论文部分内容阅读
随着现代化社会逐步迈向信息化,在互联网迅速发展的推动下,产生了大量的各种形式的信息。长期以来建立的孤立、自主、异构的信息已经无法满足Internet时代人们对这些信息的共享和进行数据交换的迫切需要。近年来出现的XML(eXtensible markup language)成为了Internet以及电子商务中进行数据交换和表示事实上的标准,与之相关的XML数据流技术也相继出现。XML数据流压缩即是研究的热点问题之一,数据流不同于传统的、静态的、持久稳定的关系数据,它是动态的、快速连续的,因此传统的对XML文档、数据的压缩方法将不能满足数据流环境的要求。因为传统的压缩方法一般需要扫描数据两边甚至多遍来分析数据的结构,然后才进行压缩,而此种方式对于网络中的数据流而言将造成极大的延迟。因此,如何有效地完成XML数据流的压缩以节省储存空间,降低传输代价,同时如果能支持对压缩的XML数据流的进行直接查询处理以避免解压缩操作对系统资源的消耗,成为一个迫切需要解决的问题和研究方向。本文从分析XML数据流运行环境的特点和XML数据本身结构开始,将XML Schema作为可以提高压缩效率和压缩比率的入口。XML Schema是W3C于2001年正式推荐使用的“XML规范标记语言”。XML Schema作为XML的约束,已经得到越来越广泛的应用。在XML数据流所满足的XML Schema中包括所有XML数据流中元素类型的定义。所以在数据流处理之前,可以先分析XML Schema,获取XML数据流中出现的结构事件序列,进而确定元素事件序列的编码,完成XML数据流的压缩。这样虽然不如先进行一遍扫描获得的元素事件序列频率准确,但是这种方法不需要扫描数据流就可以得到相对准确的元素事件序列频率,压缩过程可以只进行一遍扫描,适合网络的XML数据流环境。最后通过对本文提出的压缩进行了测试实验和性能分析,从实验结果看,此压缩算法在压缩效率和压缩比率上要优于传统算法。