一種海量XML文檔存儲和檢索平臺的研究與實(shí)現(xiàn).pdf

1、隨著計(jì)算機(jī)網(wǎng)絡(luò)技術(shù)的迅速發(fā)展和互聯(lián)網(wǎng)的高速普及，信息數(shù)據(jù)量正在飛速的膨脹。XML作為一種重要的網(wǎng)絡(luò)信息交換格式，如何有效的組織和存儲正在快速增長的海量 XML數(shù)據(jù)，并提供快速高效的數(shù)據(jù)檢索，是當(dāng)今信息檢索領(lǐng)域的一個研究重點(diǎn)。目前，XML數(shù)據(jù)的存儲和檢索一般使用Native XML或者關(guān)系數(shù)據(jù)庫，但這類系統(tǒng)無法滿足大規(guī)模數(shù)據(jù)的性能需求，而基于分布式的XML數(shù)據(jù)存儲和檢索技術(shù)則尚未成熟。
　　本文針對以上需求，在對XML和云計(jì)算技術(shù)的

2、研究基礎(chǔ)上，設(shè)計(jì)并實(shí)現(xiàn)了一種海量XML文檔存儲和檢索平臺。首先，本文提出了一種XML到HBase的數(shù)據(jù)映射模型，該模型采用四路編碼算法，實(shí)現(xiàn)了XML數(shù)據(jù)到 HBase數(shù)據(jù)之間的映射。其次，本文借鑒了MapReduce的計(jì)算模型，采用HBase數(shù)據(jù)庫，設(shè)計(jì)并實(shí)現(xiàn)了以XPath為前端查詢語言的數(shù)據(jù)檢索機(jī)制，充分利用HBase的特點(diǎn)，提高檢索效率。最后，本文設(shè)計(jì)了一組實(shí)驗(yàn)，并通過該實(shí)驗(yàn)驗(yàn)證了本文提出的海量XML數(shù)據(jù)存儲和檢索平臺的性能和有效性