對(duì)大信息量XML文檔查詢方法的研究.pdf

1、Web技術(shù)的飛速發(fā)展使得全球信息的傳遞和共享日益增多,而XML技術(shù)的出現(xiàn)則正是為了有效應(yīng)對(duì)上述問(wèn)題。XML己經(jīng)逐漸成為Internet上數(shù)據(jù)的表示標(biāo)準(zhǔn)和交換工具,它為數(shù)據(jù)庫(kù)的應(yīng)用開辟了一個(gè)嶄新的領(lǐng)域,然而由于XML數(shù)據(jù)的半結(jié)構(gòu)化特性以及XML數(shù)據(jù)所特有的路徑表達(dá)式查詢方式不同于現(xiàn)有的關(guān)系數(shù)據(jù)庫(kù)查詢,使得關(guān)系數(shù)據(jù)庫(kù)系統(tǒng)對(duì)XML數(shù)據(jù)的管理功能受到極大限制。XML數(shù)據(jù)的一個(gè)明顯特征是其數(shù)據(jù)冗余較大,無(wú)論采用那種模式來(lái)存儲(chǔ)XML數(shù)據(jù),都必須面對(duì)

2、XML數(shù)據(jù)冗余較大這一特點(diǎn)。冗余既造成了存儲(chǔ)空間的浪費(fèi),又增加了查詢處理的I/O時(shí)間,從而降低了效率。目前,減小XML文檔大小的一種有效的方法就是壓縮,但是壓縮后的XML文檔需要解壓后才能對(duì)其進(jìn)行驗(yàn)證、查詢等操作,這在某些應(yīng)用中時(shí)間或者空間代價(jià)過(guò)高(如手持設(shè)備或者接收壓縮XML文檔的服務(wù)器等),所以如何在有效壓縮XML文檔的同時(shí)能夠在壓縮后的文檔上進(jìn)行查詢等操作就成為基于XML的數(shù)據(jù)交換中需要解決的一個(gè)問(wèn)題。針對(duì)XML數(shù)據(jù)的半結(jié)構(gòu)化特征

3、,本文考慮分別從XML的文本和結(jié)構(gòu)特征上來(lái)消除冗余數(shù)據(jù)。對(duì)XML文本的冗余,結(jié)合了BWT方法,并用實(shí)驗(yàn)說(shuō)明了它對(duì)于壓縮后的文本查詢的高效性。針對(duì)XML文檔的結(jié)構(gòu)特征,分析了當(dāng)前結(jié)構(gòu)連接的不足,提出并證明了基于雙親-孩子關(guān)系和祖先-后裔關(guān)系的連接表達(dá)式中,存在重復(fù)的結(jié)構(gòu)連接路徑。提出了ESL方法,通過(guò)該法,得到的結(jié)構(gòu)索引比原始數(shù)據(jù)明顯要小的多。最后,本文提出了處理XML查詢的一個(gè)模型,其中的壓縮模塊用的就是上述技術(shù),并對(duì)實(shí)現(xiàn)該模型作了初步