關(guān)系—XML雙引擎數(shù)據(jù)庫管理系統(tǒng)CoSQLRX中XML數(shù)據(jù)關(guān)鍵字索引的研究與實現(xiàn).pdf

1、隨著信息化發(fā)展速度的不斷加快，XML技術(shù)發(fā)揮的作用越來越重要。目前，XML在多領(lǐng)域的數(shù)據(jù)表示、建模分析等方面都有廣泛的應(yīng)用。然而建立在多維度基礎(chǔ)上的XML數(shù)據(jù)查詢卻比較復(fù)雜。人們通常習(xí)慣于使用簡單的關(guān)鍵字進行查詢，而不用了解復(fù)雜的查詢語法和數(shù)據(jù)庫模式。通過為XML數(shù)據(jù)庫建立關(guān)鍵字索引，能夠使數(shù)據(jù)庫具備對XML數(shù)據(jù)關(guān)鍵字的高效查詢功能，提高檢索效率，拓展數(shù)據(jù)庫的功能性。
　　傳統(tǒng)關(guān)系數(shù)據(jù)庫已經(jīng)發(fā)展得比較成熟，基于關(guān)系數(shù)據(jù)庫的關(guān)鍵字查

2、詢能為人們提供方便靈活的檢索服務(wù)，具有較大的市場。而XML作為數(shù)據(jù)表示的一個開放的標(biāo)準，在信息領(lǐng)域也具有較強的活力。對關(guān)系與XML的統(tǒng)一管理以及實現(xiàn)對XML數(shù)據(jù)關(guān)鍵字檢索就具有很重要的意義。本文在由北京大學(xué)、東北大學(xué)、上海實方軟件有限公司共同開發(fā)的關(guān)系-XML雙引擎數(shù)據(jù)庫管理系統(tǒng)CoSQLRX基礎(chǔ)之上，參考PostgreSQL數(shù)據(jù)庫管理系統(tǒng)等相關(guān)技術(shù)，設(shè)計實現(xiàn)了利用XML關(guān)鍵字索引進行查詢的功能。文中首先對CoSQLRX數(shù)據(jù)庫的特點進行

3、闡述，包括其體系結(jié)構(gòu)及對XML的支持。在此基礎(chǔ)上介紹了系統(tǒng)中XML數(shù)據(jù)關(guān)鍵字索引的設(shè)計。系統(tǒng)將結(jié)構(gòu)索引作為XML數(shù)據(jù)關(guān)鍵字索引的基礎(chǔ)，按節(jié)點切分文檔，記錄下編碼等模式信息并抽取文本，再通過倒排索引建立起文本信息與文檔結(jié)構(gòu)的關(guān)系。考慮到文本相關(guān)信息對查詢的影響，將單詞的詞頻、詞位都記錄進索引項，這既能實現(xiàn)詞組查詢功能，又為結(jié)果重要度的計算提供了支持。
　　在實現(xiàn)上，結(jié)構(gòu)索引的搭建利用了TOAST技術(shù)，將結(jié)構(gòu)索引本身作為大對象嵌入到文

4、檔中。倒排索引以entry樹的形式存在，根節(jié)點能以鏈表、B+樹等靈活的方式保存索引項。插入數(shù)據(jù)時，索引項數(shù)能隨數(shù)據(jù)量的增多而作自由擴展。查詢方面，本文分別考慮了單關(guān)鍵字與多關(guān)鍵字詞組查詢的各自特點，尤其對于詞組查詢，由于在索引設(shè)計中已經(jīng)存入了詞位，查詢時即根據(jù)詞位信息進行索引項的判別。
　　最后，本文進行了實驗測試與分析。文中采用XMark測試基準對系統(tǒng)中XML文檔上的關(guān)鍵字索引進行了測試。實驗結(jié)果表明，本文所設(shè)計的XML數(shù)據(jù)關(guān)鍵