Compact Storage for Efficient Management of XML Documents

Abstract

XML wird mehr und mehr für Datenaustausch und -manipulation genutzt. Viele Ansätze verarbeiten XML-Daten im Hauptspeicher. Weil XML zunehmend häufig verwendet wird und die XML-Syntax zusätzlichen Speicher benötigt, können grössere XML-Dateien nicht im Hauptspeicher verarbeitet werden. Infolgedessen leiden diese Dateien unter den Begrenzungen aktueller Arbeitsspeicher.Hingegen werden objektrelationale Datenbanktechnologien wegen ihrer Ausgereiftheit und weiten Verbreitung als Alternativen zum Speichern und Verwalten von XML-Daten genannt. Die dauerhafte Speicherung von XML in seinem ursprünglichen Format vermeidet Verluste durch Umwandlung und stellt die beste Alternative dar.Daraus folgt ein steigender Bedarf an robusten, leistungsfähigen XML-Datenbanken, die XML-Daten nicht nur effizient abfragen und aktualisieren, sondern sie auch kompakt speichern können.Es gibt viele Ansätze zur Verwaltung von XML-Dokumenten. Hingegen sind zwei gängige Strategien bekannt, die eine robuste Speicherung und effiziente Suche gewährleisten.Die erste beruht auf einem Nummerierungsschema, das strukturelle Informationen aus XML-Dokumenten gewinnt. Diese Informationen werden auf eine Art gespeichert, die schnelle Identifikation zwischen den Knotenbeziehungen erlaubt. Diese Identifikation spielt eine entscheidende Rolle bei der effizienten Abfrageverarbeitung.Die zweite Strategie verkleinert XML-Dateien mittels Komprimierungstechniken. Während eine naive Darstellung von XML-Dateien eine starke Redundanz erzeugt, reduziert die Komprimierung von XML-Dateien nicht nur den benötigten Speicherplatz, sondern erhöht auch die Abfragegeschwindigkeit.Die vorliegende Arbeit präsentiert verschiedene Lösungsansätze für die effiziente Verwaltung von XML-Daten. Sie stellt Ansätze vor, die die Stärken von Kennzeichnungs- und Komprimierungs-Technologien verbinden und sowohl die Lücke zwischen diesen Technologien schließen als auch ihre Nachteile überwinden und eine bessere Leistung als bei separatem Einsatz dieser Technologien gewährleisten.Eine ausführliche experimentelle Evaluation der vorgestellten Anätze zeigt, dass sie im Vergleich mit anderen Ansätzen auf diesem Gebiet deutliche Leistungsverbesserungen bei der XML-Verarbeitung erzielen.XML is becoming widely used for data exchange and manipulation. As a consequence, an increasing number of XML documents need to be managed. There are many works that use main-memory to process XML data. Since XML usage is continuing to grow and the nature of XML is extremely verbose, large or even moderately large XML documents cannot be processed within the main memory. Consequently, these works will suffer from the limitations of current main-memory.On the other hand, because of the maturity and widespread deployment of (object) relational database technologies, they have been suggested as an alternative to store and manage XML data. However, the persistent storage of XML in its native format will avoid transformation cost and present the best alternative.