可查詢的半結(jié)構(gòu)化數(shù)據(jù)壓縮方法研究.pdf

1、近年來(lái)，隨著Internet的迅猛發(fā)展，XML(ExtensibleMarkupLanguage)已經(jīng)成為數(shù)據(jù)交換和表示的主要標(biāo)準(zhǔn)。由于XML具有良好的可擴(kuò)展性和跨平臺(tái)性，越來(lái)越多的信息以XML文件的形式進(jìn)行交換和存儲(chǔ)。XML數(shù)據(jù)的一個(gè)缺點(diǎn)是存在較大的數(shù)據(jù)冗余，會(huì)造成存儲(chǔ)空間的浪費(fèi)、查詢效率的降低。因此對(duì)XML數(shù)據(jù)進(jìn)行有效壓縮和查詢成為一個(gè)重要的研究領(lǐng)域。 目前已有的XML數(shù)據(jù)壓縮技術(shù)例如XMILL運(yùn)用結(jié)構(gòu)和內(nèi)容分離的思想能夠取

2、得兩倍于傳統(tǒng)的壓縮技術(shù)GZIP的壓縮效率，但是它們并不支持壓縮數(shù)據(jù)流之上的查詢處理。如果希望查詢數(shù)據(jù)，則只能解壓縮全部數(shù)據(jù)。但是頻繁的解壓縮會(huì)造成系統(tǒng)資源大量的損耗，因此本文提出了一種基于XML數(shù)據(jù)流的壓縮技術(shù)XQC(XMLQueryCompression)，實(shí)時(shí)完成XML數(shù)據(jù)流的壓縮和解壓縮，同時(shí)在壓縮的數(shù)據(jù)上應(yīng)用XML的查詢技術(shù)XPath獲得所需信息。該方法以私有的元素和屬性值為壓縮粒度，在哈夫曼編碼的基礎(chǔ)上采用了一種與上下文無(wú)關(guān)的

3、壓縮模式來(lái)保持原XML文件的結(jié)構(gòu)。點(diǎn)查詢(指精確查詢)直接在壓縮文檔上執(zhí)行，解壓縮的操作被限制在最終返回給用戶的查詢結(jié)果部分；范圍查詢中需要對(duì)查詢謂詞中的元素和屬性值進(jìn)行解壓，而不需要對(duì)整個(gè)文檔解壓。 本文分析了當(dāng)前XML數(shù)據(jù)壓縮與查詢的研究現(xiàn)狀和目前已有XML數(shù)據(jù)壓縮方法的不足，并指出了研究主題及目標(biāo)。對(duì)數(shù)據(jù)壓縮的基本原理，XML的數(shù)據(jù)模型，XML的數(shù)據(jù)壓縮，和XML的查詢語(yǔ)言進(jìn)行介紹。重點(diǎn)闡述了XQC系統(tǒng)的重要組成結(jié)構(gòu)和主要