在 XML 資料庫發展的早期,所謂的原生 XML 資料庫(NXD)與支援 XML 的傳統關聯式資料庫管理系統(RDBMS)之間存在著明顯差異。NXD 針對 XML 文件的儲存做了專門優化,而老式的 RDBMS 頂多是在原本用來存放二進位大型物件(BLOB)的機制上,補強了一些語法支援。
如今,NXD 依然是 NXD,只是變得更先進了。與此同時,成熟 RDBMS 的各家供應商也在 XML 文件的儲存方式上持續改進。XML 片段不再被塞進 BLOB,而是改用樹狀結構來保存。由於 XML 文件本質上就是樹狀結構,因此這項改進大幅提升了 RDBMS 處理 XML 文件的能力。
從早期實作一路演進到今日的成熟方案之間,XML 文件的查詢語言標準化也取得幾項重要進展——其中最具代表性的,莫過於 XQuery 1.0 與 XML Path Language(XPath)2.0。XQuery 的概念歷經多年打磨,最終成果雖與早期版本頗為相似,卻更為成熟。就和結構化查詢語言(SQL)一樣,XQuery 同樣著眼於促進供應商獨立性與程式碼重用。
傳統資料庫既能儲存高度結構化的數據,也能儲存非結構化的數據,而這兩類數據都仰賴不會頻繁變動的資料結構。然而,關聯式資料庫的弱項,恰恰在於儲存半結構化文件。與結構化數據不同,這類文件在元素順序與嵌套方式上有很大的自由度;而與非結構化數據不同,我們又能透過描述性的標籤來為元素分類,且這些元素往往相當細緻。
那麼,能在關聯結構中儲存半結構化數據嗎?當然可以,但最終很可能演變成一套頻繁變動的特殊資料結構——因為過度一般化的設計會喪失標籤的描述性;要不然就是採用內容管理系統那種抽象模型,可代價卻是把數據與元數據攪在一起。
另一方面,XML 格式天生就適合描述半結構化數據,而且資料模型的維護相當容易。新增一個元素名稱並不會改變底層結構——它始終是樹狀的,你只要修改描述元素名稱如何在樹中組織與關聯的 XML 結構描述(Schema)即可。
對於工作履歷、產品說明、客戶訂單這類文件而言,XML 或許是最合適的格式。除此之外,XML 也能勝任結構化與非結構化數據的描述工作。
在打造全新的軟體解決方案時,答案很可能是「不需要」。倘若你手上已有一套能儲存半結構化數據的方案,那麼用它來儲存結構化與非結構化數據自然也不在話下。用單一儲存方案容納所有數據,就能輕鬆地把全部數據串接、查詢起來,這遠比整合散落在多個儲存來源中的數據要來得省事。
不過,要對這個問題斬釘截鐵地回答「不需要」,前提是你的大多數數據本來就是半結構化的文件。反之,如果你的數據更適合以高度結構化的實體—關聯模型來表達,數據也不太像文件、彼此之間的關聯又更為複雜,那麼選用 NXD 恐怕就不是明智之舉了。
那要如何判斷數據的性質呢?倘若結構化、半結構化與非結構化數據的數量大致相當,又該如何取捨?好消息是,對於這些模稜兩可的情況,當今的傳統資料庫已經能夠游刃有餘地處理 XML 文件或其片段。不同資料庫存取 XML 片段的方式固然各異,但它們有一點是共通的:都遵循 XQuery 1.0 所規範的語法構造。
市面上有些產品以各自的方式實作 XML 資料庫,例如 Xindice、Tamino、X-Hive、Oracle 以及 Microsoft® SQL Server。不過,本文並不打算逐一探討這些產品。想要完整而全面地比較所有產品,本就不可能做到;何況本文發表於 IBM 的網站,而 IBM 本身正是提供 XML 資料庫解決方案的廠商之一,在此對各家產品發表評論,恐怕也難以贏得你的信任。縱使我是獨立撰稿人,也無法保證絕對中立。
我能做的,是討論具備 pureXML 特性的 IBM DB2 Express-C,並拿它與典型的 NXD 相互對照。我挑選開放原始碼專案 eXist-DB 作為 NXD 的代表。eXist 與 DB2 Express-C 都是免費的,也各自提供了大量對使用者友善的功能。
如果你需要儲存極其龐大的數據,那麼我會建議你購買 DB2 的商業版本。你或許覺得 DB2 顯得繁複,但其實可以先在桌上型電腦或筆記型電腦上安裝 DB2 Express-C,親身體驗 pureXML 的功能,過程相當輕鬆。儘管 eXist 並沒有商業版本,但要是它的功能無法滿足你在效能與可擴展性上的需求,Mark Logic 會是不錯的替代選擇。你可以透過 30 天試用授權來評估 Mark Logic,也可以使用儲存空間上限為 100MB 的社群版本。
我能想像讀者會希望看到 DB2 與 Oracle 這類同級產品的比較。然而,網路上早已能找到針對這兩者的各種評測。相較之下,更為基礎的討論,應該是把 DB2 Express-C 中的 pureXML 特性與 eXist-DB 或 Mark Logic 擺在一起對照。
就和大多數產品類別的名稱一樣,「原生 XML 資料庫」這個詞同樣容易引起誤解,並引出幾個問題:什麼是資料庫?什麼是原生 XML?DB2 算不算 NXD?
根據 Wikipedia 的說法,「電腦資料庫是儲存在電腦系統中、經過結構化整理的記錄或數據集合。」而所謂原生 XML,指的是採用與 XML 相關的技術、卻不摻雜非 XML 技術——換言之,能夠直接使用 XQuery 與 XPath,而無須借助 SQL。IBM 早料到人們會追問 DB2 是否為原生 XML,於是乾脆把 DB2 的 XML 特性命名為 pureXML,其定義留待下一節細說。
在比較 NXD 與支援 XML 的 RDBMS 時,我認為典型的 NXD 也可以被視為一種文件儲存庫。只不過,Alfresco、Magnolia 這類產品也用了「文件儲存庫」這個詞,但它們其實是架構在既有資料庫之上,缺乏 eXist 與 Mark Logic 那種底層基礎結構,尤其是以高效率執行 XQuery 的能力。它們著重的是較高層次的功能,例如工作流程與友善的使用者界面;至於這些高層功能,NXD 則留給產品的用戶自行開發,本身只提供低階的文件儲存庫 API,例如 Web-based Distributed Authoring and Versioning(WebDAV)或自訂的 REST 式連接器。
因此,典型 NXD 的特徵,就是以高效率的方式儲存 XML 文件,並提供 XQuery 技術與基本的文件儲存庫功能層。
NXD 往往偏向以資源為導向,這實際上意味著可以用 Uniform Resource Identifiers(URI)來標識儲存庫中的內容。透過同一個 URI,就能以 HTTP 或 WebDAV 存取數據,連接的問題於是不復存在。
然而,把數據視為資源也有其缺點。文件彼此分隔,導致很難在多份文件的數據之間建立關聯。倘若某份文件保存著其他文件所引用的可靠數據,維護參照完整性(referential integrity)便相當棘手。較大型的 XML 資料庫供應商雖然提供了跨多份文件施加約束的特性,但這項能力尚未標準化。
儘管 IBM 避免使用「原生 XML 資料庫」這個術語,但他們仍希望自家的解決方案能夠體現 XML 的本質。DB2 Express-C 並非典型的 NXD,卻具備了 NXD 的若干特點。從某個角度看,DB2 就像是一套傳統 RDBMS 加上支援 XML 的資料列。如果你只需要關聯式資料庫、不打算動用 XML 技術,那麼大可無視這些支援 XML 的資料列;可一旦你需要 XML 特性,這些資料列便能提供相當出色的 XML 功能。
pureXML 這個名稱包含兩層意義:
其一,XML 數據以原生的樹狀格式,與關聯式數據分開儲存。
其二,可以透過單一 XML 介面存取所有數據,無論是關聯式數據還是 XML 數據。
XQuery 1.0 不僅能查詢 XML 文件。IBM 提供的 XQuery 函數還能查詢關聯式數據,並將其與來自支援 XML 資料列的結果結合起來,最後再以 XML 格式回傳合併後的結果。
DB2 是純粹的資料庫基礎結構。與許多 NXD 不同,它並不提供基本的文件儲存庫功能層。但這並不代表無法用 DB2 打造文件儲存庫。目前,以 Alfresco 為代表的多數文件儲存庫,都是建立在非 XML 的 RDBMS 之上,而非倚賴 NXD。以 DB2 作為這些儲存庫的底座,至少不會損害它們現有的功能,更有機會藉由 XML 儲存能力,帶來更靈活的資料模型。
Alfresco 這類產品恐怕得再等上一段時間,才能真正用上 pureXML 之類的特性。原因在於,這些產品不願與單一資料庫綁定在一起。儘管 XQuery 1.0 業已發布,但各資料庫產品實作 XQuery 的方式仍不夠標準化。對這些產品來說,較為穩妥的做法,是把 XML 資料庫的新功能往後延,等到 XQuery 與連接協定的用法趨於統一,再來採用;目前則只沿用 WebDAV 或關聯式資料庫連接器這類較為通用的實作。
答案其實很單純。大多數 IT 解決方案早已在關聯式資料庫上投入了大筆資金。就算關聯式資料庫缺乏解決方案所需的靈活性,相較於替代技術,它們仍然更為成熟,也更契合複雜的業務需求。
即便一家公司有意擁抱 XML 技術,也不太可能甘心捨棄多年來在關聯式資料庫上累積的成果,改用 NXD 取而代之。此外,縱使能在保留現有關聯式資料庫的同時引入 NXD,這麼做卻會在整合多個資料來源時衍生出新的難題。只要想一想要處理的事務與參照完整性,就能明白這有多棘手。這些問題雖非無解,但一套能兼顧兩者的綜合方案,確實能省下不少麻煩。
pureXML 技術能把關聯式數據與 XML 數據結合起來,有助於更平順地——哪怕是局部地——遷移到 XML 技術之上。
儘管 XML 文件足以描述結構化數據,但若要在多份文件之間描述結構化數據的關聯、並維護參照完整性,那麼藏有大量 XML 文件的 NXD 恐怕並非最佳選擇。即便真能管理這些關聯(例如借助 XPointer),其使用方式也尚未標準化。
最中肯的建議莫過於:用合適的工具,做合適的事。只是,同時並用 NXD 與 RDBMS 又會帶來整合上的難題。DB2 的 pureXML 特性能把關聯式數據與 XML 數據兩者的優勢合而為一,同時儲存結構化與半結構化數據。至於非結構化數據的儲存,NXD 與 RDBMS 的表現可說旗鼓相當。
如果你真正需要的是文件儲存庫,而非資料庫,那麼該問的便是另一個問題了:你的需求究竟著眼於文件儲存庫的前端功能,還是後端功能?若你重視大量終端使用者功能,例如管理界面、工作流程與視覺化,那麼市場上有不少產品能提供這類支援,例如 Alfresco;若你更在意強大的查詢機制(如 XQuery 與全文檢索),以及高效率地儲存半結構化數據,那麼 eXist 或 Mark Logic 這類 NXD 或許才是你要找的。
資料庫解決方案這個領域,一直由幾家大型供應商把持著,IBM 便是其中之一;NXD 則仍是一個有不少小型公司相互角逐的市場。這些小公司究竟能否在競爭中存活下來、會不會被大廠收購(就像 EMC 買下 X-Hive 那樣)、又是否會流失市佔,一切都還未定。不過當前的趨勢已然明朗:RDBMS 供應商並不打算把市場拱手讓給 NXD,他們會端出更為成熟而完整的 XML 解決方案,藉此回應客戶的需求。