟數據多格式存儲比較分析

本文主要基于農業經濟數據倉庫的建設，提出一個面向網絡數據獲取、數據多格式存儲的方案。農業經濟分析問題的確定對應著分析主題的確定，而分析框架對應著數據倉庫的建立，分析的過程對應著多維分析與數據挖掘。而處于中間部分的對信息的獲取與加工，本身包含對信息結構的處理、語義的賦予、內容的清洗這一系列過程。

為了實現這些目標，本文將從HTML中獲取的農產品價格信息的以三種方式存儲，分別是關系數據庫、XML統一數據存儲格式、以及RDF語義存儲。

通過三種存儲方式的比較，以及結合分析系統信息獲取處理的過程，可以發現，關系數據庫是對于數據的結構化存儲，XML進一步的賦予層次及信息自描述，而RDF對于信息賦予了語義。

關系數據庫存儲優點是效率高，技術成熟，缺點是與由于與數據庫管理系統（DBMS）綁定，造成數據存儲格式無法統一，無法進行數據交換，也無法對信息賦予語義。

XML存儲的優點是其已經是Web數據交換的標準，使用范圍廣，并賦予數據層次語義，可以與數據倉庫中的維度信息很好的結合。但是由于其語義功能不完整，造成數據查詢時必須了解其完整的結構，并且造成語義不統一現象的產生。

RDF存儲的優點是其描述了信息的語義關系，使得可以與數據倉庫中的語義相結合，通過語義查詢直接為數據倉庫中的事實表、維度表提供滿足語義的數據，而不用考慮具體的存儲結構。但是相對于XML，RDF對于人類而言的可讀性較差。

為了進一步說明三種層次模式的特點，假設需要實現下面的分析目標分別從關系數據庫、XML、RDF中獲取數據以實現分析。

（1）關系數據庫

三種存儲模式中，關系數據庫是最為基本也是目前使用最多的方式，其優點是直接可以與后期的數據倉庫（同樣是建立在關系數據庫基礎上）相連接，甚至于直接寫入數據倉庫中，而不經過數據緩沖。

（2） XML存儲

在XML中為了獲取例中需要的信息，可以利用XQuery對分析所需的信息進行查詢，但是在查詢前必須了解XML的層次結構。

XML存儲的數據關鍵特性之一，是它賦予了數據層次性結構，例如根據保存地理數據XML所生成的樹狀圖，與我們在數據倉庫設計中對于地理維度的層次設計表達相同，實際上，很多的數據倉庫系統對于層次的表達直接建立在XML的基礎上，而利用XML的特性，可以實現數據倉庫中維度表對于XML文件的直接利用。

（3）RDF語義存儲

XML所存在的問題是因為XML不具備語義描述能力。為了解決這一點，信息可以用RDF進行保存。“資源描述框架（Resource Description Framework，縮寫RDF）是萬維網聯盟（W3C）提出的一組標記語言的技術標準，以便更為豐富地描述和表達網絡資源的內容與結構。RDF標準最初設計的目的是描述Web上的資源、內容和關系。但是RDF現在變成了用于描述一般信息、資源和關系的標準。語義Web和網格技術都需要定義資源及其之間的關系，使應用程序能夠使用不同的信息，并且可以把數據捆綁在一起。”

一旦分析所需信息的對應語義模式確定，通過SPARQL從RDF存儲中查詢所需的數據就很簡單。

PREFIX agri：SELECT？pri-ceFROM http：//tomisacat.com/agri/agri20110123.rdfWHERE{agri：都勻毛尖agri：location agri：畢節桂花市場.？location agri：price？price.}

由于將分析語句轉換為對應的三元組關系，對RDF中存儲信息的查詢比較關系數據庫與XML要直觀的多，更有利于數據存儲與分析程序進行直接的結合。

通過各種數據存儲方式的優缺點分析，可以根據實際的情況在中間存儲層中結合使用。例如，當數據源的信息語義關系簡單，分析系統未來面向的數據庫關系系統不會改變時，可以采用關系數據庫作為中間存儲層的存儲方式。當分析系統面向不同廠商的數據倉庫系統，或者面向不同的應用，那么XML是最好的選擇。當希望實現數據倉庫對于信息的語義查詢，并且信息語義復雜，并且分析系統需要一個統一的語義信息源時，應該考慮RDF。