關于XML的并行處理算法研究.pdf

1、大規(guī)模的電子出版和大范圍Web數據交換業(yè)務需要良好描述能力和處理能力的語言.為Internet和Web發(fā)展做出突出貢獻的置標語言HTML由于其自身的缺陷已不能滿足上述業(yè)務的發(fā)展需要,為此W3C開發(fā)并發(fā)布了新一代置標語言XML.隨后各公司和廠商便推出了能提供SAX和(或)DOM接口的XML解析器.SAX接口的解析器只能對文檔內容按順序處理,處理完后并不將數據保存在內存中,也不能修改文檔內容,故不能對XML文檔做隨機存取,難以實現復雜的查詢

2、,使用范圍小.DOM接口的解析器能夠避免SAX的某些弊病,但它是一種內存密集型操作,它把XML的元素、屬性、注釋、處理指令等都作為一個節(jié)點對象進行處理,需要占用大量的內存.這對于一些含節(jié)點數多的大型XML文件,如果使用DOM接口的解析器進行處理,就要求有性能很高的計算機才能勝任,否則可能會大大地降低解析效率甚至造成解析失敗.隨著計算機技術和網絡技術的發(fā)展,以網絡為基礎的分布式并行計算環(huán)境以其較高的性能價格比和大范圍、大數量異構機群并行成

3、為新的高性能計算環(huán)境.而且XML文檔和DOM接口本身具有的良好的并行結構.因此,該文基于分布式網絡并行環(huán)境研究了對XML文檔的并行處理方法.以Java為開發(fā)語言,利用Java的Socket技術實現網絡通信,利用Java的多線程技術實現并行處理,設計實現了一個XML的并行解析器.XML文檔的并行處理主要是數據的并行處理.我們研發(fā)了序言處理、字符編碼方式識別、數據分割、并行解析器,并進行實驗驗證.實驗結果表明該文設計的并行解析器具有較好的處