內容提要:DB2 pureXML 讓格式良好的 XML 文件得以其分層結構原貌,存放在具 XML 型別的資料表欄位中。把 XML 資料存進 XML 欄位後,資料能保有原生的階層形式,而不必被當成純文字處理或被迫映射到其他資料模型。由於 pureXML 的儲存已完全整合,你能直接運用既有的 DB2 資料伺服器功能來存取與管理這些 XML;而以原生階層形式儲存,也讓 XML 的搜尋、擷取與更新更有效率。你可以用 XQuery、SQL 或兩者混搭來查詢與更新 XML,也能透過回傳 XML 或接受 XML 參數的 SQL/XML 函數,依資料庫中取出的值來組裝或發布 XML。
多年來,資料庫領域鮮少有的重大創新,足以讓人回過頭去審視整個資料庫的發展歷程。2006 年 DB2 9 推出的 pureXML,對過去數十年關聯式資料庫最根本的資料組織方式做出重大革新,也第一次讓我們能換個角度,重新審視資料庫的歷史,以及那些曾支撐它壯大的理論基礎與外部挑戰。
今天我們很少回顧資料庫的歷史。對絕大多數 IT 人而言,「資料庫」幾乎等同於「關聯式資料庫」,而「資料」則與「表」緊緊相連。E-R 模型彷彿是我們描述世界的唯一方式,SQL 則是存取與處理資料的唯一手段。關聯式資料庫已然成為一種近乎信仰的存在,所有關於資料的理論問題,似乎都已被解決。
然而歷史的轉折,往往發生在我們不經意之間;任何重大技術的誕生與成長,都有其賴以生存的土壤。四十年前資料庫剛問世時,主角並不是關聯式資料庫——第一代的資料庫首次實現了「資料管理」與「應用邏輯」的分離,以階層結構描述資料,是為階層型資料庫(IMS)。第二代資料庫則奠立於 1970 年代 E. F. Codd 博士提出的關聯式理論與 SQL 語言的誕生,實現了資料建模與資料操作的標準化。此後二十多年,關聯式資料庫長足發展、廣受採用,技術演進主要集中在效能、擴充性與安全性等方面,其基本的理論框架與技術理念並無大的改變。
與此形成對比的是,過去二十多年間,IT 產業經歷了翻天覆地的變化與一連串技術、理念的創新。隨著 Internet 的普及,以及網路環境下系統互聯互通、彼此協作成為常態,資訊管理正面臨全新挑戰。歸納而言,有幾個難以迴避的重要問題:
今日資訊的複雜程度,已非關聯式理論誕生那個年代所能比擬。資訊結構日益繁複,加上個人化服務等需求帶動,資訊的多樣性與差異性大幅提高,而關聯式理論在管理複雜性上的不足也日益明顯。E-R 模型本質上是個二維模型,靠一連串二維關係的組合來描述複雜實體;每張表所代表的所有實體在建模時並無差異,哪怕某個屬性只有一個實體擁有,也得為它保留一個欄位。於是許多系統裡,我們常看到單張表有數百個欄位,而絕大多數欄位在每筆紀錄上都是空的。若個體差異不只表現在屬性上,還牽涉結構與關係,就得分別為相異的實體建立不同的表與對應關係。因此,今日許多業務系統動輒需要數千甚至數萬張表,資料庫結構變得極其複雜,其中的資訊也愈發難以理解。
從某種意義上說,今天業務系統資料庫裡的資訊,往往是系統運行的副產品。資料庫是為支撐特定業務而設計,資料也只被單一系統使用,因此很少去考量這些資訊是否易於理解。然而如今愈來愈多系統需要彼此協作、共享資訊,資訊的可讀性與易理解性便日益關鍵。關聯式資料庫在此明顯吃緊:表中的資料無法自我描述,表與表之間的關係也無法在資料裡直接而清晰地呈現。於是即便把表結構開放,其他應用依然難以理解資料的關係與含義。
隨著 IT 系統深入社會生活的各個層面,資訊不僅愈趨複雜,其內容與結構也隨時間不斷演變,現實世界對資訊技術的靈活性與適應性提出了愈來愈高的要求。關聯式理論採用的是一種固定的建模方式:任何關係與屬性一旦定義便告定型,難以隨需求變化而靈活調整。

XML 作為一種資料格式,於 1990 年代中期登場,最初主要用於系統間的資料交換。為便於交換,它的設計有幾個鮮明特點:其一是採用自描述式的標籤資料描述方式,資料本身即說明自身含義,可讀性大為提升,人與程式都易於理解;其二是以階層(樹狀)方式組織資料,透過階層關係體現資料之間的關聯,這種模型能較清晰地描述複雜物件,且靈活、易於擴充。經過近十年發展,XML 已成資料交換的事實標準,國際上形成了許多行業性的 XML 技術標準,對資訊技術產生深遠影響。
雖然 XML 設計初衷是用於資料交換,但這種新型的資料組織方式,卻為資訊管理應對「複雜性、可理解性與靈活性」的挑戰開闢了一條新路,恰好迎合了技術發展的方向與潮流。同時,XML 也模糊了傳統上結構化與非結構化資料之間涇渭分明的界線,對二十多年來的關聯式理論基礎形成衝擊。人們開始反思:資料究竟該是關聯式的,還是階層式的?該是單一的表格關係,還是多樣化的物件?

與此同時,過去十餘年間還有另一項技術深刻影響了 IT,那就是物件導向技術。物件導向鼓勵設計者以「物件」而非「表」來思考資料;在這套思想裡,資料以物件形式存在,而階層結構正是資料物件最直接、最自然的體現。然而關聯式資料庫的理論與物件導向並不契合——E-R 模型中沒有「物件」的概念,要在關聯式資料庫裡實作物件的嵌套與多樣性相當不直觀,往往得付出很大代價。在關聯理論中,資料應被組織成正規化的表,也就是資料要以唯一的方式組織,好讓程式設計者消除冗餘、確保資料變動的一致性。這套源自集合論的設計技術,確保了關聯表中的資料是一組彼此獨立、透過鍵相互關聯的資料;但問題在於,集合論無法表達資料之間所有的關係與結構。
以正規化方式儲存資料,往往要求程式設計者在存入資料庫前先「拆解」物件並重新組織,等要使用時再用 SQL 查詢(多重連接)把它拼回來。這就像把車停進車庫前,先把門、座椅、輪子逐一拆下來存放一樣——既耗資源,又顯得毫無意義。

今天,在應用領域,軟體開發已廣泛採用物件導向的設計思想與技術;然而物件導向資料庫卻遲遲未被市場接受。物件資料庫問世時,關聯式資料庫供應商早已積聚了龐大動能並占據大量市場份額,加上在標準 SQL 介面下,撰寫存取關聯式資料庫的物件導向程式相當容易;反觀早期多數物件資料庫完全不提供 SQL 介面,難以搭配任何查詢應用。
XML 技術的出現,以及 XQuery、SQL/XML 等相關國際標準的制定,為資料庫引入物件導向技術注入了新的動力。外部世界的技術挑戰,加上 XML 與物件導向技術及標準的成熟,共同為新一代資料庫的創新創造了條件。那麼,未來會是什麼模樣?迎接這波技術變革,我們準備好了嗎?

今天,關聯式資料庫推動著各種規模的企業發展業務。這些資料庫固然重要且受歡迎,但從長遠來看,它們根本無法與以 XML 表示的半結構化(且具階層性)內容相提並論。我們無法忽略過去二十年業界在關聯式資料庫上的巨大投入——企業在關聯式資料與關聯式資料庫管理系統(RDBMS)上的投資高達數以兆計,因此簡單地把 RDBMS 替換成純 XML 儲存並不可取;但我們同樣無法迴避新技術的潮流與其龐大價值。世界既可以是關聯式的,也可以是階層式的,兩種技術各有優勢與局限,因此能同時容納關聯型與階層型兩類模型的「混合資料庫」,便成為資料庫發展的必然選擇。