測繪成果管理中的EDB文件存儲(chǔ)與分發(fā)優(yōu)化

葉水全

摘要：結(jié)合測繪成果管理中需要處理大量EDB文件，針對文件存儲(chǔ)空間的大小問題以及分發(fā)的效率進(jìn)行了思考與總結(jié)。通過對原有大比例尺地形圖的存儲(chǔ)進(jìn)行了優(yōu)化，針對EDB文件的格式特點(diǎn)，提出一種新的壓縮和管理方法，即用Oracle 11g數(shù)據(jù)庫和7z壓縮技術(shù)，提高測繪檔案管理中大比例尺地形圖的分發(fā)速度，降低了數(shù)據(jù)管理的存儲(chǔ)需求。為今后相關(guān)工作的開展提供了較大的便利與可靠的支持。

關(guān)鍵詞：EDB文件；7Z壓縮；Oracle數(shù)據(jù)庫存儲(chǔ)；C++開發(fā)

一、前言

從2005年開始，重慶市勘測院全面使用北京山維科技股份有限公司的EPS地理信息工作站進(jìn)行大比例尺1∶500地形圖采集與存儲(chǔ)。作為其數(shù)據(jù)保存的主要形式，檔案管理工作中積累了數(shù)量龐大的EDB文件（*.edb），包括工程項(xiàng)目文件和國家標(biāo)準(zhǔn)基本比例尺文件，其年度歸檔數(shù)已超過10萬，每年的存儲(chǔ)空間增長量接近1TB。這種小文件形式的文件存儲(chǔ)，不僅會(huì)造成存儲(chǔ)空間的迅速擴(kuò)大，更會(huì)影響后期數(shù)據(jù)的分發(fā)效率。在檔案搜索和分發(fā)時(shí)，相同的大比例尺文件名存在多個(gè)時(shí)期的多個(gè)版本，數(shù)據(jù)眾多，且每年度存儲(chǔ)位置分散，加重了數(shù)據(jù)追溯困難。因此，為了方便存儲(chǔ)EDB文件，筆者做了以下優(yōu)化：增加上載入口時(shí)的自動(dòng)冗余清理，按EPS平臺(tái)的規(guī)則清理EDB文件中的冗余內(nèi)容，縮小數(shù)據(jù)大小；使用7z壓縮技術(shù)，在傳輸和存儲(chǔ)過程中進(jìn)一步縮小數(shù)據(jù)大小；使用Oracle數(shù)據(jù)庫存儲(chǔ)EDB文件。

二、功能實(shí)現(xiàn)

（一）EDB冗余清理

EDB格式作為EPS地理信息工作站數(shù)據(jù)承載格式，其底層是一個(gè)Access數(shù)據(jù)庫，使用GeoPointTB、GeoLineTB、GeoAreaTB表存儲(chǔ)圖形數(shù)據(jù)，使用MarkNoteTB表存儲(chǔ)注記數(shù)據(jù)，使用UserLayerTB、AttrLinkInfoTB表管理圖形關(guān)聯(lián)屬性表，使用FeatureCode、SymbolScriptTB、NoteTemplateTB表實(shí)現(xiàn)圖形符號(hào)化[1]。EPS地理信息工作站為防止采集和編繪過程中數(shù)據(jù)因故障丟失，每條數(shù)據(jù)記錄都真實(shí)地保存至上述表格。同時(shí)，為保證整個(gè)加工過程的可追述，整個(gè)數(shù)據(jù)記錄過程都是增量的，即數(shù)據(jù)存入表格后將永遠(yuǎn)存在而不會(huì)刪除。在用戶視角的軟件操作窗口中，需要表達(dá)一個(gè)對象刪除時(shí)，“刪除”動(dòng)作在數(shù)據(jù)存儲(chǔ)的底層映射為對象的Mark屬性值做累加運(yùn)算；如果用戶有回退操作則可以通過減去累加值完成還原。

于是EDB文件就會(huì)越來越大，例如，一個(gè)普通的大比例尺文件一般為6Mb，在清理前可能有20Mb，甚至極個(gè)別達(dá)到30Mb，數(shù)據(jù)存儲(chǔ)量最大增至5～6倍于原文件。歸檔后，采集和編繪的過程操作已經(jīng)完成。為了節(jié)約存儲(chǔ)空間，應(yīng)該將Mark字段標(biāo)記為“刪除”的那些數(shù)據(jù)條目從EDB文件中刪除。此處以DAO（DATA ACESS OBJECTS）方式為例，連接EDB數(shù)據(jù)文件，將表中冗余過程記錄直接刪除，C++核心函數(shù)如下：

Int EDBCompress（CString edbPath）{

CDaoDatabase* m_pDB = new CDaoDatabase;

CString strDeleteTab = _T（ "DELETE * From [tab] where Mark Mod 2 = 0"）;

……

strSQL = strDeleteTab;

strSQL.Replace（ "[tab]"， strTabNames[i]）;

m_pDB->Execute（ strSQL， dbConsistent ）;

……

}

（二）7z數(shù)據(jù)壓縮

7-Zip是基于GNU LGPL授權(quán)協(xié)議的開源壓縮軟件[2]，可以自由地整合到現(xiàn)有的軟件系統(tǒng)中。它的壓縮格式.7z具有較高的壓縮比，較Zip壓縮格式有30%-70%能力提升，較商業(yè)軟件WinRAR在壓縮比方面也略有優(yōu)勢（圖1），在辦公自動(dòng)化數(shù)據(jù)集成中一般優(yōu)先使用。

筆者將數(shù)據(jù)解壓縮功能集成到系統(tǒng)中，在7z的SDK開發(fā)文檔中，推薦使用其開源接口SzAr_Extract，其接口如下：

SZ_RESULT SzAr_Extract（

CArchiveDatabaseEx *db，

ILookInStream *inStream，

UInt32 fileIndex，? ? ? ? ?/* index of file */

UInt32 *blockIndex，? ? ? ?/* index of solid block */

Byte **outBuffer，? ? ? ? ?/* pointer to pointer to output buffer */

size_t *outBufferSize，? ? /* buffer size for output buffer */

size_t *offset，? ? ? ? ? ?/* offset of stream for required file in *outBuffer */

size_t *outSizeProcessed， /* size of file in *outBuffer */

ISzAlloc *allocMain，

ISzAlloc *allocTemp

）;

為了將內(nèi)存中的7z數(shù)據(jù)生成EDB文件，需要一些定制。在7z的源代碼項(xiàng)目Client7z“7z1900-src＼CPP＼7zip＼UI＼Client7z”（7-Zip 19.00為例）里，在Client7Z.cpp補(bǔ)充一個(gè)由內(nèi)存至文件的解壓函數(shù)，并將此Client7Z項(xiàng)目以lib的形式編譯進(jìn)入現(xiàn)有系統(tǒng)中即可。補(bǔ)充的內(nèi)存解壓函數(shù)如下：

int decode_memory2f（const Byte * memory_data， size_t memory_size， const char * save_folder） {

……

CBufInStream *bufInStreamSpec = new CBufInStream;

CMyComPtr bufInStream = bufInStreamSpec;

bufInStreamSpec->Init（memory_data， memory_size）;

CArchiveOpenCallback *openCallbackSpec = new CArchiveOpenCallback;

CMyComPtr openCallback（openCallbackSpec）;

……

CArchiveExtractCallback *extractCallbackSpec = new CArchiveExtractCallback;

CMyComPtr extractCallback（extractCallbackSpec）;

extractCallbackSpec->Init（archive， folderName）;

extractCallbackSpec->PasswordIsDefined = false;

HRESULT result = archive->Extract（NULL， （UInt32）（Int32）（-1）， false， extractCallback）;

if （result ！= S_OK） return 2;

return 0;

}

（三）Oracle數(shù)據(jù)庫存儲(chǔ)

原有的數(shù)據(jù)成果以文件的形式保存在服務(wù)器，雖然管理成本低，但再利用的效率不高。筆者依托Oracle數(shù)據(jù)的大數(shù)據(jù)文件的管理能力，在Oracle11g數(shù)據(jù)庫中，按照海量數(shù)據(jù)庫的架構(gòu)創(chuàng)建存儲(chǔ)表[3]，按實(shí)際的工作節(jié)奏每一年度建一個(gè)內(nèi)容存儲(chǔ)表。例如，2020年版的創(chuàng)建表SQL如下：

-- 創(chuàng)建存儲(chǔ)表

CREATE TABLE eps_repos_2020（

id NUMBER（12，0） PRIMARY KEY，

name VARCHAR2（100 char），

data_format VARCHAR2（60 char），

save_format VARCHAR2（60 char），

save_code VARCHAR2（60 char），

blob_chip BLOB，

update_date DATE DEFAULT sysdate NOT NULL

）

并且，在下載時(shí)方便復(fù)原EDB文件，需要在Oracle的下載接口中一并使用7z解壓。筆者在Oracle11g數(shù)據(jù)庫接口中使用了Oracle Instant Client連接遠(yuǎn)程數(shù)據(jù)庫[4]，Oracle OCI（Oracle Call interface）模塊和其輕封裝ocilib（Vincent Roginer）作為開發(fā)模塊[5]。使用Oracle連接池技術(shù)，其Oracle連接池子函數(shù)如下：

void fileDw_byPool_subWorker（OCI_Thread *thread， void *data） {

fileDw_byPool_argument * pf = （fileDw_byPool_argument*）data;

OCI_Connection *cn = OCI_PoolGetConnection（pf->pool， NULL）;

……

wchar_t name_out = { 0 };

if （false == _download_7zblob（cn， pf->db_object_target， id， pf->savedir， name_out）） {

……

}

OCI_ConnectionFree（cn）;

}

其中，數(shù)據(jù)庫BLOB下載函數(shù)如下：

bool _download_7zblob（OCI_Connection *cn， const otext * db_object_target， big_uint id， const otext * savedir， wchar_t * name_out） {

bool rs = false;

const otext sql_format1[] = OTEXT（"SELECT blob_chip FROM %s WHERE id = %%lu"）;

……

if （FALSE ！= OCI_ImmediateFmt（cn， sql_format2， id， OCI_ARG_LOB， blob）） {

rs = fwrite2_blob_7z_onlyone（blob， savedir， name_out）;

//wprintf（ L"%s OK＼n"， name）;

}

OCI_LobFree（blob）;

return rs;

}

其中，數(shù)據(jù)庫7z解壓為EDB文件的函數(shù)如下：

bool fwrite2_blob_7z_onlyone（OCI_Lob * blob， const otext * savedir， wchar_t * name_out） { // Y.S.Q 2018-05-17

……

unsigned char * buff = new unsigned char[len];

if （FALSE ！= OCI_LobRead2（blob， buff， &rd， &rd）） {

if （len == rd） {

err = decode_memory2f（buff， len， savedir， name_out）;

}

}

……

}

三、測試與性型分析

筆者在Visual Studio 2017創(chuàng)建從數(shù)據(jù)庫下載EDB文件的C++項(xiàng)目fileDw_byPool.vcxproj，并包含Client7z項(xiàng)目的lib和ocilib項(xiàng)目的lib，編譯為exe執(zhí)行程序。其中fdwp32.exe是主程序，7z.dll提供解壓縮功能，fdwp32.xml是數(shù)據(jù)庫的信息及參數(shù)，oracle11203目錄是數(shù)據(jù)庫Oracle Instant Client功能目錄。

以下是筆者優(yōu)化后的分發(fā)機(jī)制與舊模式的比較：

1.下載速度。隨機(jī)選擇了100個(gè)EDB文件作為下載清單，在兩臺(tái)同配置的普通電腦上，一臺(tái)使用舊模式下載數(shù)據(jù)，一臺(tái)使用優(yōu)化后的下載機(jī)制。前者的平均下載時(shí)間為14秒（圖2中的單點(diǎn)）。后者基于ORACLE連接池開啟了數(shù)據(jù)庫多線程模式。從圖2（豎軸時(shí)間秒，橫軸線程池?cái)?shù)）的函數(shù)曲線可以發(fā)現(xiàn)，4線程模式時(shí)間為6秒，提高了2.5倍的下載速度。

2.存儲(chǔ)空間。以某年度全部基本比例尺EDB文件為例，舊模式下為服務(wù)器文件共享，文件個(gè)數(shù)為10.5萬，存儲(chǔ)大小584GB；優(yōu)化后的Oracle數(shù)據(jù)庫表空間大小52GB，約為11倍的存儲(chǔ)空間優(yōu)化。

四、結(jié)語

基本比例尺數(shù)據(jù)的管理一直是重慶市勘測院測繪檔案保管的重要工作。面對數(shù)十年長期積累的大比尺EDB格式數(shù)據(jù)成果，本文分別從存儲(chǔ)空間和分發(fā)效率兩方面入手，按內(nèi)容特性對文件精簡其存儲(chǔ)大小；使用7z壓縮方法進(jìn)一步降低存儲(chǔ)空間的大小；利用Oracle數(shù)據(jù)庫的線程池技術(shù)優(yōu)化分發(fā)速度。實(shí)際訪問效率相比于傳統(tǒng)的文件共享方式快2～3倍，服務(wù)器存儲(chǔ)空間節(jié)約85%以上；與此同時(shí)，借用了Oracle數(shù)據(jù)庫的海量存儲(chǔ)能力以及安全訪問機(jī)制，提升了測繪成果管理中針對EDB格式的大比例尺數(shù)據(jù)的存儲(chǔ)與分發(fā)能力。

參考文獻(xiàn)

[1]Igor Pavlov.7-Zip SDK[EB/OL].[2021-12-22].https：//www.7-zip.org/.

[2]楊亮亮.Oracle數(shù)據(jù)庫處理海量數(shù)據(jù)的技術(shù)分析[J].信息技術(shù)與信息化.2020（11）：25-27.

[3]吳政，李成名，等.Oracle數(shù)據(jù)庫矢柵數(shù)據(jù)一體化存儲(chǔ)與管理[J].測繪學(xué)報(bào).2017，46（5）：639-648.

[4]ORACLE. Oracle Call Interface Programmer's Guide[EB/OL].[2021-12-22].https：//docs.oracle.com/en/database/oracle/oracle-database/21/lnoci/index.html.

[5]Vincent Rogier.C and C++ Driver for Oracle[EB/OL].[2021-12-22].http：//vrogier.github.io/ocilib/.