XML与关系型数据库数据转换技术的研究

基于XML文档的数据转换算法和模型分析一种基于元素树的数据转换方法,使用DTD元素树来刻画XML文档的结构,并在此基础上建立XML文档与关系型数据库数据的结构映射关系,从而完成数据转换.基于元素树方法,在.NET开发环境中实现XML文档与关系型数据库数据相互转换的应用系统.该系统为用户指定的DTD自动生成其对应的元素树,在此基础上,根据用户定义或系统自动生成的元素与数据库字段的映射关系,实现XML文档与关系型数据的相互转换.     

基于MongoDB的CNONIX数据存储方法研究

大量根据CNONIX标准编写的XML格式的数据如何在数据库中存储是目前亟需研究并解决的问题.本文首先介绍非关系型数据库的特点,之后分析CNONIX数据的格式特点,将XML与BSON格式进行比对,提出了基于MongoDB的CNONIX数据存储方案,将XML格式转换为BSON数据后存入MongoDB数据库中.运用Apache JMeter对此方案进行性能测试,并与传统关系型数据库进行对比.结果表明,CNONIX数据在MongoDB数据库中存储简便,且效率较关系型数据库有明显提高,能够解决其在关系型数据库中不易存储的问题.     

文档图像在数据库中的存储检索方法研究与实现

提出一种基于XML的文档图像在原生数据库中存储和检索的新方法,该方法将文档图像切分标记为XML文档,将此类XML文档存储到原生数据库中;利用XML：DB API接口对XML数据进行查询和管理,XSL样式表完成XML数据的显示.     

基于结点映射的XML数据关系存储与查询

目的提出一种XML文档存储和查询方法,解决XML文档有效的存储和查询,避免处理XML数据时进行多级复杂的转换.方法充分利用关系数据库成熟技术,有效实现大量数据的存储和查询.采用SAX技术解析XML文档,并通过对现有哈夫曼编码进行扩展,实现将XML文档结点信息和属性以关系结构进行存储和查询.利用扩展后的哈夫曼编码来存储结点信息和结点之间关系.结果通过遍历XML文档生成了XML文档对应扩展哈夫曼编码,实现了XML文档信息以关系数据形式存储和查询,并实现了SQL语句与XML查询语句的转换.结论基于扩展哈夫曼编码结点映射的存储与查询方法能较好地实现结点信息与结点关系的存储,并有效地实现查询,在应用中具有一定可行性.     

XML文档与关系数据库的相互转换方法研究

X ML文档数据的存储是目前XML相关研究的热点。提出一种基于模型映射的将XML文档中的数据映射到关系数据库中存储的方法,关系数据库中的数据亦可反向映射重新生成对应的X ML文档,给出了映射的算法实现。实验结果表明,该映射方法生成的表结构简单且保留了X ML文档的结构信息,能够实现X ML文档与关系数据库的相互转换。     

基于框架的XML文档类型定义研究

提出了基于框架构造可扩展标识语言(XML)的文档类型定义的方法. 框架可以作为信息和XML文档之间的中介. 通过将框架映射为XML文档中的元素,使得框架的结构性、逻辑性和推理机制与XML的简洁性、通用性和灵活性相结合,增强了XML的语义表达能力,有利于数据的共享和交换.     

基于XML的可扩展图片数据库的实现方法

从实现图片数据库可扩展性的角度,分析了传统关系型数据库解决这一问题的不足之处,提出了一个基于纯XML数据库的解决方案。该方案使用XML格式来描述和存储图片的元数据,利用XML的可扩展性、结构化存储和XML数据库Tamino可以随时修改文档模式,不会破坏数据库中原有的数据,有效地实现了图片数据库的可扩展性,同时使图片数据库具有高效检索和跨平台的特点。     

XML数据的B+树存储实现及更新

XML已成为Web数据表示和交换的标准，如何有效实现对于XML数据的存储、查询及更新操作是XML相关技术研究中的一个重要领域．本文简要介绍了基于模式匹配的XML数据库系统（DISXDBS）组成，重点研究了基于模式匹配的XML数据库系统（DISXDBS）上实现用B^＋树存储XML文档以及对其进行查询、更新等简单操作，并对目前几种常见XML文档的存储策略进行比较．     

GML空间数据的对象化存储研究

GML(GeographyMarkup Language)作为一种存储和交换空间信息的XML编码格式,已逐渐被普遍接受并广泛使用.GML文档用于描述地理数据内容,包括对空间对象的空间几何属性的描述,如点、线串、面等.空间数据是极其庞大的,因而导致GML数据类型繁多,数量巨大.所以一般地将XML文档存入关系数据库管理系统中的方法并不适合GML文档.基于该特性提出并实现了一种将GML数据存储到面向对象数据库管理系统中的方法,该方法更加充分地利用了GML中面向对象的思想,比存入关系数据库更有效,速度更快,所占空间更少.     

基于MongoDB的海量遥感影像大数据存储

随着科技的发展,遥感影像照片在质量及数量上急剧增加,如何安全并高效地将其存储已成为当前研究的一个热点问题.应用NoSQl非关系型数据库,提出一种基于MongoDB的遥感影像大数据的存储方法.用基于GridFS的大文件存储方式存储影像,再将其有关的属性信息以一条文档的形式插入MongoDB数据库,两者之间用相同的ID编号连接.通过与关系型数据库PostgreSQL在大文件以及传统海量文档存储方面进行性能测试比较,结果表明基于MongoDB的海量遥感影像大数据存储方法在各方面性能均明显优于基于关系型数据库的存储方法.