吳潔明，萬 勵，莫智懿，陸科達

WU Jie-ming，WAN Li，MU Zhi-yi，LU Ke-da

（梧州學(xué)院 計算機科學(xué)系，梧州 543002）

0 引言

在信息技術(shù)與網(wǎng)絡(luò)技術(shù)高速發(fā)展的今天，網(wǎng)絡(luò)已經(jīng)成為新一代操作平臺。信息正全面地以互聯(lián)網(wǎng)方式展開，互聯(lián)網(wǎng)的信息傳播，極大地加速了人類發(fā)展的進程。隨著WEB技術(shù)的日益發(fā)展，WEB已經(jīng)成為信息制造、發(fā)布、加工和處理的主要平臺。XML技術(shù)已日益受到更為廣泛的關(guān)注，已經(jīng)在電子商務(wù)、電子數(shù)據(jù)交換、科學(xué)數(shù)據(jù)表示、數(shù)據(jù)建模與分析和搜索引擎等領(lǐng)域有著廣泛的應(yīng)用。隨著XML應(yīng)用技術(shù)的深入，將會有大量的XML文檔出現(xiàn)，并且現(xiàn)在在網(wǎng)絡(luò)上已經(jīng)積累了大量的XML文檔[1,2]。將XML數(shù)據(jù)轉(zhuǎn)化為關(guān)系數(shù)據(jù)，存儲在關(guān)系數(shù)據(jù)庫系統(tǒng)中，利用己經(jīng)成熟的關(guān)系數(shù)據(jù)庫理論和技術(shù)，來實現(xiàn)對XML數(shù)據(jù)的存取和訪問，并盡量減少XML數(shù)據(jù)查詢時的中間操作，以減少響應(yīng)時間，提高查詢效率，是XML文檔當(dāng)前最有效的存儲和查詢方式[3,4]。本文主要就基于關(guān)系數(shù)據(jù)庫的XML存儲技術(shù)相關(guān)問題進行探討。

1 XML與關(guān)系數(shù)據(jù)庫結(jié)構(gòu)上的差異

XML文檔是半結(jié)構(gòu)化的數(shù)據(jù)，是一個樹模型，如果考慮到XML元素次序，則是一棵有序樹模型，其數(shù)據(jù)結(jié)構(gòu)是非結(jié)構(gòu)化的，而關(guān)系數(shù)據(jù)庫管理系統(tǒng)是采用二維表格作為存儲數(shù)據(jù)的模型，表格由行和列組成，列被稱作“字段”用于表示組成數(shù)據(jù)有效信息的屬性，行則用于儲存一條完整的數(shù)據(jù)記錄。XML數(shù)據(jù)與關(guān)系表之間數(shù)據(jù)結(jié)構(gòu)有很大的差異，具體來說，XML數(shù)據(jù)是有序的，而關(guān)系數(shù)據(jù)是則無序的，另外XML數(shù)據(jù)的模式往往經(jīng)常變化，可是關(guān)系數(shù)據(jù)庫的數(shù)據(jù)結(jié)構(gòu)是固定不變的，XML數(shù)據(jù)可以無限層次嵌套，而關(guān)系數(shù)據(jù)則不能。雖然XML放松的類型限制和自描述性有利于數(shù)據(jù)之間的交換，但是卻不利于數(shù)據(jù)存儲。因此，XML的數(shù)據(jù)模型的半結(jié)構(gòu)化、有序性與平坦、無序的關(guān)系模型之間存在固有的不匹配。另外遵循文檔類型定義（DTD）或文檔模式定義（XML SCHEMA）的XML文檔也與遵循關(guān)系存儲模式的關(guān)系數(shù)據(jù)在語法、．結(jié)構(gòu)以及約束等很多方面存在著固有的異構(gòu)性，因此很難直接由XML數(shù)據(jù)產(chǎn)生關(guān)系模式。甚至即使多個XML文檔實例都遵循同一個文檔模式定義，它們也可能有不同的結(jié)構(gòu)。可以看出，XML映射到關(guān)系數(shù)據(jù)庫中存在固有的困難。映射時主要存在以下需要解決的問題：1）如何利用可能有的XML文檔模式（或類型）信息來采取各種不同的存儲策略；2）如何將XML文檔無損地存入關(guān)系數(shù)據(jù)庫；3）如何從關(guān)系數(shù)據(jù)庫中查詢并重構(gòu)XML信息。

2 基于關(guān)系數(shù)據(jù)庫的存儲策略

當(dāng)前，在將XML數(shù)據(jù)存儲在關(guān)系數(shù)據(jù)庫的策略主要有兩大類映射策略：即結(jié)構(gòu)映射策略和模型映射策略。簡單地來說，結(jié)構(gòu)映射需要將XML模式（或DTD）映射為特定的關(guān)系模式，隨著XML文檔模式（或者為DTD）的不同，映射成的關(guān)系模式也不同。而模型映射則是將XML文檔映射為固定的關(guān)系模式，與XML文檔模式（或者為DTD）無關(guān)。

2.1 基于結(jié)構(gòu)映射的策略

具體來說，基于結(jié)構(gòu)的映射方法可以分為兩個步驟來實現(xiàn)。

第一步：簡化DTD并生成DTD圖。因為XML DTD的元素是相當(dāng)復(fù)雜的，需要對復(fù)雜的DTD進行簡化。DTD的簡化變換主要有以下三種方式。1）平面化變換：將DTD內(nèi)的層次嵌套關(guān)系打平，把嵌套的定義轉(zhuǎn)換為非嵌套的定義；2）簡化變換：將連續(xù)的多個一元操作轉(zhuǎn)換為一個一元操作；3）聚集變換：將多個具有相同名稱的子元素聚在一起，形成一個子元素。一個DTD圖表示的是一個DTD的結(jié)構(gòu)，圖的結(jié)點表示DTD中的元素、屬性或操作符，DTD中的元素在DTD圖中只出現(xiàn)一次，屬性和操作符在DTD圖中出現(xiàn)的次數(shù)則與它們在DTD中出現(xiàn)的次數(shù)相同。

第二步：DTD圖到關(guān)系模式的映射。從DTD圖到關(guān)系模式的映射方法主要有：基本內(nèi)聯(lián)法、共享內(nèi)聯(lián)法和綜合內(nèi)聯(lián)法。

1）基本內(nèi)聯(lián)法?；緝?nèi)聯(lián)法的原則是在存儲一個結(jié)點的時候，盡可能多地將這個元素的后代結(jié)點存儲在一個表中。例如，形如直線而無分支的數(shù)據(jù)路徑上的結(jié)點。這些后代結(jié)點作為祖先結(jié)點表中的屬性域而存儲。而結(jié)點之間的嵌套關(guān)系則用采用關(guān)系表之間的外鍵來解決?；緝?nèi)聯(lián)法將產(chǎn)生大量的關(guān)系，并且會產(chǎn)生大量的數(shù)據(jù)冗余，因此該方法基本上是不實用的。

2）共享內(nèi)聯(lián)法。共享內(nèi)聯(lián)法為以下三種DTD結(jié)點生成獨立的關(guān)系：（1）DTD圖中入度大于1或者等于0（根結(jié)點）的元素結(jié)點生成獨立的關(guān)系；（2）DTD圖中結(jié)點“幸”的孩子結(jié)點（將值集元素作為單獨的關(guān)系保存）；（3）互為遞歸的入度均為1的元素結(jié)點，其中之一生成獨立的關(guān)系。而其余的結(jié)點都生成關(guān)系屬性。共享內(nèi)聯(lián)法相對減少了XML查詢轉(zhuǎn)換為SQL語句的數(shù)目，但增加了每個SQL查詢中的連接運算。

3）綜合內(nèi)聯(lián)法

綜合內(nèi)聯(lián)方法在處理入度大于l的結(jié)點上與共享內(nèi)聯(lián)方法不同，綜合內(nèi)聯(lián)法將所有入度大于1的元素結(jié)點也內(nèi)聯(lián)進入父結(jié)點所生成的關(guān)系表中，但是帶回路的結(jié)點以及結(jié)點“}”或“+”的直接后繼結(jié)點除外，該方法減少了子結(jié)點與父結(jié)點的連接運算。綜合內(nèi)聯(lián)法的出發(fā)點是充分吸取基本內(nèi)聯(lián)法和共享內(nèi)聯(lián)法的優(yōu)點，克服其缺點。與共享內(nèi)聯(lián)方法相比，綜合內(nèi)聯(lián)方法相對減少了每個SQL查詢中的連接運算，但是增加了SQL語句的數(shù)目。

2.2 基于模型映射的策略

模型映射的方法是用一個固有的模式來存儲XML文檔。它用固定的關(guān)系模式來存放任何格式的XML數(shù)據(jù)，而不考慮XML文檔的模式（DTD或SCHEMA），其實質(zhì)是存儲XML文檔本身的結(jié)構(gòu)信息。目前，基于模型的映射方法主要有Edge方法、XRel方法和XParent方法。

1）Edge方法

Edge方法圓的存儲策略是把要存入的XML文檔看做圖形結(jié)構(gòu)，每個圖的邊界都表示為圖中的元組，把XML文檔圖中的所有邊都存入到關(guān)系表Edge中，用表Edge（source，ordinal，target，label，flag，value）存儲XML文檔圖中的邊，其中的source字段和target字段分別用來存儲邊的源結(jié)點和目標結(jié)點的標識符；label域為目標結(jié)點的類型；flag用來區(qū)分目標結(jié)點；target是一個元素結(jié)點還是一個文本結(jié)點，如果該目標結(jié)點是文本結(jié)點，則文本值存儲于value域中；ordinal字段指出target結(jié)點在source結(jié)點的所有孩子中的位置。由于Edge方法將所有XML數(shù)據(jù)都用Edge表存放，操作方法簡單。但缺點是在Edge方法中每條邊都是單獨管理的，所以在用戶進行查詢操作時就需在大量的表上進行連接操作以形成路徑。如果要判斷祖先/后代關(guān)系就需要從祖先到后代（或與之相反）遍歷所有的邊，造成代價非常昂貴。

2）XRel方法

XRel方法為了存儲XML文檔的所有信息，將XML文檔樹分解為一個個路徑表達式，對于樹中每一個結(jié)點，都將從根結(jié)點到其自身的路徑存儲。而在樹中有可能有多個結(jié)點的路徑是一樣的，所以單個的簡單路徑表達式并不能夠存儲整棵XML文檔樹的信息。XRel模式是通過區(qū)間編碼[start，end]來反映XML文檔的模型結(jié)構(gòu)，并根據(jù)結(jié)點類型來劃分，分為元素結(jié)點表、屬性結(jié)點表和文本結(jié)點表，同時將所有路徑進行存儲。因此，XRel模式由四個關(guān)系表組成如圖1所示。

圖1 XRel存儲模式

在Path表中，存儲所有的不重復(fù)的路徑，其中，PathID為標記路徑的標識，pathexp域存儲標記路徑。為了實現(xiàn)路徑表達式的字符串匹配操作，防止意外的結(jié)果出現(xiàn)，將標記路徑中的“/”替換為“#/”進行存儲。對于Element表、Attribute表和Text表，Attribute表和Text表中的value字段存儲的分別是屬性結(jié)點的值和文本結(jié)點的值。對于每一個路徑表達式，查詢過程都可以分為兩部：第一步，利用字符串的匹配操作，能夠快速的查找出與路徑表達式相匹配的所有標記路徑的標識；第二步，利用這些路徑標識，能夠快速的查找出隸屬于這些路徑終端的值。

XRel存儲模式的特點可以總結(jié)如下：1）用簡單路徑表達式和結(jié)點的區(qū)間編碼（start，end）存儲XML文檔的所有信息。2）分別為每一種結(jié)點類型創(chuàng)建一個對應(yīng)的關(guān)系表。3）用一個Path表把文檔中所有不重復(fù)的路徑都提取出來，有效地降低了數(shù)據(jù)庫的存儲容量。

3）XParent方法

XParent模式和XRel模式一樣，將文本數(shù)據(jù)路徑獨立出來，共包含四個關(guān)系表，如圖2所示。

圖2 XParent存儲模式

其中，表LabelPath中的pathexp字段用來存儲所有不重復(fù)的標簽路徑，即模式路徑。每一個標簽路徑被賦予一個標識符pathID，length為標記路徑的長度。Parent表存儲的是雙親/孩子關(guān)系，pid和cid分別表示一個邊的起始結(jié)點與結(jié)尾結(jié)點。did為XML文檔中元素結(jié)點的標識，它也可以作為以該結(jié)點為終端點的數(shù)據(jù)路徑的標識。

Parem表存儲的是雙親/孩子關(guān)系，因此，為了檢查數(shù)據(jù)路徑需要進行連接操作。為了提高這種處理的效率，可以改用Ancestor表來存儲祖先/后裔關(guān)系。Ancestor（did，ancestor，level），利用Ancestor表能夠快速的檢測結(jié)點之間的祖先/后裔關(guān)系，但是它比Parent表需要更多的空間，而且由于存在冗余信息，修改代價也更高。XParent模式分別通過LabelPath表和Parent表來支持標記路徑和數(shù)據(jù)路徑。因此，XParent模式既具有基于結(jié)點的模型映射的特點，又具有基于邊的模型映射的特點。

3 結(jié)束語

主要討論了基于關(guān)系數(shù)據(jù)庫的XML存儲方式的兩大類映射方法：模型映射和結(jié)構(gòu)映射。并且分別對三種具體的映射方法：基于邊的映射方法、基于結(jié)點的映射方法和基于結(jié)構(gòu)的映射方法進行了探討，并說明了各自的原理與優(yōu)缺點，對于今后XML數(shù)據(jù)庫設(shè)計具有一定幫助。

[1]周勇，韓潔，史忠植.XML數(shù)據(jù)庫與關(guān)系數(shù)據(jù)庫協(xié)作研究[J].計算機工程與應(yīng)用，2002，38（13）.

[2]曹亮，王茜，盧菁.XML數(shù)據(jù)在關(guān)系數(shù)據(jù)庫中存儲和檢索的研究和實現(xiàn)[J].東南大學(xué)學(xué)報（自然科學(xué)版），2002，32（1）.

[3]路燕，郝忠孝，張亮.基于編碼的XML關(guān)系數(shù)據(jù)庫存儲[J].計算機研究與發(fā)展，2005，42（11）.

[4]許卓明，劉琴，董逸生.基于關(guān)系數(shù)據(jù)庫的XML存儲技術(shù)評述[J].計算機工程與應(yīng)用，2003，39（21）.