摘  要： 對于一些查詢密集型的應用，查詢操作的響應速度往往是決定其系統(tǒng)性能的關鍵因素，因此如何提高查詢響應速度和系統(tǒng)吞吐率成為首要任務。經(jīng)過實驗證明，通過將查詢數(shù)據(jù)緩存可以有效地解決這個問題。
關鍵詞： 數(shù)據(jù)集成；數(shù)據(jù)緩存；B_Link樹

　目前，在企業(yè)中由于開發(fā)時間或開發(fā)部門的不同，往往存在有多個異構的在不同軟硬件平臺上的信息系統(tǒng)同時運行，這些系統(tǒng)的數(shù)據(jù)源彼此獨立、相互封閉，使得數(shù)據(jù)難以在系統(tǒng)之間交流、共享和融合，從而形成了“信息孤島”問題。如何對這些數(shù)據(jù)進行有效的集成管理，屏蔽這些信息的異構部分，并給上層用戶或應用提供一個統(tǒng)一透明的訪問接口，以透明的方式訪問各信息源，成為當今企業(yè)和組織所關心的問題。數(shù)據(jù)集成也就是在這樣的情況下提出來的。
　通過復制的方式，將各種異構數(shù)據(jù)源中的數(shù)據(jù)抽取到一個統(tǒng)一的數(shù)據(jù)源中（如數(shù)據(jù)倉庫），同時維護數(shù)據(jù)源整體上數(shù)據(jù)的一致性。該方式實現(xiàn)了對物理數(shù)據(jù)庫異構的屏蔽和數(shù)據(jù)訪問的控制，以便于提供一個統(tǒng)一的訪問接口、提高訪問效率和系統(tǒng)的獨立性。圖1是一個典型的基于數(shù)據(jù)復制方式建立的數(shù)據(jù)倉庫體系結構圖。

　此外，在把數(shù)據(jù)倉庫應用于數(shù)據(jù)集成時，還需解決如何應對大量客戶端應用程序對數(shù)據(jù)倉庫進行訪問時能夠做出快速的響應。但是一個數(shù)據(jù)庫的連接資源是有限的，大量的并發(fā)查詢操作必定會導致查詢效率的下降，導致客戶端應用程序獲取數(shù)據(jù)的延遲時間大大增加。這樣的情況用戶是不想看到的，甚至有些對時間有一定限制的應用因為不能及時獲得所需的數(shù)據(jù)而無法正常工作而迫切需要解決這一問題。出現(xiàn)這個問題的原因是：由于連接數(shù)據(jù)庫是一件耗時的工作，而且一般數(shù)據(jù)庫服務器能同時提供的連接數(shù)也相當有限，出現(xiàn)了性能瓶頸。解決這個問題的有效方法可以通過將查詢過的數(shù)據(jù)緩存起來，若下次有同樣的查詢時則不需再連接數(shù)據(jù)庫，而是直接從緩存中獲得，這樣不但節(jié)省了連接數(shù)據(jù)庫的時間開銷，而且省略了查詢數(shù)據(jù)庫所帶來的時間和資源的消耗。但是對于數(shù)據(jù)緩存的組織不能簡單了事，必須得經(jīng)過精心的設計。為此，本文提出一種基于B_Link樹的方法來管理緩存。下面將詳細介紹如何組織和管理緩存。
1 數(shù)據(jù)緩存的體系結構
　無論多么強大的服務器，其內存的數(shù)量都是有限的，故在考慮大數(shù)據(jù)量的緩存時，不可能將所有的數(shù)據(jù)都緩存在內存中，而要考慮使用二級緩存?；贐_Link樹緩存總體結構如圖2所示，為了解決內存有限的問題，采用了兩層緩存結構，用一張哈希表將查詢與索引表對應起來。若已經(jīng)建立了緩存，則對應有一張緩存索引表，用于記錄數(shù)據(jù)記錄塊的位置（數(shù)據(jù)記錄塊是指把數(shù)據(jù)記錄打包成塊進行保存和傳輸）。若數(shù)據(jù)在內存中則直接取出發(fā)送給客戶端應用程序即可，否則需通過關鍵詞去磁盤中獲取。磁盤中的緩存是基于B_Link樹組織起來的。

2 B_Link樹的基本結構和操作
2.1 數(shù)據(jù)結構
　B_Link樹是在B+樹的基礎上加以改進的，主要添加了一個高值域和非葉子結點指向其右兄弟結點的Link指針。B_Link樹結構如圖3所示，其中帶下劃線的表示高值域，主要用于提升并發(fā)操作的性能。Link指針可以使得每個結點至少可以有兩條路徑訪問到，提高了查詢速度。

2.2 B_Link樹的查詢操作

　B_Link樹的查詢操作是比較容易的，具體操作可查閱參考文獻[1]。其基本思路是：首先檢查根結點，找到大于查詢關鍵字V的最小搜索碼值（假設搜索碼值為ki）；然后，順著指針pi到達另一個結點，如果查詢關鍵字比該結點所有關鍵字都大，則遍歷指針指向當前結點的右兄弟結點，在達到最后一層葉子結點時，若找到則返回該結點，否則返回空。
2.3 B_Link樹的插入操作
　B_Link樹的插入操作是一個比較復雜的過程，既要保證B_Link樹的基本結構不受到破壞，還要保證并發(fā)操作時不會出現(xiàn)錯誤，所以有必要進行加鎖處理。下面介紹幾種操作：
　（1）x←scannode（v，A）：掃描指針A指向的結點，找到能發(fā)現(xiàn)key值v的下一個節(jié)點并賦給x。
　（2）A←get（current）：表示將current結點讀入內存中并把其指針賦給A。
?。?）A←node.insert（A，w，v）：把指針w和帶關鍵字v插入指針A指向的結點。
?。?）u←allocate（B）：為結點B在磁盤中分配一新的頁，并將其指針賦給u。
　（5）A，B←rearrange old A：把需要分裂的A指向的結點分裂成新的由A和B指向的結點。
?。?）lock（current）：表示將current結點鎖住，防止其他并發(fā)操作對該結點進行修改，但這并不會鎖住查詢操作。需要說明的是：如果查詢某個結點時，這個結點進行了分裂操作，有可能會出現(xiàn)查詢關鍵字大于高值域的情況，這時只要將當前指針指向右兄弟結點即可，并在父結點中添加一搜索碼和指針指向右兄弟結點（細節(jié)可參考文獻[1]）。
　下面是插入算法的偽代碼：
    Procedure insert（v）
    initialize stack；//初始化一個堆棧，用于保存祖先結點
    current←root；
    A←get（current）；
//將current讀入內存中并將其指針賦給A
    while current is not a leaf do
    //從上至下遍歷結點，直到葉子結點
    Begin
        t←current；
        current←scannode（v，A）；
        if new current was not link pointer in A then
            push（t）；
        A ← get（current）；
    end；
    lock（current）；    //將該結點鎖住
    A←get（current）；    
    move.right；
//如果有必要將當前結點指向其右兄弟結點
    if v is in A then stop    
//如果原來的樹中存在關鍵字為v的結點，則算法停止
    w←pointer to pages allocated for record associated with v；    //把與v相關聯(lián)的指針賦給w
    Doinsertion：
    if A not need to split  //若結點無須分裂
    Begin
        A←node.insert（A. w. v）；
//把w指針和關鍵字v插入A指向的結點中，返回新的指針A
        put（A， current）；
//把指針A放入current結點適當?shù)奈恢?br />         unlock（current）；
    end else begin
        u←allocate（1 new page for B）；
        A，B←rearrange old A，adding v and w， to make 2 nodes；//把A指向的結點    分裂成2個結點，
//分別由A和B指向
（link ptr of A， link ptr of B）←（u， link ptr of old A）；
//把分裂出的新結點的右兄弟結點指針
//指向未分裂前A的右兄弟結點
        y←getmaxvalue（A）；
//取出A指向的結點中的最大的值（注意不是高值域）
        put（B，u）；
        put（A， current）；  //開始將指針放入父結點中
        v ← y；
        w ← u；
current ← pop（stack）；  
//進行回溯處理，檢測父親是否需要繼續(xù)分裂
        lock（current）；
        A ← get（current）；
        move.right；
        unlock（oldnode）；
        goto Doinsertion； 
end
　其中的move.right操作表示將指針指向其右兄弟結點。對于刪除算法，基本思路與插入算法類相同，要保持樹結構和并發(fā)操作的正確性，具體可參閱文獻[2]。此外，充分利用內存中的緩存也是很是重要的，在這里可以采用一種預讀取的辦法，即在磁盤緩存中檢索到要讀的結點時，在傳輸數(shù)據(jù)這段時間里可以將接下來的一些記錄數(shù)據(jù)塊讀入內存緩存中，這樣在下次取數(shù)據(jù)時可以減少一些磁盤IO操作，提高讀取性能。
3 性能測試分析
　測試環(huán)境如下：
　數(shù)據(jù)庫服務器端配置：數(shù)據(jù)庫Oracle 10g，操作系統(tǒng)Linux 2.6，CPU 2.1 GHz X4，內存4 GB，硬盤串口500 GB。查詢中間件服務器與數(shù)據(jù)庫服務器是同樣的配置，但不在同一臺服務器上，對查詢中間件的介紹可以參閱文獻[3]。
　客戶端配置：CPU 2.6 GHz X2，內存2 GB，硬盤串口160 GB。表1和表2是在不同的并發(fā)查詢數(shù)目和不同的查詢規(guī)模下經(jīng)過緩存和未經(jīng)緩存所需時間的對比。表1中查詢記錄數(shù)固定為10萬條，表2中并發(fā)查詢數(shù)固定為50個。

　通過對比直接查詢數(shù)據(jù)庫和經(jīng)過緩存優(yōu)化后進行查詢的實驗數(shù)據(jù)可知，通對對數(shù)據(jù)進行緩存處理，效率提升是非常明顯的，尤其是在并發(fā)查詢的數(shù)量比較大時，效率提升更為明顯。
　本文把數(shù)據(jù)緩存應用于基于數(shù)據(jù)倉庫方式的數(shù)據(jù)集成中，而且，在組織緩存時采用了兩級緩存結構，并采用了B_Link樹來組織磁盤中的緩存中的結構。因此提高了并發(fā)查詢數(shù)據(jù)的效率、縮短了客戶端查詢數(shù)據(jù)的響應時間、提高了工作效率。但本文方法還存在一些不足，例如，如何更有效地協(xié)調磁盤和內存中的緩存交互，這一設計的好壞也直接關系到查詢的性能，這有待以后進一步完善和優(yōu)化。
參考文獻
[1] PHILIP L， LEHMAN S， Bing Yao. Efficient locking for concurrent operations on B-trees[M]. ACM Transactions on Database Systems，1981：655-663.
[2] 孫兆玉，黃宇光，朱鴻宇. 一種基于B_Link樹結構的高性能緩存機制[J].高性能計算技術，2007，186：23-24.
[3] 房元平，許嬌陽，葛珂.流水線處理技術在數(shù)據(jù)集成中的應用[J].微型機與應用，2010（24）：67-69.
[4] JOHNSON T. A highly concurrent priority queue based on the B_Link tree[R]. Technical Report，University of Florida，1991.
[5] CORMEN T H， CHARLES E. LEISERSON R L， et al. Introduction to algorithms（second edition）[M]. The MIT Press， 2009：434-453.