面向分布式異構(gòu)平臺的信息資源整合方法研究

趙云華

[摘要]介紹了分布式異構(gòu)信息資源整合方法，分析了面向分布式異構(gòu)平臺的信息資源整合技術(shù)，最后給出了面向分布式異構(gòu)平臺的信息資源整合設(shè)計與實現(xiàn)，重點探討了平臺的體系結(jié)構(gòu)、開發(fā)模式和實現(xiàn)方法等。

[關(guān)鍵詞]分布式；異構(gòu)平臺；信息資源整合

[中圖分類號]G250.74[文獻標志碼]B[文章編號]1005-6041（2016）04-0081-04

在分布式計算領(lǐng)域中，人們越來越重視異構(gòu)數(shù)據(jù)的集成問題，隨著日益普及的分布式系統(tǒng)和網(wǎng)絡(luò)信息環(huán)境，在網(wǎng)絡(luò)的各個節(jié)點中都分散有大量的相互之間獨立存在的異構(gòu)數(shù)據(jù)源系統(tǒng)。在這些相互孤立的數(shù)據(jù)中，為了更好地共享資源，需要構(gòu)建一個集成環(huán)境，這個集成環(huán)境是統(tǒng)一的公共的，可以把相對透明地訪問界面提供給用戶。伴隨科學(xué)技術(shù)的不斷發(fā)展和進步，信息數(shù)據(jù)呈現(xiàn)了多樣化的樣式特征，不同的數(shù)據(jù)如文本、圖像、視頻、音頻。遙感以及地理等具有不同的數(shù)據(jù)組織方式[1]。不同的信息來源數(shù)據(jù)庫具有各不相同的構(gòu)建方式、數(shù)據(jù)內(nèi)容表現(xiàn)形式以及支持平臺，進而凸顯了不同數(shù)據(jù)庫之間的異構(gòu)性。從實現(xiàn)的目標上來看，數(shù)字信息資源進行整合就是要完全摒棄局部數(shù)據(jù)源之間的異構(gòu)性，使數(shù)據(jù)源從自治的、分布式向一個整體集成，使訪問界面統(tǒng)一化，便于用戶的訪問，可以快捷的從分布式數(shù)據(jù)源中完成信息的提取和合并。

自20世紀80年代起，就開始研究如何整合分布式異構(gòu)信息資源，至今已將近30年，截至目前，整合分布式異構(gòu)信息資源的研究方法包括聯(lián)邦數(shù)據(jù)庫法、聯(lián)邦數(shù)據(jù)倉庫法、電子數(shù)據(jù)交換法、虛擬數(shù)據(jù)庫法、虛擬視圖法、分布式組件集成法、直接數(shù)據(jù)庫訪問接口法、基于網(wǎng)格、本體、Web Service以及可擴展標記語言法等[2]，其中后者是近年來剛引入使用的新方法。

1分布式異構(gòu)信息資源整合方法

1.1 基于網(wǎng)格、XML、本體和Web Service方法

利用可擴展標記語言具有以下特點：跨語言、跨平臺、可擴充、高效、顯示和內(nèi)容分離等。該方法在以上特點的基礎(chǔ)上，在數(shù)據(jù)表述過程中以XML文檔為媒介，通過一定的通信手段達到集成分布式異構(gòu)數(shù)據(jù)的目的。其中，Web Service的功能包括包裝、查找、綁定和注冊XML文檔，與數(shù)據(jù)源的動態(tài)變化相符合[3]；網(wǎng)格法在對數(shù)據(jù)進行訪問時使用的是網(wǎng)格數(shù)據(jù)服務(wù)，該服務(wù)是由網(wǎng)格中間件GT4開發(fā)的，提供的數(shù)據(jù)訪問功能相當優(yōu)越；本體法從實質(zhì)上來說就是采用本體描述語言在具體的領(lǐng)域中對相關(guān)概念和概念間的關(guān)系進行顯式描述，使建模能力和信息捕獲能力都得到有效提升?；诰W(wǎng)格、本體、Web Service以及可擴展標記語言法具有適于松散系統(tǒng)、跨平臺能力強等優(yōu)點，但同時也存在一定的缺點：無法等同于傳統(tǒng)數(shù)據(jù)庫技術(shù)，針對分布式異構(gòu)信息，把其中的全局應(yīng)用模式較好地提供給上層應(yīng)用。

1.2 分布式組件集成法與直接數(shù)據(jù)庫訪問接口法

在實際應(yīng)用過程中，多采用Java RMI技術(shù)對多個數(shù)據(jù)源的數(shù)據(jù)直接訪問，這就是直接數(shù)據(jù)庫訪問接口法，技術(shù)較為簡單是這種方法的優(yōu)點[4]。分布式組件集成法是通過封裝把數(shù)據(jù)訪問轉(zhuǎn)變?yōu)橄嗷オ毩⒌姆植紝ο螅跀?shù)據(jù)訪問者以及數(shù)據(jù)源之間把單個的或多個服務(wù)者設(shè)置為數(shù)據(jù)訪問代理，完成存取數(shù)據(jù)源的操作，最終實現(xiàn)集成異構(gòu)數(shù)據(jù)。分布式組件集成法是通過微軟分布式組件技術(shù)的應(yīng)用把集成分布式數(shù)據(jù)的中間件平臺建立起來，這種方法的優(yōu)點是具有較好的數(shù)據(jù)源自治性、能靈活地配置、提供實時的查詢。

1.3 虛擬數(shù)據(jù)庫法

從實質(zhì)上來說，虛擬數(shù)據(jù)庫技術(shù)就是表現(xiàn)外界的數(shù)據(jù)為擴展的關(guān)系數(shù)據(jù)庫系統(tǒng)（前提是該關(guān)系數(shù)據(jù)庫是可擴展的），通過映射器、包裝器和提取器等部件采集、提取和轉(zhuǎn)換異構(gòu)信息源的信息，最終得到的信息具有完全統(tǒng)一的格式[5]。虛擬數(shù)據(jù)庫也擁有自己獨立的數(shù)據(jù)模式，但值得注意的是，虛擬數(shù)據(jù)庫中并不能真實地存儲有相應(yīng)的數(shù)據(jù)，執(zhí)行的數(shù)據(jù)庫查詢操作知識通過查詢轉(zhuǎn)換的方式在相應(yīng)的數(shù)據(jù)源中執(zhí)行查詢。

虛擬數(shù)據(jù)庫的核心為編寫包裝器，在虛擬數(shù)據(jù)庫服務(wù)器以及外部數(shù)據(jù)源之間包裝器是作為接口存在的，每一個外部數(shù)據(jù)源都與一個包裝器相對應(yīng)。從整體上來說VDB模型內(nèi)部為集中式操作，而且應(yīng)用程序代碼的冗余量相當大，會帶給用戶使用上的不便利，不僅處理方式較為復(fù)雜，計算量在不可承受范圍之內(nèi)，而且跨平臺能力較低，運算速度也不理想。

2面向分布式異構(gòu)平臺的信息資源整合技術(shù)

2.1 XML技術(shù)

伴隨不斷多樣化和復(fù)雜化發(fā)展的Web文件，HTML日益表現(xiàn)出較差的擴展性、語義性及交互性，同時還顯現(xiàn)出了單向超鏈接的問題。通過XML技術(shù)的使用，不僅可以使Web數(shù)據(jù)查詢檢索的速度得到提升，同時還能有效提升互聯(lián)網(wǎng)的接入速度。XML技術(shù)在實際工作中的應(yīng)用日益廣泛，成為組織和交換Web數(shù)據(jù)的標準，為實現(xiàn)數(shù)據(jù)集成系統(tǒng)提供了新路徑。

可擴展鏈接語言Xlink、可擴展的樣式表XSL以及文檔類型定義DTD共同組成了XML，其中XML的布局語言也是DTD，XML的樣式表語言就是其樣式表[6]。在XML中，其中的內(nèi)容、處理和表示相互之間都是分離的，其中的任意一部分都可以進行相對獨立的發(fā)展，沒有必要折中在統(tǒng)一的框架中。所以相較于HTML，XML具有靈活性和伸縮性。在對文檔數(shù)據(jù)的邏輯結(jié)構(gòu)和存儲形式進行描述時，XML使用的標記語言是嵌套的，與此同時，對于用戶來說，XML還允許創(chuàng)建其自身結(jié)構(gòu)，賦予屬性和標記的定義，從理論上來說，通過文檔類型的利用定義DTD可以對無窮無盡的元素進行定義。

圖書館信息資源是由Web信息資源以及本地信息資源組成的，其中前者的數(shù)據(jù)資源使傳統(tǒng)數(shù)據(jù)集成技術(shù)無法完成集成的易購、半結(jié)構(gòu)化的信息。XML技術(shù)可以有效描述不規(guī)則類型的數(shù)據(jù)，不僅能有效集成結(jié)構(gòu)化的傳統(tǒng)數(shù)據(jù)，還能對非結(jié)構(gòu)化以及半結(jié)構(gòu)化的數(shù)據(jù)進行集成。它能夠在同一個XML文件中把不同應(yīng)用程序生成的數(shù)據(jù)集成在一起，從而完成各種類型信息資源的集成，進而提取和查詢數(shù)據(jù)，把處理完成的數(shù)據(jù)向用戶傳送。從用戶端把XML表達信息數(shù)據(jù)解析出來之后的再利用有助于用戶的本地化編輯。

2.2 CORBA技術(shù)

伴隨逐漸興起的面向?qū)ο蠹夹g(shù)，各個領(lǐng)域也開始應(yīng)用客戶/服務(wù)器模式，在此基礎(chǔ)上，在20世紀90年代初期對象管理組織OMG為了更好地進行異構(gòu)環(huán)境對象互操作提出了CORBA技術(shù)，該技術(shù)作為一種對象計算結(jié)構(gòu)是分布式和開放式的[7]。CORBA技術(shù)充分結(jié)合了分布式處理技術(shù)以及面向?qū)ο蠹夹g(shù)，完全可以彌補傳統(tǒng)處理系統(tǒng)的缺憾。通過較深入地利用標準通信模型，可以實現(xiàn)操作系統(tǒng)、硬件結(jié)構(gòu)、服務(wù)器以及客戶應(yīng)用層間交互的目的。CORBA通過面向?qū)ο蠹夹g(shù)的采用，結(jié)合了面向?qū)ο蠛头植际接嬎愕母拍?，對冗余度進行控制。CORBA技術(shù)規(guī)范提供的抽象集是切實可行的和靈活的，并且對一些服務(wù)進行了再明確，確保能在分布式環(huán)境下能成功地集成相關(guān)應(yīng)用。CORBA技術(shù)具有可擴展性、語言無關(guān)性以及平臺無關(guān)性，能有效保障在分布異構(gòu)環(huán)境下基于對象的軟件成員可以實現(xiàn)互操作、可移植及可重用等。CORBA技術(shù)規(guī)范把先進的技術(shù)發(fā)展成果納入應(yīng)用中，維持了在跨平臺、IDL規(guī)范以及互操作方面的優(yōu)勢，表現(xiàn)在可以整合來自不同運行環(huán)境以及不同來源的分布信息資源。

3面向分布式異構(gòu)平臺的信息資源整合設(shè)計與實現(xiàn)

3.1 體系結(jié)構(gòu)

在XML數(shù)據(jù)庫和虛擬數(shù)據(jù)中心的基礎(chǔ)上，圖1給出了具體的信息資源整合模型。由圖可知，該模型共分為整合層、數(shù)據(jù)源層以及應(yīng)用層，主要內(nèi)容包含了虛擬數(shù)據(jù)中心、元數(shù)據(jù)模型構(gòu)造器、XML數(shù)據(jù)庫以及信息連接適配器。其中針對分布式信息源虛擬數(shù)據(jù)中心給出了具體的全局虛擬視圖，XML消息全局集合的提供方則為XML數(shù)據(jù)庫。

共由信息整合、信息源連接以及數(shù)據(jù)集成三個部分構(gòu)成了模型的基本工作過程。在信息資源整合的過程中，數(shù)據(jù)源層是整合的基礎(chǔ)，通過元數(shù)據(jù)模型構(gòu)造器以及XML數(shù)據(jù)庫的利用可以實現(xiàn)局部信息資源的連接，把連接服務(wù)提供給上層。整個模型的核心是整合層，利用元數(shù)據(jù)模型構(gòu)造器構(gòu)造的元數(shù)據(jù)模型是全局通用的，把數(shù)據(jù)集成服務(wù)提供給應(yīng)用層。應(yīng)用層是把數(shù)據(jù)訪問接口提供給應(yīng)用程序或外部用戶，支持應(yīng)用程序更新和查詢異構(gòu)數(shù)據(jù)，并可以把結(jié)果返回至用戶或應(yīng)用中。

3.2 系統(tǒng)開發(fā)模式

在當今研究和應(yīng)用過程中，使用較多的為三層B/S結(jié)構(gòu)開發(fā)模式，具體的數(shù)據(jù)處理步驟如下：首先是客戶端，負責用戶或系統(tǒng)接口的提供；其次是中間層，主要提供服務(wù)程序；最后是數(shù)據(jù)服務(wù)器，用來對數(shù)據(jù)信息進行存儲。中間層負責服務(wù)程序的運行，使客戶端的負擔得以降低，所以也可稱為瘦客戶結(jié)構(gòu)。不管是服務(wù)程序，還是用戶使用的具體界面，分別處在不同的平臺，需要系統(tǒng)對其中的通信協(xié)議進行再定義。這種結(jié)構(gòu)模式便于服務(wù)程序的分享與使用，便于對分布式計算提供支持，在WEB和分布式計算基礎(chǔ)上開展的軟件開發(fā)具有以下優(yōu)勢：易維護、可伸縮、高安全性、擴展性強以及高效性。

三層結(jié)構(gòu)模式按照應(yīng)用服務(wù)器和客戶端層把業(yè)務(wù)邏輯部分分離開來，通過中間件和相應(yīng)的應(yīng)用程序完成客戶端以及若干個服務(wù)器之間的通信。當數(shù)據(jù)庫或者相關(guān)服務(wù)器的業(yè)務(wù)邏輯發(fā)生改變時，由于應(yīng)用邏輯的分裝方式不同，需要修改相應(yīng)服務(wù)器中的應(yīng)用程序，但是原有的客戶端并不需要做任何改變。

3.3 實現(xiàn)方法

圖2給出了在XML基礎(chǔ)上構(gòu)建的數(shù)據(jù)交換模型，其中虛線是遠程數(shù)據(jù)轉(zhuǎn)換格式模型。在圖2示意的整個數(shù)據(jù)交換模型中，重中之重是XML轉(zhuǎn)換器，把數(shù)據(jù)庫中的數(shù)據(jù)向XML文檔轉(zhuǎn)換，同時將接收的XML文檔向數(shù)據(jù)庫中的數(shù)據(jù)轉(zhuǎn)換，實現(xiàn)虛擬數(shù)據(jù)中心以及異構(gòu)數(shù)據(jù)庫之間的數(shù)據(jù)交換。當數(shù)據(jù)庫對應(yīng)不同的應(yīng)用系統(tǒng)時，相應(yīng)的數(shù)據(jù)表示方法也應(yīng)有所不同。因此面對來自不同數(shù)據(jù)源的異構(gòu)數(shù)據(jù)，必須要轉(zhuǎn)換相應(yīng)的數(shù)據(jù)格式。

XML不僅能對不規(guī)則數(shù)據(jù)進行描述，還能在同一個XML文件中納入來自多個應(yīng)用程序的數(shù)據(jù)，從而集成不同的來源數(shù)據(jù)。從屬性值的字段名稱和規(guī)格類型上來說，虛擬數(shù)據(jù)表與原始數(shù)據(jù)表中的數(shù)據(jù)存在差異，所以要按照凈化規(guī)則把原始數(shù)據(jù)表中的數(shù)據(jù)進行規(guī)格化處理，再進入虛擬視圖基表。

4結(jié)語

不同的異構(gòu)數(shù)據(jù)源，其差異是相當顯著的，所以很難進行異構(gòu)信息的整合，尤其是在分布環(huán)境下，一直沒有很理想的異構(gòu)數(shù)據(jù)源整合方法。本文在分布環(huán)境下提出了整合異構(gòu)信息資源的方法，這是一條有效的途徑，通過互聯(lián)網(wǎng)的應(yīng)用，有助于更好地整合分布式異構(gòu)信息資源。

[參考文獻]

[1]林源，陳志泊.分布式異構(gòu)數(shù)據(jù)庫同步系統(tǒng)的研究與應(yīng)用[J].計算機工程與設(shè)計，2010（24）：5278—5281.

[2]劉瑜.當代圖書館信息資源整合的若干模式[J].圖書館雜志，2010（3）：38—41.

[3]鄭燃，唐義，戴艷清.基于關(guān)聯(lián)數(shù)據(jù)的圖書館、檔案館和博物館數(shù)字資源整合研究[J].圖書與情報，2012，（1）：71—75.

[4]崔偉，徐愷英，王寧.基于知識鏈的數(shù)字資源整合研究[J].圖書館學(xué)研究，2010，（8）：32—35.

[5]馬小軍，李廣建.基于本體的數(shù)字資源整合方法與技術(shù)[J].情報科學(xué)，2010（10）：42—46.

[6]郝欣，劉英濤.基于本體集成的數(shù)字資源整合研究[J].圖書館學(xué)研究，2011（10）：55—59.

[7]王操.一種解決分布式異構(gòu)信息資源整合的方法研究[J].圖書館學(xué)研究，2011（3）：108—112.