基于列表的可扩展标记语言流数据查询处理方法

来源：计算机应用杂志2016年第3期北京时间：

作者：何志学, 廖湖声

单位：1. 北京工业大学 计算机学院, 北京 100124;2. 北华航天工业学院 计算机与遥感信息技术学院, 河北 廊坊 065000

摘要：针对半结构化可扩展标记语言(XML)流数据实时在线到达,顺序性一次访问及处理时效性高、缓存量小的需求,以及目前算法在大规模数据处理中查询表达式的能力有限、效率尚不能满足实际应用的现状,基于SAX解析,提出以列表及关系指针组合处理XPath查询的QXSList方法。首先定义数据模型,给出算法实现的整体框架,然后分别针对两个不同的XPath查询片段重点考虑了谓词判断条件和通配符的处理方法;该方法通过层次值计算判断节点的结构关系,利用关系指针链接多个候选节点列表,获取查询查询结果;最后分析给出优化算法,进一步减少缓存管理。通过实验对该方法与QStream++方法及MonetDB和SAXON查询引擎的运行时间和内存占比进行分析,得出与同类算法相比,随着数据量级的增加,效率提升在30%以上,且运行过程中内存占比接近于常量。

关键词：流数据,查询处理,XPath查询,关系指针,缓存管理

基金资助：北京市自然科学基金资助项目(4122011);国家自然科学基金青年基金资助项目(61202074);河北省教育厅青年基金资助项目(QN2014178);北华航天工业学院校级科技创新团队资助项目(XJTD20140)。