XDrill基于文件差异XML文档压缩算法.pdfVIP

计算机研究与发展 ISSN1000一1239lCNll一1777lTP JonrnalofC冶InputerResea rchandDeveloPment 44(Suppl.):379一385，2007 XDrill:基于文件差异的XML文档压缩算法 耿志华 王晓玲 周傲英 (复旦大学计算机科学与工程系 上海 200433) (zhihuageng@) XDrill:DeltaComPressionAlgorithmofXMLData GengZhihua，Wa眼Xiaoli眼，andZhouAoying (DePorm‘entof肠mPuterscienceaodE，妙neer￡ng，F“daoUn￡*。ty‘，Shangha￡200433) AbstractXMLhasbecomethedefactostandardforinformationexchange，datatransmissionandstorage ontheweb.However，duetoXML’sselfdescribingproperty，itsuffersfromverbosityproblem.In systemswithlimitedresourcessuchasPDAandSmartPhone，thisProblemwilllargelydeterioratethe networkperformance.Inordertorelievesystems’burden，manysophisticatedXMLcompression algorithmshavebeenProposed.Nevertheless，mostoftheXMLcompressionalgorithmscompresssingle documentwithoutconsiderationofthere1ationshipsamongdocumentarchive.InthisPaperthepotential drawbacksinexistingcompressionalgorithmsisanalyzedandanovelcompressionalgorithm，namedXDrill， isproposed，whichisbasedoncomputingthedifferencesamongfiles.XDrillexplorestheverbosityamong XMLdocumentsby印littingthevirtuaIXMLdocumenttree.Theperformancestudyshowsthatthe compressionratioofXDrilliscomparabletoXMiIlwhencompressingasingleXMLdocumentand outPerformsXMillwhencomPressingXMLdocumentsarchive. KeywordsXMLcompression;deltacompression;segmentationofXMLdocumenttree 摘 要 XML已成为网络传输、信息交换领域数据交换和存储的标准.由于XML文档的自描述性，导 致信息冗余，特别是在一些特殊的应用场合，如PDA，SmartPhone等网络资源受限的系统中，网络性能 受到较大影响.虽然目前很多研究者提出了通过对XML文档进行压缩，来缓解系统负担，但是大部分 的压缩方法关注单个文档的压缩，而对文档集合压缩效果较差.分析了已有的XML压缩算法在实际使 用中的潜在问题，提出了一种新的基于文件差异的XML文档压缩算法— XDrill.该算法通过对XML 文档树进行划分来挖掘文档内部以及文档间的冗余信息，得到了良好的压缩效果.通过对XDrill系统 的理论分析以及对实际数据集的侧试表明，XDrill在压缩单个文档的性能上与XMill接近，对文档集合 的压缩效果明显优于XMin压缩方法.同时，相比已有的XML压缩算法，XDrill支持增量式存储，并可 以降低更新操作的系统开销. 关