面向分布式異構平臺的信息資源整合方法研究

趙云華

[摘要]介紹了分布式異構信息資源整合方法，分析了面向分布式異構平臺的信息資源整合技術，最后給出了面向分布式異構平臺的信息資源整合設計與實現，重點探討了平臺的體系結構、開發模式和實現方法等。

[關鍵詞]分布式；異構平臺；信息資源整合

[中圖分類號]G250.74[文獻標志碼]B[文章編號]1005-6041（2016）04-0081-04

在分布式計算領域中，人們越來越重視異構數據的集成問題，隨著日益普及的分布式系統和網絡信息環境，在網絡的各個節點中都分散有大量的相互之間獨立存在的異構數據源系統。在這些相互孤立的數據中，為了更好地共享資源，需要構建一個集成環境，這個集成環境是統一的公共的，可以把相對透明地訪問界面提供給用戶。伴隨科學技術的不斷發展和進步，信息數據呈現了多樣化的樣式特征，不同的數據如文本、圖像、視頻、音頻。遙感以及地理等具有不同的數據組織方式[1]。不同的信息來源數據庫具有各不相同的構建方式、數據內容表現形式以及支持平臺，進而凸顯了不同數據庫之間的異構性。從實現的目標上來看，數字信息資源進行整合就是要完全摒棄局部數據源之間的異構性，使數據源從自治的、分布式向一個整體集成，使訪問界面統一化，便于用戶的訪問，可以快捷的從分布式數據源中完成信息的提取和合并。

自20世紀80年代起，就開始研究如何整合分布式異構信息資源，至今已將近30年，截至目前，整合分布式異構信息資源的研究方法包括聯邦數據庫法、聯邦數據倉庫法、電子數據交換法、虛擬數據庫法、虛擬視圖法、分布式組件集成法、直接數據庫訪問接口法、基于網格、本體、Web Service以及可擴展標記語言法等[2]，其中后者是近年來剛引入使用的新方法。

1分布式異構信息資源整合方法

1.1 基于網格、XML、本體和Web Service方法

利用可擴展標記語言具有以下特點：跨語言、跨平臺、可擴充、高效、顯示和內容分離等。該方法在以上特點的基礎上，在數據表述過程中以XML文檔為媒介，通過一定的通信手段達到集成分布式異構數據的目的。其中，Web Service的功能包括包裝、查找、綁定和注冊XML文檔，與數據源的動態變化相符合[3]；網格法在對數據進行訪問時使用的是網格數據服務，該服務是由網格中間件GT4開發的，提供的數據訪問功能相當優越；本體法從實質上來說就是采用本體描述語言在具體的領域中對相關概念和概念間的關系進行顯式描述，使建模能力和信息捕獲能力都得到有效提升。基于網格、本體、Web Service以及可擴展標記語言法具有適于松散系統、跨平臺能力強等優點，但同時也存在一定的缺點：無法等同于傳統數據庫技術，針對分布式異構信息，把其中的全局應用模式較好地提供給上層應用。

1.2 分布式組件集成法與直接數據庫訪問接口法

在實際應用過程中，多采用Java RMI技術對多個數據源的數據直接訪問，這就是直接數據庫訪問接口法，技術較為簡單是這種方法的優點[4]。分布式組件集成法是通過封裝把數據訪問轉變為相互獨立的分布對象，在數據訪問者以及數據源之間把單個的或多個服務者設置為數據訪問代理，完成存取數據源的操作，最終實現集成異構數據。分布式組件集成法是通過微軟分布式組件技術的應用把集成分布式數據的中間件平臺建立起來，這種方法的優點是具有較好的數據源自治性、能靈活地配置、提供實時的查詢。

1.3 虛擬數據庫法

從實質上來說，虛擬數據庫技術就是表現外界的數據為擴展的關系數據庫系統（前提是該關系數據庫是可擴展的），通過映射器、包裝器和提取器等部件采集、提取和轉換異構信息源的信息，最終得到的信息具有完全統一的格式[5]。虛擬數據庫也擁有自己獨立的數據模式，但值得注意的是，虛擬數據庫中并不能真實地存儲有相應的數據，執行的數據庫查詢操作知識通過查詢轉換的方式在相應的數據源中執行查詢。

虛擬數據庫的核心為編寫包裝器，在虛擬數據庫服務器以及外部數據源之間包裝器是作為接口存在的，每一個外部數據源都與一個包裝器相對應。從整體上來說VDB模型內部為集中式操作，而且應用程序代碼的冗余量相當大，會帶給用戶使用上的不便利，不僅處理方式較為復雜，計算量在不可承受范圍之內，而且跨平臺能力較低，運算速度也不理想。

2面向分布式異構平臺的信息資源整合技術

2.1 XML技術

伴隨不斷多樣化和復雜化發展的Web文件，HTML日益表現出較差的擴展性、語義性及交互性，同時還顯現出了單向超鏈接的問題。通過XML技術的使用，不僅可以使Web數據查詢檢索的速度得到提升，同時還能有效提升互聯網的接入速度。XML技術在實際工作中的應用日益廣泛，成為組織和交換Web數據的標準，為實現數據集成系統提供了新路徑。

可擴展鏈接語言Xlink、可擴展的樣式表XSL以及文檔類型定義DTD共同組成了XML，其中XML的布局語言也是DTD，XML的樣式表語言就是其樣式表[6]。在XML中，其中的內容、處理和表示相互之間都是分離的，其中的任意一部分都可以進行相對獨立的發展，沒有必要折中在統一的框架中。所以相較于HTML，XML具有靈活性和伸縮性。在對文檔數據的邏輯結構和存儲形式進行描述時，XML使用的標記語言是嵌套的，與此同時，對于用戶來說，XML還允許創建其自身結構，賦予屬性和標記的定義，從理論上來說，通過文檔類型的利用定義DTD可以對無窮無盡的元素進行定義。

圖書館信息資源是由Web信息資源以及本地信息資源組成的，其中前者的數據資源使傳統數據集成技術無法完成集成的易購、半結構化的信息。XML技術可以有效描述不規則類型的數據，不僅能有效集成結構化的傳統數據，還能對非結構化以及半結構化的數據進行集成。它能夠在同一個XML文件中把不同應用程序生成的數據集成在一起，從而完成各種類型信息資源的集成，進而提取和查詢數據，把處理完成的數據向用戶傳送。從用戶端把XML表達信息數據解析出來之后的再利用有助于用戶的本地化編輯。

2.2 CORBA技術

伴隨逐漸興起的面向對象技術，各個領域也開始應用客戶/服務器模式，在此基礎上，在20世紀90年代初期對象管理組織OMG為了更好地進行異構環境對象互操作提出了CORBA技術，該技術作為一種對象計算結構是分布式和開放式的[7]。CORBA技術充分結合了分布式處理技術以及面向對象技術，完全可以彌補傳統處理系統的缺憾。通過較深入地利用標準通信模型，可以實現操作系統、硬件結構、服務器以及客戶應用層間交互的目的。CORBA通過面向對象技術的采用，結合了面向對象和分布式計算的概念，對冗余度進行控制。CORBA技術規范提供的抽象集是切實可行的和靈活的，并且對一些服務進行了再明確，確保能在分布式環境下能成功地集成相關應用。CORBA技術具有可擴展性、語言無關性以及平臺無關性，能有效保障在分布異構環境下基于對象的軟件成員可以實現互操作、可移植及可重用等。CORBA技術規范把先進的技術發展成果納入應用中，維持了在跨平臺、IDL規范以及互操作方面的優勢，表現在可以整合來自不同運行環境以及不同來源的分布信息資源。

3面向分布式異構平臺的信息資源整合設計與實現

3.1 體系結構

在XML數據庫和虛擬數據中心的基礎上，圖1給出了具體的信息資源整合模型。由圖可知，該模型共分為整合層、數據源層以及應用層，主要內容包含了虛擬數據中心、元數據模型構造器、XML數據庫以及信息連接適配器。其中針對分布式信息源虛擬數據中心給出了具體的全局虛擬視圖，XML消息全局集合的提供方則為XML數據庫。

共由信息整合、信息源連接以及數據集成三個部分構成了模型的基本工作過程。在信息資源整合的過程中，數據源層是整合的基礎，通過元數據模型構造器以及XML數據庫的利用可以實現局部信息資源的連接，把連接服務提供給上層。整個模型的核心是整合層，利用元數據模型構造器構造的元數據模型是全局通用的，把數據集成服務提供給應用層。應用層是把數據訪問接口提供給應用程序或外部用戶，支持應用程序更新和查詢異構數據，并可以把結果返回至用戶或應用中。

3.2 系統開發模式

在當今研究和應用過程中，使用較多的為三層B/S結構開發模式，具體的數據處理步驟如下：首先是客戶端，負責用戶或系統接口的提供；其次是中間層，主要提供服務程序；最后是數據服務器，用來對數據信息進行存儲。中間層負責服務程序的運行，使客戶端的負擔得以降低，所以也可稱為瘦客戶結構。不管是服務程序，還是用戶使用的具體界面，分別處在不同的平臺，需要系統對其中的通信協議進行再定義。這種結構模式便于服務程序的分享與使用，便于對分布式計算提供支持，在WEB和分布式計算基礎上開展的軟件開發具有以下優勢：易維護、可伸縮、高安全性、擴展性強以及高效性。

三層結構模式按照應用服務器和客戶端層把業務邏輯部分分離開來，通過中間件和相應的應用程序完成客戶端以及若干個服務器之間的通信。當數據庫或者相關服務器的業務邏輯發生改變時，由于應用邏輯的分裝方式不同，需要修改相應服務器中的應用程序，但是原有的客戶端并不需要做任何改變。

3.3 實現方法

圖2給出了在XML基礎上構建的數據交換模型，其中虛線是遠程數據轉換格式模型。在圖2示意的整個數據交換模型中，重中之重是XML轉換器，把數據庫中的數據向XML文檔轉換，同時將接收的XML文檔向數據庫中的數據轉換，實現虛擬數據中心以及異構數據庫之間的數據交換。當數據庫對應不同的應用系統時，相應的數據表示方法也應有所不同。因此面對來自不同數據源的異構數據，必須要轉換相應的數據格式。

XML不僅能對不規則數據進行描述，還能在同一個XML文件中納入來自多個應用程序的數據，從而集成不同的來源數據。從屬性值的字段名稱和規格類型上來說，虛擬數據表與原始數據表中的數據存在差異，所以要按照凈化規則把原始數據表中的數據進行規格化處理，再進入虛擬視圖基表。

4結語

不同的異構數據源，其差異是相當顯著的，所以很難進行異構信息的整合，尤其是在分布環境下，一直沒有很理想的異構數據源整合方法。本文在分布環境下提出了整合異構信息資源的方法，這是一條有效的途徑，通過互聯網的應用，有助于更好地整合分布式異構信息資源。

[參考文獻]

[1]林源，陳志泊.分布式異構數據庫同步系統的研究與應用[J].計算機工程與設計，2010（24）：5278—5281.

[2]劉瑜.當代圖書館信息資源整合的若干模式[J].圖書館雜志，2010（3）：38—41.

[3]鄭燃，唐義，戴艷清.基于關聯數據的圖書館、檔案館和博物館數字資源整合研究[J].圖書與情報，2012，（1）：71—75.

[4]崔偉，徐愷英，王寧.基于知識鏈的數字資源整合研究[J].圖書館學研究，2010，（8）：32—35.

[5]馬小軍，李廣建.基于本體的數字資源整合方法與技術[J].情報科學，2010（10）：42—46.

[6]郝欣，劉英濤.基于本體集成的數字資源整合研究[J].圖書館學研究，2011（10）：55—59.

[7]王操.一種解決分布式異構信息資源整合的方法研究[J].圖書館學研究，2011（3）：108—112.