P2P網(wǎng)絡(luò)中的語義異構(gòu)和語義映射

吳 鵬

（四川工程職業(yè)技術(shù)學(xué)院，德陽 618000）

1 問題的提出

對等計算對文件共享系統(tǒng)具有較大的貢獻(xiàn)?？墒?，用戶在這種文件共享系統(tǒng)中只得利用文件標(biāo)示符做出查找，很多時候無法獲得期望的效果。因此，結(jié)構(gòu)化數(shù)據(jù)這一概念就規(guī)劃至對等計算范疇里，P2P數(shù)據(jù)管理系統(tǒng)應(yīng)運而生[1,2]。

在P2P數(shù)據(jù)管理系統(tǒng)中，有多個數(shù)據(jù)源，也就是說它是多數(shù)據(jù)的一個管理系統(tǒng)。但如若數(shù)據(jù)源不一致，就算面對真實世界中同一個實體，也會出現(xiàn)不一致的表述和描述形式。因此，語義異構(gòu)的問題就隨之而來。

通常，信息集成領(lǐng)域傳統(tǒng)做法是采用中介系統(tǒng)——集中式的方式對語義異構(gòu)問題進(jìn)行闡述。采用物化的方式，把全部數(shù)據(jù)源集中至核心；把全局查詢查詢分析后向數(shù)據(jù)源發(fā)送；利用全局模式對所有的數(shù)據(jù)進(jìn)行統(tǒng)一的管理。

P2P數(shù)據(jù)管理系統(tǒng)并沒有中心控制結(jié)點，它是通過動態(tài)廣域網(wǎng)進(jìn)行處理的，不能形成全局、統(tǒng)一的視圖。如需在該系統(tǒng)中對語義異構(gòu)問題進(jìn)行處理，達(dá)到數(shù)據(jù)整合的目的，就應(yīng)當(dāng)在各個數(shù)據(jù)元之間構(gòu)建語義映射。

通常語義映射是通過單一數(shù)據(jù)表當(dāng)做運算單位。可是常常出現(xiàn)查詢一次就會牽涉數(shù)據(jù)庫里諸多數(shù)據(jù)表的情況，還出現(xiàn)了一種情況是必須同時得到全部需奧數(shù)據(jù)表，查詢指令才能進(jìn)行的現(xiàn)象。執(zhí)行多表查詢定位指令時，應(yīng)把其余的多個數(shù)據(jù)庫中名字相重的表去除。所以，要執(zhí)行多表定位，仍然具有諸多問題要處理。

基于上述情況，本文進(jìn)行深入的探討，指出利用分層索引機制的方式來處理。另外，利用多節(jié)點集群P2P系統(tǒng)[3]以及通過舉例數(shù)據(jù)表的查詢算法[4]，能夠在P2P數(shù)據(jù)管理系統(tǒng)里成功運行單表甚至是多表的范圍以及精確匹配的查詢工作。

另外，把數(shù)據(jù)表的查詢、數(shù)據(jù)庫的定位以及元組的發(fā)現(xiàn)分開運行，獨立實現(xiàn)。本課題對數(shù)據(jù)表的查詢以及數(shù)據(jù)庫定位問題進(jìn)行探討。

2 數(shù)據(jù)表在P2P網(wǎng)絡(luò)中的存儲

2.1 網(wǎng)絡(luò)結(jié)構(gòu)

本文通過研究，就P2P數(shù)據(jù)管理系統(tǒng)的特性進(jìn)行多節(jié)點幾圈P2P系統(tǒng)的設(shè)計。在該體系里，多節(jié)點相互匯聚，成為集群。圖1表明了集群是當(dāng)做一個整體，進(jìn)行hordc53環(huán)的形成過程。

圖1 多節(jié)點集群P2P系統(tǒng)

顯然，每個集群內(nèi)，擁有諸多節(jié)點。它們能夠按照需求，構(gòu)筑成為許多小的子系統(tǒng)。假若有個集群里的節(jié)點數(shù)量偏少，就將其兩兩結(jié)合組成網(wǎng)絡(luò)。假若有個集群里節(jié)點數(shù)量偏多，而要進(jìn)行數(shù)據(jù)共享，就將運用隨意P2P算法構(gòu)筑P2P子網(wǎng)絡(luò)。

通常，多節(jié)點的集群P2P網(wǎng)絡(luò)體系在構(gòu)成時，能夠把一樣的數(shù)據(jù)位于集群里增添一些備份，以期提升數(shù)據(jù)的下載速度以及增加安全性。此外，能夠把和語義有關(guān)的數(shù)據(jù)向相同的集群進(jìn)行分配，進(jìn)而使得語義聚集能夠運行。

因此，本文下述討論與研究，均為基于多節(jié)點的集群P2P網(wǎng)絡(luò)開展的。

2.2 數(shù)據(jù)資源緩存

在P2P數(shù)據(jù)管理體系里，將有多個節(jié)點擁有數(shù)據(jù)庫共享的功能。將一個數(shù)據(jù)庫內(nèi)的多節(jié)點緩存，構(gòu)筑集群，如此就可以在查詢功能執(zhí)行時，若尋到其中一個節(jié)點，對于找尋另外的節(jié)點就比較便捷了，即查詢算法的簡化。而對于在一個數(shù)據(jù)庫里含有多個數(shù)據(jù)表進(jìn)行緩存，而關(guān)于集群子網(wǎng)絡(luò)中進(jìn)行緩存的分布方法，緩存子網(wǎng)能夠利用所有一個結(jié)構(gòu)化P2P算法進(jìn)行運行。而運行集群子網(wǎng)采用Chord協(xié)議的方式，描繪成如圖2所示。

圖2 緩存數(shù)據(jù)源節(jié)點子網(wǎng)

3 語義異構(gòu)問題

通常P2P數(shù)據(jù)管理體系里含有多組數(shù)據(jù)源，而數(shù)據(jù)源存在一定的差異，其對于現(xiàn)實中相同的實物，仍然具有不一樣的表述與描述，因此，語義異構(gòu)這一問題的產(chǎn)生也是因上述差異而導(dǎo)致的。

要處理語義異構(gòu)的問題，需在各個數(shù)據(jù)源節(jié)點，就要在共享的數(shù)據(jù)表屬性以及表名中隊一些列關(guān)鍵字進(jìn)行定義，以此當(dāng)做語義映射的媒介。而關(guān)鍵字一樣的異構(gòu)數(shù)據(jù)源[5]，其間將構(gòu)建自動的映射關(guān)系。上述相同的關(guān)鍵字，即當(dāng)做數(shù)據(jù)共享的外模式。經(jīng)外模式的合理運用，先前產(chǎn)生的數(shù)據(jù)就成為了名稱相似的多組數(shù)據(jù)。而外模式在節(jié)點內(nèi)并沒有徹底的物化成視圖，它僅僅構(gòu)筑了內(nèi)、外雙模式，即數(shù)據(jù)表中真實的一種模式間互相對應(yīng)的一種關(guān)系。系統(tǒng)執(zhí)行查詢過程中，運用下文闡述的算法，把通過外模式運行的查詢程序向通過內(nèi)模式運行的查詢程序進(jìn)行替換，再運行程序。

通常外模式表述的文件生產(chǎn)以及維護(hù)，通過數(shù)據(jù)源節(jié)點管理員，使用半自動的運行模式得以實現(xiàn)，其通過描述文件的方式在節(jié)點里存儲。假若數(shù)據(jù)表的緩存通過所節(jié)點得以儲存，詳見圖2表明的T2參數(shù)，則外模式描述文件通過儲存表的歸類方式的節(jié)點得以儲存以及輸送。假若數(shù)據(jù)表的緩存通過其中一個節(jié)點得以儲存，詳見圖2表明的T1參數(shù)，則外模式描述文件通過此節(jié)點進(jìn)行儲存以及輸送。

此外，除了錄入表和屬性的名稱，外模式還錄入數(shù)據(jù)表屬于的集群標(biāo)識符，以及輸送描述文件節(jié)點的IP地址。圖3舉例說明外模式描述文件：

圖3 外模式描述文件示例

而外模式描述文件生成以后，應(yīng)把其輸送至整套P2P網(wǎng)絡(luò)體系里。因外模式描述文件保存的節(jié)點都根據(jù)數(shù)據(jù)表的全部名稱，通過哈希運算[6]得到，例如圖3所表明的外模式描述文件，根據(jù)表“同學(xué)信息表”或者“學(xué)生信息表”，其文件標(biāo)識符就是通過哈希運算取得。再把外模式描述文件向?qū)?yīng)的后記集群進(jìn)行傳遞。

后繼集群接收該文件以后，把它保存至集群里的節(jié)點，以便查詢過程可以使用。

通常會有名字一樣的數(shù)據(jù)表存在于各個數(shù)據(jù)庫中，而外模式描述文件，按照數(shù)據(jù)表名稱，運用哈希運算獲取文件標(biāo)識符同時向P2P網(wǎng)絡(luò)進(jìn)行傳送。所以上述名字相同卻來自于各個數(shù)據(jù)庫的表，其外模式文件將向一個集群匯聚。

4 數(shù)據(jù)表的定位

指的是通過外模式描述文件當(dāng)做前提而執(zhí)行的。按照查詢所牽涉的數(shù)據(jù)表數(shù)目，能夠劃成單表以及多表查詢。

4.1 單表查詢時數(shù)據(jù)表的定位

通常外模式描述文件按數(shù)據(jù)表名稱當(dāng)做關(guān)鍵字，運用哈希運算向P2P網(wǎng)絡(luò)進(jìn)行分布。假若數(shù)據(jù)表處于外模式文件里存在K個名稱，應(yīng)把外模式描述文件根據(jù)各個名稱當(dāng)做關(guān)鍵字執(zhí)行哈希運算，再向網(wǎng)絡(luò)進(jìn)行分布，備份數(shù)量為K。

所有數(shù)據(jù)表在外模式描述文件中都有幾個別名，而屬性在數(shù)據(jù)表里也都有幾個別名。假若各個表名—屬性名均有完整的一份數(shù)據(jù)備份對應(yīng)。則會有大量的冗余數(shù)據(jù)生成，進(jìn)而使得系統(tǒng)開發(fā)以及儲存成本提升。

為提升查詢效率，減弱復(fù)雜程度，將按照外模式描述文件修改查詢條件，進(jìn)而做到提升數(shù)據(jù)資源的使用效率，降低備份數(shù)目的目標(biāo)。

圖3所示為外模式描述文件。有關(guān)真實數(shù)據(jù)模式有：學(xué)號、姓名、年齡、身高，即學(xué)生信息表的相關(guān)內(nèi)容按上文闡述，學(xué)生信息表有其他的別人，而里面的4個屬性都有另外的別名。假若5個參數(shù)組合都有一個備份，則共有2×3×3×3×2＝108個數(shù)據(jù)備份。這是不合理的。所以，外模式描述文件尋獲后，將會查詢條件作出替換，把全部別名轉(zhuǎn)換成數(shù)據(jù)表里學(xué)生真實姓名，之后的查詢均采取轉(zhuǎn)換后查詢條件。

按數(shù)據(jù)表執(zhí)行查詢應(yīng)對相關(guān)因素進(jìn)行充分的考慮。按上述提及的查詢舉例，具體闡述查詢的整個運行流程：

2）如后繼集群里并未產(chǎn)生對應(yīng)的外模式描述文件，那么顯示查詢失敗。否則，進(jìn)行后續(xù)工作。

3）開啟獲得的外模式描述文件，執(zhí)行有沒有叫“學(xué)生信息表”的表名，同時要包含“學(xué)生序號，姓名，學(xué)生身高，Age”這些屬性內(nèi)容，若無，查詢失敗。否則，進(jìn)行后續(xù)工作。

4）替換查詢條件。把查詢條件里的名稱轉(zhuǎn)變成＜TableInofrmation＞下第一個表名。把全部屬性名稱轉(zhuǎn)變成＜ Shuxing＞下第一個屬性名。

5）傳送外模式描述文件的IP地址以及節(jié)點，也是在共享這個數(shù)據(jù)表的集群里。和節(jié)點構(gòu)建連結(jié)，假若連結(jié)成功，將執(zhí)行元組查詢。否則，進(jìn)入下個步驟。

6）假若連結(jié)失敗，原因或許是節(jié)點失效，但此時共享數(shù)據(jù)表集群或許還是有效的。按照已獲得的外模式描述文件里的Cluster ID，即集群標(biāo)識符，進(jìn)行數(shù)據(jù)表集群的查詢。假若找到，即執(zhí)行與阿奴查詢。否則，退出運行程序。

4.2 多表查詢時數(shù)據(jù)表的定位

所謂多表查詢，指的是不止一個數(shù)據(jù)表，經(jīng)一個及一個以上屬性的連結(jié)而執(zhí)行的查詢。其中最為簡潔的即2個數(shù)據(jù)表，經(jīng)單個數(shù)據(jù)連結(jié)而做出的查詢。舉例：數(shù)據(jù)表M、N，經(jīng)M，x和N，y屬性執(zhí)行查詢，則為Select * Fromm，N Where M.x = N.y。

多表查詢，顧名思義將牽涉多個數(shù)據(jù)表。所以應(yīng)保證其中的數(shù)據(jù)表以及其數(shù)據(jù)均所屬于同一數(shù)據(jù)庫，才可以執(zhí)行下一步的查詢工作。需要注意的是，外模式描述文件通過數(shù)據(jù)表當(dāng)做單位，向網(wǎng)絡(luò)進(jìn)行分布，而數(shù)據(jù)表所在集群即使確定，也不能保證多表查詢一定能夠順利準(zhǔn)確的運行。

所以，應(yīng)就查詢進(jìn)行做出調(diào)整。運用上文闡述的方式核實第一個表屬于哪個數(shù)據(jù)庫。把查詢指令傳遞至數(shù)據(jù)庫所屬的集群。再判別查詢所涉的另外數(shù)據(jù)表有無在集群范圍內(nèi)。也就是通過數(shù)據(jù)表的名稱為關(guān)鍵詞，進(jìn)行集群子網(wǎng)范圍的查詢。假若存在相應(yīng)元數(shù)據(jù)的外模式描述文件，且所需屬性均包含，就執(zhí)行元組查詢。如若不然，顯示查詢失敗。

5 相關(guān)工作

就數(shù)據(jù)表定位以及語義異構(gòu)相關(guān)研究，不同的學(xué)者也有相應(yīng)的一些解決意見。

PeerDB[7]項目運用關(guān)鍵字進(jìn)行屬性名以及關(guān)系名標(biāo)注的方式，體現(xiàn)異構(gòu)數(shù)據(jù)源應(yīng)語義映射。另外，就所有關(guān)鍵字均構(gòu)建一定的物化視網(wǎng)。另外，PeerDB項目通過非結(jié)構(gòu)化P2P網(wǎng)絡(luò)為前提，相同數(shù)據(jù)庫內(nèi)的數(shù)據(jù)表，無法構(gòu)成語義聚集。不能處理多表查詢。另外，所有關(guān)鍵字均構(gòu)建一定的物化視圖，提升查詢效率。另外也增添數(shù)據(jù)冗余，使得系統(tǒng)靈活性減弱。

Hyperion[8]項目將復(fù)雜的映射表達(dá)式、ECA[9]以及映射表有關(guān)規(guī)則控制節(jié)點相互信息轉(zhuǎn)化進(jìn)行定義，妥善處理了P2P范疇中有關(guān)的語義異構(gòu)，上述任務(wù)應(yīng)由專家在節(jié)點中在查詢發(fā)起前，以及增添網(wǎng)絡(luò)期間進(jìn)行構(gòu)建，所以系統(tǒng)運作成本頗高。

PIER[10]項目提出系統(tǒng)里的全部節(jié)點均適用于普用的標(biāo)準(zhǔn)全局模式，并未確定特定的算法進(jìn)行節(jié)點間語義異構(gòu)問題的處理。

6 結(jié)束語

由于其管理系統(tǒng)里的節(jié)點自治性問題使得數(shù)據(jù)模式出現(xiàn)了異構(gòu)問題，P2P數(shù)據(jù)管理系統(tǒng)需要進(jìn)行數(shù)據(jù)集合，給予用戶一個統(tǒng)一的查詢?nèi)肟凇?/p>

課題在所有數(shù)據(jù)源節(jié)點就共享的數(shù)據(jù)表的名稱以及屬性進(jìn)行定義。而語義映射的媒介就是關(guān)鍵字。其中標(biāo)的相同的關(guān)鍵字結(jié)合即構(gòu)成共享數(shù)據(jù)的外模式。這種方式的處理將先前共享的數(shù)據(jù)，看起來就像是有著類似名字的數(shù)據(jù)。可是在節(jié)點內(nèi)，斌給把外模式徹底物化成視圖。卻僅僅構(gòu)建了內(nèi)、外模式間互相對應(yīng)的連結(jié)。

完成定義的關(guān)鍵字列表，執(zhí)行外模式描述文件，向網(wǎng)絡(luò)進(jìn)行分散，而外模式描述文件在生成時，就涵括了數(shù)據(jù)表以及屬性全部的別名，還把外模式描述文件根據(jù)數(shù)據(jù)表的別名向P2P網(wǎng)絡(luò)進(jìn)行分布。而在進(jìn)行查詢時，外模式描述文件尋求之后，即刻便把查詢請求里的全部別名向真實數(shù)據(jù)表以及屬性名進(jìn)行轉(zhuǎn)化，因此，不但可以便捷的根據(jù)任何名字尋求所需數(shù)據(jù)表，還能夠降低數(shù)據(jù)備份數(shù)目，簡化算法，提升運行效率。

[1] 余敏, 李戰(zhàn)懷, 張龍波.P2P數(shù)據(jù)管理[J].軟件學(xué)報, 2006,17(8): 1717-1730.

[2] 余敏, 李戰(zhàn)懷, 張龍波.P2P數(shù)據(jù)管理研究趨勢[J].計算機應(yīng)用研究, 2006, 23(8): 4-7.

[3] 姚佳麗, 張坤龍, 王珊.基于P2P的數(shù)據(jù)索引與查詢[J].計算機科學(xué), 2005, 32(3): 69-72.

[4] Zhao Dan.Mylopoulos[J] An ECA Rule Rewriting Mechanism for Peer Data Management, 2006.

[5] 周婧, 王意潔, 李思昆.一種基于數(shù)據(jù)相關(guān)性的優(yōu)化數(shù)據(jù)一致性維護(hù)方法[J].計算機學(xué)報, 2008, 315: 741-754.

[6] 凌波, 周水庚, 周傲英.P2P信息檢索系統(tǒng)的查詢結(jié)果排序與合并策略[J].計算機學(xué)報, 2007, 30(3): 405-414.

[7] Karger, Lehman Consistent hashing and random trees Distributed caching protocols for relieving hot spots on the World Wide Web 1997.

[8] Stoica t.Morris R Chord.A Scalable Peer-to-peer Lookup Protocol for Interne: Applications[J], 2003, (01).

[9] 蔣卓明, 周旭, 許榕生.基于ISP-Join的動態(tài)P2P流量優(yōu)化模型[J].北京理工大學(xué)學(xué)報, 2010(1): 64-68.

[10] 湯天亮, 張曉龍, 陳珂, 等.一種高效的P2P環(huán)境中的窗口查詢算法[J].計算機研究與發(fā)展, 2009, z(2).