關(guān)于XML的并行處理算法研究.pdf

1、大規(guī)模的電子出版和大范圍Web數(shù)據(jù)交換業(yè)務(wù)需要良好描述能力和處理能力的語(yǔ)言.為Internet和Web發(fā)展做出突出貢獻(xiàn)的置標(biāo)語(yǔ)言HTML由于其自身的缺陷已不能滿(mǎn)足上述業(yè)務(wù)的發(fā)展需要,為此W3C開(kāi)發(fā)并發(fā)布了新一代置標(biāo)語(yǔ)言XML.隨后各公司和廠商便推出了能提供SAX和(或)DOM接口的XML解析器.SAX接口的解析器只能對(duì)文檔內(nèi)容按順序處理,處理完后并不將數(shù)據(jù)保存在內(nèi)存中,也不能修改文檔內(nèi)容,故不能對(duì)XML文檔做隨機(jī)存取,難以實(shí)現(xiàn)復(fù)雜的查詢(xún)

2、,使用范圍小.DOM接口的解析器能夠避免SAX的某些弊病,但它是一種內(nèi)存密集型操作,它把XML的元素、屬性、注釋、處理指令等都作為一個(gè)節(jié)點(diǎn)對(duì)象進(jìn)行處理,需要占用大量的內(nèi)存.這對(duì)于一些含節(jié)點(diǎn)數(shù)多的大型XML文件,如果使用DOM接口的解析器進(jìn)行處理,就要求有性能很高的計(jì)算機(jī)才能勝任,否則可能會(huì)大大地降低解析效率甚至造成解析失敗.隨著計(jì)算機(jī)技術(shù)和網(wǎng)絡(luò)技術(shù)的發(fā)展,以網(wǎng)絡(luò)為基礎(chǔ)的分布式并行計(jì)算環(huán)境以其較高的性能價(jià)格比和大范圍、大數(shù)量異構(gòu)機(jī)群并行成

3、為新的高性能計(jì)算環(huán)境.而且XML文檔和DOM接口本身具有的良好的并行結(jié)構(gòu).因此,該文基于分布式網(wǎng)絡(luò)并行環(huán)境研究了對(duì)XML文檔的并行處理方法.以Java為開(kāi)發(fā)語(yǔ)言,利用Java的Socket技術(shù)實(shí)現(xiàn)網(wǎng)絡(luò)通信,利用Java的多線程技術(shù)實(shí)現(xiàn)并行處理,設(shè)計(jì)實(shí)現(xiàn)了一個(gè)XML的并行解析器.XML文檔的并行處理主要是數(shù)據(jù)的并行處理.我們研發(fā)了序言處理、字符編碼方式識(shí)別、數(shù)據(jù)分割、并行解析器,并進(jìn)行實(shí)驗(yàn)驗(yàn)證.實(shí)驗(yàn)結(jié)果表明該文設(shè)計(jì)的并行解析器具有較好的處