基于模式的XML索引技術(shù)研究.pdf

1、網(wǎng)絡(luò)應(yīng)用的快速發(fā)展，尤其是電子商務(wù)、Web服務(wù)等應(yīng)用理念的進(jìn)一步發(fā)展，使得企業(yè)和個人通過網(wǎng)絡(luò)進(jìn)行數(shù)據(jù)交換變得越來越頻繁，迫切需要一個為大家普遍接受的數(shù)據(jù)表示方式來對網(wǎng)絡(luò)數(shù)據(jù)的交互格式進(jìn)行統(tǒng)一。XML(ExtensibleMarkup Language)，即可擴(kuò)展標(biāo)記語言應(yīng)運(yùn)而生，它是一套定義語義標(biāo)記的規(guī)范，其目的在于定義計算機(jī)和人都能方便識別的數(shù)據(jù)類型。XML類型的數(shù)據(jù)已成為當(dāng)前主流的數(shù)據(jù)形式，并成為事實上的數(shù)據(jù)表示標(biāo)準(zhǔn)。怎樣對XML文

2、檔進(jìn)行高效索引和快速查詢也成為了當(dāng)今數(shù)據(jù)庫領(lǐng)域的一個研究熱點(diǎn)。
　　 為了從XML以及半結(jié)構(gòu)化數(shù)據(jù)中獲取所需要的信息，研究人員開發(fā)了許多查詢語言，如Lorel，XPath和XQuery等等。所有這些查詢語言有個共同的特點(diǎn)，即通過路徑表達(dá)式實現(xiàn)對XML文檔的路徑查詢。為了提高XML路徑查詢的效率，許多專家和學(xué)者致力于XML文檔索引的建立。XML的模式信息(DTD或XMLSchema)對于XML索引的建立以及查詢效率的提高，可以產(chǎn)生

3、很大影響。
　　 目前，DTD和Schema是XML使用最多的模式信息，本文分別針對DTD和Schema這兩種模式信息，提出索引的建立方法。該方法的主要思想是分別為XML模式和XML文檔建立索引，建立模式索引的目的是在XML模式中快速定位指定名稱的元素或?qū)傩?，建立XML文檔索引是為了在模式索引得到的信息的基礎(chǔ)上，在各個XML文檔中找到最終所要查詢的元素或?qū)傩缘膶嵗?br>　　 查詢時，首先在模式中查找，如果查詢路徑在模式樹中

4、是不合法的，即模式中沒有與查詢路徑相匹配的結(jié)構(gòu)，則可以肯定，在相應(yīng)的XML文檔中也不存在與查詢路徑相匹配的結(jié)構(gòu)，所以不需要到XML文檔中查詢，直接給出“無查詢結(jié)果！”的結(jié)論；如果查詢表達(dá)式在模式樹中是合法的，則根據(jù)文檔中結(jié)點(diǎn)與模式中結(jié)點(diǎn)的對應(yīng)關(guān)系進(jìn)一步在文檔樹中查找，最終得到查詢結(jié)果。該索引結(jié)構(gòu)利用模式信息減小了搜索空間，并通過改進(jìn)的結(jié)點(diǎn)編碼方法減少了查詢時代價高昂的結(jié)構(gòu)連接的次數(shù)，有效縮短了查詢時間，提高了查詢效率。
　　 大

5、多數(shù)索引的研究忽略了數(shù)據(jù)更新時索引的維護(hù)，本文在對XML文檔中的結(jié)點(diǎn)進(jìn)行編碼時，采用了一種擴(kuò)展的Dewey編碼方法，這種編碼方法能有效保證數(shù)據(jù)更新時的一致性，并且在插入、刪除結(jié)點(diǎn)時，不影響已有結(jié)點(diǎn)的編碼，即對已存在的結(jié)點(diǎn)不需進(jìn)行重新編碼。由于在索引中加入了模式信息，在數(shù)據(jù)更新之前，可以通過判斷這種更新是否會產(chǎn)生不符合模式的非法數(shù)據(jù)來確定更新操作是否執(zhí)行，因此，這是一種基于有效性驗證的動態(tài)更新，保證了數(shù)據(jù)的合法性。
　　 本文所做

6、的主要工作在于：
　　 (1)提出了新的基于復(fù)雜DTD的XML索引方式CDBXI和基于XML Schema的XML索引方式SBXI，詳細(xì)描述該索引方式的系統(tǒng)結(jié)構(gòu)、編碼方法。
　　 (2)給出了對采用文中索引結(jié)構(gòu)的XML數(shù)據(jù)進(jìn)行各種查詢的算法以及查詢操作的步驟。
　　 (3)討論分析了在進(jìn)行數(shù)據(jù)更新時，索引的維護(hù)問題。并給出了在增加、刪除結(jié)點(diǎn)時，該索引的具體維護(hù)算法。
　　 (4)通過數(shù)據(jù)分析和實例比較，證