何淑娟 【關(guān)鍵詞】非結(jié)構(gòu)化；數(shù)據(jù)庫(kù)；多類型文檔 1 非結(jié)構(gòu)化數(shù)據(jù)庫(kù)的基本概念 所謂非結(jié)構(gòu)化數(shù)據(jù)庫(kù)，是指其字段長(zhǎng)度可變，并且每個(gè)字段的記錄又可以由可重復(fù)或不可重復(fù)的子字段構(gòu)成的數(shù)據(jù)庫(kù)。它從數(shù)據(jù)模型入手，采用子字段、多值字段以及變長(zhǎng)字段的機(jī)制，允許創(chuàng)建許多不同類型的非結(jié)構(gòu)化或任意格式的字段，從而突破了關(guān)系數(shù)據(jù)庫(kù)嚴(yán)格的表結(jié)構(gòu)，解決了關(guān)系數(shù)據(jù)庫(kù)模型過于簡(jiǎn)單、不便表達(dá)復(fù)雜嵌套的問題；在其底層存儲(chǔ)機(jī)制的變革基礎(chǔ)上，采用先進(jìn)的倒排檔索引技術(shù)，從而實(shí)現(xiàn)了對(duì)于海量文獻(xiàn)信息的快速全文檢索的功能，并同時(shí)支持多種字段限定檢索。對(duì)于多媒體信息的存儲(chǔ)和管理，非結(jié)構(gòu)化數(shù)據(jù)庫(kù)系統(tǒng)采用外部文件方式，擯棄了傳統(tǒng)關(guān)系型數(shù)據(jù)庫(kù)采用二進(jìn)制字段存儲(chǔ)的方式，實(shí)現(xiàn)了對(duì)于圖形、聲音等多媒體信息的高效管理[1]。 其高效性具體表現(xiàn)在： （1）在數(shù)據(jù)庫(kù)結(jié)構(gòu)定義上 非結(jié)構(gòu)化數(shù)據(jù)庫(kù)系統(tǒng)實(shí)現(xiàn)了對(duì)于變長(zhǎng)字段、重復(fù)字段和子字段的定義、存儲(chǔ)和管理，并且記錄的數(shù)目、長(zhǎng)度，字段數(shù)目與長(zhǎng)度以及字段可重復(fù)次數(shù)均可不受限制，允許數(shù)據(jù)項(xiàng)具有多值性和可包含子字段，充分滿足了圖書館建立文獻(xiàn)數(shù)據(jù)庫(kù)的特殊管理要求。 （3）在信息檢索查詢方面 非結(jié)構(gòu)化數(shù)據(jù)庫(kù)內(nèi)嵌全文檢索引擎，采用倒排檔索引技術(shù)，不僅能夠?qū)φ麄€(gè)字段進(jìn)行查詢，而且可以提供子字段、關(guān)鍵詞、自由詞、標(biāo)引詞、位置詞和全文任意詞的單項(xiàng)及組配檢索。而且速度也非?？?，一般不受文獻(xiàn)量（上千萬(wàn)條記錄）的影響，滿足海量數(shù)據(jù)檢索的需要。 （5）非結(jié)構(gòu)化數(shù)據(jù)庫(kù)提供了后控制詞表檢索系統(tǒng)。后控制詞表系統(tǒng)是提高自然語(yǔ)言全文檢索效率，減輕用戶負(fù)擔(dān)的有效途徑。該系統(tǒng)對(duì)于后控制詞表采取數(shù)據(jù)庫(kù)管理方式，與全文檢索的檢索式構(gòu)造相連接。對(duì)每一個(gè)檢索詞提供用（UF）、代（USE）、屬（BT）、分（NT）、參（RT）等關(guān)系詞，用戶可根據(jù)具體檢索需求選取關(guān)系詞，并將之增加到檢索表達(dá)式中，從而實(shí)現(xiàn)檢索表達(dá)式的優(yōu)化，提高全文檢索的效率，降低用戶負(fù)擔(dān) [2]。 2 非結(jié)構(gòu)化數(shù)據(jù)庫(kù)的應(yīng)用 關(guān)系數(shù)據(jù)庫(kù)從設(shè)計(jì)之初并沒有也不可能考慮到以HTTP為基礎(chǔ)、HTML為文件格式的因特網(wǎng)的需求，只是在因特網(wǎng)出現(xiàn)后才作出相應(yīng)的調(diào)整，因此關(guān)系數(shù)據(jù)庫(kù)在基于網(wǎng)絡(luò)應(yīng)用時(shí)由于結(jié)構(gòu)模型等原因的限制，不能與網(wǎng)絡(luò)完全融合，需在網(wǎng)絡(luò)與數(shù)據(jù)庫(kù)之間加入大量的中間件，從而在無形中加大了數(shù)據(jù)庫(kù)基于網(wǎng)絡(luò)應(yīng)用的難度。并且對(duì)于網(wǎng)絡(luò)環(huán)境下網(wǎng)絡(luò)應(yīng)用，如各種非結(jié)構(gòu)化文檔信息、多媒體信息以及全文檢索需求顯得力不從心。雖然后來關(guān)系數(shù)據(jù)庫(kù)對(duì)于這些需求作出了一些適應(yīng)性調(diào)整，但對(duì)于網(wǎng)絡(luò)環(huán)境下網(wǎng)絡(luò)應(yīng)用不可或缺的檢索效率、全文檢索能力等卻無法解決[3] [4]。同時(shí)，關(guān)系數(shù)據(jù)庫(kù)的基于中間件的解決方案又給網(wǎng)絡(luò)應(yīng)用帶來了新的網(wǎng)絡(luò)瓶頸，應(yīng)用服務(wù)器端由于與數(shù)據(jù)庫(kù)頻繁交互，因其本身的效率和數(shù)據(jù)庫(kù)檢索的效率造成網(wǎng)絡(luò)應(yīng)用在應(yīng)用服務(wù)器端的阻塞。 （1）文檔型和多媒體數(shù)據(jù)類型的支持問題 在網(wǎng)絡(luò)應(yīng)用中，存在大量的復(fù)雜數(shù)據(jù)類型，如各種超文本文檔信息，各種圖片、聲音等多媒體信息資源，如何對(duì)這些信息資源進(jìn)行有效的存儲(chǔ)、管理、檢索，是網(wǎng)絡(luò)數(shù)據(jù)庫(kù)必須解決的問題，iBASE非結(jié)構(gòu)化網(wǎng)絡(luò)數(shù)據(jù)庫(kù)系統(tǒng)通過其外部文件數(shù)據(jù)類型，可以管理各種文檔信息、多媒體信息，并且，對(duì)于各種具有檢索意義的文檔信息資源，如HTML、DOC、RTF、TXT等還提供了強(qiáng)大的全文檢索能力。 （2）數(shù)據(jù)庫(kù)的全文檢索問題 在網(wǎng)絡(luò)應(yīng)用中，如何從浩瀚的信息海洋中查找到所需的信息，如何保證所查詢信息的全面性和準(zhǔn)確性，也是一個(gè)網(wǎng)絡(luò)數(shù)據(jù)庫(kù)應(yīng)用必須解決的問題。非結(jié)構(gòu)化網(wǎng)絡(luò)數(shù)據(jù)庫(kù)系統(tǒng)通過其獨(dú)特的索引技術(shù)和基于布爾檢索表達(dá)式的查詢檢索算法，解決了基于字段級(jí)和數(shù)據(jù)庫(kù)級(jí)的全文檢索問題，用戶可以針對(duì)數(shù)據(jù)庫(kù)中特定的字段也可針對(duì)整個(gè)數(shù)據(jù)庫(kù)進(jìn)行全文檢索，從而從數(shù)據(jù)庫(kù)中檢索出感興趣的內(nèi)容 [5]。 （3）網(wǎng)絡(luò)數(shù)據(jù)庫(kù)應(yīng)用中的查詢和檢索效率問題 作為網(wǎng)絡(luò)應(yīng)用，由于需要面對(duì)大量的用戶群和大量的瞬時(shí)并發(fā)數(shù)據(jù)庫(kù)查詢檢索，其數(shù)據(jù)庫(kù)查詢和檢索效率就是一個(gè)極其關(guān)鍵的問題。iBASE非結(jié)構(gòu)化網(wǎng)絡(luò)數(shù)據(jù)庫(kù)系統(tǒng)主要通過重復(fù)字段和子字段來保證數(shù)據(jù)庫(kù)查詢和檢索的效率，實(shí)現(xiàn)了數(shù)據(jù)庫(kù)的一條記錄中一維表和二維表嵌套，從而避免了關(guān)系數(shù)據(jù)庫(kù)在大數(shù)據(jù)量時(shí)由于表連接查詢而導(dǎo)致的查詢檢索性能的急劇降低。 （4）對(duì)現(xiàn)有網(wǎng)絡(luò)應(yīng)用的全文檢索支持問題 非結(jié)構(gòu)化網(wǎng)絡(luò)數(shù)據(jù)庫(kù)系統(tǒng)不僅能夠支持iBASE非結(jié)構(gòu)化數(shù)據(jù)庫(kù)的直接上網(wǎng)發(fā)布和全文檢索，對(duì)于傳統(tǒng)關(guān)系型數(shù)據(jù)庫(kù)，如Oracle、SYBASE、SQL Server、DB2、Informix等，也提供了導(dǎo)入和鏈結(jié)的支持能力，用戶可以采用導(dǎo)入方式，將傳統(tǒng)關(guān)系數(shù)據(jù)庫(kù)轉(zhuǎn)換為非結(jié)構(gòu)化數(shù)據(jù)庫(kù)，再進(jìn)行網(wǎng)上發(fā)布和開發(fā)全文檢索應(yīng)用；用戶也可采用鏈結(jié)方式，對(duì)傳統(tǒng)關(guān)系數(shù)據(jù)庫(kù)構(gòu)建本地化索引，從而通過本地化索引實(shí)現(xiàn)對(duì)關(guān)系數(shù)據(jù)庫(kù)的全文檢索支持，iBASE非結(jié)構(gòu)化網(wǎng)絡(luò)數(shù)據(jù)庫(kù)系統(tǒng)充當(dāng)關(guān)系數(shù)據(jù)庫(kù)應(yīng)用服務(wù)器，系統(tǒng)的檢索效率也將受關(guān)系數(shù)據(jù)庫(kù)自身檢索效率和應(yīng)用服務(wù)器交互效率的影響[6]。 3 非結(jié)構(gòu)化數(shù)據(jù)庫(kù)應(yīng)用分析 網(wǎng)絡(luò)數(shù)據(jù)庫(kù)建設(shè)到底采用何種數(shù)據(jù)庫(kù)，擺在用戶面前的至少有三種方案：關(guān)系數(shù)據(jù)庫(kù)建設(shè)方案、非結(jié)構(gòu)化網(wǎng)絡(luò)數(shù)據(jù)庫(kù)建設(shè)方案、關(guān)系數(shù)據(jù)庫(kù)和非結(jié)構(gòu)化網(wǎng)絡(luò)數(shù)據(jù)庫(kù)共存方案[7]。 在事務(wù)處理和數(shù)值計(jì)算方面，由于關(guān)系數(shù)據(jù)庫(kù)經(jīng)過了多年的發(fā)展，其在事務(wù)處理、數(shù)值計(jì)算方面具有強(qiáng)大的能力并已被證實(shí)。但對(duì)于超文本、文檔信息管理和數(shù)據(jù)庫(kù)全文檢索方面，關(guān)系數(shù)據(jù)庫(kù)通過其MEMO或TEXT字段等也能實(shí)現(xiàn)這種信息的存儲(chǔ)，而對(duì)于這些信息或數(shù)據(jù)庫(kù)的全文檢索，關(guān)系數(shù)據(jù)庫(kù)則顯得捉襟見肘[8]。 非結(jié)構(gòu)化網(wǎng)絡(luò)數(shù)據(jù)庫(kù)系統(tǒng)則完全解決了網(wǎng)上數(shù)據(jù)庫(kù)的全文檢索問題，通過其獨(dú)特的單漢字、單英文詞、英文字母的索引方式及樹索引算法，能夠高效地解決數(shù)據(jù)庫(kù)的網(wǎng)上全文檢索問題，構(gòu)造出強(qiáng)大的網(wǎng)上全文搜索引擎。因此，在對(duì)于超文本、文檔信息管理和數(shù)據(jù)庫(kù)全文檢索方面，非結(jié)構(gòu)化網(wǎng)絡(luò)數(shù)據(jù)庫(kù)建設(shè)方案應(yīng)為首選。 然而，網(wǎng)絡(luò)數(shù)據(jù)庫(kù)建設(shè)并不能從嚴(yán)格意義上按以上兩種情況進(jìn)行區(qū)分，但有一點(diǎn)可以肯定的是，大多數(shù)網(wǎng)絡(luò)應(yīng)用都會(huì)有全文檢索或構(gòu)建搜索引擎的需求，從理論上講，除事務(wù)處理能力外，非結(jié)構(gòu)化網(wǎng)絡(luò)數(shù)據(jù)庫(kù)能夠處理所有關(guān)系數(shù)據(jù)庫(kù)支持的網(wǎng)絡(luò)應(yīng)用方式，并能對(duì)數(shù)據(jù)庫(kù)進(jìn)行全文檢索擴(kuò)展，也就是說，完全可以利用非結(jié)構(gòu)化網(wǎng)絡(luò)數(shù)據(jù)庫(kù)構(gòu)建獨(dú)立的網(wǎng)絡(luò)應(yīng)用。 對(duì)于一些特殊的網(wǎng)絡(luò)應(yīng)用，我們也可以采用關(guān)系數(shù)據(jù)庫(kù)和非結(jié)構(gòu)化網(wǎng)絡(luò)數(shù)據(jù)庫(kù)兩者共存的建設(shè)方案，實(shí)現(xiàn)兩者的無縫集成，以發(fā)揮兩者各自的長(zhǎng)處。 主要參考文獻(xiàn)： | 
