Microsoft SQL Server 2005 對 XML 的支援向前跨了一大步。XML 值可以直接存進 XML 資料型別欄位,並且可以依 XML 結構描述集合進行型別化,也可以維持非型別化;XML 欄位可以建立索引;搭配 XQuery 與 XML DML(用於資料修改的擴充),還能做到細粒度的節點級操作。
其實 SQL Server 2000 與 SQLXML Web Release 就已經具備不俗的 XML 管理能力,只是那時的重點放在關聯式資料與 XML 之間的「映射」:用帶註解(annotation)的 XSD(AXSD)定義關聯式資料的 XML 檢視,提供以 XML 為中心的批量載入、查詢與更新;另一方面用 Transact-SQL 擴充(FOR XML 與 OPENXML)走以 SQL 為中心的路線。SQL Server 2005 把這些能力延續下來,再加上原生 XML 支援,形成一個足以承載半結構化與非結構化資料的開發平台。
本文整理 SQL Server 2005 中 XML 資料的建模與使用準則,分兩大主軸:資料建模(如何選擇儲存方式、是否編入索引、屬性提升、是否型別化)與用法(資料載入、查詢編譯中的型別推論,以及容易混淆的功能如何區分)。閱讀前,建議先對 SQL Server 的 XML 功能有基礎認識。
如果資料高度結構化、結構描述已知,關聯式模型通常是最有效的儲存方式,SQL Server 該有的功能與工具也都在。但如果結構是靈活的、半結構化的、甚至未知的,就該好好想想怎麼建模。
當你需要一個跨平台、可攜、能用結構化與語意標記描述資料的模型時,XML 是不錯的選擇。以下任一條件成立,XML 往往更合適:
若上述條件都不成立,就該用關聯式模型。舉例來說,資料明明是 XML 格式,但應用程式很少需要靠資料庫來存取,那麼一個 [n]varchar(max) 欄位其實就夠了。改用 XML 欄位的好處是:引擎會檢查格式是否良好或是否合法,並支援對 XML 內容做細粒度查詢與更新。
反之,若這些需求都不存在,把資料存成 [n]varchar(max) 或 varbinary(max) 這類大型物件型別,反而更省事。
用內部表示形式保存 XML 的內容,包括容器階層、文件順序、元素與屬性值等,也就是保留 XML 的資訊集(Infoset,參見 https://www.w3.org/TR/xml-infoset)。它未必是原始文字 XML 的逐字副本,因為以下資訊不被保留:無關緊要的空白、屬性順序、命名空間前綴、XML 宣告。
若是型別化的 XML(綁定了 XML 結構描述),引擎會把「結構描述驗證後資訊集」(PSVI)中的型別資訊一起以內部形式編碼,這能顯著加快解析速度。相關規範可參考 XML Schema Part 1 與 Part 2。
使用帶註解的結構描述(AXSD),把 XML 拆解到一個或多個資料表的欄位中,在關聯式層級保留資料的保真度——階層會保留,但元素順序會被忽略。這種結構描述不能是遞迴的。
[n]varchar(max) 與 varbinary(max) 保存的是資料的精確副本,適合法律文件這類有特殊用途的應用。多數應用其實不需要逐字副本,資訊集層級的保真度就足夠。
實務上常需要混用。例如用 XML 欄位存 XML,同時把其中幾個屬性提升到關聯式欄位;反過來也可能用映射技術把非遞迴部分放進關聯式欄位,只把遞迴部分留在 XML 欄位裡。
不用多說,這些選擇各自的效能特性並不相同。
當 XML 文件具備多種結構,或符合多套、甚至複雜到難以映射成關聯式結構的結構描述時,原生 XML 儲存特別有用。
考慮一份 XML 格式的產品手冊,每個主題獨立成章,章內有多節,而節裡面還可以再分小節——這是一個遞迴元素。手冊充斥混合內容、圖表與技術資料,本質上是半結構化的。使用者可能想做上下文相關的搜尋(例如「在談索引的那一章裡,找關於叢集索引的節」),也可能想統計某些技術數量。
這種情境下,合適的模型就是一個 XML 資料型別欄位,它能保留資訊集內容;為該欄位建立 XML 索引後,查詢效能會明顯改善。
假設政府法規要求你保留 XML 文件的精確文字副本,例如已簽署的文件、法律文件或股票交易訂單。這時可以考慮存進 [n]varchar(max) 欄位。查詢時,可在執行期把資料轉成 XML 型別再跑 XQuery——但文件很大時,這種轉換代價不低。若查詢頻繁,可以採冗餘做法:同時存一份 XML 型別欄位並建索引供查詢,另外從 [n]varchar(max) 欄位回傳精確副本。
要注意:XML 欄位可以是建立在 [n]varchar(max) 之上的計算欄位,但你不能在 XML 計算欄位上建立 XML 索引,也不能為 [n]varchar(max) 或 varbinary(max) 欄位建立 XML 索引。
透過在 XML 結構描述與資料庫資料表之間定義映射,可以為既有資料建立「XML 檢視」。使用 XML 批量載入可以填充底層資料表;查詢這類檢視時用的是 XPath 1.0,查詢會被轉換成針對資料表的 SQL,更新同樣會被傳遞下去。
適合使用這套技術的情況:
典型例子包括:以 XML 形式對外公開、供資料交換與 Web 服務使用的關聯式資料,以及結構固定的 XML 資料。
案例:手上已有關聯式資料(客戶、訂單、行項),希望以 XML 形式操作,就用 AXSD 在其上定義 XML 檢視。之後既能把 XML 批量載入資料表,也能透過檢視查詢與更新;若你需要在自家 SQL 應用程式持續運作的同時,與其他應用程式交換 XML 標記,這個模式很好用。
很多時候,最佳解是把關聯式資料與 XML 欄位結合:把 XML 中幾個關鍵值存進關聯式欄位,其餘(或全部)留在 XML 欄位。這樣能獲得更佳效能(例如完全掌控關聯式欄位上的索引設計)與更好的鎖定特性,代價是你得肩負更多資料儲存的維護責任。
哪些值該提升,取決於工作負載。若你常常用 /Customer/@CustId 這樣的路徑運算式取值,把 CustId 提升到關聯式欄位並建索引,查詢效能會更好;反之,若 XML 被零碎且不冗餘地攤在關聯式欄位裡,重組的成本可能反而拖垮整體。對於高度結構化的 XML(例如整張表轉成 XML),把所有值映射到關聯式欄位(可能搭配 XML 檢視技術)是合理的。
XML 欄位可以設在包含其他關聯式欄位的同一張表中,也可以放在透過外鍵關聯的獨立表中。
在下列任一情況成立時,建議放在同一張表:
在下列情況,建議放在獨立表:
XML 欄位中單一實例的大小,對鎖定與更新特性影響甚鉅。SQL Server 對 XML 與非 XML 資料採用同一套鎖定機制,因此列級鎖定會把該列中所有 XML 實例一起鎖住。粒度大時,為了更新而鎖住大型 XML 實例,會讓多使用者環境的吞吐量下降;但另一方面,過度細碎地拆解又會失去物件封裝,並抬高重組成本。
更關鍵的是,更新 XML 實例時,即使只改一個屬性的值,底層仍會把整個既有實例替換成更新後的實例。粒度越大,更新成本越高;較小的 XML 實例反而有更好的更新效能。好的設計,就是在建模需求與鎖定/更新特性之間取得平衡。
SQL Server 2005 的 XML 資料型別實作了 ISO SQL-2003 標準。因此非型別化 XML 欄位可以存放格式良好的 XML 1.0 文件,也可以存放所謂的「內容片段」——含文字節點、任意數量頂層元素。系統會檢查格式是否良好,不要求綁定結構描述,並拒絕廣義上不合法的資料;非型別化的 XML 變數與參數同樣適用。
若你有描述該 XML 的結構描述,可以把它與 XML 欄位關聯,形成型別化 XML。結構描述在此有三重作用:驗證資料、在查詢與修改語句編譯時做比非型別化更精確的型別檢查、以及最佳化儲存與查詢處理。
建議使用非型別化 XML 的情況:
建議使用型別化 XML 的情況:
型別化的 XML 欄位、參數與變數可以存放 XML 文件或內容片段,宣告時必須以旗標指定 DOCUMENT 或 CONTENT,並提供 XML 結構描述集合。若每個 XML 實例恰好只有一個頂層元素,指定 DOCUMENT;否則用 CONTENT。查詢編譯器會利用 DOCUMENT 這個標記,在型別檢查時推論出唯一的頂層元素。
除了型別化,你也可以在型別化或非型別化的 XML 欄位上加上關聯式(欄位或列)約束。適合加約束的情況:
/Customer/@CustId 必須與關聯式 CustomerID 欄位的值相符。XML 欄位、變數與參數只能使用 XML 結構描述來型別化,不能用 DTD。不過對型別化與非型別化 XML 而言,都可以使用內嵌 DTD 來提供預設值,或把實體引用展開成擴充形式。若手上只有 DTD,可以用第三方工具把它轉成 XML 結構描述文件,再載入資料庫。
XML 索引會把該欄位中 XML 實例的所有標記、值與路徑建入索引,从而提升查詢效能。以下情況值得考慮:
XML 欄位上的第一個索引稱為「主 XML 索引」,它涵蓋實例內部的所有標記、值與路徑。前提條件是:包含 XML 欄位的基表必須在主鍵上具備叢集索引,主鍵用於把索引列與基表中的列關聯起來。
在多數範例中,我們使用帶非型別化 XML 欄位的資料表 T (pk INT PRIMARY KEY, xCol XML),這些範例都能改寫成型別化 XML 的形式。為了說明,以下針對這樣一份 XML 實例描述查詢:
<book genre="security" publicationdate="2002" ISBN="0-7356-1588-2">
<title>Writing Secure Code</title>
<author>
<first-name>Michael</first-name>
<last-name>Howard</last-name>
</author>
<author>
<first-name>David</first-name>
<last-name>LeBlanc</last-name>
</author>
<price>39.99</price>
</book>
當你從 XML 欄位取出完整的 XML 實例(例如 SELECT *)時,查詢會使用主 XML 索引,並回傳純量值或 utilise 索引本身的 XML 子樹。
(下篇將接續說明 PATH、VALUE、PROPERTY 三種輔助 XML 索引的適用場景,以及資料載入與查詢編譯期型別推論等使用層面的準則。)