一、        xml數(shù)據(jù)庫的概念及分類

Xml雖然已出現(xiàn)很多年，但在前些年通常只被做為數(shù)據(jù)交換文件來使用，或作為軟件配置文件，較深層次的應(yīng)用較少。隨著xml數(shù)據(jù)使用的越來越多，迫切需要一種能夠直接處理xml數(shù)據(jù)的數(shù)據(jù)庫來管理這些結(jié)構(gòu)或半結(jié)構(gòu)化的數(shù)據(jù)。之前處理xml數(shù)據(jù)都是在作為文本存儲在關(guān)系數(shù)據(jù)庫中。由于xml數(shù)據(jù)格式是層次關(guān)系，而且同類文件格式也可能不同，用關(guān)系數(shù)據(jù)庫很難表示，更嚴(yán)重的是使用關(guān)系數(shù)據(jù)庫保存xml數(shù)據(jù)無法對xml數(shù)據(jù)中結(jié)點(diǎn)進(jìn)行檢索。使用新型存儲格式及檢索方式已是必然。隨著處理xml文件的一些方法被定義為標(biāo)準(zhǔn)，例如XPath、XQuery等。Xml數(shù)據(jù)庫的應(yīng)用才越來越廣泛了。

Xml數(shù)據(jù)庫即使用xml文件作為數(shù)據(jù)存儲格式的數(shù)據(jù)庫。根據(jù)數(shù)據(jù)庫實(shí)現(xiàn)模式，xml數(shù)據(jù)庫分為：

1、可以使用xml文件的數(shù)據(jù)庫（Enable-XML Database）：數(shù)據(jù)庫內(nèi)部含有處理xml數(shù)據(jù)的模塊，可以和xml數(shù)據(jù)文件交換數(shù)據(jù)，即實(shí)現(xiàn)了xml數(shù)據(jù)的讀取，寫入，刪除，更新等操作，但數(shù)據(jù)庫本身并不是為xml數(shù)據(jù)設(shè)計(jì)的。

當(dāng)前比較流行的數(shù)據(jù)庫oracle，Ms SQL Sever，IBM DB2，Ms Access等都屬Enable-XML Database類型。目前大部分關(guān)系數(shù)據(jù)庫都支持xml數(shù)據(jù)。關(guān)于Enable-XML Dabase數(shù)據(jù)庫產(chǎn)品，可以參考“XML Database Products_ XML-Enabled Databases.pdf”文檔。

此類數(shù)據(jù)由于底層實(shí)現(xiàn)模塊中并不是專為xml數(shù)據(jù)設(shè)計(jì)，所以在使用xml文件數(shù)據(jù)時必須通過使用類似ODBC、JDBC等接口程序進(jìn)行數(shù)據(jù)交換。接口程序把xml數(shù)據(jù)讀入數(shù)據(jù)庫并轉(zhuǎn)換成數(shù)據(jù)庫可以識別的數(shù)據(jù)格式后才能操作數(shù)據(jù)，操作完的數(shù)據(jù)在通過接口程序轉(zhuǎn)換成xml數(shù)據(jù)格式，這使得執(zhí)行效率大幅降低。

2、純xml數(shù)據(jù)庫（Native-XML Database）：滿足一下3個條件的就是純xml數(shù)據(jù)庫：

1）、為xml文檔定義了一個邏輯模型，xml數(shù)據(jù)的存儲和查詢都基于這個模型。這個模型至少要包含元素、屬性以及PCDATA等，并保持文檔順序。

2）、將xml文檔作為邏輯存儲的基本單位，正如關(guān)系數(shù)據(jù)庫將行作為存儲的基本單位一樣。

3）、不要求只能使用某一特定的底層物理模型或某種專有的存儲格式。

數(shù)據(jù)以純xml文件格式保存，存儲在數(shù)據(jù)庫中的內(nèi)容與原xml文件格式可以保持一致，數(shù)據(jù)庫引擎直接操作xml數(shù)據(jù)文件，并通過XPath或XQuery檢索數(shù)據(jù)。相對于Enable-XML Database數(shù)據(jù)庫，由于省去了數(shù)據(jù)轉(zhuǎn)換過程，在處理xml數(shù)據(jù)時相對效率較高。

   目前純xml數(shù)據(jù)庫產(chǎn)品或單獨(dú)的xml數(shù)據(jù)庫引擎也有許多，較有代表性的產(chǎn)品有dbXml、Berkeley DB XML等。有代表性的xml數(shù)據(jù)庫引擎有eXist、Xindice等，本次所作的所有的分析與測試都是基于eXist與Xindice數(shù)據(jù)庫引擎。關(guān)于目前Native-XML Database數(shù)據(jù)庫產(chǎn)品的介紹可以參考“XML Database Products_ Native XML Databases.pdf”文件。

   純Xml數(shù)據(jù)庫由于可以保持原xml文件的物理格式不變，并且可以按照原格式檢索，所以有時候純xml數(shù)據(jù)庫也被稱作原生態(tài)數(shù)據(jù)庫。如果當(dāng)前有許多xml文件但文件又格式不盡相同的話，使用xml數(shù)據(jù)庫是個不錯的選擇，通過數(shù)據(jù)庫來管理這些xml文件。利用XPath和XQuery也能夠更方便的查找數(shù)據(jù)。但是由于目前用于xml數(shù)據(jù)庫的一些操作沒有明確的標(biāo)準(zhǔn)導(dǎo)致xml數(shù)據(jù)庫的引擎各有不同。

二、        純xml數(shù)據(jù)庫的優(yōu)缺點(diǎn)

純Xml數(shù)據(jù)庫應(yīng)用還不是很廣泛，這一點(diǎn)我們從目前市場上的主要數(shù)據(jù)庫產(chǎn)品就可以看出來。大型數(shù)據(jù)庫沒有使用純xml數(shù)據(jù)庫的。至少在上面提到的產(chǎn)品列表文件中沒有見到大型數(shù)據(jù)庫的身影。但是這也并不代表xml數(shù)據(jù)庫沒有優(yōu)勢。下面將對純xml數(shù)據(jù)庫和關(guān)系數(shù)據(jù)庫做個比較。

優(yōu)點(diǎn)：

1、可以直接操作xml文件，對于處理大量xml文件，純xml數(shù)據(jù)庫有著先天的優(yōu)勢：不必轉(zhuǎn)換數(shù)據(jù)。這樣就減少了系統(tǒng)資源消耗。普通的關(guān)系數(shù)據(jù)庫在處理xml數(shù)據(jù)時必須通過xml接口處理程序來轉(zhuǎn)換數(shù)據(jù)。這方面xml數(shù)據(jù)庫的處理效率明顯高于關(guān)系數(shù)據(jù)庫。

2、存儲在xml數(shù)據(jù)庫中文件可以保持原文件的物理格式不變。由于xml文件是自描述的，即文件內(nèi)部不僅包含了數(shù)據(jù)還包含了對這些數(shù)據(jù)的描述信息。比如數(shù)據(jù)結(jié)構(gòu)和類型。如果數(shù)據(jù)描述信息較多，關(guān)系數(shù)據(jù)庫就顯得力不從心了。

3、原生檢索方式，這時純xml數(shù)據(jù)庫獨(dú)有的特點(diǎn)，即純xml數(shù)據(jù)庫允許用戶使用對未作任何格式轉(zhuǎn)變的數(shù)據(jù)直接檢索。這就使得同一檢索式可以同時檢索不同格式xml文件。原生檢索方式對于擁有大量不同格式的xml文件的用戶來說是最好的檢索方式。

4、以分層的樹形結(jié)構(gòu)描述數(shù)據(jù)，能夠檢索各個結(jié)點(diǎn)。

缺點(diǎn)：

1、數(shù)據(jù)冗余度高，由于xml文件中帶有大量非數(shù)據(jù)的內(nèi)容，也許這些內(nèi)容比數(shù)據(jù)本身還要多，不僅占用大量的磁盤空間，還會給操作文件帶來困難。假如你需要在一個1GB的文件中間頻繁插入或刪除數(shù)據(jù)。

2、檢索效率低下，如果數(shù)據(jù)訪問速度不高，檢索就可想而知了。前面提到的檢索效率高是指在xml數(shù)據(jù)庫中和關(guān)系數(shù)據(jù)庫中都只處理xml數(shù)據(jù)時。但相對于關(guān)系數(shù)據(jù)庫中的普通數(shù)據(jù)來說。純xml數(shù)據(jù)庫還遠(yuǎn)達(dá)不到這樣的高效。這也是妨礙純xml數(shù)據(jù)廣泛應(yīng)用的的主要缺陷。曾有人使用eXist作過一些測試，測試過程中，如果在1GB大小的xml文件檢索一個數(shù)據(jù)，所消耗的時間大概是煮一杯咖啡的時間。

3、純xml數(shù)據(jù)庫的XQuery語言標(biāo)準(zhǔn)不完善，現(xiàn)在XQuery語言的中不支持插入、刪除、更新操作，即使是部分xml數(shù)據(jù)庫廠家提供了類似功能，也不能得到廣泛的應(yīng)用，因?yàn)闆]有標(biāo)準(zhǔn)。它不能夠像SQL那樣功能強(qiáng)大。也由于這個缺陷給開發(fā)基于xml數(shù)據(jù)庫的應(yīng)用程序帶來更多風(fēng)險，只能針對某種數(shù)據(jù)庫開發(fā)，而且許多本應(yīng)由XQuery本身提供的功能，比如插入、刪除、更新功能不得不由應(yīng)用程序開發(fā)人員開發(fā)。

三、           本次測試中所使用的純xml數(shù)據(jù)庫介紹

本次測試中所使用的純xml數(shù)據(jù)庫有兩個，分別是eXist 1.0版和Xindice 1.1B4版，都是目前最高版本。關(guān)于它們?nèi)绾伟惭b使用請參考文檔“eXist數(shù)據(jù)庫.doc”和“Xindice數(shù)據(jù)庫.doc”。這里只對最后測試結(jié)果作一簡單的介紹。

測試總結(jié)：

這兩個數(shù)據(jù)庫引擎非常不穩(wěn)定，而且性能不好。

四、            選擇純xml數(shù)據(jù)庫還是關(guān)系數(shù)據(jù)庫？

這是一個比較重要的問題，雖然它們都是數(shù)據(jù)庫，但是除了數(shù)據(jù)庫本身有許多不同之外，在使用上也是大不相同。在項(xiàng)目中使用哪種數(shù)據(jù)庫還需要慎重考慮，根據(jù)上面的數(shù)據(jù)庫的對比分析，大體可以總結(jié)一下在何種情況下使用哪種數(shù)據(jù)庫：

1、              如果當(dāng)前有許多xml文件，并且xml文件的格式不統(tǒng)一或者用表格的方法難以表示，那么這時最好選用純xml數(shù)據(jù)庫。

2、              如果在以后的工作中會產(chǎn)生大量格式或半格式的xml文件，那么選用純xml數(shù)據(jù)庫較合適。

3、              如果經(jīng)常使用xml文件作為數(shù)據(jù)交換格式，則選擇純xml數(shù)據(jù)庫較好。

4、              如果你的數(shù)據(jù)之間有較多的關(guān)聯(lián)，就最好選用關(guān)系數(shù)據(jù)庫。純xml數(shù)據(jù)庫只能表示簡單的數(shù)據(jù)關(guān)系。

5、              如果對數(shù)據(jù)庫的性能要求較高的話，最好使用關(guān)系數(shù)據(jù)庫，關(guān)系數(shù)據(jù)庫已發(fā)展成熟，而純xml數(shù)據(jù)庫目前發(fā)展還不完善，比如，插入，刪除、更新操作還未有標(biāo)準(zhǔn)。