一種基于XML的異構數(shù)據(jù)集成共享模式研究

劉麗娜

（中國電子科技集團有限公司電子科學研究院，北京100041）

1 異構數(shù)據(jù)集成共享模式

目前比較流行的集中數(shù)據(jù)集成共享模式主要有集中式集成共享模式、統(tǒng)一訪問式集成共享模式、數(shù)據(jù)融合集成共享模式。本文主要對數(shù)據(jù)融合集成共享模式進行了詳細研究。

1.1 集中式集成共享模式

集中式集成共享模式是指，使用數(shù)據(jù)采集工具，定制數(shù)據(jù)采集任務，自動化導入異構數(shù)據(jù)源數(shù)據(jù)信息，或將異構數(shù)據(jù)源數(shù)據(jù)打包成數(shù)據(jù)文件進行手工導入。然后將數(shù)據(jù)集中存儲起來的一種數(shù)據(jù)集成共享方式。這種集成共享方式的優(yōu)點在于可以將數(shù)據(jù)物理集中起來，方便后續(xù)進行統(tǒng)計挖掘分析。缺點是難以實現(xiàn)實時更新，對系統(tǒng)硬件環(huán)境要求較高，需要較大的數(shù)據(jù)存儲空間，并且需要系統(tǒng)能夠提供數(shù)據(jù)量持續(xù)增長對存儲空間的需求。

1.2 統(tǒng)一訪問式集成共享模式

統(tǒng)一訪問式集成共享模式是指，異構數(shù)據(jù)源將數(shù)據(jù)訪問接口封裝成服務，集成共享平臺通過訪問異構數(shù)據(jù)查詢接口，調用數(shù)據(jù)信息資源，從而實現(xiàn)異構數(shù)據(jù)信息邏輯上的集成共享以及統(tǒng)一訪問，這種集成共享的模式好處在于可以實時獲取數(shù)據(jù)信息資源，數(shù)據(jù)信息準確度和時效性很高，減少了對硬件系統(tǒng)的需求。

1.3 數(shù)據(jù)融合集成共享模式

數(shù)據(jù)融合集成共享模式是指，在集中式集成共享模式或統(tǒng)一訪問式集成共享模式的基礎上，在集成異構數(shù)據(jù)時，根據(jù)需求或業(yè)務數(shù)據(jù)源的特點對數(shù)據(jù)信息進行整合后，再進行集成共享的一種模式，該種模式能夠提高數(shù)據(jù)信息集成共享后的可用性以及提高集成異構信息數(shù)據(jù)質量。

2 關鍵技術研究

2.1 XML

XML技術（Extensible Markup Language可擴展標記語言）是一種由萬維網(wǎng)協(xié)會創(chuàng)建的自我描述性的語言。創(chuàng)建XML的最為重要的目的是實現(xiàn)數(shù)據(jù)采用一種合適的文本方式進行傳輸，XML可以創(chuàng)建其他的語言和描述其他語言采用的數(shù)據(jù)結構，并且將其構成一個由標記符和屬性描述的層次結構，這種自我描述的特性可以使XML具有自我解釋的能力，更容易讓系統(tǒng)理解和接收，同時由于XML語言具有文本特性，可以方便地進行運行維護和數(shù)據(jù)交換[1]。

2.2 We b Se rvice

Web Service是一種跨編程語言和跨操作系統(tǒng)平臺的遠程調用技術。它是一種輕量級的信息處理技術，它使用SOAP（Simple Object Access Protocol）簡單對象存取協(xié)議在Web上提供的軟件服務，以WSDL（Web Services Description Language）文件作為說明文檔，并通過UDDI（Universal Description，Discovery and Integration）進行注冊。Web Service以HTTP協(xié)議為基礎，通過XML進行客戶端與服務器端的通信[2]。

3 異構數(shù)據(jù)融合實現(xiàn)方式

本文提出的異構數(shù)據(jù)集成共享模式是一種基于數(shù)據(jù)融合的集成共享方法，采用Web Service的面向服務的體系結構設計的系統(tǒng)。這里的面向服務的體系結構的含義是系統(tǒng)構成包括三種角色，即服務提供者、服務請求者以及注冊中心。異構數(shù)據(jù)的融合主要通過按照XML標準進行數(shù)據(jù)轉換來屏蔽底層數(shù)據(jù)源的異構性，并基于此建立異構數(shù)據(jù)融合注冊中心。通過Web服務代理包裝異構數(shù)據(jù)源，通過數(shù)據(jù)融合注冊交換中心連接分布式的異構數(shù)據(jù)源，從而提供數(shù)據(jù)訪問服務。

數(shù)據(jù)融合中心首先建立一個注冊服務用來保存各數(shù)據(jù)源的連接信息、數(shù)據(jù)模式以及注冊服務中心與各數(shù)據(jù)源之間的映射關系。由于XML具有跨平臺性，所以采用XML技術進行數(shù)據(jù)之間的轉換，可打破數(shù)據(jù)之間的異構性。這里采用基于模板驅動的映射，不需要事先定義好XML文檔與其他數(shù)據(jù)之間的映射關系，而是在XML文檔中嵌入帶參數(shù)的SQL語句，這里的SQL語句可以根據(jù)用戶顯示需要拼接業(yè)務邏輯，這些SQL語句在數(shù)據(jù)交換過程中帶入并被執(zhí)行，SQL語句的執(zhí)行結果獲得到的數(shù)據(jù)集替換顯示到指令所指的位置，從而生成目標XML文檔。通過這種模式，將獲得到的目標數(shù)據(jù)集返回到數(shù)據(jù)集成共享系統(tǒng)前端界面，可以實現(xiàn)從異構數(shù)據(jù)源融合集成數(shù)據(jù)的需求。

這種基于XML的異構數(shù)據(jù)融合集成方法比較適合業(yè)務數(shù)據(jù)量不是特別巨大，但是數(shù)據(jù)較為廣泛地分散在不同的業(yè)務系統(tǒng)中，且對數(shù)據(jù)需求靈活多變的中小企業(yè)的信息系統(tǒng)。它不需要建立龐大的數(shù)據(jù)中心，不需要采購高性能的計算服務器，就可以實現(xiàn)多源業(yè)務數(shù)據(jù)融合集成，在數(shù)據(jù)集成過程中，不存在對數(shù)據(jù)的加工過程，很好地保證了數(shù)據(jù)的質量與可信度，對原有業(yè)務系統(tǒng)影響不大，建設開發(fā)成本較低，能夠很好地提高企業(yè)數(shù)據(jù)集成共享效率。