ＸＭＬ技術(shù)在ＮＭＲ系統(tǒng)軟件參數(shù)處理中的應(yīng)用

智能信息技術(shù)福建省重點實驗室，福建 廈門，361005）

摘要：本文針對NMR(核磁共振)系統(tǒng)軟件的需求為其參數(shù)文件提供了一種XML設(shè)計方案，通過對多種XML解析方案的實驗和比較，為XML參數(shù)文件提供了一種最優(yōu)的解析和處理方案（VTD-XML），并且論證了VTD-XML在大數(shù)據(jù)處理方面的優(yōu)勢。

關(guān)鍵詞：VTD；LC；SAX；文檔對象模型；核磁共振；非提取式解析

中圖分類號：TP391文獻標(biāo)識碼：A 文章編號：1009-3044(2008)24-1338-03

Application of XML in Parameters Processing of Software for NMR

ZHANG Tai-biao1， 2， 3， ZENG Wen-hua2， 3

(1.Computer Dept. of Xiamen Commercial School， Xiamen Fujian， 361000， China；2. Software School of Xiamen University， Xiamen Fujian， 361005， China; 3. Key Laboratory for Intelligent Information Technology of Fujian Province， Xiamen University， Xiamen Fujian 361005， China )

Abstract: According to the commands of parameters processing in software for NMR， the authors provided an approach with XML for the parameters file， and brought forth a best solution (VTD-XML) for XML processing by comparing it with others techniques of XML parsing. Lastly they draws a conclusion that VTD-XML is more appropriate for large XML document than others similar techniques.

Key words: VTD; LC; SAX; DOM; NMR; non-extrative

1 XML技術(shù)簡介

近年來，XML(Extensible Markup Language，可擴展標(biāo)記語言)技術(shù)已經(jīng)成為信息技術(shù)中最引人注目的技術(shù)之一。作為新一代標(biāo)記語言，XML憑借其眾多優(yōu)勢，已經(jīng)逐步成為了數(shù)據(jù)表示的一個開放標(biāo)準(zhǔn)，在許多領(lǐng)域得到了廣泛的應(yīng)用。

XML語言的前身是SGML和HTML，它們是兩種非常成功的標(biāo)記語言，但都在某些方面存在著技術(shù)缺陷[1]。與它們相比，XML具有以下顯著的特點[2]：（1）可擴展性，XML保留了SGML的可擴展功能，允許不同的專業(yè)開發(fā)與自己特點領(lǐng)域有關(guān)的標(biāo)記語言；（2）自描述性，XML文檔通常會包含一個文檔類型聲明，因此它能夠被方便地交換和處理；（3）結(jié)構(gòu)化和集成的數(shù)據(jù)，XML能夠表現(xiàn)許多復(fù)雜的數(shù)據(jù)關(guān)系，并能使不同來源的結(jié)構(gòu)化數(shù)據(jù)輕易地結(jié)合在一起；（4）數(shù)據(jù)和數(shù)據(jù)的顯示方式實現(xiàn)分離，XML的數(shù)據(jù)存儲格式不受顯示格式的制約，它提供了一種結(jié)構(gòu)化的數(shù)據(jù)表示，使數(shù)據(jù)和顯示分離。如今，由于XML各種良好的特性，越來越多的數(shù)據(jù)以XML格式保存和傳輸，然后再根據(jù)不同的應(yīng)用場合把XML轉(zhuǎn)換成相應(yīng)的數(shù)據(jù)格式，很好地解決了異構(gòu)數(shù)據(jù)之間的轉(zhuǎn)換問題。

2 NMR系統(tǒng)軟件中參數(shù)文件的XML設(shè)計方案

2.1 NMR系統(tǒng)軟件開發(fā)背景及功能介紹

磁共振成像(MRI)技術(shù)作為一種能反映多維信息的無損傷診斷手段，在醫(yī)學(xué)病理和基礎(chǔ)科學(xué)研究方面得到了廣泛的應(yīng)用。目前國內(nèi)所生產(chǎn)的低場永磁MRI系統(tǒng)中，絕大部分主要部件都依賴于進口，尤其是譜儀部件[3]。磁共振廠商的競爭越來越體現(xiàn)為譜儀技術(shù)的競爭。為了推進譜儀的國產(chǎn)化，國家投入了大量的資金用于數(shù)字化譜儀的研究(本項目并是在這樣的背景下展開的)，研究的重點包括軟硬件兩方面的開發(fā)。MRI譜儀是MRI系統(tǒng)硬件的核心部件，主要應(yīng)用于開展小型磁共振成像系統(tǒng)的應(yīng)用和研究，本文所指的NMR系統(tǒng)軟件屬于這一項目的軟件分支。

NMR系統(tǒng)軟件是一套實現(xiàn)數(shù)字化譜儀控制的計算機軟件系統(tǒng)。系統(tǒng)主要有四大功能模塊：儀器控制模塊、實驗設(shè)計模塊、數(shù)據(jù)處理分析模塊和系統(tǒng)管理模塊。其中，儀器控制模塊完成數(shù)字化譜儀的硬件控制，以及為其他模塊提供與儀器通訊的編程接口；實驗設(shè)計模塊為研究人員或脈沖序列開發(fā)人員提供一個功能強大、易于使用的脈沖系列編程環(huán)境；數(shù)據(jù)處理分析模塊負(fù)責(zé)對1D和2D數(shù)據(jù)的處理、顯示和保存功能，便于數(shù)據(jù)的分析和處理；系統(tǒng)管理模塊主要完成系統(tǒng)用戶管理、機時管理及文件管理等有關(guān)功能。

2.2 參數(shù)文件的XML設(shè)計方案

參數(shù)作為貫徹整個NMR系統(tǒng)軟件的主線，在系統(tǒng)的各功能模塊中起著非常重要的作用。換句話說，參數(shù)設(shè)計方案的優(yōu)劣在很大程度上成為系統(tǒng)性能好壞的一個主要的標(biāo)準(zhǔn)。

為克服現(xiàn)有軟件的不足之處，推進數(shù)字化譜儀的國產(chǎn)化，研發(fā)出與目前世界水平相當(dāng)?shù)淖V儀軟件系統(tǒng)，我們經(jīng)過認(rèn)真的考慮，最后決定使用XML作為系統(tǒng)的參數(shù)設(shè)計方案。因為XML不僅具備了平臺無關(guān)的特性，還可以實現(xiàn)高度結(jié)構(gòu)化且與顯示無關(guān)的數(shù)據(jù)描述。我們采用參數(shù)的XML分層描述，將實驗中各block的公共參數(shù)放在頂層，而與各block相關(guān)的參數(shù)放入單獨的一層中，與標(biāo)記有關(guān)的參數(shù)也單獨存放，以實現(xiàn)參數(shù)的分層管理。在實際使用中，至少會有一層，對于一個較復(fù)雜的實驗可能需要用幾千層來描述參數(shù)。

參數(shù)文件一般由三個部分組成，分別為公共參數(shù)部分(common)、層參數(shù)(layer)和標(biāo)記參數(shù)(annotation)，其中的每一部分均有多個參數(shù)。通過它這種設(shè)計可以滿足系統(tǒng)的相關(guān)需求，實現(xiàn)復(fù)雜實驗的參數(shù)管理。

3 XML文件的解析及其方法

XML只是一種以純文本對數(shù)據(jù)進行編碼的格式，要想利用XML文件中所編碼的數(shù)據(jù)，必須將其從XML純文本中解析出來，因此，必須有一個能夠識別XML文檔信息的文本文件閱讀器(即XML解析器)，用于解釋XML文檔并提取其中的內(nèi)容[1]。目前XML的解析模式主要有兩種：提取式解析(extractive parsing)模式和非提取式解析(no-extractive parsing)模式[2]。提取式XML解析在解析XML文檔時，提取一部分原文件，一般是一個字符串，然后在內(nèi)存中對其進行對象的構(gòu)建。傳統(tǒng)的XML解析均是采用這種方式，其主要的代表是SAX(Simple API for XML)和DOM(Document Object Model)。非提取式XML解析不同于前者，它在解析XML時，將文檔作為整體一次性讀入，然后以二進制數(shù)組的形式處理XML數(shù)據(jù)。這種解析模式的代表是VTD-XML(Virtual Token Description for Extensible Markup Language)。下面具體討論一下這幾種XML解析技術(shù)。

3.1 文檔對象模型DOM

DOM是由W3C制定的一種獨立與語言和平臺的標(biāo)準(zhǔn)，其實質(zhì)是一組用于定義、創(chuàng)建和處理XML文檔結(jié)構(gòu)及其內(nèi)容的API，它提供了一個可以通用于各種程序語言、操作系統(tǒng)和應(yīng)用程序的接口。

DOM是一種基于樹結(jié)構(gòu)的XML解析技術(shù)，它將結(jié)構(gòu)完整的XML文檔定義為一棵樹，開發(fā)人員只需利用樹中的對象便可以輕松對XML文檔進行讀取、搜索、修改、添加和刪除等操作。標(biāo)準(zhǔn)的W3C中DOM有這幾種節(jié)點：Document、Root、Text、Element和Attribute。使用DOM對XML文件進行處理解析時，它將文檔中的元素、屬性、注釋和處理指令等都看作節(jié)點(Node)，然后在內(nèi)存中以節(jié)點樹的形式創(chuàng)建XML的文件表示[4]。這樣便可以通過節(jié)點樹來訪問XML文檔中的內(nèi)容，并根據(jù)需要來修改文檔，以上過程便是DOM的基本工作原理。

DOM解析技術(shù)的最大優(yōu)點是簡單易用且方便編程，因為當(dāng)XML文檔解析完畢后，整個文檔并以一棵文檔樹的形式被保存在內(nèi)存當(dāng)中，操作非常方便，支持刪除、修改和重新排列等眾多功能。但是，基于DOM的解析程序運行效率不高，且消耗內(nèi)存極大，不大適合大型XML文檔的解析處理。

3.2 簡單應(yīng)用程序接口SAX

與DOM不同的是，SAX是一種基于事件的XML解析技術(shù)，它不是W3C提出的標(biāo)準(zhǔn)，但是功能很強大，因此在實際中應(yīng)用相當(dāng)廣泛，幾乎所有的解析器都會對它支持。

SAX提供了一種對XML文檔進行順序訪問的模式，這是一種快速讀取XML數(shù)據(jù)的方式[5]。當(dāng)使用SAX對XML文檔進行解析時，解析器會從頭到尾將XML文件順序讀入，讀入過程中每遇到相應(yīng)部分并會產(chǎn)生具體的事件，然后應(yīng)用程序再根據(jù)事件的發(fā)生來調(diào)用相應(yīng)的事件處理方法，完成每個事件的處理。例如，當(dāng)SAX遇到某一XML元素的開始標(biāo)記時，它會觸發(fā)一個元素開始（StartElement）事件，并在事件中提供相應(yīng)的信息，如：元素的名稱、屬性集等等。當(dāng)然，前提是程序員必須在此過程中對自己感興趣的事件進行相應(yīng)的編碼。SAX類似于流媒體處理，分析能夠立即開始，應(yīng)用程序只是在讀取數(shù)據(jù)時檢查數(shù)據(jù)，因此不必將數(shù)據(jù)存儲在內(nèi)存中(這一點是DOM沒辦法做到的)。

3.3 XML快速解析技術(shù)——VTD-XML

圖1 VTD的比特層格式

表1 VTD-XML、SAX和DOM性能對比

表2 SAX方案和VTD-XML方案數(shù)據(jù)對比

前面介紹的兩種XML解析技術(shù)均屬于提取式解析，解析過程中伴隨著大量對象的創(chuàng)建，效率相對低下，對內(nèi)存的消耗較大。為了克服提取式解析的缺陷，一種全新的XML解析模式—非提取式解析，意蘊而生。非提取式解析在解析XML文檔時，將文檔以二進制的形式原封不動地讀入內(nèi)存，以二進制數(shù)組保存文檔信息，通過這一數(shù)組來獲取、修改和更新XML文檔中的數(shù)據(jù)，處理效率非常高，內(nèi)存占用只比XML文件本身大不了多少。

非提取式解析模式的一個典型代表是VTD-XML，它在XML數(shù)據(jù)加載時不做任何的解碼工作，把XML的基本結(jié)構(gòu)以二進制形式讀入內(nèi)存，并對二進制數(shù)組加以解析，獲得元素的位置信息，將其存入位置緩沖器LC（Location Cache）中，然后便能以數(shù)組的訪問效率來獲取數(shù)據(jù)，其訪問的復(fù)雜度為O(1)。

為了讓大家進一步了解VTD-XML，下面介紹兩個重要概念：VTD和LC。需要注意的是VTD并非一個API規(guī)范，它只是關(guān)于如何編碼令牌中各種參數(shù)的二進制格式說明。當(dāng)前VTD-XML模型中采用的VTD是一個64位的數(shù)值類型，具體格式如圖3-1所示[1]。使用VTD-XML進行XML文檔解析時，文檔中的每一要素(指令、起止標(biāo)記、屬性、數(shù)據(jù)和注釋等)均使用一個VTD進行記錄。如圖1所示，為了區(qū)分不同要素，VTD用它的最高四位來標(biāo)識令牌的類型，具體令牌類型標(biāo)識參照文獻[1]；另外，VTD中還記錄了令牌嵌套深度、長度和偏移量等信息。VTD-XML通過遍歷這些VTD記錄來找到對應(yīng)的XML信息，然后根據(jù)VTD中所記錄的信息操作二進制數(shù)組，完成對XML文件的相關(guān)處理。為了正確完成VTD記錄的遍歷工作，它必須借助于位置緩沖LC。LC是一個將VTD以其深度作為標(biāo)準(zhǔn)構(gòu)建的樹形的表結(jié)構(gòu)。在此基礎(chǔ)上，應(yīng)用程序只需利用相關(guān)的信息，便可以在最少的幾步內(nèi)查找到需要的元素，遍歷性能十分突出。

表1是一組關(guān)于DOM、SAX和VTD-XML之間性能對比的數(shù)據(jù)[1]。從表中的數(shù)據(jù)可以看出，VTD-XML是一種很好的解析技術(shù)，不僅速度快，而且占用內(nèi)存也比較小，適合較大文檔的處理。

4 NMR系統(tǒng)參數(shù)處理解決方案對比

為了找到一種高效并適合NMR系統(tǒng)的XML參數(shù)處理解決方案，我們分別使用了以上三種解析方案進行了具體的實現(xiàn)。當(dāng)遇到較為復(fù)雜(如block的數(shù)量達到了上千個以上)的實驗時，相應(yīng)的XML參數(shù)文件會達到幾十兆甚至幾百兆。DOM解析方案使用的內(nèi)存一般是原文檔的5~10倍，經(jīng)過實驗發(fā)現(xiàn)它遇到10兆以上的情況就沒辦法處理了，所以它不是一種合適的解析方案。表2給出SAX方案和VTD方案的一組關(guān)于XML參數(shù)文件的測試數(shù)據(jù)。具體測試環(huán)境如下：CPU為Intel Pentium 雙核 1.73GHZ，內(nèi)存2G。

我們發(fā)現(xiàn)SAX方案與VTD-XML方案相比性能有比較大區(qū)別，尤其是在處理時間方面。主要的原因是在SAX方案中在建立自己的對象模型時伴隨這大量的對象創(chuàng)建，而VTD-XML是直接操作二進制數(shù)組。另外，兩種方案當(dāng)文檔達到100多兆時均出現(xiàn)了內(nèi)存溢出的情況，不過就我們項目的實際應(yīng)用而言，參數(shù)大小最多在幾十兆，所以兩種方案均可勝任。當(dāng)然，最優(yōu)方案還是VTD-XML，它在大文檔解析方面優(yōu)勢明顯。

5 結(jié)束語

隨著XML被越來越廣泛的應(yīng)用，合理使用并高效解析XML變得越來越重要，尤其對于那些需要處理大量數(shù)據(jù)的應(yīng)用程序，顯得更加重要。選擇合適的XML解析技術(shù)對系統(tǒng)的系能有著較大的影響，VTD-XML作為一種新的快速解析技術(shù)，必將憑借其性能上的優(yōu)勢被廣泛使用，同時，它也將伴隨著XML技術(shù)得到不斷地發(fā)展和完善。

參考文獻：

[1] 劉芳，肖鐵軍.XML應(yīng)用的基石：XML解析技術(shù)[J]. 計算機工程與設(shè)計，2005，26(10):308-308.

[2] 魚雷.VTD-XML.解析技術(shù)研究[D].西安：西安電子科技大學(xué)，2007.

[3] 沈杰.數(shù)字化譜儀軟件的研制和應(yīng)用[D].上海:華東師范大學(xué)，2006.

[4] 張亞峰.XML技術(shù)在基于web的產(chǎn)品數(shù)據(jù)管理中的應(yīng)用[D].西安：西安電子科技大學(xué)，2006.

[5] 王惠.基于SAX的文檔解析技術(shù)的研究與實現(xiàn).開發(fā)研究與設(shè)計實現(xiàn)[J].2006：147-148.