關(guān)于XML的并行處理算法研究.pdf

1、大規(guī)模的電子出版和大范圍Web數(shù)據(jù)交換業(yè)務(wù)需要良好描述能力和處理能力的語言.為Internet和Web發(fā)展做出突出貢獻的置標(biāo)語言HTML由于其自身的缺陷已不能滿足上述業(yè)務(wù)的發(fā)展需要,為此W3C開發(fā)并發(fā)布了新一代置標(biāo)語言XML.隨后各公司和廠商便推出了能提供SAX和(或)DOM接口的XML解析器.SAX接口的解析器只能對文檔內(nèi)容按順序處理,處理完后并不將數(shù)據(jù)保存在內(nèi)存中,也不能修改文檔內(nèi)容,故不能對XML文檔做隨機存取,難以實現(xiàn)復(fù)雜的查詢

2、,使用范圍小.DOM接口的解析器能夠避免SAX的某些弊病,但它是一種內(nèi)存密集型操作,它把XML的元素、屬性、注釋、處理指令等都作為一個節(jié)點對象進行處理,需要占用大量的內(nèi)存.這對于一些含節(jié)點數(shù)多的大型XML文件,如果使用DOM接口的解析器進行處理,就要求有性能很高的計算機才能勝任,否則可能會大大地降低解析效率甚至造成解析失敗.隨著計算機技術(shù)和網(wǎng)絡(luò)技術(shù)的發(fā)展,以網(wǎng)絡(luò)為基礎(chǔ)的分布式并行計算環(huán)境以其較高的性能價格比和大范圍、大數(shù)量異構(gòu)機群并行成

3、為新的高性能計算環(huán)境.而且XML文檔和DOM接口本身具有的良好的并行結(jié)構(gòu).因此,該文基于分布式網(wǎng)絡(luò)并行環(huán)境研究了對XML文檔的并行處理方法.以Java為開發(fā)語言,利用Java的Socket技術(shù)實現(xiàn)網(wǎng)絡(luò)通信,利用Java的多線程技術(shù)實現(xiàn)并行處理,設(shè)計實現(xiàn)了一個XML的并行解析器.XML文檔的并行處理主要是數(shù)據(jù)的并行處理.我們研發(fā)了序言處理、字符編碼方式識別、數(shù)據(jù)分割、并行解析器,并進行實驗驗證.實驗結(jié)果表明該文設(shè)計的并行解析器具有較好的處