利用XML数据库高效管理数据详细剖析-数据库

XML数据是Web上数据交换和表达的标准形式，和关系数据库相比，XML数据可以表达具有复杂结构的数据，比如树结构的数据。正因为此, 在信息集成系统中，XML数据经常被用作信息转换的标准。

管理三大领域数据

基于XML数据的特点，XML数据的高效管理通常有着以下的应用。

1．复杂数据的管理

XML可以有效地表达复杂的数据。这些复杂的数据虽然利用关系数据库也可以进行管理，但是这样会带来大量的冗余。比如说文章和作者的信息，如果利用关系数据库，需要分别用关系表达文章和作者的信息，以及这两者之间的关系，这样的表达，在文章和作者关系的关系中分别需要保存文章和作者对应的ID，如果仅仅为了表达文章和作者之间的关系，这个ID是冗余信息，在XML数据中对象之间的关系可以直接用嵌套或者ID-IDREF的指向来表达。此外XML数据上的查询可以表达更加复杂的语义，比如XPath可以表达比SQL更为复杂的语义。因此利用XML对复杂数据进行管理是一项有前途的应用。

2．互联网中数据的管理

互联网上的数据与传统的事务数据库与数据仓库都不同，其特点可以表现为模式不明显，经常有缺失信息，对象结构比较复杂。因此在和互联网相关的应用，特别是对从互联网采集和获取的信息进行管理的时候，如果使用传统的关系数据库，存在着产生过多的关系，关系中存在大量的空值等问题。而XML可以用来表达半结构数据，对模式不明显，存在缺失信息和结构复杂的数据可以非常好的表达。特别在许多web系统中，XML已经是数据交换和表达的标准形式。因此XML数据的高效管理在互联网的系统中存在着重要的应用。

3．信息集成中的数据管理

现代信息集成系统超越了传统的联邦数据库和数据集成系统，需要集成多种多样的数据源，包括关系数据库、对象-关系数据库以及网页和文本形式存在的数据。对于这样的数据进行集成，XML这样既可以表达结构数据也可以表达半结构数据的形式成为首选。 而在信息集成系统中，为了提高系统的效率，需要建立一个cache,把一部分数据放到本地。在基于XML的信息集成系统中，这个cache就是一个XML数据管理系统。因此XML数据的管理在信息集成系统中也有着重要的应用。

开发难点解决之道

在实际的XML数据库以及基于XML的信息集成系统的开发过程中。笔者遇到了一些技术难点，在解决这些难点的过程中，有一些经验是值得借鉴的参考的。

1．关系数据库中复杂查询的优化

在基于关系数据库的XML数据管理系统中。在没有建立索引的情况下，系统的性能非常低，为了提高系统的性能，我们在编码上建立了索引，经过分析，由于在系统中最常做的操作是a.x b.y的join操作，最好的选择是建立二维索引，由于我们的后端数据库没有对二维索引的支持，我们选择了在x和y属性上分别建立B+树的方法。使得系统性能得到了提高。此外，我们发现，在对嵌套查询进行翻译的过程中，如果嵌套查询的结果可能过大，对嵌套查询的结果建立临时表可以提高系统的性能。

经验总结：对于一个数据库应用，需要对其workload进行分析，根据workload建立索引；对于执行效率很慢的查询或查询集合，可以通过分析查询计划找出系统的瓶颈进行处理。

2．复杂数据库系统的调试

在调试XML数据的管理系统中，多次出现了小规模数据执行准确，效率很高，而大规模数据执行错误或执行效率很低的情况。对于这种情况，我们采取了定位错误、猜测错误， 继而加以解决的策略，也就是首先确定出现错误的操作，使得错误的出现具有可重复性，然后通过逐步删减数据，确定数据出现在哪些数据上，这样就使得调试设计的操作和数据的规模大大减小了，然后根据经验对错误进行猜测，逐步排除错误。

经验总结：对于数据规模大、操作复杂的数据库系统的调试，首要任务是让错误可以重现，然后把次要因素逐步排除，最后发现问题的所在。

3．复杂数据库系统的测试

由于系统需要处理各种各样的XML上的查询，为了确保系统的健壮性，需要选取多种具有代表性的查询对系统进行测试。为了选取这样的查询，我们考察了XML上影响查询的不同参数，包括查询的长度、查询中包含的关系种类、查询的选择性和查询中约束条件的选择性，根据这些参数，我们分别选择有代表性的查询对系统进行测试。

经验总结：对数据库系统的测试集合的选择，必须考虑到可能查询的多种因素；在数据库系统的设计和测试过程中，对数据库系统可能用于处理的查询集合，需要有深入的了解。