DB2 9 XML 性能优势

　　当 IBM 在 DB2 9 中引入 pureXML 之后两年，这个问题可以说已经彻底解决了  。当 IBM 在 2006 年推出 DB2 9 数据库时，它的 pureXML 技术就引起了广泛的关注  。但是，人们并没有马上接受 “关系/XML” 混合型 DBMS 的思想  。

　　这种思想的好处很明显：通过把 XML 引擎和现成的 RDBMS 集成在一起，XML 数据可以轻松地合并到数据操作中，还可以对 XML 数据应用关系系统的许多数据管理特性，比如安全性和存档  。但是，这种做法的性能怎么样呢?考虑到对象-关系数据库过去的性能，人们对混合型系统的性能抱着怀疑态度  。

　　两年之后，pureXML 的性能影响不仅停留在理论上，而且已经在真实环境中表现出来了  。

　　希望通过 XML 获得什么？

　　在开发 pureXML 和 DB2 9 的 5 年中，IBM 深入研究了 XML 的性质(XML 具有强大的灵活性，同时也非常繁琐)，发现了需要改进的五个方面  。IBM 主要关注两个性能因素：存储模型和查询优化  。

　　XML 数据由一个层次化的树结构表示，通常包含多个层和大量节点，因此这种格式很难优化和编制索引  。它还涉及某种形式的压缩  。因此，XML 查询可能变得非常复杂  。

　　存储 XML 数据的一种常用方法是字符大对象(CLOB)  。与二进制大对象(BLOB)一样，CLOB 通常作为一个整体存储，很少为编制索引或查询优化进行预处理  。另一种方法是把 XML 数据 “分解” 为关系数据的列;这种方法需要复杂的解析技术，通常使用大量存储空间  。

　　DB2 pureXML 把 XML 数据存储为经过预先解析的层次化格式，这种格式反映数据的底层嵌套结构  。这种格式支持编制复杂的索引，并允许对物理存储中的数据进行压缩  。在执行查询时，pureXML 把 XQuery 和 SQL/XML 查询转换为一种在多方面(跨语言、查询重写、优化索引和成本)经过优化的统一格式  。XML 压缩、查询优化以及关系和 XML 处理的混合(在 DB2 9.5 中还改进了插入和更新性能)改进了数据库的处理DB2 9 XML性能;IBM 的测试和真实项目表明，与 DB2 V8 或其他 DBMS 中的相似操作相比，速度提高了 10 到 20 倍(参见相关内容中 “成功带来的喜悦”部分)  。

　　更适合 XML 的模型

　　pureXML 的性能特点还包括其适应性  。要点：XML 数据并不会取代关系数据  。对于标准的金融业务，XML 数据很难超越关系数据库，但是 RDBMS 很难处理出版物，比如整本书、杂志或期刊  。如果应用程序中的数据具有复杂的层次结构，或者包含大量非结构化信息，RDBMS 也很难处理  。例如，生命科学组织正在把许多常用数据由各种专有格式转换为 XML  。在某些情况下，对于难以在传统 RDBMS 中存储和提取的数据，XML 格式提供了优化的数据访问路径，这使 XML 数据库在根本上具有显著的性能优势  。

　　XML DBMS 还有一个优点：它们能够通过 Web 服务或其他方法与 XML 应用程序直接通信  。因为 XML 在因特网上使用广泛，应用程序之间的通信也大量采用 XML 格式，所以让整个通信链(应用程序 - 消息 - 数据库)都采用 XML 格式是很有意义的  。

　　IBM 的 pureXML 在技术方面有许多重要的创新(68 项新专利！)，但是 IBM 关系/XML 模型真正的价值在于它在主流企业应用程序中表现出的性能  。

　　XML 在真实环境中的性能

　　北京西城区卫生局为大约一百万人提供服务，它把客户清单存储在一个大型数据库中，其中包含敏感数据  。卫生系统需要把完整的文档(比如医生的报告)与来自许多数据源的数据组合在一起，因此非常需要利用 XML 的灵活性  。卫生局的 CIO Zhu Shu Hong 指出，“带有 pureXML 特性的 DB2 9 不但适合核心数据库存储模型，也适合原始数据收集形式和数据交换”  。Zhu 先生认为，XML 能够处理复杂的个人健康记录，这使 XML 非常适合他们;XML 提供了灵活的查询功能，能够对实时随需信息进行快速响应，这对于某些医疗活动非常重要  。尤其是西城区卫生局把它的大型 DB2 9 数据库与 IBM 面向服务体系结构(SOA)结合在一起，为向应用程序提供数据的 Web 服务实现了一个 “服务总线”  。

　　German Research Center for Competitive Sports(Das Deutsche Forschungszentrum für Leistungssport)开发了一个称为 eActe 的应用程序，这个程序用来收集和分析关于运动科学的基本信息和应用研究信息  。数据收集是这个程序中最困难的方面  。这个数据库包含的内容非常广泛，包括监视设备生成的大量数据、扫描图像和大量手工输入的数据  。例如，有以 9 种形式收集的 3,000 个参数，共有 63 页  。数据是通过一个专用的在线门户或客户机应用程序使用 Lotus Forms 软件捕捉的，然后通过一个 IBM WebSphere Application Server 传递，并以关系格式和 XML 格式存储在 IBM DB2 9 中  。对于位于 Koln 的研究中心，pureXML 能够快速捕捉复杂的运动测试结果，并以 XML 格式提交数据，其他程序很容易用这种格式进行分析  。

　　另一个德国组织 Douglas Holding AG 使用 IBM DB2 9 和 pureXML 从 1,600 家零售商店和 800 家香料店收集数据，执行一项非常传统的零售工作：每天整理每家商店的现金收据并为公司的数据仓库准备结果  。在这种情况下，pureXML 用来压缩数据和决定数据结构，Douglas 发现与以前的系统相比这个系统更容易使用(参见相关内容中“成功带来的喜悦”部分)  。

　　这些例子都表明了一点：pureXML 数据存储的效率、响应速度和 XML 数据的查询灵活性都很好  。

　　最佳实践

　　IBM 为提高 XML 性能做了大量工作，尤其是应对数据量和查询复杂性的增加;但是，与所有数据管理系统一样，pureXML 也需要良好的设置和一些调整  。关于 XML 性能调优的一些建议参见相关内容中“获得出色的 XML 查询DB2 9 XML性能”部分  。

　　XML 数据库市场在最近 10 年竞争越来越激烈了，但是 IBM 的混合方式非常先进，这使 XML 成为日常数据管理的固有组成部分  。为了实现这个目标，IBM 增强了 pureXML 的功能、可靠性和性能  。IBM 首先做了一些研究，然后在 DB2 9.5 中实现了许多性能改进  。

　　尽管 XML 已经成为因特网上主要的数据语言，它是实际上的数据交换标准，而且几乎已经成为 Web 服务和 SOA 的必有部分，但是一些 DBA(甚至整个 IT 部门)仍然对是否接受它犹豫不决  。DB2 9 和 pureXML 把关系数据库的可靠性、可伸缩性和可管理性引入了 XML 领域，同时避免了其他老式存储方式的缺点  。因此，那些对 XML 的性能持怀疑态度的 IT 人员应该转变思想了  。

　　相关内容

　　获得出色的 XML 查询性能

　　XML 应用程序通常需要很高的性能  。实现良好性能的主要责任由应用程序设计人员和 DBA 承担  。在 Matthias Nicola 的 developerWorks 文章 “DB2 9 中 15 个 pureXML 性能最佳实践” 中，他解释了如何通过 DB2 9 的 pureXML 技术产生最好的性能  。下面总结一下他的前五个提示  。

　　理智地选择 XML 文档的粒度  。在设计 XML 应用程序和 XML 文档结构时，需要决定在单一 XML 文档中包含哪些业务数据  。在细粒度、中等粒度和粗粒度之间进行选择时，需要考虑应用程序主要以哪种粒度访问和处理数据  。如果不太确定，那么应该倾向于选用较细的粒度和较小的 XML 文档  。

　　使用 DMS 和更大的页取得更好的 XML 性能  。数据库管理的表空间(DMS)可以提供比操作系统管理的表空间(SMS)更高的性能  。在 DB2 9 中，在默认情况下新创建的表空间是 DMS  。DMS 表空间与自动存储一起使用可以使 DMS 容器随需增长，而不需要人为干预  。经验法则是，为 XML 数据选择一个不小于平均预期文档大小的两倍而且不超过最大值 32 KB 的页大小  。如果为关系数据和 XML 数据(或者为数据和索引)使用单一的页大小，那么 16KB 或 8KB 的页对于这两种数据类型而言可能都是较好的选择  。

　　使用 XML 存储选项：内联、压缩或单独的表空间  。如果通过性能分析发现对于 XML 数据需要更大的页大小，而对于关系数据或索引则需要更小的页大小，那么可以使用单独的表空间  。当定义一个表时，可以将 “长” 数据(大对象和 XML 数据)转到一个具有不同页大小的单独的表空间中  。但是应按常理来考虑  。更少的缓冲区池和表空间以及更少的页大小种类，可以产生更简单的物理数据库设计，从而更容易管理、维护和调优  。因此，要避免引入多种页大小，除非您知道这样做确实可以带来性能好处  。应该使用内联和压缩功能来减少存储开销并提高 I/O 性能  。

　　配置 DB2 以便快速地成块插入 XML 数据  。传统的插入和日志记录性能调优对于 XML 插入和导入仍然适用  。在 DB2 9.5 中，使用装载代替导入  。如果表上需要多个 XML 索引，就应该在任何成块插入之前定义它们  。这样的话，每个 XML 文档只被处理一次，便可以为所有 XML 索引生成索引条目  。如果在填充表之后发出多条 create index 语句，那么 XML 列中的所有文档将被访问多次  。

　　使用新的快照监视器元素检查 XML 性能  。DB2 9 为 XML 数据提供了新的缓冲区池快照监视器元素，它们与用于关系数据和索引的现有计数器相对应  。由于关系数据和索引存储在一个表空间内不同的存储对象中，因此它们具有不同的读和写计数器  。DB2 9 中的 pureXML 存储为 XML 数据引入了一种新的存储对象(称为 XDA)，它也有自己的缓冲区池计数器  。

　　在研究了 Nicola 的性能提示之后，一定要阅读他关于通过索引改进 XML 查询性能的文章  。

　　成功带来的喜悦

　　DB2 9 pureXML 使香料店和零售公司 Douglas Holding 能够更快地进行销售数据整理和聚合  。

　　Douglas Holding AG 公司在欧洲和美国拥有超过 1,800 家零售商店  。在 2005 年，它启动了一个称为 Operational Data Stage 的项目，其目的是解决现金收据整理和销售信息聚合的主要问题  。使用 XML 格式获得数据是一个重要的基础步骤  。“灵活性是我们选用 XML 的主要原因，” Andreas Birkendorf 博士(处理公司 IT 需求的 Douglas Holding 分支机构 Douglas Informatik & Service 的项目主管)说，“因为数据源的差异非常大，而且它们的格式还可能会变化，所以我们需要一种非常灵活的接口  。”

　　这个项目在开始时使用 IBM DB2 Version 8 XML Extender，这是有效的，但是过程很复杂，难以使用  。2007 年，IBM DB2 9 pureXML 的出现改变了这种状况  。DB2 9 更容易使用，尤其是在 XML 和关系结构之间进行映射方面  。与使用 DB2 V8 XML Extender 时相比，性能提高了 20 倍以上  。这大大减少了处理时间;尽管 Birkendorf 的团队一度担心如果 Douglas 决定增加数百家商店，他们就会无法承受，而现在 Birkendorf 确信 “现在我们知道我们可以应付  。”

　　据 Birkendorf 所说，一部分DB2 9 XML性能改进并非来自物理处理速度的提高，而是由于不再需要完成某些工作  。“如果格式发生细微的变化，pureXML 使我们可以更轻松地应对  。实际上，有时候我们甚至不需要做手工修改;系统会处理它  。”

　　Douglas Holding 很早就利用 pureXML 实现了 XML 模型系统，但是这个过程并非一帆风顺  。“具有关系数据库背景的人员可能需要调整其思维模式，” Birkendorf 说，“我们早在 pureXML 出现之前就意识到了 XML 的价值;我们知道它正是我们所需要的  。”