纯XML数据库结构关系查询技术-计算机应用专业论文.docxVIP

贵州大学硕士学位论文 贵州大学硕士学位论文 I I 摘要 随着 INTERNET 的迅猛发展，互联网中涌现出了大量的半结构化数据资源。 近年来，如何从浩如烟海的网络信息中快速、有效地查询用户所需要的信息，一 直是当前网络应用中所面临的重要难题。因此，作为能有效地管理大量 XML 文 档集的 XML 数据库技术，正引起国内外越来越多的研究人员的关注。 XML 本身所具有的自描述性、灵活的数据结构以及其丰富的数据表示等特 点，逐渐成为互联网中数据表示、数据存储和交换的标准。由于其描述的 WEB 数据所具有半结构化特征，使得以往主要面向结构化数据或非结构化数据的研究 成果不能很好地应用于 WEB 数据处理中。因此，传统的数据管理方式如关系数 据库管理方式、面向对象数据库管理方式等，不能够较好地适应对大量 XML 文 档进行管理的需求。半结构化数据管理问题也因此成为当前 WEB 数据处理领域 的一个研究热点。其中关于 XML 描述的半结构化数据的有效存储和高效查询等 问题尤为关键。 本文正是围绕 XML 数据库中半结构化数据的存储方式和查询效率两方面的 问题展开研究，以提高查询的效率，特别是对结构关系的查询。研究内容和取得 的成果主要体现在以下几个方面： ? 为了能够有效地支持对 XML 数据库中结点间结构关系的查询，提高查 询的效率。本文提出了一种新的 XML 数据编码方案，即结点相对坐标 编码（Relative Coordinate Encoding，RCE）。该编码为本文所提出的基于 改进 B+树的结点嵌套关系索引提供了有力地支持。 ? 基于 RCE 编码，提出一种新的索引方法，即基于改进 B+树的结点嵌套 关系索引（Node Nesting Relation Index based B+ Tree，NNRI）。在对 XML 文档中结点之间结构关系查询时，特别是对祖先/后裔结构关系和父亲/ 孩子结构关系的查询，利用该索引能够快速、直接地定位到满足查询条 件的所有结点以及它们的存储磁盘地址，有效地减少了对不必要结点的 读取，从而降低磁盘的 I/O 次数。另外，该索引结构是平衡的，不同的 访问所需的代价几乎是一样的。 ? 基于 RCE 编码和 NNRI 索引的特点，采取一种合适的 XML 数据存储方 II II 式，即基于层同名结点的聚集存储方式，以进一步减少磁盘的 I/O 次数， 提高对结点间结构关系查询的效率。 ? 基于上述编码方案、索引方法和数据物理存储方式，提出一种基于 NNRI 索引的 XML 数据库结构关系查询算法。 本文最后从理论和实验两方面给予证明和分析，表明与目前具有代表性的结 构关系查询算法相比，本文所提出的基于 NNRI 索引的结构关系查询算法在查询 效率上有了较大的提高，特别是对祖先/后裔结构关系和父亲/孩子结构关系的查 询。 关键字： 纯 XML 数据库 结构关系查询 半结构数据 结点编码 结构连接 PAGE PAGE III ABSTRACT With the development of the INTERNET technology, there are a lot of semi-structured data resources appeared in INTERNET. The features such as self-descriptive, flexible data structures and rich data representation included in XML, which made it gradually to be the standard in data expression, data storage and data exchange. Recently, how to get the information which people expected from INTERNET is being an important problem. So the XML database technology which could manage a large number of XML documents is causing a growing number of researcher’s concern. Because of the feature of semi-structured in WEB data described by XML, it made all the research results in structure data or unstructured data couldn’t be go