基于元素樹的異質數據庫間雙向轉換算法研究

包空軍,曹 瑞

(1. 鄭州輕工業大學工程訓練中心,河南 鄭州 450000;2. 鄭州輕工業大學計算機與通信工程學院,河南 鄭州 450000)

1 引言

數據集成的關鍵是各種類型數據庫間的雙向轉換,確保集成后的數據為統一的標準化格式[1,2],不會影響系統間信息的交換。傳統的數據庫轉換算法,實現過程較為困難,且成本高,無法被廣泛應用[3,4],數據庫轉換算法欠缺,直接影響數據集成效果。因此,為確保異質數據集成效果達到最佳[5-7],便需研究較優的異質數據庫轉換算法。賴欣等人分析了異質數據的結構特點,及異質數據庫內數據的表達差異,依據分析結果設計異質數據庫間的轉換算法,實驗證明了該算法的可行性[8];劉穩等人依據異質數據間的差異,塑造異質數據關聯轉換的總體框架,完成異質數據的對接轉換,實驗證明該算法可有效轉換異質數據,同時數據轉換的一致性較高[9];這兩種算法均僅適合單向轉換,并不支持異質數據庫間的雙向轉換,且轉換操作較為繁瑣。為此研究基于元素樹的異質數據庫間雙向轉換算法,提升異質數據庫雙向轉換效果,確保雙向轉換過程中數據的安全性。

2 異質數據庫間雙向轉換算法

異質數據庫指關系數據庫與概率可擴展的標記語言(extensible markup language,XML)數據庫兩種類型,在這兩種數據數據庫內引入概率數值描繪數據節點,可更加精準地呈現數據庫的結構特性,提升異質數據庫間雙向轉換效果。

2.1 概率異質數據模型

2.1.1 概率關系數據模型

現實世界內的對象由元組T的集合ε1×ε2×…×εn描繪,屬性閾值是εi,那么關系R的集合是G(ε1×ε2×…×εn)。

關系數據庫內概率屬性代表和概率有關的一般屬性,其閾值εi是εi=[0,1]×εi,因此概率元組pT的集合是ε1×ε2×…×εn。

令pT的屬性i的概率為Pi(pT),投影計算符號是∏,那么其值為∏i(pT),令主鍵是k的概率關系數據pR的集合G(ε1×ε2×…×εn),那么pR的鍵值是v的全部pT的集合為:

∏v(pR)={pT∈|∏i(pT)=v}

(1)

pR內Di相應的pT公式如下:

εi|pR={v∈εi|(pT∈pR)∏i(pT)=v}

(2)

與關系數據庫不同,pR存在兩個約束條件

(3)

依據可能世界模型的語義得知[10],pT的概率為

(4)

因為pW∈pR,所以式(5)與式(6)成立,公式如下

(5)

(?pT∈pR)(?pT′∈pW)∏k(pT)

(6)

因此,pR的可能世界集合pWSpR即概率關系數據模型

pWSpR={pW代表pR|pW為可能世界}

(7)

pR為1范式情況下,R∈G(ε1×ε2×…×εn),其中,εi=[0,1]×εi,pR為3范式情況下,pR∈εk×Gεi,i=1,2,…,n。

2.1.2 概率XML數據模型

以半結構化信息為出發點,設置概率數據在XML數據庫內的表示方式,塑造概率XML數據模型。

定義1:半結構化信息單元(Semis-structured Information Unit,SIU)共有三種形式,分別是若元素名為q,元素值為w,那么〈q〉w〈/q〉為SIU;若元素名為q,元素值為w,屬性名為f,屬性值為g,那么w〈/q〉也為SIU;若元素名為q,s1,…,sm為SIU,那么〈q〉s1,…,sm〈/q〉也為SIU。

半結構化的信息單元可描繪數據樹,因此建立概率XML樹,即概率XML數據模型,概率XML樹的定義如下:

定義2:令XML樹X是五元組X=(N,Q,r,lable,value),節點有限集合為N;X的根為r;邊的集合為Q?N×N;lable:N→name,代表N內各節點所分配的標簽[11];葉子節點leaf(leaf∈N-{r})分配的數值是value。

定義3:概率XML樹pT的可能世界模型是二元組(tj,pj),j=1,2,…,m的有限集合,XML樹為tj,正實數為pj,同時p1+p2+…+pm=1。

定義4:概率XML數據模型是PDTD=(Q,A,rule,att,str),有限元素集合為Q={q1,q2,…,qm},pT內的元素為qj(1≤j≤m),屬性集合為A={a1,a2,…,al},pT內元素屬性為ao(1≤o≤l),規則集合為rule(Q),pT內元素與相應取值的關系為att(〈q1,a11,p11〉,…,〈q1,a1m,p1m〉,〈q2,a21,p21〉,…,〈q2,a2l,p2l〉,…),同時p11+p12+…+p1m=1,p21+p22+…+p2l=1,Q至A冪集內的映射為str。

2.2 基于元素樹的數據模型雙向轉換算法

利用元素樹E完成異質數據庫概率關系數據模型與概率XML數據模型的雙向轉換,先建立E與元素節點C和各種類型數據模型間的映射關系,再以E與映射關系為前提,實現數據模型雙向轉換。

2.2.1 元素樹

E是具有數據模型內各元素間的關系樹,包含E內各C相應數據模型內的各元素[12];各C均具有概率屬性列表h、概率子元素列表h′與其余概率信息h″;h內存在該概率元素的全部概率屬性;h′內存在該概率元素的全部概率子元素[13],各概率子元素均與各新節點相應;h″內存在父親節點與元素內容等。

E的生成步驟如下:

步驟1:解析pWSpR與PDTD,針對全部不存在其余概率元素內容中的概率元素c,以C為根節點,建立W;

步驟2:塑造一個概率節點C;

步驟3:按照已解析的pWSpR與PDTD,得到c的hc,在C內添加hc;

步驟4:分析c的概率內容模式ξ[14],得到C的h″C,按照各概率元素內容的概率類型得到C的h′C;

步驟5:按照ξ內各概率內容粒子的類型,構建概率節點α的h′α。

2.2.2 異質數據庫間雙向概率映射關系

以E為前提,建立E、pWSpR與PDTD間的概率映射關系,先定義E與pWSpR、PDTD結構間的概率映射規則,再通過概率映射規則自動獲取W、pWSpR、PDTD間的概率映射關系。

以pWSpR為例,元素樹和pWSpR間的概率映射規則定義為:

定義5:E的概率根節點與pWSpR內的一個概率表相應,即概率根表Y。

定義6:若某個概率節點的h或h′不是空集[15],那么該概率節點即是概率表節點Y′,與pWSpR內的一個概率表相應。

定義7:一個Y′的各屬性與子節點均與其所屬表內的一個字段相應。

定義8:pWSpR內除Y外的其余概率表均需存在一個和其概率父表存在關系的外鍵。

定義9:除Y′與概率節點ξ外的概率節點是概率字段節點,與概率父節點相應概率表內的一個概率字段對應。

定義10:ξ與pWSpR內的全部概率對象均不對應。

同理獲取元素樹與PDTD的概率映射規則,概率映射規則獲取結束后便可自動建立元素樹、pWSpR、PDTD間的概率映射關系,存儲于概率映射表內。

2.2.3 數據模型的雙向轉換實現

PDTD到pWSpR的轉換步驟如下:

步驟1:掃描PDTD,掃描方式為由上至下,針對PDTD內各簡單概率元素,生成一個相應概率類表的概率屬性列,若引用內概率操作符為可選的,那么該列可以存在空值;

步驟2:依據簡單概率元素類型的反復引用,可獲取存在外鍵的h;

步驟3:依據PDTD內各復雜概率元素類型,可獲取存在主鍵的概率類表;

步驟4:依據復雜概率元素類型的引用,可獲取指向雙親的外鍵;

步驟5:依據混合內容內已解析字符數據,可獲取外鍵的h;

步驟6:全部被引用的概率屬性轉換操作為:依據單值概率屬性獲取一列,若概率屬性可選,那么該列可以存在空值;依據多值概率屬性獲取存在外鍵的h,若一個概率屬性存在缺省值,那么將其當成列缺省值。

pWSpR到PDTD的轉換步驟如下:

步驟1:為各概率表創建在一個概率序列引用μ的概率元素類型φ;

步驟2:為概率表內各不為鍵的概率數據列建立存在已解析字符數據的φ,移至相應概率表φ內,同時在該概率類型的概率序列內設置μ,令空值的列為可選引用;

步驟3:為各概率表內的主鍵列建立存在已解析字符數據的φ,移至相應概率表φ內,同時在該φ序列內設置引用;

步驟4:若存在外鍵,則存在外鍵的概率表是概率子表,外鍵相應的概率表是概率父表,轉換策略是如果概率父表和概率子表為一對一關系,那么在概率父表μ概率序列內設置一個概率子表元素的μ,令其為可選形式。在概率父表元素內移入概率子表φ所有概率內容,并在概率子表μ概率序列內設置一條概率父表元素名的μ,且在概率子表元素內移入概率父表所有概率內容;如果概率父表和概率子表為一對多的關系,那么在概率父表μ概率序列內設置一條概率子表元素名的μ,令其為可選反復操作的形式,并依據概率父表元素μ概率序列的次序,在概率父表元素內移入概率子表φ的所有概率內容。

3 仿真分析

以某銷售公司的關系數據庫與XML數據庫兩個異質數據庫為實驗對象,以Matlab仿真軟件為仿真操作環境,利用本文算法將關系數據庫內的shangpin表內數據和XML數據庫內的goods表展開雙向轉換,源數據表內容雙向轉換前后保持原樣。

兩個異質數據庫內數據為完成雙向轉換會存在較多的數據沖突,分別是基本表內相應字段名稱沖突、字段類型沖突與相應列字段取值區間沖突。需要展開雙向轉換的shangpin表與goods表基本數據如表1所示。

表1 shangpin表與goods表基本數據

利用本文算法雙向轉換表1內的兩個異質數據庫內的數據,雙向轉換結果如表2、表3所示。

表2 shangpin表到goods表的轉換結果

表3 goods表到shangpin表的轉換結果

根據表2與表3可知,本文算法可有效雙向轉換異質數據庫間的數據內容,很好地解決了雙向轉換時包含的沖突問題,可為銷售公司獲取符合要求的業務數據。

測試本文算法展開雙向轉換的查詢性能與寫入性能,測試方法為向網絡發送8000筆交易,交易類型是查詢與寫入,測試本文算法在不同交易發送頻率時的數據雙向交換的查詢性能與寫入性能,交易發送頻率代表每秒交易數(Transactions Per Second,TPS),以吞吐量與平均時延為衡量查詢與寫入性能的指標,測試結果如圖1所示。

圖1 查詢性能與寫入性能測試結果

綜合分析圖1(a)與圖1(b)可知,當TPS為600筆/s時,本文算法進行異質數據庫雙向轉換時的查詢性能最優,當TPS為400筆/s時,本文算法進行異質數據庫雙向轉換時的寫入性能最優。

在不同惡意網絡節點概率時,測試本文算法進行異質數據庫間雙向轉換過程中的數據泄露概率,當數據泄露概率超過0.05時,說明數據雙向交換的安全性較低,測試結果如圖2所示。

圖2 雙向轉換過程中的數據泄露概率

根據圖2可知,當惡意節點概率達到16%時,兩種攻擊下的數據泄露概率均趨于穩定,控制在0.05以內。仿真結果證明,本文算法在不同惡意節點概率并承受不同攻擊情況下,進行異質數據間雙向轉換的安全性較高。

4 結論

依據元素樹的數據映射方法,設計異質數據庫間的雙向轉換算法,利用元素樹獲取異質數據庫間的結構映射關系,以該映射關系為前提,完成雙向轉換,確保雙向轉換過程中的數據不會泄露,仿真結果表明本文算法在理論上具有一定的指導意義。