摘  要： 對于一些查詢密集型的應用,，查詢操作的響應速度往往是決定其系統(tǒng)性能的關鍵因素,，因此如何提高查詢響應速度和系統(tǒng)吞吐率成為首要任務。經(jīng)過實驗證明,，通過將查詢數(shù)據(jù)緩存可以有效地解決這個問題,。
關鍵詞： 數(shù)據(jù)集成；數(shù)據(jù)緩存,；B_Link樹

　目前,，在企業(yè)中由于開發(fā)時間或開發(fā)部門的不同，往往存在有多個異構(gòu)的在不同軟硬件平臺上的信息系統(tǒng)同時運行,，這些系統(tǒng)的數(shù)據(jù)源彼此獨立,、相互封閉，使得數(shù)據(jù)難以在系統(tǒng)之間交流,、共享和融合,，從而形成了“信息孤島”問題,。如何對這些數(shù)據(jù)進行有效的集成管理，屏蔽這些信息的異構(gòu)部分,，并給上層用戶或應用提供一個統(tǒng)一透明的訪問接口,，以透明的方式訪問各信息源，成為當今企業(yè)和組織所關心的問題,。數(shù)據(jù)集成也就是在這樣的情況下提出來的,。
　通過復制的方式，將各種異構(gòu)數(shù)據(jù)源中的數(shù)據(jù)抽取到一個統(tǒng)一的數(shù)據(jù)源中（如數(shù)據(jù)倉庫）,，同時維護數(shù)據(jù)源整體上數(shù)據(jù)的一致性,。該方式實現(xiàn)了對物理數(shù)據(jù)庫異構(gòu)的屏蔽和數(shù)據(jù)訪問的控制，以便于提供一個統(tǒng)一的訪問接口,、提高訪問效率和系統(tǒng)的獨立性,。圖1是一個典型的基于數(shù)據(jù)復制方式建立的數(shù)據(jù)倉庫體系結(jié)構(gòu)圖。

　此外,，在把數(shù)據(jù)倉庫應用于數(shù)據(jù)集成時,，還需解決如何應對大量客戶端應用程序?qū)?shù)據(jù)倉庫進行訪問時能夠做出快速的響應。但是一個數(shù)據(jù)庫的連接資源是有限的,，大量的并發(fā)查詢操作必定會導致查詢效率的下降，導致客戶端應用程序獲取數(shù)據(jù)的延遲時間大大增加,。這樣的情況用戶是不想看到的,，甚至有些對時間有一定限制的應用因為不能及時獲得所需的數(shù)據(jù)而無法正常工作而迫切需要解決這一問題。出現(xiàn)這個問題的原因是：由于連接數(shù)據(jù)庫是一件耗時的工作,，而且一般數(shù)據(jù)庫服務器能同時提供的連接數(shù)也相當有限,，出現(xiàn)了性能瓶頸。解決這個問題的有效方法可以通過將查詢過的數(shù)據(jù)緩存起來,，若下次有同樣的查詢時則不需再連接數(shù)據(jù)庫,，而是直接從緩存中獲得，這樣不但節(jié)省了連接數(shù)據(jù)庫的時間開銷,，而且省略了查詢數(shù)據(jù)庫所帶來的時間和資源的消耗,。但是對于數(shù)據(jù)緩存的組織不能簡單了事，必須得經(jīng)過精心的設計,。為此,，本文提出一種基于B_Link樹的方法來管理緩存。下面將詳細介紹如何組織和管理緩存,。
1 數(shù)據(jù)緩存的體系結(jié)構(gòu)
　無論多么強大的服務器,，其內(nèi)存的數(shù)量都是有限的，故在考慮大數(shù)據(jù)量的緩存時,，不可能將所有的數(shù)據(jù)都緩存在內(nèi)存中,，而要考慮使用二級緩存,。基于B_Link樹緩存總體結(jié)構(gòu)如圖2所示,，為了解決內(nèi)存有限的問題,，采用了兩層緩存結(jié)構(gòu)，用一張哈希表將查詢與索引表對應起來,。若已經(jīng)建立了緩存,，則對應有一張緩存索引表，用于記錄數(shù)據(jù)記錄塊的位置（數(shù)據(jù)記錄塊是指把數(shù)據(jù)記錄打包成塊進行保存和傳輸）,。若數(shù)據(jù)在內(nèi)存中則直接取出發(fā)送給客戶端應用程序即可,，否則需通過關鍵詞去磁盤中獲取。磁盤中的緩存是基于B_Link樹組織起來的,。

2 B_Link樹的基本結(jié)構(gòu)和操作
2.1 數(shù)據(jù)結(jié)構(gòu)
　B_Link樹是在B+樹的基礎上加以改進的,，主要添加了一個高值域和非葉子結(jié)點指向其右兄弟結(jié)點的Link指針。B_Link樹結(jié)構(gòu)如圖3所示,，其中帶下劃線的表示高值域,，主要用于提升并發(fā)操作的性能。Link指針可以使得每個結(jié)點至少可以有兩條路徑訪問到,，提高了查詢速度,。

2.2 B_Link樹的查詢操作

　B_Link樹的查詢操作是比較容易的，具體操作可查閱參考文獻[1],。其基本思路是：首先檢查根結(jié)點,，找到大于查詢關鍵字V的最小搜索碼值（假設搜索碼值為ki）；然后,，順著指針pi到達另一個結(jié)點,，如果查詢關鍵字比該結(jié)點所有關鍵字都大，則遍歷指針指向當前結(jié)點的右兄弟結(jié)點,，在達到最后一層葉子結(jié)點時,，若找到則返回該結(jié)點，否則返回空,。
2.3 B_Link樹的插入操作
　B_Link樹的插入操作是一個比較復雜的過程,，既要保證B_Link樹的基本結(jié)構(gòu)不受到破壞，還要保證并發(fā)操作時不會出現(xiàn)錯誤,，所以有必要進行加鎖處理,。下面介紹幾種操作：
　（1）x←scannode（v,，A）：掃描指針A指向的結(jié)點,，找到能發(fā)現(xiàn)key值v的下一個節(jié)點并賦給x。
　（2）A←get（current）：表示將current結(jié)點讀入內(nèi)存中并把其指針賦給A,。
?。?）A←node.insert（A，w,，v）：把指針w和帶關鍵字v插入指針A指向的結(jié)點,。
　（4）u←allocate（B）：為結(jié)點B在磁盤中分配一新的頁,，并將其指針賦給u,。
　（5）A,，B←rearrange old A：把需要分裂的A指向的結(jié)點分裂成新的由A和B指向的結(jié)點,。
　（6）lock（current）：表示將current結(jié)點鎖住,，防止其他并發(fā)操作對該結(jié)點進行修改,，但這并不會鎖住查詢操作。需要說明的是：如果查詢某個結(jié)點時,，這個結(jié)點進行了分裂操作,，有可能會出現(xiàn)查詢關鍵字大于高值域的情況，這時只要將當前指針指向右兄弟結(jié)點即可,，并在父結(jié)點中添加一搜索碼和指針指向右兄弟結(jié)點（細節(jié)可參考文獻[1]）,。
　下面是插入算法的偽代碼：
    Procedure insert（v）
    initialize stack；//初始化一個堆棧,，用于保存祖先結(jié)點
    current←root,；
    A←get（current）；
//將current讀入內(nèi)存中并將其指針賦給A
    while current is not a leaf do
    //從上至下遍歷結(jié)點,，直到葉子結(jié)點
    Begin
        t←current,；
        current←scannode（v,，A）,；
        if new current was not link pointer in A then
            push（t）；
        A ← get（current）,；
    end,；
    lock（current）；    //將該結(jié)點鎖住
    A←get（current）,；    
    move.right,；
//如果有必要將當前結(jié)點指向其右兄弟結(jié)點
    if v is in A then stop    
//如果原來的樹中存在關鍵字為v的結(jié)點，則算法停止
    w←pointer to pages allocated for record associated with v,；    //把與v相關聯(lián)的指針賦給w
    Doinsertion：
    if A not need to split  //若結(jié)點無須分裂
    Begin
        A←node.insert（A. w. v）,；
//把w指針和關鍵字v插入A指向的結(jié)點中，返回新的指針A
        put（A， current）,；
//把指針A放入current結(jié)點適當?shù)奈恢?br />         unlock（current）,；
    end else begin
        u←allocate（1 new page for B）；
        A,，B←rearrange old A,，adding v and w， to make 2 nodes,；//把A指向的結(jié)點    分裂成2個結(jié)點,，
//分別由A和B指向
（link ptr of A， link ptr of B）←（u,， link ptr of old A）,；
//把分裂出的新結(jié)點的右兄弟結(jié)點指針
//指向未分裂前A的右兄弟結(jié)點
        y←getmaxvalue（A）；
//取出A指向的結(jié)點中的最大的值（注意不是高值域）
        put（B,，u）,；
        put（A， current）,；  //開始將指針放入父結(jié)點中
        v ← y,；
        w ← u；
current ← pop（stack）,；  
//進行回溯處理,，檢測父親是否需要繼續(xù)分裂
        lock（current）；
        A ← get（current）,；
        move.right,；
        unlock（oldnode）；
        goto Doinsertion,； 
end
　其中的move.right操作表示將指針指向其右兄弟結(jié)點,。對于刪除算法，基本思路與插入算法類相同,，要保持樹結(jié)構(gòu)和并發(fā)操作的正確性,，具體可參閱文獻[2]。此外,，充分利用內(nèi)存中的緩存也是很是重要的,，在這里可以采用一種預讀取的辦法，即在磁盤緩存中檢索到要讀的結(jié)點時,，在傳輸數(shù)據(jù)這段時間里可以將接下來的一些記錄數(shù)據(jù)塊讀入內(nèi)存緩存中,，這樣在下次取數(shù)據(jù)時可以減少一些磁盤IO操作，提高讀取性能,。
3 性能測試分析
　測試環(huán)境如下：
　數(shù)據(jù)庫服務器端配置：數(shù)據(jù)庫Oracle 10g,，操作系統(tǒng)Linux 2.6，CPU 2.1 GHz X4，內(nèi)存4 GB,，硬盤串口500 GB,。查詢中間件服務器與數(shù)據(jù)庫服務器是同樣的配置，但不在同一臺服務器上,，對查詢中間件的介紹可以參閱文獻[3],。
　客戶端配置：CPU 2.6 GHz X2，內(nèi)存2 GB,，硬盤串口160 GB,。表1和表2是在不同的并發(fā)查詢數(shù)目和不同的查詢規(guī)模下經(jīng)過緩存和未經(jīng)緩存所需時間的對比。表1中查詢記錄數(shù)固定為10萬條,，表2中并發(fā)查詢數(shù)固定為50個,。

　通過對比直接查詢數(shù)據(jù)庫和經(jīng)過緩存優(yōu)化后進行查詢的實驗數(shù)據(jù)可知，通對對數(shù)據(jù)進行緩存處理,，效率提升是非常明顯的,，尤其是在并發(fā)查詢的數(shù)量比較大時，效率提升更為明顯,。
　本文把數(shù)據(jù)緩存應用于基于數(shù)據(jù)倉庫方式的數(shù)據(jù)集成中,，而且，在組織緩存時采用了兩級緩存結(jié)構(gòu),，并采用了B_Link樹來組織磁盤中的緩存中的結(jié)構(gòu),。因此提高了并發(fā)查詢數(shù)據(jù)的效率、縮短了客戶端查詢數(shù)據(jù)的響應時間,、提高了工作效率,。但本文方法還存在一些不足，例如,，如何更有效地協(xié)調(diào)磁盤和內(nèi)存中的緩存交互,，這一設計的好壞也直接關系到查詢的性能，這有待以后進一步完善和優(yōu)化,。
參考文獻
[1] PHILIP L,， LEHMAN S， Bing Yao. Efficient locking for concurrent operations on B-trees[M]. ACM Transactions on Database Systems,，1981：655-663.
[2] 孫兆玉,，黃宇光,，朱鴻宇. 一種基于B_Link樹結(jié)構(gòu)的高性能緩存機制[J].高性能計算技術,，2007，186：23-24.
[3] 房元平,，許嬌陽,，葛珂.流水線處理技術在數(shù)據(jù)集成中的應用[J].微型機與應用，2010（24）：67-69.
[4] JOHNSON T. A highly concurrent priority queue based on the B_Link tree[R]. Technical Report，University of Florida,，1991.
[5] CORMEN T H,， CHARLES E. LEISERSON R L， et al. Introduction to algorithms（second edition）[M]. The MIT Press,， 2009：434-453.