早期的關聯式資料庫若要支援 XML,多半只有兩條路:一是把文件「切分/分解」成關聯式表格,二是把整份文件原封不動塞進 CLOB 或 BLOB。這兩種做法的共同問題在於,它們都在硬把 XML 模型塞進關聯模型的框架裡,無論功能還是效能都受限。
後來出現的混合型模型改採類似 DOM 的結構來存放 XML,並把資料格式化為緩衝頁,讓導覽、查詢與索引建立都變得容易。pureXML 正是在這個方向上做得最徹底的一種實現,其優勢集中表現在以下幾個層面。
pureXML 的儲存粒度是「節點級」而非「文件級」。在資料庫的物理儲存層中,主要單位就是節點;同一頁裡可能同時存在來自同一份文件、甚至不同文件的節點。每個節點不只連結父節點,也連結子節點。
這樣的設計帶來的直接好處是:往上找父節點、往旁找同層節點、往下找子節點都非常有效率。只要下一個要參照的節點就在同一頁,走訪速度甚至比指標追逐還快;同時,新增或刪除節點不必重寫整份文件,節點也能被重新安置到其他頁。
要管理數百萬份 XML 文件並不是罕見場景,因此想要維持高查詢效能,就必須為大量 XML 資料建立索引。DB2 支援在 XML 資料行上建立「路徑特定」的索引,讓常用來當作條件的元素與屬性都能被索引,也能支援跨文件的連接索引。
這裡的 XML 值索引與傳統關聯索引有本質差異。關聯索引的鍵由使用者指定一到多個表格資料行組成;XML 值索引則是給定一個 XML 模式運算式(XPath 的子集,不含述詞等語法),針對路徑以及 XML 資料行內文件中的值建立索引。若某個值在文件中並未明確指定,索引也能在插入時依模式帶入預設的屬性與元素值。
建立索引時,你可以指定要索引的路徑與索引型別。凡是符合該 XML 資料行中文件路徑運算式(或運算式集合)的節點都能被索引,而索引項目並不是「指向文件開頭」的指標,而是直接存放文件節點的實際位置資訊。因此查詢可以繞過整份文件的走訪,直接跳到目標節點。
XQuery 是專為查詢 XML 資料設計的新語言,需要面對與關聯資料截然不同的情境:序列而非集合、多層巢狀的序列、稀疏屬性,還有可能隨時間變化的動態結構。
IBM 的實作並沒有另立一套獨立的 XQuery 或 XPath 處理器,而是把兩者直接嵌入查詢引擎。查詢編譯器本身是「雙語」的,具備兩個可互通的解析器——一個吃 SQL,一個吃 XQuery——兩者最終都產生同一種查詢圖模型來處理關聯與 XML 資料。因為中間表示法是中性語言,XQuery、SQL 以及兩者的混用都會被編譯成同樣的中間形式,經過相同的改寫與轉換,以類似的方式最佳化並產生相近的可執行碼。也就是說,不管你用哪種語言描述查詢,最終得到的都是最佳化的互通計畫。
正因為兩個解析器可以互通,你能在同一個語句中混用 SQL 與 XQuery:在 XML 文件裡查詢,並以關聯式結果集回傳片段。這種混用的能力,讓檢索的表達力比單一語言更強。
總結來說,pureXML 的價值不在於「把 XML 塞進資料庫」,而是讓資料庫真正理解 XML 的樹狀本質——從儲存粒度、索引機制到查詢語言,每一層都為 XML 重新設計過。