基于結(jié)構(gòu)索引的高效XML查詢處理方法.pdf

1、XML已經(jīng)成為網(wǎng)絡(luò)上數(shù)據(jù)表示和交換的通用標(biāo)準(zhǔn)。隨著XML的應(yīng)用越來(lái)越廣泛，對(duì)XML查詢效率的要求也越來(lái)越高。模式樹(shù)匹配是XML查詢的核心操作，在高效處理模式樹(shù)匹配的各種方法中，結(jié)構(gòu)化連接算法最為流行。[BKS02]中提出的結(jié)構(gòu)化連接算法TwigStack可以對(duì)模式樹(shù)進(jìn)行整枝連接，避免了二元連接中無(wú)用的中間結(jié)果。由于TwigStack算法的高效穩(wěn)定易兼容等特點(diǎn)，很多研究工作在它的基礎(chǔ)上進(jìn)行了優(yōu)化。TwigStack算法的I/O和cpu開(kāi)銷

2、與輸入XML元素的數(shù)量密切相關(guān)，所以提高算法效率的一個(gè)可行方法是在算法開(kāi)始之前篩掉盡量多的無(wú)用結(jié)點(diǎn)。一些工作使用了結(jié)構(gòu)索引1-index來(lái)避免讀入不滿足路徑條件的XML元素。這種方法可以大大提高模式樹(shù)匹配的效率，但是它不夠靈活，一種固定劃分規(guī)則的結(jié)構(gòu)索引并不能適合各種不同的XML文檔和不同的查詢。 本文中提出了一種新的結(jié)構(gòu)索引 JoinGuide，它沒(méi)有采用其它索引的結(jié)構(gòu)摘要的形式，而是一個(gè)以路徑表達(dá)式為結(jié)點(diǎn)的樹(shù)。索引結(jié)點(diǎn)之間的

3、邊代表著路徑表達(dá)式之間的包含關(guān)系。根據(jù)路徑表達(dá)式的不同選擇，JoinGuide索引的粒度在標(biāo)簽劃分和F&B-index索引之間。它具有很好的靈活性，可以為XML中每種標(biāo)簽單獨(dú)的選擇劃分的粒度，并且在劃分時(shí)充分考慮了XML文檔的靜態(tài)特征和動(dòng)態(tài)特征，以取得總性能的最優(yōu)。 本文中還針對(duì)傳統(tǒng)的模式樹(shù)元組匹配結(jié)果中XML元素重復(fù)的問(wèn)題進(jìn)行了改進(jìn)，提出了一種消除冗余的緊湊模式樹(shù)結(jié)果表示方式LinkedResultTree，它對(duì)每個(gè)出現(xiàn)在結(jié)果

4、中的XML元素只保存一次，并對(duì)每個(gè)二元結(jié)構(gòu)關(guān)系只用一個(gè)值記錄與該結(jié)點(diǎn)滿足結(jié)構(gòu)關(guān)系的元素集的位置，大大減少了保存結(jié)果所需要的空間。I司時(shí)本文還基于JoinGuide索引和LinkedResultTree提出了新的模式樹(shù)匹配算法TwigStackCompact，它避免了TwigStack算法中最后耗時(shí)的歸并連接步驟，提高了算法的速度。最后文章還針對(duì)擴(kuò)展的模式樹(shù)模型APT提出了對(duì)應(yīng)的匹配算法TwigStackCompactAPT，避免了復(fù)雜的