當需要處理與分析大量資料時,最好的方式就是把它們放進資料庫,因此幾乎所有大型商業應用系統都與資料庫息息相關。若 XML 想在商業領域大展身手,同樣也必須與資料庫相結合。所以首先要探討的問題是:XML 本身究竟算不算資料庫?
從嚴格意義上來說,XML 僅僅意味著一份 XML 文件。儘管 XML 文件包含資料,但若不透過其他軟體來處理,它本身充其量只是一個文字檔。因此 XML 本身並不能直接與資料庫劃上等號。不過,若加上一些輔助工具,我們就能把整個 XML 視為一套資料庫系統:XML 文件本身可看作資料庫中的資料區,DTD 或 Schemas 可看作資料庫的結構設計,XQL 可看作查詢語言,而 SAX 或 DOM 則可看作資料處理工具。當然,它仍缺少資料庫必備的一些要素,例如有效的存儲組織、索引結構、安全性、事務處理、資料完整性、觸發器以及多用戶處理機制等。
那麼,為何要把 XML 與資料庫聯繫起來呢?舉個例子:假設你有一個需要以 XML 進行資料傳輸的電子商務應用,你關心的是資料本身應有的結構,而非它在文件中的實際存儲方式。如果應用很簡單,基本的檔案系統就足以滿足需求;但若應用相當複雜,就需要一套完整的開發環境來支撐 XML。再從另一個角度來看,假設你有一個網站,其內容由一連串 XML 文件構成,你不僅要管理這個站點,還得為使用者提供搜尋站點內容的機制——這些都需要借助資料庫來實現。
選擇資料庫時最重要的考量是:你需要資料庫來存儲「資料」還是「文件」。若要存儲資料,你需要關聯式或物件式資料庫來保存實際資料,並透過中介軟體在資料庫與 XML 文件之間搭橋;若要存儲文件,則需要一套內容管理系統來管理文件的保存。實際上,XML 文件可分為兩大類:以資料為中心,或以文件為中心。
這類文件結構非常規則,例如銷售訂單或餐廳菜單的 XML 文件。它們通常是為機器設計的,主要目的是方便機器處理。舉例來說,許多網站會動態產生 HTML 文件:先依使用者的查詢請求找到相關的、面向資料的 XML 文件,再透過 XSL 對 XML 進行轉換,讓瀏覽器能方便地呈現結果。
這類文件結構較不規則,資料粒度也較大,例如書籍、電子郵件、廣告等。它們主要是為人類閱讀而設計的。
為了存儲或提取資料,你可以使用資料庫加中介軟體、XML 伺服器,或基於 XML 的 Web 伺服器;而為了存儲文件,則需要內容管理系統或可持久化的 DOM 實作。需要注意的是,當把資料存進資料庫時,往往會丟棄文件的許多資訊,例如它的名稱與 DTD、實體定義與使用等實體結構、節點下元素的排列順序,以及二進位資料的存儲方式等。同樣地,當從資料庫提取資料時,產生的 XML 文件通常也不含 CDATA 或實體使用說明,且節點下元素的排列只與資料庫中記錄的順序一致。因此,一份 XML 文件存進資料庫後再由該資料庫還原出來,前後兩份文件幾乎不可能完全相同。
為了在資料庫與 XML 文件之間傳遞資料,必須在文件結構與資料庫結構之間建立映射,這種映射可分為兩類:模板驅動與模型驅動。
做法是將命令嵌入一個模板中,再由資料傳輸中介軟體處理。例如考慮以下模板:
<?xml version="1.0"?>
<FlightInfo>
<Intro>The following flights have available seats:</Intro>
<SelectStmt>SELECT Airline, FltNumber, Depart, Arrive FROM Flights</SelectStmt>
<Conclude>We hope one of these meets your needs</Conclude>
</FlightInfo>
其中嵌入了一個 SELECT 語句。當中介軟體處理時,每個 SELECT 語句都會被其查詢結果取代,並以 XML 格式化形式呈現,於是原本的 SelectStmt 位置便被替換成一段包含各個 Row 的 Flights 元素。這種映射相當靈活,某些產品甚至允許你把結果集放到文件的任意位置,並可為 SELECT 語句設定參數,使用迴圈與條件判斷。值得注意的是,目前模板驅動的映射主要應用於關聯式資料庫與 XML 文件之間的資料傳遞。
也就是說,資料從資料庫傳送到 XML 文件是透過一個具體模型來完成的,如此一來 XSL 便可與模型映射產品結合。XML 文件中常見兩種模型:表格模型(table model)與資料專用物件模型(data-specific object model)。
表格模型:許多中介軟體用表格模型在 XML 文件與關聯式資料庫之間傳遞資料,把 XML 文件表示為單一表格或表格集合,其結構如下:
<database>
<table>
<row>
<column1>...</column1>
<column2>...</column2>
</row>
</table>
</database>
這裡的關鍵字 table,在把資料從資料庫傳到 XML 時代表單一結果集,反向傳遞時則代表單一表格或視圖。不過,當結果集不止一個,或 XML 文件包含多層複雜嵌套時,這種方式就難以應付了。
資料專用物件模型:把 XML 文件表示為由資料物件構成的樹,每個元素型別對應一個物件,主要用於物件導向與階層式資料庫,也可透過傳統的關聯—物件模型映射到關聯式資料庫。注意這並非文件物件模型(DOM)。例如,一份銷售訂單文件可被視為一個物件樹,包含 Orders、SalesOrder、Customer、Line 與 Part 等類別。當把 XML 文件視為以資料為中心的物件樹時,元素不一定與物件一一對應——例如只含 PCDATA 的元素,可被視為一個帶單一純量值的屬性。
實際上,在 XML 與資料庫之間轉換資料時,通常要考慮兩個方向:從資料庫結構產生 DTD,以及依 DTD 產生資料庫結構。前者大致步驟為:為每個元素建立一個表格與主鍵欄;為含混合內容的元素建立獨立表格存放 PCDATA 並與父表關聯;為單值屬性或只含 PCDATA 的子元素建立獨立欄;為多值屬性或可重複出現的子元素另建表格;再透過父表主鍵把父子元素串接起來。後者則相反:為每個表格建立一個元素,為每欄建立屬性或只含 PCDATA 的子元素,並依主鍵/外鍵關係建立父子元素。
依據 Ronald Bourret 的分類,XML 資料庫相關產品大致可歸為七大類:能驅動 XML 的資料庫(XML-Enabled Databases,如 Oracle、微軟最新的資料庫產品)、原始的 XML 資料庫(Native XML Database)、XML 伺服器(XML Servers)、XML 應用伺服器(如 IBM WebSphere)、內容管理系統、可持久化的 DOM 實作,以及作為資料庫與 XML 之間轉換工具的中間件(Middleware)。
其中,中間件用來在 XML 文件與資料庫之間處理與轉換資料,主要應用於以資料為中心的場景,通常以 ODBC、JDBC 或 OLE DB 實作,並多透過 Web 伺服器進行資料傳輸。挑選中間件時,需要考量資料型別、二進位資料處理、Null 型別處理、字符集、處理指令以及標記存儲等因素。典型的中介軟體如 ADO,能在資料庫與 XML 之間雙向轉換;ASP2XML 則透過 COM 物件實現 ODBC/OLE DB 資料庫與 XML 之間的資料傳遞。
支援 XML 的資料庫系統提供擴充功能,能在 XML 文件與資料庫之間傳輸資料,通常把 XML 解析後存進相應表格,也可把整份文件作為單一欄位並以全文檢索機制查詢。典型產品如微軟 SQL Server 2000,它透過三種方式支援 XML:在 SELECT 語句中加入 FOR XML 子句(含 RAW、AUTO、EXPLICIT 三種模式)、透過具 schema 映射的 XPath 進行資訊定位,以及在預存程序中運用 OpenXML 函式。
原始的 XML 資料庫在資料庫中存儲 XML 文件時有幾種選擇:以文字形式存整份文件、以修改過的形式(如壓縮或預先解析)存整份文件、把文件結構映射到資料庫表格,或把資料結構映射到資料庫。它與支援 XML 的資料庫的差別在於,前者多採用第二、三種方式。典型產品如史丹佛大學開發的 Lore 系統,這是一個半結構化資料庫,具備查詢語言 Lorel、多重索引機制、查詢最佳化器、多用戶支援、日誌記錄與還原等功能,並能導入外部資料,由於支援半結構化,甚至能存儲沒有 DTD 定義的 XML 文件。
XML 伺服器是一個以 XML 形式提供資料服務的平台,主要為分散式應用(如電子商務、B2B)服務,通常包含完整的應用開發環境,並能從傳統資料庫、電子郵件、檔案系統等多種來源取得資料。與傳統以 HTML 傳遞資訊的 Web 伺服器不同,XML 伺服器處理的是以資料為中心、透過 XSL 或 CSS 呈現的 XML 文件,做到資料與表現分離,屬於「胖伺服器、瘦客戶端」的模式,能針對不同設備輸出各自適合的格式,而無需人工介入。此外,XML 伺服器也能避免傳統資料庫轉換所需的額外開銷,从而获得更高的效率。不過,這類新技術也仍有其不成熟之處:XML 伺服器的效能尚待驗證,而 XML-enabled Web 伺服器則面臨架構複雜、學習門檻高、安裝與開發工具門檻偏高等問題。
XML 應用伺服器實際上是支援 XML 的 Web 應用伺服器,通常是模板驅動的,透過在指令碼語言中嵌入 SQL 語句來提取資料並動態組裝 XML 文件。內容管理系統則用來存儲、提取與組裝 XML 文件,通常具備編輯器、版本控制與多用戶並發處理等特性,其底層資料庫實作對使用者透明,主要目的是管理文件。它允許你把文件切分成具體的內容片段(如範例、流程、章節或工具列等元資料),再依需求重新組裝成新的 XML 文件,常見功能包括版本與可取得性控制、搜尋引擎、編輯器、發布引擎、內容與形式分離、透過指令碼擴展以及與資料庫資料整合等。
可持久化的 DOM 實作使用資料庫來實作 DOM,主要是為了加快速度並避免記憶體不足,尤其在 XML 文件非常大時。它們存儲了 XML 文件的結構,可用於存儲、提取與查詢文件,也能從現有文件建立新文件,讓你能以程式化方式完成基於 DOM 的應用。實際上,你可以在自己的應用程式中,透過撰寫程式碼來整合中間件、支援 XML 的資料庫、原始 XML 資料庫、XML 伺服器與永久 DOM 實作等技術;其中 XML 應用伺服器需要你編寫一些指令碼,而內容管理系統則需要你做一些系統設定。