XML簇聚存儲及路徑選擇性代價估計研究.pdf

1、隨著互連網(wǎng)的快速發(fā)展，出現(xiàn)了大量的Web數(shù)據(jù)，這些Web數(shù)據(jù)多以XML文檔形式出現(xiàn)，如何有效存儲XML文檔和從大量XML文檔中檢索有用信息，已成為數(shù)據(jù)庫研究領(lǐng)域的一個重要研究課題。本文的研究工作主要圍繞XML數(shù)據(jù)存儲和查詢優(yōu)化展開，重點研究XML簇聚存儲模型和路徑選擇性代價估計。 首先對XMI，技術(shù)做了綜述，分析了XML的研究現(xiàn)狀和技術(shù)上的突破，然后重點從XML簇聚存儲和查詢優(yōu)化兩個方面做了深入的研究工作。在XML簇聚存儲方面，

2、針對DOM(文檔對象模型)不能有效減少XML查詢的磁盤I/O問題，提出了X-cluster簇聚存儲模型，此模型根據(jù)結(jié)點劃分思想將XML文檔中結(jié)點結(jié)構(gòu)與結(jié)點值最為“相似”的一組結(jié)點簇聚在一起，并為不同的結(jié)點值類型引入了不同的存儲模型和壓縮方法，解決了以往簇聚模型中人為地割裂結(jié)點結(jié)構(gòu)與結(jié)點值之間的關(guān)系，簇聚誤差過大的問題；在XML查詢優(yōu)化方面，深入研究了XML路徑選擇性代價估計，詳細分析了基于直方圖的路徑選擇性代價估計(HPM)方法，針對H

3、PM方法計算效率低，選擇性估計精度不高的缺點，將X-cluster簇聚大綱統(tǒng)計信息模型引入路徑選擇性代價估計中，提出了CHPM方法。該方法通過計算選擇率為百分之百的結(jié)點或路徑跳過不必參與直方圖運算的結(jié)點或路徑，減少了代價樹的規(guī)模，從而提高路徑選擇性代價估計的效率；同時為了避免中間結(jié)果直方圖某些格中的高頻數(shù)據(jù)對后續(xù)直方圖運算精度的影響，給出了直方圖的壓縮策略，通過壓縮使直方圖中的數(shù)據(jù)近似滿足均勻分布，從而降低路徑選擇性估計的誤差。