一种图书书目XML文档的索引机制.docVIP

一种图书书目XML文档的索引机制 　　摘要：该文针对XML，DOM和SAX协议操作大文档的缺陷，将技术成熟的关系数据库索引机制应用于图书书目查询系统，从而实现对XML文档的快速查询。 　　关键词：XML；关系数据库；索引 　　中图分类号：TP311 文献标识码：A 文章编号：1009-3044（2013）30-6829-04 　　随着网络的发展，Internet已经是家喻户晓，各行各业都渗透到Internet上。同时，信息共享和数据交换也越来越重要，Web服务发展迅速，而XML作为一种信息共享与数据交换的手段，已经逐渐成为数据表示和交换的标准，有着不可替代的重要性。经过一段时间的发展，XML已逐渐走向成熟，并在许多领域中得到广泛应用。以XML格式存储的数据也与日俱增。目前，XML在数据库方面的应用还是低效和不足的。在某种角度上，一个XML文件可以看作是一个数据库，因为XML文档具有可自描述、无限嵌套、树形结构等特点。可以借助一定工具把XML映射成传统RDBMS中的一张二维表（Table）。时下的主流数据库都支持这种转换，但这种转换效率比较低，特别对于嵌套太多的XML文档，存储起来就更加不方便，不宜于操作。为更好地支持XML，W3C还制定了一些相关技术，如文档模式（DTD、XML Schema）、查询语言（XPath、XQuery等）和编程接口（DOM、SAX等）来方便开发应用程序。但是，即便如此，XML在数据库方面的应用还存在一些明显不足：如果从更高的技术角度出发，就会发现对XML文档简单的文件管理是远远不够的，低效的存储组织、索引查询技术，不提供事务、安全恢复机制，无法保证数据的完整性和一致性，没有并发控制、移植工具和用户权限管理等。 　　现在传统的方式是使用DOM或SAX协议对XML文档进行操作，DOM是建立文档树来访问XML数据，建立树的过程会花费很大的系统开销，对于较大的XML文档，这种方式会很大程度上降低系统的性能，即使使用SAX协议访问，也是顺序方式查找XML文档，还是很难满足日益发展的Web服务的要求。当数据量很大时必须找到一种新的方式来提高查询的效率，人们已经开始着手研究Native XML数据库（NXD）并取得了一定的成就，Native XML数据库是一种新的数据库技术，是一个完整的数据库系统，有着传统数据库的各种功能和组件，如今NXD的技术还在研究中，一些机制还不是很完善。该文利用NXD的思想，保持XML文档的原格式，并建立索引来提高查询效率，针对一种特定情形下的数据查询基于XML文档的存储结构建立索引机制，这里要处理的是图书查询系统的图书信息，针对常见的查询建立索引，使用关系数据库来保存索引，加快查询效率的提高。 　　1 图书查询系统应用分析 　　首先，分析一下图书查询系统常用的查询有哪些种类，针对这些应用来建立索引。 　　1）用户要求返回具有某种属性的书目列表。这是最常用的查询方式，几乎绝大部分查询都是这种类型的查询，如题名检索、作者检索、主题词检索、出版社检索等，我们为题名检索和出版社检索为例。 　　问题一：查询书名为“我的童年”的书目列表。 　　问题二：查询“清华大学出版社”出版的书目列表。 　　2）返回一类书目的列表。这里可能是某一类书中的一个子类，如一个网页设计的入门者，他只是想浏览网页设计方面的书籍，并不是确定要找哪一本书。 　　问题三：查询类别名为“网页制作”的书目列表。 　　3）返回具有某一属性的书本的其他属性列表。这种应用很少，但也存在，如想要查找在清华大学出版社出书的作者列表。 　　问题四：查询出版社为“清华大学出版社”的书目作者列表。 　　2 建立索引 　　根据实际的应用给要查询的文档建立索引，一个书店或者图书馆里的书目是众多的，所以我们的XML文档也是非常庞大的，因此已经不可能用DOM或SAX来访问了，我们也不使用XED（XML-Enabled DBMS）的方式，把数据都存储在关系数据库中，然后转换成XML格式。我们采用了一种折中的方法，依然使用原始的XML文档方式来存储数据，但把检索中会用到的数据另外存储到关系数据库中，这样在查询的过程中使用的是关系数据库系统，效率比较好，而最终读取的结果又会依赖XML文档。将XML文档中的一部分内容读取出来，这样我们查询得到的结果依然是XML格式，XML的优势同样能够得到发挥。其具体结构如图1： 　　图1 XML文档检索工作流程 　　从关系数据库到XML文档，其实是一个定位过程，如果不通过关系数据库建立索引，我们可能是顺序方式查找需要的信息，现在把查询过程中用到的信息存储在关系数据库中的表中了，我们需要将这些表（可能不止一个表）关联到XML文档中的某个特定的位置，这样才能减轻查询的负担，常用的做法是利用XML文