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

　　 Internet數(shù)據(jù)本身具有的自描述性和動態(tài)可變性等一系列復雜特性,，使其結(jié)構(gòu)呈現(xiàn)半結(jié)構(gòu)化特點，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)絡在電子商務、電子數(shù)據(jù)交換和電子圖書館等多方面的應用,。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,，本文提出了一種對象-關系模型,。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,，又能充分利用關系數(shù)據(jù)模型的優(yōu)勢提高對部分數(shù)據(jù)的查詢效率,。同時根據(jù)網(wǎng)絡數(shù)據(jù)分布存儲的特點，引入分片技術(shù),，以進一步提高查詢效率,。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行了具體詳盡的描述,。
1  對象-關系模型的建立
1.1 XML Schema
　　XML Schema是W3C較新推出的標準,。它是用來對XML進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)類型進行擴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：關系RR的project_table域與復雜元素的element_type一一對應。因此可通過這種對應關系,，在已知element_type的情況下找到映射其結(jié)構(gòu)的關系,。
　　規(guī)則2：為每個由聚集（aggregation）得到的不同類型的復雜元素EA創(chuàng)建一個關系RE，關系名存在關系RR的project_table域中,。
　　規(guī)則3：對每個關系RE,，創(chuàng)建主鍵INSTANCE_ID域，標識惟一元素實例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系RE的相應類型的域,。將引用聲明的屬性映射為關系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雜子元素（包括引用聲明的復雜子元素）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：由擴展（extension）得到的復雜元素Eh（設父元素為EA）,，按規(guī)則2、3,、4映射關系模型,，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）映射為相應類型的變量，變量名取元素（屬性）名,；聲明相應類型的變量,，映射復雜類型元素的類型和元素實例的INSTANCE_ID,；在包含該元素（屬性）組的關系中創(chuàng)建GROUP域，存儲相應元素（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 /*復雜元素的類型*/
　　instance_id integer /*該對象實例在相應
　　關系中的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,，其在關系數(shù)據(jù)庫中運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,，有關這方面的研究不多。文獻[2]對類垂直分片在提高查詢效率方面的作用進行了評估和論證,，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）等復雜關系,，使得對類進行垂直分片變得復雜。下面給出類垂直分片的基本原則和方法,。

　　(1)將相關的及可能經(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
　　采用關系數(shù)據(jù)模型存儲XML數(shù)據(jù),，可利用關系數(shù)據(jù)庫現(xiàn)有的存儲管理,、并發(fā)控制、恢復,、版本機制等技術(shù)有效地管理XML數(shù)據(jù),。但由于關系模型不支持復雜類型的屬性，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，這樣就影響了加載效率,。當元素類型改變時,，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?，其查詢效率遠比不上關系數(shù)據(jù)模型。目前采用的對象—關系模型大多是通過對關系模型的擴展來實現(xiàn)的,。如文獻[3]就是通過對關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，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—關系模型是將元素的關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)的維護代價,。同時，將部分元素和屬性采用關系模型存儲,，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,，又可提高部分數(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)建特定的類進行維護。這些都體現(xiàn)了XML數(shù)據(jù)的特點,。分片技術(shù)的運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-關系物理存儲模型之間引入適當邏輯數(shù)據(jù)模型將是下一步研究的課題,。
參考文獻
1   蓋江南.Java,，XML和Web服務寶典.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