基于模式的复杂XML文档到关系数据库存储的研究

论文摘要

随着XML作为数据表示的重要载体变得越来越重要,特别是其在数据交换方面起着至关重要的作用,而大量XML数据的产生引起各种对XML数据存储问题的研究。基于关系数据库的成熟性,目前大多数研究都将XML文档存入关系数据库中。在众多的基于XML模式的XML文档到关系数据库的存储方法中,最为显著的方法是PSchema （Physical XML Schema）、BSchema （Basic XML Schema）以及CSchema （Complex XML Schema）。但是,这些方法仍然存在着很多的不足：PSchema对多值元素的定义非常模糊,未区分多值元素是多次出现的值还是多次出现的元素结构；BSchema则未对XML中语义进行约束,也没有保存模式信息,这种映射方式不利于XML文档的重构及还原；CSchema虽然对PSchema和BSchema进行了继承和扩展,但是,CSchema在对递归复杂元素、多命名空间信息、重复结构、面向未来可扩展元素与属性的映射方法过于复杂,而且没有考虑到XML文档中对语义约束等信息,也没考虑到新增XML文档对数据库中的数据表的影响。因此,本文对CSchema进行了改进,提出了一种CSchema++的映射方法,同时还对X-RESTORE查询中间件进行改进,提出了将XPath转换为SQL查询的算法,并通过代价估计来比较CSchema与CSchema++的效率。论文主要从以下三个大的方面展开工作：（1）基于CSchema重新对XML模式进行了语义分析,提出了一种改进的CSchema++。该模型将复杂XML文档中的复杂信息进行分类定义,如命名空间信息、重复结构、递归复杂元素、面向未来可扩展元素与属性,并重新归纳了这些复杂信息的提取方法和映射规则,去掉了利用层次（layer）的方法来存储递归复杂元素,将CSchema的提取映射简单化、完善化。与CSchema相比,CSchema++最大的改进在于利用改进的元素表来动态保存XML模式信息,即随着XML文档的动态增长,元素表以及XML文档对应的数据表都将会动态增长。由于元素表的操作非常频繁,CSchema++将元素表通过数组置于内存中,相比CSchema直接将元素表置于磁盘中,CSchema++大大提高了存储和查询效率。另外,本文对数据库中主键、外键、唯一性和非空等约束信息进行了分析,保存了XML的语义信息,实现了XML文档的无损映射,同时保证了映射过程的可逆性,不仅实现了XML文档到关系数据库的映射,同时实现了关系数据库到XML文档的还原。（2）将XML文档按照CSchema++的映射规则存入关系数据库之后,需要将XML查询转换为关系查询。而XML查询是半结构化查询,关系查询是结构化查询,这就需要用到查询中间件。其中,最为著名的是X-RESTORE查询中间件。X-RESTORE所响应和执行的查询是XQuery查询,由于XQuery的基础是XPath,所以熟悉XQuery的人都会使用XPath,为了方便用户,本文对X-RESTORE查询中间件进行改进,提出了将XPath转换为SQL查询的算法。算法分为两个步骤：首先,将用户输入的XPath查询语句转换为XPathExpression图,其中,XPathExpression图的作用等同于复杂XML文档存储的中间模式CSchema++。然后,将XPathExpression图转换为SQL语句,利用图中的边来实现文档节点顺序的保存,通过将节点和边的信息转换为SQL语句中Select、from以及where子句中的内容,实现了XML用户输入XPath查询。（3）由于,XML文档存储模式的代价主要由查询操作的代价来衡量,因此本文结合现有的代价估计方法,通过DOM树结构查找节点所需代价来估计关系查询所耗费的代价,将基于模式的复杂XML文档存储代价定义为DOM树结构查找节点所需代价,即查找节点和对节点数据筛选的代价和。为证实CSchema++的优越性,本文通过所提出的代价估计方法来比较CSchema与CSchema++的存储和查询代价,证实了CSchema++映射的存储和查询方式代价更小,存储和查询效率明显得到提高。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 研究的背景和意义
• 1.1.1 XML的应用及其存储的研究
• 1.1.2 将XML存入关系数据库的原因
• 1.2 XML文档的特点
• 1.2.1 以数据为中心的文档（DATA-CENTRIC DOCUMENTS）
• 1.2.2 以文档为中心的文档（DOCUMENT-CENTRIC DOCUMENTS）
• 1.3 复杂XML文档
• 1.4 本文的主要工作
• 1.5 本文的组织结构
• 第2章 XML文档到关系数据库的存储方法
• 2.1 XML文档存储技术的研究现状
• 2.2 XML模式到关系模式的映射方法的概述
• 2.2.1 DTD与XML SCHEMA简介
• 2.2.2 基于模式的XML文档到关系模式的存储方法
• Schema（Physical XML Schema）'>2.3 P_Schema（Physical XML Schema）
• 2.4 B Schema（Basic XML Schema）
• Schema（Complex XML Schema）'>2.5 C_Schema（Complex XML Schema）
• 2.6 本章小结
• Schema++的复杂XML文档存储方法'>第3章 基于C_Schema++的复杂XML文档存储方法
• 3.1 C Schema++
• Schema++到关系模式的映射'>3.2 C_Schema++到关系模式的映射
• 3.2.1 命名空间信息的映射
• 3.2.2 元素表的建立
• 3.2.3 元素和属性的映射
• 3.2.4 完整性约束
• 3.3 与其他映射模式的比较
• 3.4 实例映射
• 3.4.1 实例文档存储过程
• 3.4.2 从关系数据库中还原XML文档
• 3.5 本章小结
• Schema++模式的查询处理'>第4章 基于C_Schema++模式的查询处理
• 4.1 XML查询语言相关介绍
• 4.1.1 XML-QL
• 4.1.2 XPATH（XML PATH LANGUAGE）
• 4.1.3 XQUERY
• 4.1.4 限制与不足
• Schema++和查询中间件的XML查询到关系数据查询'>4.2 基于C_Schema++和查询中间件的XML查询到关系数据查询
• 4.2.1 查询中间件
• SCHEMA++的XML查询'>4.2.2 基于C_SCHEMA++的XML查询
• 4.2.3 XPATH转换为XPATHEXPRESSION图
• 4.2.4 XPATHEXPRESSION图转换为SQL查询
• 4.2.5 查询结果的显示
• 4.3 本章小结
• 第5章 代价估计
• 5.1 代价模型
• 5.1.1 XML文档存储模式的代价
• 5.1.2 查询代价公式
• 5.1.3 代价公式分类
• 5.2 统计信息
• 5.2.1 DOM树中的数据筛选
• 5.2.2 统计信息表的生成
• 5.3 本章小结
• 第6章 总结
• 6.1 论文工作总结
• 6.2 论文的进一步工作以及展望
• 参考文献
• 附录1 第1章1.3节复杂XML文档的模式
• 附录2 第3章3.2.2节实例文档2
• Schema与C_Schema++的统计信息'>附录3 第5章5.2.2节C_Schema与C_Schema++的统计信息
• 攻读硕士学位期间发表的论文
• 致谢