基于文件差異的XML文檔壓縮算法.pdf

1、伴隨著網(wǎng)絡技術的飛速發(fā)展,XML已經(jīng)成為了事實上的網(wǎng)絡數(shù)據(jù)表示和傳輸?shù)臉藴省臄?shù)據(jù)庫研究的角度來看,XML的查詢語言,XML的數(shù)據(jù)編碼和索引結構一直是研究的重點。但是,隨著現(xiàn)有XML文檔數(shù)據(jù)量的增加,如何進行高效的存儲和管理逐漸成為XML研究領域的研究熱點。
　　 由于XML文檔的自描述性,導致信息冗余,特別是在一些特殊的應用場合,如PDA,Smartphone等網(wǎng)絡資源受限的系統(tǒng)中,網(wǎng)絡性能受到較大影響。雖然目前很多研究者提出

2、了通過對XML文檔進行壓縮,來緩解系統(tǒng)負擔,但是大部分的壓縮方法關注單個文檔的壓縮,而對文檔集合壓縮效果較差。本文比較并分析了已有的XML壓縮算法在實際使用中的潛在問題,提出了一種新的基于文件差異的XML文檔壓縮算法:XDrill。XDrill通過對XML文檔樹進行劃分來挖掘文檔內(nèi)部以及文檔間的冗余信息,得到了良好的壓縮效果。通過對XDrill系統(tǒng)的理論分析以及對實際數(shù)據(jù)集的測試表明,XDrill在壓縮單個文檔的性能上與XMill接近,