基于树模型的XML数据匹配查询算法的研究.pdfVIP

基于树模型的XML 数据匹配查询算法的研究 蔡德山 河海大学计算机及信息工程学院，南京（210098 ） E-mail ：2cds@163.com 摘 要：提出一种新的XML 数据查询算法，Part-TreeMatch 算法。Part-TreeMatch 算法采用 空间换时间的策略，运用一种新的存储方法，并在此基础上建立查询索引，在一定程度上简 化了XML 模式树，最后在查询索引中找到过程结果集，并根据Part-TreeMatch 算法进行模 式树匹配，从而减少了匹配结点的个数，从根本上对查询算法进行了优化。并通过具体的性 能分析阐述了算法的优点。 关键词：XML ；模式树；模式树匹配；过程结果集 中图分类号：TP301.6 1. 引 言 随着可扩展标记语言XML 迅速成长为Web 上数据表示和数据交换的标准，XML 数据 的查询变得越来越重要。可扩展性、灵活性、自描述性和简明性是XML 的重要特性[1]，正 是这些重要的特性使得XML 数据可以在不同的系统中进行传递交互，从而成为一种网际语 言。目前，Internet 平台上每天都会产生大量的XML 数据[2]，并不断地增长。大量XML 数 据的存在，使得如何管理，如何在这个庞大的数据集中查询到指定的信息成为尤为迫切的问 题。 目前，Bruno 提出了TwigStack 算法[3]，它将过程结果集保存在一个堆栈链中，每次匹 配都从堆栈链中取，这样TwigStack 算法解决了在分解-匹配-合并步骤产生的大量无用的中 间结果，当匹配的元素为祖先孩子关系时，匹配的路径很明确，不会产生大量无用的中间结 果。但是TwigStack 算法在匹配某一个同时包含在几个路径中的节点时，会对该节点进行重 复的匹配。 H. Jiang, W. Wang 等人[4]提出了结构化连接算法Twig Join，它是一种路径匹配算法，可 以很方便的进行带分支路径的XML 查询，尤其是只包含祖先子孙关系的路径匹配时，不会 产生任何的重复匹配，效率较高，但是，当查询路径较为复杂，尤其是在查询路径中包含分 支时，很容易造成重复的匹配操作，降低XML 查询的效率。 使用索引是一种有效处理路径表达式查询的方法，它可以减少查询语言处理数据时连接 操作的次数。但是从路径表达式的计算从本质上来说，尽管这些查询语言在具体的处理路径 表达式语法上都不甚相同，但是它们都有一个共同的特征:不但查询XML 文档中具体的数据 而且查询具体的结构，这些查询语言的查询语句都可以表示成相应得查询模式树，然后使用 查询模式树去匹配XML 文档中的数据，这也是查询模式树在XML 查询中广泛使用的重要 原因。本文讨论了一种新型的存储模式，并在该存储结构基础上建立索引结构的方法在XML 文档模式树中进行查询树匹配的问题。 2. 模式树概念与模式树匹配 2.1 模式树概念 每一个 XML 文档都可以对应一颗模式树，模式树是树和条件的组合 P=(T,F) ，其中F 是和整个模式树对应的条件字符串，T=(V,E)是一棵结点和边都做了标记的树，V 是结点集 - 1 - 合，E 是相应的边集合。 具体说明如下： (1)树V 的每个结点都有一个标签(label)和一个索引号，代表结点； (2)每一条边都有类型，如PC(parent-child) 、AD(ancestor-decendant)关系，它们表示连接 的两个结点之间关系； (3)F 是条件表达式，对于查询匹配来说，F 是所有条件的集合； (4) ‘//’表示祖先—子孙边，‘/’表示有着父子关系的边。XML 查询语言的查询使用(带标 签结点)模式树来匹配XML 数据库中相关部分的数据。模式树结点标签包含元素的标签tag ， 属性一值对或字符串值。模式树匹配边是父-子边(用单线表示)或者是祖先-后代边(用双线表 示) 。 2.2 模式树匹配 当前，模式匹配作为模式间的一项基本操作已成为信息集成、数据仓库、