摘   要： 針對XML數(shù)據(jù)的特點(diǎn),，提出一種對象-關(guān)系模型及由XML Schema映射該模型的規(guī)則算法,，同時根據(jù)網(wǎng)絡(luò)數(shù)據(jù)特點(diǎn)，引入分片技術(shù),。
關(guān)鍵詞： XML技術(shù)  XML Schema語言  對象-關(guān)系模型  分片

　　 Internet數(shù)據(jù)本身具有的自描述性和動態(tài)可變性等一系列復(fù)雜特性,，使其結(jié)構(gòu)呈現(xiàn)半結(jié)構(gòu)化特點(diǎn)，給網(wǎng)上數(shù)據(jù)的管理和查詢帶來困難,。解決此問題的關(guān)鍵是尋找一個半結(jié)構(gòu)化的數(shù)據(jù)模型,。事實上，日益普及的XML數(shù)據(jù)是一種自描述的半結(jié)構(gòu)化數(shù)據(jù),。從某種意義上說,，XML就是一種半結(jié)構(gòu)化的數(shù)據(jù)模型。它的出現(xiàn)推動了網(wǎng)絡(luò)在電子商務(wù),、電子數(shù)據(jù)交換和電子圖書館等多方面的應(yīng)用,。但對于如何有效地存儲管理和查詢這類數(shù)據(jù)，目前還沒有統(tǒng)一的方法,。
　　針對XML數(shù)據(jù)的特點(diǎn),，本文提出了一種對象-關(guān)系模型。其主要思想是將XML數(shù)據(jù)中具有明顯結(jié)構(gòu)特征的數(shù)據(jù)建立關(guān)系數(shù)據(jù)模型，將具有繼承,、不確定特征的數(shù)據(jù)建立面向?qū)ο?/a>數(shù)據(jù)模型,。這樣，既能保證元素的直觀性和完整性,，又能充分利用關(guān)系數(shù)據(jù)模型的優(yōu)勢提高對部分?jǐn)?shù)據(jù)的查詢效率,。同時根據(jù)網(wǎng)絡(luò)數(shù)據(jù)分布存儲的特點(diǎn)，引入分片技術(shù),，以進(jìn)一步提高查詢效率,。特別是在面向?qū)ο髷?shù)據(jù)模型中則采用類垂直分片技術(shù)，并對類垂直分片的概念以及類垂直分片的原則進(jìn)行了具體詳盡的描述,。
1  對象-關(guān)系模型的建立
1.1 XML Schema
　　XML Schema是W3C較新推出的標(biāo)準(zhǔn),。它是用來對XML進(jìn)行文檔類型定義的語言，同時可用來規(guī)定XML文檔的數(shù)據(jù)類型及組織方式,。相對于DTD而言，XML Schema具有豐富的數(shù)據(jù)類型,，而且還可通過對數(shù)據(jù)類型進(jìn)行擴(kuò)展和限制定義新的數(shù)據(jù)類型,。XML Schema本身也采用XML格式編寫，從而方便了數(shù)據(jù)的建立和處理,。XML Schema克服了DTD的許多局限,，有望取代DTD成為定義XML數(shù)據(jù)類型的主要手段。文檔1是一個XML Schema實例,。
　　

　　按規(guī)則1,，為文檔1創(chuàng)建了圖1中的表element_relation,。
　　需說明的是：關(guān)系RR的project_table域與復(fù)雜元素的element_type一一對應(yīng)。因此可通過這種對應(yīng)關(guān)系,，在已知element_type的情況下找到映射其結(jié)構(gòu)的關(guān)系,。
　　規(guī)則2：為每個由聚集（aggregation）得到的不同類型的復(fù)雜元素EA創(chuàng)建一個關(guān)系RE，關(guān)系名存在關(guān)系RR的project_table域中,。
　　規(guī)則3：對每個關(guān)系RE,，創(chuàng)建主鍵INSTANCE_ID域，標(biāo)識惟一元素實例e,；創(chuàng)建BIB_ID域,，指向e相鄰的下一個元素實例en，以映射元素實例之間的順序關(guān)系,。
　　規(guī)則4：將元素EA的出現(xiàn)次數(shù)不大于一次的簡單子元素（maxOccurs=1）映射為關(guān)系RE的一個域,，類型為簡單元素的類型。將通過元素引用方法聲明的簡單子元素映射為關(guān)系RE的與被引用元素類型相同的域,。將類型為STRING,、BOOLEAN,、DECIMAL、FLOAT,、DATE等在關(guān)系數(shù)據(jù)庫存在的類型或可轉(zhuǎn)化的類型（ID,、IDREF、ANYURI,、TOKEN等)的屬性直接映射為關(guān)系RE的相應(yīng)類型的域,。將引用聲明的屬性映射為關(guān)系RE的與被引用屬性類型相同的域。
　　規(guī)則5：將元素EA的出現(xiàn)次數(shù)不確定或大于一的簡單子元素（包括引用聲明的簡單子元素）,、類型為IDREFS,、ENTITY、ENTITYS的屬性映射為類CE的同一類型的變量,；聲明INSTANCE_ID和ELEMENT_TYPE變量,，元素EA的出現(xiàn)次數(shù)不確定或大于一次的復(fù)雜子元素（包括引用聲明的復(fù)雜子元素）的類型映射為類CE的變量，INSTANCE_ID映射為類CE的數(shù)組變量,變量名取元素名,。
規(guī)則6：在關(guān)系RE中創(chuàng)建OBJECT_ID域,，以存儲類CE的指針。
　　按照規(guī)則2～6,，對文檔1中的memories元素創(chuàng)建表memories和類memory,；為memory元素創(chuàng)建memory表。
　　規(guī)則7：由擴(kuò)展（extension）得到的復(fù)雜元素Eh（設(shè)父元素為EA）,，按規(guī)則2、3,、4映射關(guān)系模型,，按規(guī)則5將類CE沒有的屬性映射為類CEh，并將CEh作為CE的一個子類,，再按規(guī)則6創(chuàng)建OBJECT_ID域,。
　　規(guī)則8：通過元素引用方法聲明的復(fù)雜元素與被引用元素具有相同結(jié)構(gòu)，且與被引用元素共用一個數(shù)據(jù)模型,。
　　規(guī)則9：為每個元素（屬性）組創(chuàng)建一個類,。簡單類型的元素（屬性）映射為相應(yīng)類型的變量，變量名取元素（屬性）名,；聲明相應(yīng)類型的變量,，映射復(fù)雜類型元素的類型和元素實例的INSTANCE_ID；在包含該元素（屬性）組的關(guān)系中創(chuàng)建GROUP域,，存儲相應(yīng)元素（屬性）組類的指針,。
　　按照規(guī)則9，可對文檔1中的memoryGroup元素組創(chuàng)建類memoryGroup,，并在memoryType表中創(chuàng)建“g_point"域（見圖1）,。

　　規(guī)則10：創(chuàng)建名稱為ANY的類,，以存儲ANY類型的元素和屬性。在包含ANY類型元素（屬性）的關(guān)系中創(chuàng)建ANY域,，存儲ANY類的指針,。ANY類包括以下變量：
　　class any {
　　element_type string /*復(fù)雜元素的類型*/
　　instance_id integer /*該對象實例在相應(yīng)
　　關(guān)系中的instance_id*/
　　element_name string /*元素名*/
　　instance_value string /*簡單類型的元素（屬性）值，均轉(zhuǎn)換為字符串類型*/
　　}
　　按規(guī)則10,，為文檔1中的ANY元素創(chuàng)建類“any”（見圖1）,。
　　規(guī)則11：對于XML Schema定義各種約束及派生的簡單數(shù)據(jù)類型，可通過關(guān)系數(shù)據(jù)模型的域約束來實現(xiàn),。
　　圖1是按以上規(guī)則,，為文檔1創(chuàng)建的對象-關(guān)系模型。
2  分片和類垂直分片技術(shù)
　　分片技術(shù)分為水平分片,、垂直分片和混合分片,，其在關(guān)系數(shù)據(jù)庫中運(yùn)用的理論和實踐已比較成熟，形成了相對一致的看法,。類垂直分片技術(shù)則是近幾年提出的新思想,，有關(guān)這方面的研究不多。文獻(xiàn)[2]對類垂直分片在提高查詢效率方面的作用進(jìn)行了評估和論證,，提出了影響類垂直分片的制約因素,，證明了類垂直分片的有效性。
2.1 類垂直分片的基本思想
　　類垂直分片是依據(jù)類實例變量的相關(guān)程度和經(jīng)常一起訪問的頻率對類實例變量分組,、構(gòu)造類片段并分片存儲,，通過減少對無關(guān)實例變量的訪問來降低磁盤I/O，提高查詢效率,。類垂直分片技術(shù)尤其適用于數(shù)據(jù)量大,，且無需訪問整個類實例的情況。
2.2 類垂直分片的定義

2.3  類垂直分片的基本原則和方法
　　由于面向?qū)ο髷?shù)據(jù)模型中的子類繼承,、類組裝繼承（class composition hierarchy）等復(fù)雜關(guān)系,，使得對類進(jìn)行垂直分片變得復(fù)雜。下面給出類垂直分片的基本原則和方法,。

　　(1)將相關(guān)的及可能經(jīng)常一起訪問的實例變量歸入同一類片段,。
　　(2)類與類之間存在高輸出（fan-out）的情況，對沿類組裝繼承路徑上的所有類進(jìn)行垂直分片,。
　　(3)要根據(jù)源類的大小選擇垂直分片策略,。對于較小的源類不易做過多的分片，因為過多分片不僅不會提高反而會降低查詢效率,。但較大的源類對分片多少不是非常敏感,。
　　(4)選擇垂直分片策略前，首先要分析投影率（projection ratio）,。如投影率高則不易進(jìn)行分片,。
　　(5)類垂直分片的方法是：將類C的每一個類片段描述為一個類,，而邏輯類C則描述為一個復(fù)合類，由所有類片段的指針構(gòu)成,。例如,，將圖1中的class memoryGroup垂直分片如下：
class memoryGroup：類片段1（mediaid，status）,，類片段2（sub_date,，donor，subject）,，類片段3（location）,。分片后的類結(jié)構(gòu)如圖2所示。

3  討  論
　　采用關(guān)系數(shù)據(jù)模型存儲XML數(shù)據(jù),，可利用關(guān)系數(shù)據(jù)庫現(xiàn)有的存儲管理,、并發(fā)控制、恢復(fù),、版本機(jī)制等技術(shù)有效地管理XML數(shù)據(jù),。但由于關(guān)系模型不支持復(fù)雜類型的屬性，一個簡單的查詢路徑有時要通過多重鏈接實現(xiàn),，從而影響了查詢的效率,。半結(jié)構(gòu)化數(shù)據(jù)的不確定性也是這種模型難以解決的問題。面向?qū)ο髷?shù)據(jù)模型雖接近半結(jié)構(gòu)化數(shù)據(jù)模型,，并能更好地處理嵌套的集合和順序,，但在數(shù)據(jù)加載時對未知的數(shù)據(jù)類型需要建立新的類對應(yīng)，這樣就影響了加載效率,。當(dāng)元素類型改變時,，數(shù)據(jù)模式的變動代價也很高。而且對XML數(shù)據(jù)中明顯具有結(jié)構(gòu)化特性的數(shù)據(jù)采用面向?qū)ο竽Ｐ痛鎯?，其查詢效率遠(yuǎn)比不上關(guān)系數(shù)據(jù)模型,。目前采用的對象—關(guān)系模型大多是通過對關(guān)系模型的擴(kuò)展來實現(xiàn)的,。如文獻(xiàn)[3]就是通過對關(guān)系中增加嵌套屬性組的方法來實現(xiàn)多值屬性（元素）的存儲,，它綜合了上述二種方法的優(yōu)點(diǎn)，但仍不能充分體現(xiàn)XML數(shù)據(jù)的靈活性和不確定性,。本文提出的對象—關(guān)系模型是將元素的關(guān)系信息和元素的實例信息分別存儲,，這可有效降低數(shù)據(jù)的維護(hù)代價。同時,，將部分元素和屬性采用關(guān)系模型存儲,，將具有繼承、不確定特征的數(shù)據(jù)建立面向?qū)ο髷?shù)據(jù)模型,，既能保證元素的直觀性和完整性,，又可提高部分?jǐn)?shù)據(jù)的查詢效率,。此模型還能對ANY類型的元素和屬性創(chuàng)建特定的類進(jìn)行維護(hù)。這些都體現(xiàn)了XML數(shù)據(jù)的特點(diǎn),。分片技術(shù)的運(yùn)用也對提高查詢效率有很大的作用,。
　　本文討論了XML數(shù)據(jù)的物理存儲模型。對建立在該模型上的數(shù)據(jù)庫查詢及在XML Schema和對象-關(guān)系物理存儲模型之間引入適當(dāng)邏輯數(shù)據(jù)模型將是下一步研究的課題,。
參考文獻(xiàn)
1   蓋江南.Java,，XML和Web服務(wù)寶典.北京：電子工業(yè)出版社，2002
2   Fan W,，Libkin L.On XML Integrity constraints in the  presence of DTDs.JACM,，2002；49（3）
3   Florescu D,，Kossmann D.Storing and querying XML data using an RDBMS.IEEE Data Engineering Bulletin,，1999；22（3）
4   Aboulnaga A,，Naughton J,，Zhang C.Generating synthetic  complex-structured XML data.In Proceedings of the WebDB′ 01Workshop，2001
5   Khalifa S A,，Jagadish H V,，Koudas N et al.Structural  joins：A primitive for efficient XML query pattern matching.    In：Proceedings of the 2002 International Conference on  Data Engineering，2002