基于XBW变换支持查询的XML数据压缩方法.pdfVIP

基于 XBW 变换支持查询的 XML 数据压缩方法1 胡智飞，杨路明，刘波，李建军 中南大学信息科学与工程学院，长沙 (410083) E-mail ：veron546@ 摘 要：XML 数据格式具有易于创建和解析，但过于冗长且难以在其上实现查询的不足,本 文引入 XBW变换将 XML数据压缩成三个线性序列，从而使 XML数据的查询处理从树形结构转 移到这三个序列上，基于XBW变换导航，子路径查询和内容查询的算法，并采用 RankSelect 方法来实现。实验结果表明，在压缩率和压缩时间方面，XBWZIP 的性能接近或者超过一些支 持查询的 XML压缩方法和一些传统的通用压缩方法。 关键词：XBW变换，RankSelect方法，XBWZIP 中图法分类号: TP311.13 文献标识码: A 0. 引言 XML 最吸引人的地方莫过于它的自描述结构，它用标签来表示数据项，将大量的元数 据包含在纯文本的格式中，不仅描述了信息的特征，还描述了信息的内容,XML 的这个特点， 决定了 XML 在作为数据表示和交换标准的同时，也存在大量的冗余，所以对于 XML 文件， 特别是大容量的 XML 文件，有必要找出一种方法来对其进行压缩，用以节省存储空间和网 络带宽[1] 。学者们对XML 数据压缩问题作了大量有益的研究工作，在支持查询处理的 XML 压缩方法领域：Tolani 和 Haritsa 在文献[2]中提出了XGrind 方法，在 XGrind 压缩体中保留 了 XML 文件的结构，XGrind 在保留了结构完整性的同时，又具有 XMILL[3] 的数据与结构 相分离的特点,其缺点是压缩效率较低。Min K, Park M J,Chang C W 在文献[4]中提出了 XPRESS,它采用了一种叫做反向算术编码(reverse arithmetic encoding)的方法，对数据的每一 条路径进行编码，能够在取得平均 73%的压缩比的条件下支持查询压缩数据。Buneman 等 在文献 [5] 中提出了一个能够对 XML 压缩文件直接进行路径查询的框架(Skeleton Compression Framework: SCF); Andrei Arion 等在 XqueC 项目中提出了一种自适应的压缩器 [6] 。 在研究 XML 数据的压缩方法的过程中，至少有三个切入点是值得思考的：第一，XML 文档有着“天然”的树形结构，但这并不意味着 XML 数据的查询处理过程必须在树形结构 上进行，可以考虑将 XML 的树形结构压缩转换为数组、链表等数据结构，在数组、链表上 进行查询当然要比在树上进行简单；第二，XML 文档存在大量冗余的一个重要原因 XML 文档的每个数据项都要重复 Schema 中的描述定义，它使得 XML 文档变得巨大；第三，XML 文档中的元素节点类型各种各样,不仅有文本内容的元素节点，带有数字属性的元素节点， 带有绝对属性的元素节点,因此XML 数据的查询要比普通的 SQL 查询丰富。 本文的目标是在以上研究的基础上既要对 XML 数据进行压缩，又要实现在不解压的条 件下可对其进行查询的方法。 1. 相关定义及准备知识 [7] 定义1（标志位）若 T 是一棵有 n 个内部结点，l 个叶子结点的标记树 ，t 是 T 的结点个数， 因此t=n+l 。设T 的内部结点的标记都由符号集合∑ ={A,B,C…}产生，T的叶子结点的标记 N 1 本课题得到湖南省教育厅科研基金（05C671 ）的资助。 - 1 - 都有符号集合∑ ={a,b,c…}产生，且∑ ∩∑ ¢，∑=∑ ∪∑ ，内部结点和叶子结点从标 L N L N L 记就可以区分。