XML索引文档有效的结构化连接.pptVIP

11111111111111111111111111111 XML索引文档有效的结构化连接 摘 要 基于路径表达式、元素之间结构关系及编码模式获取XML文档结构 基于标识索引提出了有效的结构化连接算法(B+,B+sp,B+psp) 引入兄弟指针(避免不参与连接的元素的操作)改善连接性能 基于R-Tree的结构化连接算法 1 引言 XML是有序树，具有复杂的结构，对数据库研究是挑战 树结点对应XML文档元素或属性 基于值(元素名、属性和文本串)的选择和结构(父子、祖先和后代关系)的选择两种查询 Section[title=“Overview”]//figure[caption=“R-tree”] 传统的B+Tree索引模式容易扩展支持基于值的查询，路径表达式支持结构查询 引言 以前提出的结构化连接算法的缺点 假设祖先和后代关系在序列连接之前给出 通过I/O操作访问祖先和后代元素 连接性能低下 算法改进 假设连接序列索引存在 序列元素属于同一文档标识且标识索引易于维持 通过编码模式索引能解析元素之间的关系 连接之前过滤掉无用的结构信息 引言 本文主要贡献 提出基于B+Tree的有效的结构化连接算法(B+,B+sp,B+psp) 有效的引入兄弟指针改善算法性能 实验证明B+psp算法最好 本文组织 1节 引言 2节 回顾相关工作（XML文档、编码模式、算法） 3节 提出基于B+Tree的有效的结构化连接算法 4节 讨论了基于R-Tree的结构化连接 5节 实验 6节 性能分析 7节 结论和未来工作 2 背景及前人工作 编码模式 XML文档树中结点指派三个编码：前序、后序和层次 v是u的祖先结点： 且 v是u的父结点： 持久编码模式 每个结点指派一个间距(interval): v是u的祖先结点： 即 v、u是兄弟结点且u是前驱结点： XML文档结构图(持久编码模式) [2,9],[601,709],[1201,1399],[2001,2099],…用于更新操作 持久编码模式特点和作用 编码模式作用 对于不同的结点u、v，满足； u的间距或在v的间距之前或在v的间距之后 u的间距或包含v的间距或被v包含 u、v间距不能部分相交 结构化连接 结构化连接：满足祖先(A)-后代(D)关系 Section[title=“Overview”]//figure[caption=“R-tree”] 祖先-后代模式 确定满足祖先-后代关系 对于任意 满足： (i) (ii) 若是父子结点，需满足： 结构化连接是优化XML查询的核心 (merge join， sort-merge join算法) 已有算法 Stack-Tree-Desc算法 引入stack机制 Stack-Tree-Desc算法示例 3 基于B+Tree的结构化连接 基于 组合的索引B+Tree 结构化连接中索引的应用 （a） 祖先被跳过 执行stack-tree-desc算法 (1) a1,a2,a3入栈并同d1连接； (2)a3,a2出栈；(3)通过a13检查元素a4；(4)a14入栈，a1,a14同d2连接 （b） 后代被跳过 执行stack-tree-desc算法 (1) a1入栈并同d1连接； (2) a1出栈；(3)通过d13检查元素d2 ；(4)a2入栈，同d14连接 基于B+Tree的连接算法 核心思想 祖先入栈 11、15步骤使用B+Tree跳过祖先和后代 14步骤栈一定为空，否则发生错误 嵌套包含森林（C-forest） 结构 同一标识下的元素连接结构 每个元素对应C-forest结构中一个结点 通过父结点、第一个孩子、右兄弟指针连接其他元素结点 结 构 图 C-forest 结构 np为n的父结点，满足： np是n的祖先，即 没有其他祖先结点na ，使得np是na的祖先 nc为n的第一个孩子结点，满足： nc是n的子结点 不存在其他子结点位于nc之前 （ ： n1位于n2之前） ns为n的右兄弟结点，满足： n与ns有同一父结点 在n与ns之间不存在具有同一父结点的结点 （ ：n2位于n1 ，n3之间） C-forest性质 每个(start,end)间距包含子树的所有间距 C-forest的Start编码遵循前序遍历 兄弟结点start(end)编码是增序 B+Tree中嵌入C-f