一种基于索引的xml文档查询优化方法
【技术领域】
[0001]本发明涉及面向XML文档数据的查询优化方法，尤其涉及一种基于索引的XML文档查询优化方法。
【背景技术】
[0002]XML是一种应用广泛的数据表示与传输标准，随着越来越多的基于XML的文档出现，对XML文档数据进行管理成为一种迫切的需求。近年来，原生XML数据库技术得到快速发展，针对XML数据模型特点研发了新型的存储、索引、查询等技术。
[0003]XPath是一种标准的XML查询语言，是XQuery的子集，是操作XML文档的核心，经常用于从XML文档中定位数据片段，测试XML文档是否满足需求等。XPath的实现技术得到了广泛关注，典型的实现技术包括基于自动机的方法、基于Twig的整体匹配方法等。然而，在数据库的背景下，当数据量变得越来越大时，现有技术方法对于高效的XPath查询应答具有一定的局限性，一方面由于数据本身的复杂性，XML数据是一种层次嵌套的结构，并不是平面化的数据模型，另外XPath还需要考虑文档序；另一方面是因为查询算法的复杂性，通常需要构建复杂的数据结构，进行代价高昂的迭代和排序操作。
[0004]索引是一种特殊的数据结构，对管理的数据进行特殊编排，以实现快速访问所需要数据的目标。专利申请号为“CN103177120A”的专利描述了一种基于索引的XPath查询模式树匹配方法，将XPath查询转换为模式树匹配问题，再通过访问所涉及的模式树节点的索引数据，利用整体匹配的Twig算法，完成XPath的求值，该方法在一定程度上解决了XPath查询海量数据的问题，但当数据规模持续增长，算法本身的开销越来越大，使得该方法的可用性下降。
【发明内容】
[0005]为解决上述技术问题，本发明的目的是提供一种基于索引的XML文档查询优化方法，该方法针对应用XPath对文档进行匹配过滤的场景(典型的应用包括信息检索、SQL/XML中的XMLExists等)，提取了一个XPath子集，通过改进的索引结构，可以通过简单的集合运算实现对XPsth筛选的应答，既提升了查询性能，又提高了索引的空间性能。
[0006]本发明的目的通过以下的技术方案来实现:
[0007]一种基于索引的XML文档查询优化方法，该方法包括:
[0008]构建XPath查询所需路径的索引；
[0009]将XPath表示为树形的查询形式；
[0010]对树形表示的查询中的任意节点，根据索引获取相应文档标识集合，通过集合运算对文档是否匹配XPath进行筛选。
[0011]与现有技术相比，本发明的一个或多个实施例可以具有如下优点:
[0012]本发明通过利用简单的集合运算，借助索引的优势，避免了不必要的数据访问和操作，以及复杂的数据结构的构造与销毁，从而使基于XPath匹配的筛选在实际性能上得到大大提升，增强了其可用性。
【附图说明】
[0013]图1是基于索引的XML文档查询优化方法流程图。
【具体实施方式】
[0014]为使本发明的目的、技术方案和优点更加清楚，下面将结合实施例及附图对本发明作进一步详细的描述。
[0015]如图1所示，为基于索引的XML文档查询优化方法，该方法包括以下步骤:
[0016]步骤10构建XPath查询所需路径的索引；
[0017]对于任意符合上文语法要求的XPath查询，将XPath表示为树结构，其中谓词和逻辑连接符会引入分支。针对这样的一种树形表示的查询，对于从根到任意叶节点的路径，都需要在与之对应的路径上创建索引，其中索引的键为对应的数据内容，索引的值为对应的文档标识。
[0018]步骤20将XPath表示为树形的查询形式；
[0019]对XPath进行解析，经词法、语法分析，构成语法树，即树形表示的XPath查询。
[0020]步骤30对树形表示的查询中的任意节点，根据索引获取相应文档标识集合，通过集合运算，对文档是否匹配XPath进行筛选。
[0021]对树形表示的查询的中间节点，“or”操作按集合交运算处理，其他按集合并处理。对树形表示的查询进行自底向上的求值，当计算完根节点后，便得到了最终匹配的文档标识集合，即对应满足XPath的文档集合。
[0022]上述实施例适用的XPath语句是XPath的一个真子集，涵盖了常用的XPath表达式及功能，具体语法形式如下:
[0023]<0Path>:: = <RootFork> ? <NonForkPath>
[0024]<RootFork>:: = /<RootElemNameXPosPred> ? <LPred>*
[0025]〈RootElemName〉:: = nameTest|*
[0026]<PosPred>:: = [num] | [<PosFunXCmp>num]
[0027]<PosFun>:: = posit1n ()
[0028]<LPred>:: = <Pred><LogicComXLPred> | not ?LPred?
[0029]<NonForkPath>:: = //<relPath>|/<relPath>
[0030]<relPath>:: = <simplePath>|<simplePath><PosPred>|<simplePath><Pred>
[0031]〈simplePath〉:: = 〈step〉|<simplePath>/〈step>|<simplePath>//〈step>
[0032]〈step〉:: = nametTestI?nameTestI * 1.
[0033]<Pred>:: = [<simplePath>]|[<PathPred>]
[0034]<PathPred>:: = <simplePath><Cmp>value
[0035]<Cmp>:: = < I < = I = I > = I > I !=
[0036]<LogicCom>:: = and | or
[0037]num整数值
[0038]value 类型值
[0039]nameTest QName 类型名称
[0040]直观上，本发明所支持的XPath真子集对应于一种只在根的位置进行分叉的查询，其思想是确保不同简单路径相交处在文档中是唯一的，从而可以通过整个文档标识的交集替换复杂的结构连接。原则上，只要能确保查询的中间节点在文档中的唯一性，便可放宽语法限制，采用本方法进行处理。因此，在模式可知的情况下，本实施例有进一步改进的空间。
[0041]虽然本发明所揭露的实施方式如上，但所述的内容只是为了便于理解本发明而采用的实施方式，并非用以限定本发明。任何本发明所属技术领域内的技术人员，在不脱离本发明所揭露的精神和范围的前提下，可以在实施的形式上及细节上作任何的修改与变化，但本发明的专利保护范围，仍须以所附的权利要求书所界定的范围为准。
【主权项】
1.一种基于索引的XML文档查询优化方法，其特征在于，所述方法包括: 构建XPath查询所需路径的索引； 将XPath表示为树形的查询形式； 对树形表示的查询中的任意节点，根据索引获取相应文档标识集合，通过集合运算对文档是否匹配XPath进行筛选。
2.如权利要求1所述的基于索引的XML文档查询优化方法，其特征在于，所述步骤A具体包括:根据XML数据模式和拟支持的XPath查询，创建路径索引。
3.如权利要求1所述的基于索引的XML文档查询优化方法，其特征在于，所述步骤B具体包括:对XPath进行解析，经词法、语法分析，构成语法树。
4.如权利要求1所述的基于索引的XML文档查询优化方法，其特征在于，所述步骤C具体包括:通过索引获取语法树上叶节点对应的文档标识集合，自底向上，通过集合运算进行求值，最终得到满足XPath的文档标识集合。
5.如权利要求1所述的基于索引的XML文档查询优化方法，其特征在于，对路径索引的键为对应的数据内容，索引的值为对应的文档标识。
6.如权利要求1所述的基于索引的XML文档查询优化方法，其特征在于，对树形表示的查询的中间节点，“or”操作按集合交运算处理，其他中间节点按集合交运算。
【专利摘要】本发明公开了一种基于索引的XML文档查询优化方法，所述方法包括：构建XPath查询所需路径的索引；将XPath表示为树形的查询形式；对树形表示的查询中的任意节点，根据索引获取相应文档标识集合，通过集合运算对文档是否匹配XPath进行筛选本发明通过利用简单的集合运算，借助索引的优势，避免了不必要的数据访问和操作，以及复杂的数据结构的构造与销毁，从而使基于XPath匹配的筛选在实际性能上得到大大提升，增强了其可用性。
【IPC分类】G06F17-30
【公开号】CN104615720
【申请号】CN201510061947
【发明人】陈琳, 张学伟, 陈海涛, 黄新波, 汤汨宝, 房亚为
【申请人】同方知网(北京)技术有限公司, 《中国学术期刊（光盘版）》电子杂志社有限公司
【公开日】2015年5月13日
【申请日】2015年2月5日