XML文件树状路径查询优化研究_计算机论文.docVIP

XML文件树状路径查询优化研究_计算机论文 XML文件树状路径查询优化研究_计算机论文 摘 要 XML查询优化成为XML数据库研究热点，其中的结构连接是其主要操作。连接顺序的选择是XML查询的核心问题。本文提出在片段路径树的基础上，提出了一种连接及组合路径表达式的策略，该策略是首先得到最优化路径序列，最后将最优化序列组合成完整的查询结果。 关键词 XML；查询优化；路径表达 1 相关定义 XQuery是由W3C制定的，其目的是提供一种查询语言，让使用者可以从XML文档中找出所需要的资料。XQuery基本上包含三个子句，在For语句中，使用者可以使用XPath指定所要依序处理的元素并将其配置给一个变量，Where语句则是可以对每个变量进行条件限定，而Return语句则是可以指定所希望返回的元素及其格式。 在XML查询中，可以将XPath转化为一棵树，称为查询树。从初始查询树开始，选择查询树中的某一条边，对该边上相连接的两个结点做连接，连接的结果用一个新的结点表示，并代替原树中的两个结点。每次连接时都会使结点减少一个，同时产生一个新的树。当树只包括一个结点时，整个求解过程便结束。 在查询树中，可以将树中的结点分为五种类型，分别是：根节点 (Root)，叶节点 (LN)，分支节点 (GN)，孙子节点 (DN)，孩子节点 (CN)。其中与通常情况不同的是，孙子节点是指在查询树中与其下一个节点为祖孙关系的节点。孩子节点是指在查询树中与下一个节点为父子关系的节点。将查询中需要返回的结点，定义为返回节点。 定义1：给定一个查询树QT (N，E)，及节点NiIcircN，若Ni为GN或LN或DN，则将此节点称为GLD Node。 定义2：给定一个查询树QT (N，E)，及QT中的一条路径P为EiNi….Ni+nEi+nNi+n+1，若Ni与Ni+n+1为GLD Node或根节点，且对于所有的节点Nj属于Ni+1到Ni+n皆不为GLD Node或根节点，则我们称EiNi….Ni+nEi+nNi+n+1为一个后置路径（Suffix Path）。 定义3：给定一个查询树，由根节点开始向下访问，若走访的节点属于GLD Node，则将其建立在片段路径树中，PT (N，E)，N是节点的集合，E是边的集合。对于每个ni ∈N都有一个TagName，且ni的类型只属于GN或LN或DN。对于每个ei ∈E为 “/”，代表节点与节点之间的相邻关系为父子关系。称这样的树为片段路径树。 定义4：假设A为Suffix Path的最后一个节点，则XML文档中符合Suffix Path的文件所构成的集合，称之为A的Partial Data，记作Ap。 定义5：在片段路径树 FPT (FN，FE) 中，假设NiIcircFN且以Ni为起始点的路径P为EiNiEi+1Ni+1Ei+2…Ei+nNi+n，若Ni为叶节点或分支节点，Ni+n为最接近Ni的根节点或分支节点，则称路径P为一个片段路径，并以 “Ni-Ni+n” 表示。 2 问题提出 图1（c）所显示的是将XQuery Tree拆分成Suffix Path，即 “/a” 、“//b” 、“//c” 、“//d” 。 图1 情况1：如果我们“//b//c” 、“//b//d” 、“/a//b”组合文件，则//b//c的结果有(b1，c1) 、(b2，c2) 、(b3，c3)共三种选择，其次符合 “//b//d” 的有 (b1，d1)一种选择，所以，没有对应文件的b2，b3会从b中删除。/a//b有一种选择。在此顺序下需要五次选择连接。最后将其组合成最后结果，显然只有一种选择。所以按照如上方式一共做了六次选择连接。 情况2：假设建立的顺序为 “//b//d” 、“//b//c” 、“/a//b”，按照情况1的分析方式，得到3种选择，最后按照“/a//b” 、“//b//c”、“//b//d”的方式组合只有一种选择。显然通过四次选择连接就得到了最后结果。 通过上例，可以看到不同的建立及组合顺序对查询结果确有影响。这正是本文所研究的内容。本文所研究的方法是基于片段路径树的。基本框架为：首先找到最优化的片段路径序列，然后根据Partial Data建立符合片段路径结构的文档，最后得到具有完整结构的查询结果。 3 主要研究方法 本文依据文献[1]的方法得到片段路径树及树中每个节点所对应的Partial Data。首先根据路径树及对应的Partial Data 进行最佳化处理。基本思想是：按照起始点和中间点两种不同的类型节点进行访问。Partial Data大的先访问或者小的先访问。算法的最终目的是输出最佳片段路径序列。 算法3.1 function () { 输入：带有Partial Data的片段