分布式的XML數(shù)據(jù)存儲(chǔ)和信息傳輸模型研究

陸海鋒

（肇慶學(xué)院信息中心，肇慶 526021）

0 引言

XML是繼HTML之后的又一種Web標(biāo)記語言,它為用戶提供了靈活的標(biāo)記擴(kuò)展機(jī)制,使得不同內(nèi)容的資源能以式良好的自定義的標(biāo)記元素來表現(xiàn)。XML技術(shù)可以讓結(jié)構(gòu)化的信息以網(wǎng)頁的格式來顯示，通過因特網(wǎng)或者各個(gè)組織內(nèi)部的局域網(wǎng)來顯示。XML格式的文檔可以無障礙地在各個(gè)結(jié)構(gòu)格式各異的系統(tǒng)之間，以最簡捷的方式完成對數(shù)據(jù)的輸入和輸出。

XML已逐漸成為Web上數(shù)據(jù)表示和交換的標(biāo)準(zhǔn)，但在大多數(shù)企業(yè)尤其是在地域上分散而管理上又相對集中的大企業(yè)中，每個(gè)部門都要維護(hù)與本部門有關(guān)的數(shù)據(jù)，將數(shù)據(jù)存放在本部門建立的關(guān)系數(shù)據(jù)庫中，這樣企業(yè)的整個(gè)信息資產(chǎn)就被分裂成“信息孤島”。如何將這些信息有效地集成起來，組成一個(gè)分布式數(shù)據(jù)庫，并發(fā)布為符合用戶要求（DTD或XMLSchema）的XML文檔，是目前分布式數(shù)據(jù)庫技術(shù)發(fā)展中亟待解決的問題[1]。

1 XML標(biāo)記語言作為網(wǎng)絡(luò)資源的傳輸介質(zhì)及其優(yōu)勢

1.1 XM L標(biāo)記語言概述

XML，可延伸標(biāo)記語言，是萬聯(lián)網(wǎng)聯(lián)盟（W3C）于1998年制定的互聯(lián)網(wǎng)數(shù)據(jù)傳輸標(biāo)準(zhǔn)格式。XML標(biāo)記語言像HTML一樣，屬于標(biāo)記性語言，其設(shè)計(jì)的初衷是用于傳輸數(shù)據(jù)，而非顯示數(shù)據(jù)。XML標(biāo)記語言具有的特性包括了：自描述、人機(jī)共讀性、可擴(kuò)展性、高靈活性、高度的平臺(tái)可適應(yīng)性，正因?yàn)檫@些特性，XML標(biāo)記語言已經(jīng)成為現(xiàn)今互聯(lián)網(wǎng)信息交換的標(biāo)準(zhǔn)格式，對于數(shù)據(jù)倉庫（DW）的未來意義非同一般。另外，由于XML的標(biāo)簽（Tag）不能預(yù)先設(shè)定，用戶需要根據(jù)實(shí)際需求來設(shè)定個(gè)性化的XML標(biāo)簽。

1.2 XML標(biāo)記語言作為數(shù)字圖書館網(wǎng)絡(luò)資源的傳輸介質(zhì)的優(yōu)勢

盡管現(xiàn)今在互聯(lián)網(wǎng)傳輸有用信息有不少的途徑，但XML標(biāo)記語言還是獲得越來越高的普及度以及關(guān)注，究其原因主要基于以下幾點(diǎn)[2]：

（1）語言表達(dá)能力：XML標(biāo)記語言，能夠保證直接而無任何信息遺漏的情況下，用統(tǒng)一的語法顯示關(guān)聯(lián)數(shù)據(jù)、報(bào)表格式，以及半結(jié)構(gòu)化文檔。

（2）自描述：XML標(biāo)記語言能把數(shù)據(jù)與元數(shù)據(jù)結(jié)合，這樣一來，異構(gòu)的甚至不規(guī)則的數(shù)據(jù)，不需要依賴固定的行將被淘汰的架構(gòu)模式，也一樣可以被顯示并且被處理。

（3）XML標(biāo)記語言提供一種顯示數(shù)據(jù)的機(jī)制，就是以最簡單的文本流的形式，支持簡單的數(shù)據(jù)傳輸與檢索，支持在既有的網(wǎng)絡(luò)協(xié)議之下不同系統(tǒng)之間的數(shù)據(jù)互換。XML標(biāo)記語言支持半結(jié)構(gòu)化信息以基于網(wǎng)絡(luò)的格式存在，就這樣，它們可以顯示在互聯(lián)網(wǎng)以及組織機(jī)構(gòu)私有的內(nèi)部網(wǎng)。同時(shí)，XML標(biāo)記語言使得組織機(jī)構(gòu)不同系統(tǒng)間更容易以最簡化的數(shù)據(jù)格式，完成數(shù)據(jù)的輸入輸出。

（4）XML標(biāo)記語言支持不同計(jì)算機(jī)之間的數(shù)據(jù)互換；

（5）XML標(biāo)記語言便于快捷檢索信息

鑒于XML標(biāo)記語言在定義數(shù)據(jù)結(jié)構(gòu)以及在不同系統(tǒng)間傳輸數(shù)據(jù)方面的突出能力，使得其在構(gòu)建數(shù)據(jù)倉庫（DW）方面的價(jià)值日益凸顯。

2 分布式存儲(chǔ)數(shù)據(jù)庫

分布式存儲(chǔ)數(shù)據(jù)庫系統(tǒng)，支持應(yīng)用程序訪問本地或遠(yuǎn)程數(shù)據(jù)庫的資源。在同構(gòu)分布式數(shù)據(jù)庫系統(tǒng)中，所有的數(shù)據(jù)庫的類型都保持一致性；而在異構(gòu)分布式數(shù)據(jù)庫系統(tǒng)中，至少有一個(gè)數(shù)據(jù)庫與其他數(shù)據(jù)庫的類型不一致。分布式數(shù)據(jù)庫應(yīng)用了用戶/服務(wù)器的架構(gòu)來處理每一條信息訪問請求。

（1）分布式存儲(chǔ)數(shù)據(jù)庫的特征

①實(shí)現(xiàn)了信息資源與網(wǎng)絡(luò)共享資源之間的邏輯關(guān)聯(lián)；

②信息資源以數(shù)據(jù)碎片式存在；

③碎片式數(shù)據(jù)可被復(fù)制；

④碎片式的館藏信息資源被分配到各個(gè)網(wǎng)站；

⑤各網(wǎng)站連接成通信網(wǎng)絡(luò)；

⑥各網(wǎng)站都處于分布式數(shù)據(jù)庫管理系統(tǒng)的控制之下；

⑦數(shù)據(jù)庫管理系統(tǒng)能夠自動(dòng)化管理并操控局部應(yīng)用程序；

⑧每個(gè)參與到數(shù)據(jù)庫管理系統(tǒng)的數(shù)據(jù)庫一般都至少擁有一個(gè)通用應(yīng)用程序。

（2）分布式存儲(chǔ)數(shù)據(jù)庫系統(tǒng)的優(yōu)勢

①根據(jù)網(wǎng)站的訪問需求量來分配數(shù)據(jù)，網(wǎng)站的訪問需求量與所分配的數(shù)據(jù)成正比；

②數(shù)據(jù)訪問的速度更快；

③由于在該系統(tǒng)中的許多網(wǎng)站都分散了工作負(fù)載，因此處理數(shù)據(jù)訪問的速度也得到提升；

④能夠以最簡單便捷的方式生成新的網(wǎng)頁

⑤效率得到改善；

⑥降低了整個(gè)系統(tǒng)的運(yùn)作成本；

⑦改善了用戶的操作體驗(yàn)；

⑧最大限度地降低了單段式故障的可能性；

⑨各個(gè)數(shù)據(jù)庫的運(yùn)作都是各自獨(dú)立的。

在本文中，筆者認(rèn)為數(shù)據(jù)庫，即便是分布式數(shù)據(jù)庫在本質(zhì)上都是同構(gòu)的。

所謂的同構(gòu)分布式數(shù)據(jù)庫系統(tǒng)，是指駐留在一個(gè)或多個(gè)服務(wù)器上的，數(shù)量在兩個(gè)以上的數(shù)據(jù)庫，所形成的一個(gè)網(wǎng)絡(luò)。舉個(gè)例子，有來自廣州、佛山、肇慶三地的數(shù)據(jù)庫，由分布式系統(tǒng)進(jìn)行連接。只要運(yùn)行一個(gè)應(yīng)用程序，就能夠在一個(gè)分散的數(shù)據(jù)庫環(huán)境下，同時(shí)對多個(gè)數(shù)據(jù)庫里的數(shù)據(jù)進(jìn)行訪問或者修改。例如，來自“肇慶”本地?cái)?shù)據(jù)庫的客戶端提出單次數(shù)據(jù)查詢，可檢索到，來自遠(yuǎn)程“廣州”數(shù)據(jù)庫以及“佛山”數(shù)據(jù)庫里相互連接的數(shù)據(jù)列表里的數(shù)據(jù)。

3 基于XML的數(shù)字圖書館分布式存儲(chǔ)數(shù)據(jù)庫的存儲(chǔ)機(jī)制

原生XML數(shù)據(jù)庫，特指以高效的方式存儲(chǔ)XML文檔和數(shù)據(jù)的數(shù)據(jù)庫，該類數(shù)據(jù)庫與傳統(tǒng)的關(guān)聯(lián)數(shù)據(jù)庫一樣，都支持對數(shù)據(jù)的存儲(chǔ)、查詢、整合與索引等功能。而原生XML數(shù)據(jù)庫的存儲(chǔ)介質(zhì)并非表格，而是所謂的“表示層”。該“表示層”包含了大量的具有相互關(guān)聯(lián)性的XML文檔或數(shù)據(jù)。

Oracle的XML數(shù)據(jù)庫，其技術(shù)內(nèi)涵分為兩大部分，即內(nèi)置的XML存儲(chǔ)設(shè)置以及針對XML數(shù)據(jù)的檢索技術(shù)。該類數(shù)據(jù)庫同時(shí)具備了關(guān)系型數(shù)據(jù)庫技術(shù)以及XML技術(shù)的雙重優(yōu)勢。舉個(gè)例子，在關(guān)聯(lián)數(shù)據(jù)庫里處理XML數(shù)據(jù)，往往不太可能，因?yàn)閄ML數(shù)據(jù)本質(zhì)上是具有層次性的，雖然Oracle數(shù)據(jù)庫是基于關(guān)聯(lián)模型而建立起來的，但是它能通過運(yùn)用特殊的SQL操作符，有效對層次性的XML數(shù)據(jù)進(jìn)行處理，從而讓用戶能夠從Oracle數(shù)據(jù)庫中輕松完成對XML數(shù)據(jù)的查詢及更新。Oracle的XML數(shù)據(jù)庫把XML文檔對象模型構(gòu)建成Oracle的內(nèi)核。因此，絕大部分對XML的操作都可以劃歸為常規(guī)的數(shù)據(jù)庫處理方式的范疇。

Oracle的XML數(shù)據(jù)庫具備將所有的結(jié)構(gòu)化和非結(jié)構(gòu)化的信息等同于關(guān)聯(lián)數(shù)據(jù)去處理的能力[3]。

3.1 使用XML數(shù)據(jù)庫（XMLDB）存儲(chǔ)XML文檔

最新版本的Oracle，具有將XML文檔直接存入數(shù)據(jù)庫的能力。它借助于相關(guān)數(shù)據(jù)庫技術(shù)的支持，實(shí)現(xiàn)了對XML文檔高效能地存儲(chǔ)及檢索，并通過應(yīng)用SQL與XML相互協(xié)調(diào)的數(shù)據(jù)模型，為原生XML數(shù)據(jù)提供支持。

Oracle使用了一種名為XML類型的專屬原生數(shù)據(jù)類型，對關(guān)聯(lián)表格的數(shù)據(jù)進(jìn)行存儲(chǔ)和管理。該數(shù)據(jù)類型脫離了XML語法分析器，直接在Oracle數(shù)據(jù)庫內(nèi)進(jìn)行檢索和存儲(chǔ)。可以說，XML數(shù)據(jù)類型已經(jīng)成為了Oracle數(shù)據(jù)庫常態(tài)化的數(shù)據(jù)類型。

XML數(shù)據(jù)庫包含以下特征[4]：

（1）支持萬維網(wǎng)絡(luò)聯(lián)盟（W 3C）以及XML模式數(shù)據(jù)模型；

（2）支持SQL語言對數(shù)據(jù)的存儲(chǔ)、查詢與更新，以及可以把SQL轉(zhuǎn)換成XML；

（3）可對SQL數(shù)據(jù)進(jìn)行XML操作；

（4）提供一種針對XML數(shù)據(jù)的存儲(chǔ)與管理框架，該框架與存儲(chǔ)介質(zhì)無關(guān)，與內(nèi)容無關(guān)，與編程語言無關(guān)，開辟了查詢數(shù)據(jù)庫中XML內(nèi)容的新途徑。

（5）具有XML專屬的內(nèi)存管理以及優(yōu)化體制。

XML文檔是以XML類型的表格或者列的形式，存儲(chǔ)于數(shù)據(jù)庫中的，對于基于非XML模式的存儲(chǔ)，XML數(shù)據(jù)類型還提供另一種存儲(chǔ)方式的選項(xiàng)，即字符大對象（CLOB）的存儲(chǔ)。描述了以XML格式存儲(chǔ)的Ora?cleXML數(shù)據(jù)庫整體架構(gòu)。

3.2 創(chuàng)建基于XML的表格

最基本的基于表格生成的XML數(shù)據(jù)，其最簡單的語法格式如下：

現(xiàn)舉一個(gè)圖書細(xì)節(jié)作為例子來考慮，圖書書本式目錄組成以圖書細(xì)節(jié)信息作為測度，而維度包括標(biāo)題、出版社、出版地、出版年份以及ISBN號(hào)。以下SQL表述生成某一維度——書本目錄的模型：

在生成XML文檔后，我們在數(shù)據(jù)庫可插入或選取相應(yīng)的屬性值，程序運(yùn)行實(shí)例如下：

3.3 基于XML的分布式存儲(chǔ)數(shù)據(jù)庫的優(yōu)勢

以下是關(guān)于Oracle的XML數(shù)據(jù)庫所發(fā)揮的效能的列表[5]。

（1）它促進(jìn)海量的數(shù)據(jù)資源以XML的格式實(shí)現(xiàn)數(shù)據(jù)存儲(chǔ)；

（2）使得信息資源被檢索的速度，比較傳統(tǒng)的關(guān)系數(shù)據(jù)庫管理系統(tǒng)，要快；

（3）允許常規(guī)的SQL語言查詢的方式訪問到相關(guān)的XML格式的數(shù)據(jù)；

（4）我們可以使用Oracle的聯(lián)機(jī)事務(wù)處理系統(tǒng)（OLTP），數(shù)據(jù)倉庫；

（5）我們可以通過任一條Oracle的SQL查詢請求，生成一份XML文檔；

（6）我們可以輕易把XML格式數(shù)據(jù)轉(zhuǎn)化成HTML數(shù)據(jù)。

3.4 應(yīng)用XML文檔格式的益處

盡管XML應(yīng)用還有無限的發(fā)展前景，但目前影響還寥寥可數(shù)。目前還欠缺比較具體的XML項(xiàng)目。然而，XML擁有為書面文本文檔提供最簡潔的結(jié)構(gòu)的優(yōu)勢，從某種意義上說，它完全可以取代HTML格式，用XML，用戶可以根據(jù)自己的使用習(xí)慣來定義專屬的網(wǎng)絡(luò)標(biāo)簽。

4 現(xiàn)有技術(shù)的未來前景

在當(dāng)今普遍盛行將海量信息數(shù)據(jù)存儲(chǔ)于數(shù)據(jù)庫中。而這類數(shù)據(jù)庫換言之即為“數(shù)據(jù)倉庫”。數(shù)據(jù)倉庫，其實(shí)是將從多渠道搜集的信息，在統(tǒng)一的數(shù)據(jù)格式之下，存儲(chǔ)起來而形成的“知識(shí)庫”。從這一龐大的數(shù)據(jù)庫中，人們試探去開發(fā)出若干功能，例如，檢索功能、編目功能，基于思想內(nèi)容的索引功能等。而為了挖掘出有價(jià)值的信息，筆者認(rèn)為必須進(jìn)行數(shù)據(jù)挖掘。近幾年，數(shù)據(jù)挖掘技術(shù)無論在工業(yè)領(lǐng)域還是社會(huì)科學(xué)領(lǐng)域都得到廣泛的重視，究其原因是海量信息具有廣泛的適用性。如何將其從單純的數(shù)據(jù)轉(zhuǎn)化成有價(jià)值的信息或知識(shí)，已經(jīng)成為全社會(huì)最迫切的需求了[6]。

通過數(shù)據(jù)挖掘工具可完成對數(shù)據(jù)的分析全過程，并且能發(fā)掘出有助于決策及科研需要的重要的數(shù)據(jù)模式。

本文通過提出基于XML的分布式存儲(chǔ)數(shù)據(jù)庫系統(tǒng)，來一種思路，即可以從傳統(tǒng)的簡單的數(shù)據(jù)庫系統(tǒng)延伸到一個(gè)更廣闊的領(lǐng)域——數(shù)據(jù)倉庫。

事實(shí)上，XML格式有助于將結(jié)構(gòu)化以及非結(jié)構(gòu)化信息，以網(wǎng)頁的格式，通過因特網(wǎng)或組織內(nèi)部的局域網(wǎng)呈現(xiàn)給用戶。

5 結(jié)語

XML技術(shù)近幾年以驚人的速度得到普及。XML技術(shù)針對基于網(wǎng)絡(luò)的應(yīng)用程序提供了若干便捷的功能。原生XML數(shù)據(jù)庫是根據(jù)XML數(shù)據(jù)庫的原始概念，由于若干因素的考量改進(jìn)而成的。將思路延展下去，可將各種數(shù)據(jù)挖掘技術(shù)運(yùn)用到某種數(shù)據(jù)倉庫模型中，從而輕松處理各項(xiàng)業(yè)務(wù)產(chǎn)生的海量信息。

在接下來的時(shí)間里，筆者計(jì)劃把該“基于XML的分布式存儲(chǔ)數(shù)據(jù)庫”的模型，進(jìn)行延展，應(yīng)用到處理非XML的數(shù)據(jù)中。

參考文獻(xiàn)：

[1]趙朋飛.基于XML的分布式數(shù)據(jù)庫集成系統(tǒng)[J].計(jì)算機(jī)工程，2010（7）：70-72.

[2]黃偉紅，張福炎.基于XML/RDF的MARC元數(shù)據(jù)描述技術(shù)[J].情報(bào)學(xué)報(bào)，2000（4）：326-332.

[3]王韋偉，孫慶鴻.基于XML的分布異構(gòu)數(shù)據(jù)集成平臺(tái)[J].東南大學(xué)學(xué)報(bào)（自然科學(xué)版），2006（05）：715-719.

[4]陳鳳巖，唐振宇，步兆軍.基于Java和XML的異構(gòu)數(shù)據(jù)庫集成研究[J].情報(bào)雜志，2006（07）：16-17+21.

[5]祁迪.分布式數(shù)據(jù)庫特點(diǎn)及其設(shè)計(jì)方法[J].山東工業(yè)技術(shù)，2016（01）:152-153.

[6]龐惠,翟正利.論分布式數(shù)據(jù)庫[J].電腦知識(shí)與技術(shù)，2011（02）:271-273.