基于特征向量的時(shí)態(tài)XML索引研究.pdf

1、由于網(wǎng)絡(luò)技術(shù)的不斷發(fā)展，web服務(wù)、電子商務(wù)的廣泛應(yīng)用，XML已成為網(wǎng)絡(luò)應(yīng)用中數(shù)據(jù)表示和數(shù)據(jù)交換的標(biāo)準(zhǔn)。XML表示數(shù)據(jù)的同時(shí)，還攜帶了數(shù)據(jù)的語義，可以作為一種中間格式，為所有平臺所使用。XML數(shù)據(jù)庫技術(shù)已得到較為深入的發(fā)展，取得許多優(yōu)秀的學(xué)術(shù)成果。而時(shí)間作為商業(yè)應(yīng)用中的一個(gè)重要元素，引入到XML數(shù)據(jù)中具有實(shí)際意義，可用于表示數(shù)據(jù)的有效時(shí)間。時(shí)態(tài)XML數(shù)據(jù)庫就是對XML數(shù)據(jù)庫進(jìn)行擴(kuò)展，增加對時(shí)態(tài)屬性的支持，可以跟蹤歷史數(shù)據(jù)，或恢復(fù)數(shù)據(jù)到任

2、一時(shí)刻的狀態(tài)。國內(nèi)外對時(shí)態(tài)XML數(shù)據(jù)庫關(guān)注越來越多。
　　 隨時(shí)間推移，數(shù)據(jù)不斷增多，對查詢處理的性能要求越來越高。與非時(shí)態(tài)XML數(shù)據(jù)庫一樣，如何建立高效的索引成為時(shí)態(tài)XML數(shù)據(jù)技術(shù)的重要問題。在時(shí)態(tài)XML索引領(lǐng)域，較多是在時(shí)態(tài)XML文檔更新時(shí)產(chǎn)生一個(gè)新版本，需要遍歷不同的版本才能完成查詢處理，影響查詢處理性能。另一些則注重借鑒非時(shí)態(tài)XML數(shù)據(jù)庫的索引技術(shù)，對其進(jìn)行擴(kuò)展，在索引的構(gòu)建，查詢和維護(hù)中分別增加對時(shí)態(tài)的支持。非時(shí)態(tài)XM

3、L索引大致分為結(jié)構(gòu)摘要類和結(jié)點(diǎn)記錄類索引。它們的構(gòu)造思想對處于起步階段的時(shí)態(tài)XML索引技術(shù)有很好的啟發(fā)作用。
　　 本文中使用的時(shí)態(tài)XML模型是將不同有效時(shí)間的數(shù)據(jù)存放在同一個(gè)文檔，而不是將數(shù)據(jù)按時(shí)間劃分版本分開保存。針對這種時(shí)態(tài)XML文檔的特點(diǎn)，本文提出一種新的時(shí)態(tài)XML索引技術(shù)TFIX。它的基本思想是在處理查詢時(shí)，只在文檔中可能包含查詢結(jié)果的部分進(jìn)行搜索，避免遍歷整個(gè)文檔。對于大的時(shí)態(tài)XML文檔，本文首先枚舉出所有深度為K的

4、子文檔片，K是索引的參數(shù)且為整數(shù)，以特征向量來表征每一個(gè)文檔片，計(jì)算出各個(gè)文檔片的特征向量并作為鍵值插入到B+樹中建立索引。索引在處理查詢時(shí)，同樣將小枝查詢看作是一棵查詢樹，計(jì)算出特征向量，以此在B+樹進(jìn)行匹配，查找出所有可能包含查詢結(jié)果的子文檔片集，最后只在這個(gè)中間結(jié)果集中進(jìn)行簡單遍歷即可得到最終結(jié)果集。本文所使用的特征向量包含如下幾個(gè)分量：文檔片根結(jié)點(diǎn)名稱、文檔圖對應(yīng)矩陣的最大最小特征值和根結(jié)點(diǎn)有效時(shí)間。它是基于圖論中的基本結(jié)論和時(shí)