面向SOA的XML數(shù)據(jù)壓縮技術(shù)研究與應(yīng)用.pdf

1、近年來隨著計算機技術(shù)的迅猛發(fā)展，XML 已經(jīng)成為Internet 上數(shù)據(jù)表示、存儲和交換方面的標準，而電子商務(wù)的興起與企業(yè)自身業(yè)務(wù)的需求又帶動了面向服務(wù)架構(gòu)體系(SOA)的蓬勃發(fā)展，使得SOA 成為當前熱門的討論話題。SOA實質(zhì)上是組織服務(wù)的一種架構(gòu)模式，它把服務(wù)通過統(tǒng)一的、中立的、定義良好的接口和契約聯(lián)系起來，獨立于實現(xiàn)服務(wù)的硬件平臺、操作系統(tǒng)和編程語言，使服務(wù)通過統(tǒng)一通用的方式進行交互。而XML 具有的自我描述性與跨平臺性，使得它非

2、常符合SOA環(huán)境的要求，因此，在SOA 體系中使用XML 文檔作為數(shù)據(jù)的傳輸格式和信息載體是XML 一個很好的應(yīng)用。
　　 但是，XML 文檔一個最大缺陷就是它的冗余性，尤其是結(jié)構(gòu)信息大量重復造成XML 數(shù)據(jù)體積龐大，占用過多的存儲空間與網(wǎng)絡(luò)帶寬，降低了處理效率，增加了SOA消息的傳輸難度，造成了SOA 數(shù)據(jù)傳輸問題。為了解決這個問題，在SOA 體系中可以通過對服務(wù)器的配置采用GzIP對傳輸?shù)南⑦M行壓縮，GzIP是通用文本壓縮

3、技術(shù)而不是專門為XML 設(shè)計的，而本文考慮了XML 數(shù)據(jù)自身特點和SOA 這個具體應(yīng)用環(huán)境，重點研究了面向存儲與交換的、適合XML 數(shù)據(jù)的壓縮方法，并在前人研究的基礎(chǔ)上提出自己的改進。
　　 本文首先闡述SOA基本概念、實現(xiàn)途徑及由于XML 冗余造成的SOA 數(shù)據(jù)傳輸問題，提出對XML 數(shù)據(jù)進行壓縮是解決問題的有效手段。然后介紹XML基本概念、相關(guān)處理技術(shù)及存在的冗余，并介紹通用數(shù)據(jù)壓縮技術(shù)中兩種經(jīng)典算法，分別是哈夫曼編碼和LZ

4、77算法，這些基本的壓縮算法是所有壓縮技術(shù)、壓縮工具的基礎(chǔ)。隨后本文敘述了源壓縮模型Xmill的工作原理，它將結(jié)構(gòu)信息與數(shù)據(jù)內(nèi)容相分離，對結(jié)構(gòu)信息進行字典編碼壓縮，對數(shù)據(jù)部分按照它們所屬標簽分門別類地放進相應(yīng)容器中，用Gzip 壓縮。在Xmill中如果有用戶參與，可以根據(jù)用戶的指令對數(shù)據(jù)容器選用更適合的壓縮方法進行處理，能使壓縮率有所提高。本文是在SOA 應(yīng)用環(huán)境中，SOA中傳輸?shù)臄?shù)據(jù)必須遵循XML Schema 文檔定義的規(guī)范，因此，

5、本文在Xmill的基礎(chǔ)上將輔助結(jié)構(gòu)Schema 運用到XML 文檔的數(shù)據(jù)壓縮部分，Schema中包含所有XML 文檔元素類型的定義。當把數(shù)據(jù)放進容器時通過讀取XML Schema 文檔中的數(shù)據(jù)類型值，選用適合的壓縮算法對數(shù)據(jù)容器進行壓縮，而不是一味地只用Gzip，如果某些特殊的數(shù)據(jù)類型與壓縮算法沒有匹配成功，就依然使用Gzip 壓縮，這樣做的優(yōu)勢是可以獨立于用戶參與，減輕用戶負擔，在一定程度上實現(xiàn)自動化。
　　 本文將改進后的模

6、型命名為XS-XMLComp(Based on XML Schema of XML dataCompression Technology)，它的一個創(chuàng)新之處就是“因地制宜”地運用了輔助性文檔XML Schema，并且壓縮效果比SOA 使用的Gzip 要好。
　　 本文最后進行了仿真實驗，將XS-XMLComp 與其他幾種壓縮模型進行比較，主要比較了壓縮率、處理速度和效率等性能指標。通過對實驗結(jié)果的分析評述了各個方法的優(yōu)缺點，并且