基于XML数据汇集和转换原型系统研究和实践论文.docVIP

基于XML数据汇集和转换原型系统研究和实践 1. 绪论 1.1 研究背景 互联网最大的一个应用之一就是可以方便的实现信息资源共享。通过网站，可以熟知全世界的大事小情，同时，电子商务，电子政务，网上图书馆的发展，使得通过数据交换，应用之间能够快捷，方便，有效地获得需要的数据。但是当前在信息资源共享的过程中也存在着很多的问题。 我国的互联网建设在过去的两三年中，在取得了巨大成就的同时，也形成了巨大的缺憾。一方面，由于过去中国更多地采用自下而上的分散建设、投资型建设、采购型建设，直接导致各个部门、各个单位都建有自己的信息资源应用系统，彼此之间相互隔绝，在数据库、应用系统的建设上，不考虑同其他部门的互联互通、协同办公，形成大量分散异构的“信息孤岛”。“信息孤岛”的存在严重阻碍了信息资源的有效共享，在造成重复建设浪费资源的同时，极大地限制了信息化应用与管理水平的提升。在信息化建设过程中，各职能部门通常采用不同的技术和体系结构来构建自身的信息系统，使得跨平台数据共享与访问成为困难。政府部门和机关单位的信息系统大多是相互独立的应用系统。许多部门业务需要其他相关部门提供部门内的企业信息，但是由于这些部门之间并没有一套很好的企业数据共享、同步更新的机制，往往会造成企业信息在不同的单位有不同的版本，从而给这些部门企业的管理以及其他日常工作带来诸多不便，并降低了政府的工作效率。 为了改变以上情况，如果考虑重新开发以上业务系统，无论实际从时间、成本、或者是实施等方面考虑都是不可行和不现实的。 系统的异构性主要体现在以下几个方面: 1、计算机体系结构的异构:各个参与数据库系统的可以分别运行在大型机、小型机、工作站、PC或嵌入式系统中； 2、基础操作系统的异构:各个数据库系统的基础操作系统可以是UNIX、Windows NT、Linux等； 3、DBMS本身的异构:可以是同为关系型数据库系统的Oracle、SQL Server等，也可以是不同数据类型的数据库，如关系、模式、层次、网络、面向对象、函数型数据库共同组成一个异构数据库系统。 在系统集成和进一步开发的过程中，常常面临的一个突出的问题就是：一个管理信息系统中往往存在两种以上不同的数据库环境。在复杂的环境中，如何实现不同数据库间信息资源合并和共享、如何保护己经建立的资源、充分利用各部门己经使用的数据库，实现不同数据库之间的连接、数据交换和数据共享，己经成为实现有效信息共享的关键。 随着XML的迅速发展，XML正在逐步成为Internet中描述数据的标准。由于企业电子商务是以Internet 为基础的，因此在将来XML 文档势必成为电子商务中数据传输的主要载体。而目前大多数企业的数据都不是以XML 文档来保存的，于是如何将现有的不同格式的数据转换为XML 文档，以便在Internet上传输是一个非常热门的研究课题。同时，企业为了保持现有的业务处理系统不希望立即完全更改现有的数据格式，于是如何将企业从Internet 上获取到的XML文档的内容保存到已有的数据格式中也是企业急需解决的问题。 1.2 国内外研究现状 在国外，XML与RDB的相关技术已经引起了从高校科研院所到商业数据库公司的广泛关注其具有代表性的项目或计划如下： 美国Stanford 大学的Lore项目Lore是最早开展XML与数据库相关研究的项目，其负责人Jennifer Widow 教授，在1995年就受到美国国防部高级研究项目和AFRL(Air Force Rome Laboratories)的资助，开始研究用于管理半结构化数据的数据库系统。这项技术在1997年XML诞生后，很容易地被用于存储和检索XML，但当时并不支持具有DTD 的XML文档，现在获得NSF (National Science Fund美国国家科学基金)的二期支持，继续基于Lore 研究具有DTD 的XML 文档的存储、检索技术。Lore 的主要贡献如下：建立了用于管理半结构化数据的数据库系统，提出了一种半结构化数据检索语言Lore；建立一种半结构化数据的索引机制；研究了基于索引的半结构化数据检索优化技术；提出了XML 数据库的视图技术。 美国UCLA大学的XPRESS项目XPRESS的全称是Xml Processing and Relaxation in relational Storage System，该项目受DARPA和NSF的资助，重点开展基于RDB的XML存储与查询技术，该项目组的Dongwon Lee博士提出在关系模式与DTD双向映射过程中的语义约束保留问题。该项目的主要贡献如下：提出基于XML-Schema的语义建模理论；基于形式语言理论对6种XML模式描述语一言进行综合分析；提出基于嵌套的面向XML的关系数据发布技术；对XML检索语言、检索语言接口