XML在数据库应用中的性能问题初探

1. 引 言

XML技术自出现以来，发展非常迅速，在许多领域内得到广泛的支持而有着广阔的应用前景。例如电子数据交换、电子商务等等更是把XML作为一种基础性、支柱性的技术来看待。然而，应该指出，XML本质上是一种描述性的标记语言，是一种更好地表示信息的手段。同时，这也意味着XML可以是用于信息存储和管理的一种方式，正如同传统的数据库技术一样。
数据库技术及其应用系统诞生于60年代。随后，经历了从层次数据库、网状数据库到关系数据库以及面向对象数据库的发展，数据库及其管理系统已成为计算机信息系统中的重要基础和支柱。90年代以来，Internet和Web的飞速发展使人类社会的信息量以指数膨胀，而对信息管理和信息交换的需求更是空前强烈和迫切。这时，已在传统的商业和事务处理等领域内趋于成熟的数据库技术，面临着许多新的问题和挑战。（注：本文中关于数据库技术的讨论侧重于关系数据库）
XML的一个重要特点是它的结构性，即它可以方便有效地表示结构化数据，这就使得XML可以作为表示和存储数据的手段。因此，目前有不少将XML用于数据库应用的研究正在进行中。本文即是在这个方向上做了一些初步的探索，尤其关注于XML在数据库应用中的性能问题。

2. XML简介

XML推荐标准1.0版发布于1998年2月，之后，迅速在全球掀起了XML应用的浪潮。简要地讲，XML是一种描述型的标记语言，与HTML同为SGML（标准通用标记语言，一种功能十分强大但也非常复杂的标记语言，是ISO-8879国际标准）的一种应用。设计之初，XML的目标之一是取代HTML为新出现的复杂的Web应用提供标准的Internet语言。然而，由于XML在可扩展性、可移植性和结构性等方面的突出优点，它的应用范围早已突破了HTML所达到的范围。今天，XML在很多领域中崭露头角，这其中包括传统的数据库技术的范畴。例如，人们开始考虑用XML文档来存储、组织和管理Internet上浩如烟海的庞大信息资源。但是，XML是否能够胜任所有这些场合？这正是本文要探讨的一个问题。下面先对XML作一个简要的介绍。
一篇XML文档由标记和内容组成。XML中共有六种标记：元素（elements），属性（attributes），实体引用（entity references），注释（comments），处理指令（processing instructions）和CDATA段（CDATA sections）。其中，元素是标记的最常见的形式，由尖括号分隔，和人们熟悉的HTML中的标记看起来没什么两样。大多数元素标识它所包含的内容的性质。
XML与HTML最大、也是最显著的不同是XML文档中引入了“文档类型声明”（Document Type Declarations）。DTD使文档可以与分析器交流关于它的内容的元信息。元信息包括：被允许的标注的次序和嵌套，属性值和它们的类型以及默认值，可能引用到的外部文件的名字和它们是否包含XML可能包含的一些外部数据（非XML）的格式，以及可能遇到的实体。
DTD的出现，赋予了XML文档可扩展性、结构性和可验证性。正因为如此，XML具备了类似于数据库的一些性质，人们可能利用XML来组织和管理信息。与此同时，又可以与HTML一样在浏览器中方便地表示，在Internet上高效地传递和交换。考虑到与HTML的兼容，DTD并不是XML文档必须的成份。具有DTD的XML文档称作“Valid”，否则就是“Well-formed”。
目前，处理XML文档的方式主要有SAX与DOM两种。SAX（Simple API for XML）是一种基于流的、以事件处理方式工作的接口。DOM（Document Object Model）则是在对XML文档进行分析后，在内存中建立起一个完整的树的结构，然后在此基础上进行各种操作。简单地比较来看，SAX对系统资源要求低，速度快，但对文档的操作是只读的；DOM的处理能力强大，但要求大量的系统资源，尤其是对于大的文档。

3. Internet时代数据库技术所面临的问题

在这里我们并不会去过多地探讨数据库技术本身，而只是指出数据库技术在Internet应用、Web应用中所面临的问题。同时，这也解释了将XML用于数据管理的原因和动机。
传统数据库的应用领域主要是针对商业与事务处理。Internet时代到来以后，Web改变了许多东西，正如它给数据库技术提出了一个必须面对的重要问题：即如何有效地存储和管理Web上以指数增长着的数据（文档），使它们既能被高效地操作和维护，又能在Web这个平台上方便地表示和交换。
当前，典型的问题有（当然这绝不是全部）：
1.将现有数据库中数据转换成适于Internet和Web的形式，需要相当的工作量。时至今日，虽然从CGI，Server API，Scripts到Java等等出现了许多解决方法，并且已在实际应用中取得了很大的成就，但仍有问题存在。
2.传统数据库中的数据以二进制码的形式存储，并且不同的数据库管理系统有各自的专有格式，这既带来了表示上的困难，更是进行交换的一大障碍。而随着网络和Internet的发展，数据交换的能力已成为新的应用系统的一个至关重要的要求。
当然，我们也已经看到，数据库技术正在积极地吸收和利用Web方面的新技术。当前主流的数据库产品都宣布了对XML的支持。但是，数据库管理系统（DBMS）与XML的这种捆绑是否能够充分发挥效率，还需要在实际中检验。本文中，我们将从另一个角度来试验，即，完全基于XML来实现数据管理和操作。

4. XML在数据库应用中的性能问题

这里，我们通过一个简单的例子来考察XML在处理典型的数据库应用时的表现。
我们所要管理的信息是一个名单，每个记录是一个名字，包含姓（LASTNAME）和名（FIRSTNAME）两个字段。这个名单在关系数据库中就是一张再简单不过的表了，而在XML中，我们需要下面这样一个DTD：
<!DOCTYPE DOCUMENT [
<!ELEMENT DOCUMENT (NAME)*>
<!ELEMENT NAME (LASTNAME,FIRSTNAME)>
<!ELEMENT LASTNAME (#PCDATA)*>
<!ELEMENT FIRSTNAME (#PCDATA)*>
]>
一个记录则这样表示：
<NAME>
<LASTNAME>Franklin</LASTNAME>
<FIRSTNAME>Tom</FIRSTNAME>
</NAME>
至此，我们就有了一个存储名单的XML文件，类比于数据库中的一张表。但是，处理XML文件却远不象用SQL操纵数据库那么简单。由于SAX对XML文档的处理是只读的，我们必须采用DOM来完成查询、插入、修改等各种操作。这里，我们使用Java语言，利用Microsoft的MSXML包，来实现这个程序。
在这个小测试程序中，我们只实现了对应最基本的数据库操作的几个功能。然后，作为对照，在Oracle系统中建立了包含同样数据的一张表，用SQL*Plus对表进行操作。需要说明的是，试验在时间测量上是比较粗略的，采用秒表测算从命令提交到结果返回的时间差。由于我们主要侧重的是数据库与XML之间的相对比较，而不是各自的绝对数值，所以这样做基本可以满足要求。试验的平台是：Oracle系统运行于Sun SPARC Station 20，Microsoft Java 虚拟机运行于Pentium 233 PC上。下面是试验结果。

操作	Oracle/SQL*Plus	MSXML/Java
Insert 10 records	<1秒	1-2秒
Delete 10 records	<1秒	1-2秒
Update 10 records	<1秒	1-2秒
Select	<1秒	1-2秒

表1 关系数据库和XML处理100条记录时的性能比较

操作	Oracle/SQL Plus	MSXML/Java
Insert 100 records	<1秒	16秒
Insert 1000 records	1-2秒	17秒
Delete 100 records	<1秒	19秒
Delete 1000 records	1-2秒	22秒
Update 100 records	<1秒	20秒
Update 1000 records	1-2秒	22秒
Select	<1秒	22秒

表2 关系数据库和XML处理10000条记录时的性能比较

从上表可以看出，XML在处理规模稍大的数据时比关系数据库系统要慢很多。设想在一个Web站点上，这样的响应速度肯定是无法接受的。但是，在对上面的数据作出解释时，我们也要考虑这样一些因素：
1.硬件、软件环境的影响。
首先，在这个试验中，对比的双方使用了不同的计算机，不同的操作系统。其次，处理XML文档所使用的编程语言Java和接口库MSXML的性能问题，都有可能对最后的结果产生影响。
2.XML文档的处理方式与数据库管理系统操作数据表的方式之间的差别。
试验中对XML文档的处理方式是在每次操作前将其装载，然后对内存中的树结构进行操作，最后将结果写回磁盘上的文件。DTD在每次装载的时候都要被分析（本试验中还只是一个最简单的DTD），而向文件系统转储的时候更是要根据文档的结构决定适当的标记。这些操作是相当费时的，而数据库管理系统对表的操作显然不是这样。
考虑到XML文档在装载和转储时的开销，我们又进行了另外一个试验，结果如下表。

操作	100条记录	1000条记录	10000条记录
仅仅装载和转储	<2秒	3秒	15秒
仅装载	N/A	N/A	5秒

表3 不同规模的XML文档在装载和转储操作上的开销
表3说明：
1.XML文档的装载和转储时间随着文档内容的增加而显著增加。
2.转储比装载的开销更大。
3.与前面的表2结合，可以看出，对XML文档进行处理的时间大部分都花在装载和转储上了。
因此，在本试验中，考虑到一些影响比较的因素，我们仍可以说，处理和操作XML文档的开销要显著地大于关系数据库系统中类似的表。其中，对XML文档进行装载和转储的开销占了很大的比例。XML文档的长度对其处理开销有非常明显的影响。这还是在内存足够的情况下，如果内存不足而使用磁盘交换空间的话，估计会是完全不可忍受的。

5. 结语

通过本文的讨论和试验，对于将XML用于数据库应用的情况，我们可以有这样几点结论：
1.XML文档不适于处理较大规模的数据（1万条记录以上）。
2.由于以DOM方式装载和转储XML文档开销很大，处理XML文档时一定要尽量减少这种操作。
3.XML文档与关系数据库系统相比，应该说，它的一个优势是它存储数据的形式是可读的，即人可以直接阅读和编辑XML文档，而数据库中的表不通过数据库管理系统是无法访问的。所以，我觉得，XML文档适合于在编辑器中人工编辑，而在一个由许多用户并发地访问且可能修改的环境中，性能会成为严重的问题。很显然，这正是数据库技术所擅长的场合。

无论如何，XML正在迅速地发展和不断地完善中，前景非常光明。例如，正在开发和标准化之中的XML查询语言（XQL）即是针对XML在数据库方面的应用。在这个领域内，还有很多问题有待我们去研究和解决。

参 考 文 献
[1] World Wide Web Consortium, “Extensible Markup Language (XML) 1.0 W3C Recommendation 10-February-1998” http://www.w3.org/TR/1998/REC-xml-19980210
[2] Microsoft Inc., “Microsoft SDK for Java 4.0 Documentation” http://msdn.microsoft.com/xml
[3] 南凯、阎保平，XML与Java在Web上的结合应用， 第十三届全国计算机情报管理学术研讨会论文集， 1999.9.

Performance Issues About Using XML in Database Application
Nan Kai , Yan Baoping
(Computer Network Information Center, Chinese Academy of Sciences , Beijing, 100080)
Abstract This paper focuses on issues rising from using XML in database application, especially the performance issue. Using a testing program, we have carefully examined the differences between XML and RDBMS in processing rather large-scale data (10 thousand records above). Some opinions on the XML application in this field are presented for discussion as a conclusion.
Keywords XML , database, performance, web