李福存　姜躍文　楚懷遠

摘 要

隨著企業(yè)信息化應用程度的提升，企業(yè)會產(chǎn)生大量的信息化數(shù)據(jù)，這些數(shù)據(jù)既有傳統(tǒng)的結構化數(shù)據(jù)，更有眾多新型的非結構數(shù)據(jù)，諸如圖像、音頻、視頻、辦公文檔等。利用主流數(shù)據(jù)管理系統(tǒng)Oracle所提供的新方法，可有效構建非結構化數(shù)據(jù)的存儲模型，從而使得非結構化數(shù)據(jù)的存儲更高效，檢索更快捷。

【關鍵詞】非結構化 數(shù)據(jù)存儲 Oralce SecureFile

1 前言

隨著信息技術的廣泛普及和充分應用，企業(yè)在日常業(yè)務活動中會產(chǎn)生各種各樣的信息化數(shù)據(jù)。這些數(shù)據(jù)既有傳統(tǒng)的結構化數(shù)據(jù)，更有大量的非結構化數(shù)據(jù)，諸如音頻、視頻、圖像、辦公文檔等。據(jù)IDC統(tǒng)計，在企業(yè)產(chǎn)生的全部數(shù)據(jù)中，約有80%都是非結構化數(shù)據(jù)，且每年按60%的指數(shù)增長。在未來15年中，互聯(lián)網(wǎng)和多媒體應用的數(shù)字非結構化數(shù)據(jù)量將超過6.023x1023 （阿伏加德羅常數(shù)），因此非結構化數(shù)據(jù)的高效存儲和快速檢索成為非結構化數(shù)據(jù)存儲方案所面臨的關鍵挑戰(zhàn)。

2 數(shù)據(jù)存儲結構與數(shù)據(jù)存儲方法

傳統(tǒng)的結構化數(shù)據(jù)可以用二維表結構來邏輯表達，因此可以用關系型數(shù)據(jù)庫來管理，而非結構化數(shù)據(jù)無法用二維表結構來表達，因此需要采用新的方法來存儲和管理。在大數(shù)據(jù)時代，主流的商業(yè)數(shù)據(jù)庫軟件如Oracle在對傳統(tǒng)的結構化數(shù)據(jù)提供更先進的管理技術的同時，也對非結構化數(shù)據(jù)提供了有效的管理方法，能整合有關聯(lián)性和結構化的數(shù)據(jù)及非結構化數(shù)據(jù)，從而給用戶提供無縫的使用體驗。

2.1 非結構化數(shù)據(jù)分類

非結構化的數(shù)據(jù)可以分成幾種不同的類型，比較常見的就是多媒體或富媒體文件，如數(shù)字化影像、音頻文件、視頻文件。其分類如下：

2.1.1 照片

用二維方式來表示所有內容，如照片、素描、繪畫、圖標。

2.1.2 基于字符的文檔

由一個或多個明確定義的字符集中的字符所組成的集合，如Word文檔、電子郵件、PDF文件等。

2.1.3 音頻

基于時間的聲音的集合，如WAV文件、MP3文件等。

2.1.4 視頻

基于時間的圖片和基于時間的聲音的集合，如MP4文件等。

2.2 Oracle的存儲結構

Oracle是當前在商業(yè)社會中最廣泛使用的大型數(shù)據(jù)庫，適合于企業(yè)管理和企業(yè)數(shù)據(jù)交換，特別是對于具有大規(guī)模數(shù)據(jù)庫的組織。Oracle數(shù)據(jù)庫對數(shù)據(jù)的存儲分成邏輯結構和物理結構兩部分，邏輯結構存儲在數(shù)據(jù)表中，而物理結構存儲在數(shù)據(jù)文件中（見圖1）。

在上述邏輯存儲結構中，段是對象的空間邏輯分配，一個段包含一個或幾個子段，這些子段是連續(xù)的數(shù)據(jù)塊，數(shù)據(jù)塊是數(shù)據(jù)庫使用的最小數(shù)據(jù)單元。數(shù)據(jù)文件是操作系統(tǒng)中的物理文件，其存儲數(shù)據(jù)庫中所有邏輯結構的數(shù)據(jù)，其中不同的數(shù)據(jù)文件可以采用不同的數(shù)據(jù)塊大小。

2.3 Oracle的非結構化數(shù)據(jù)存儲方法

在Oracle數(shù)據(jù)庫管理系統(tǒng)中，對不同類型的大對象數(shù)據(jù)使用不同的存儲方式：內部大對象存儲在數(shù)據(jù)庫內部；外部大對象存儲在文件系統(tǒng)中，并且只在數(shù)據(jù)庫中存儲指向這個文件的指針。本文將重點討論第一種類型。

2.3.1 大對象數(shù)據(jù)類型

大對象數(shù)據(jù)類型（LOB）是由數(shù)據(jù)庫系統(tǒng)提供的一組數(shù)據(jù)類型，用于存儲大的數(shù)據(jù)，例如圖片、文檔和聲音。LOB數(shù)據(jù)是可以由數(shù)據(jù)庫應用程序有效使用和操作的形式存儲。 LOB有4種類型的數(shù)據(jù)：

（1）BLOB（二進制大對象），通常用于存儲多媒體文件，如音頻或視頻。

（2）CLOB（字符大對象），通常用于非常大的文件字符串，字符集是固定寬度格式的字符。

（3）NCLOB（國家字符大對象），幾乎和CLOB一樣，存儲非常大的字符串，但字符集格式不必是固定寬度。

（4）BFILES，是一個存儲在數(shù)據(jù)庫之外（在操作系統(tǒng)中）的二進制文件，但數(shù)據(jù)庫仍然可以訪問。所有存儲在操作系統(tǒng)中的文件都可以存儲在BFILE 中（例如*.DOCX文件可以存儲在一個BFILE中），然后以CLOB形式被加載到要打開的表中。

2.3.2 SecureFile和Basicfile

Oracle數(shù)據(jù)庫提供了兩種管理非結構化數(shù)據(jù)的方法——Basicfile和SecureFile方法。

簡單地說，Basicfile就是LOB，可用上面提到的LOB特征來理解Basicfile。

SecureFile是Oracle提供的一個新的存儲類型（名叫SecureFile LOB），它為處理非結構化內容提供了新的方法，同時還能擁有Oracle數(shù)據(jù)庫服務器的所有特性和優(yōu)點，如：

（1）數(shù)據(jù)壓縮。通過SecureFile智能壓縮，SecureFile LOB能夠立即檢測到文件可以被壓縮以節(jié)省空間。

（2）重復數(shù)據(jù)刪除。Oracle SecureFile允許oracle數(shù)據(jù)庫分析和檢測列或分區(qū)中的多個LOB文件，這可以節(jié)省空間。

（3）數(shù)據(jù)加密。使用Oracle高級安全選項，SecureFile可以為LOB提供安全功能。

（4）性能增強。Oracle在使用SecureFile LOB存儲類型時引入了額外的性能特性。

SecureFile是一個高性能存儲功能，它能在同等文件系統(tǒng)配置的情況下，以相同或更快的速度存儲和檢索LOB。

3 測試

3.1 測試方法

我們選用最常見的World文檔作為樣本，分別用Basicfile和SecureFile方法對其進行讀寫測試。測試方法見圖2。

圖2為測試方法模型，用來比較非結構化數(shù)據(jù)文件采用Basicfile和SecureFile兩種不同方式到數(shù)據(jù)庫中的加載、寫入性能和空間利用情況。

3.2 測試樣本和測試環(huán)境

本次研究所有非結構化數(shù)據(jù)為MS WORD文檔，大小為700Kb。

測試環(huán)境為：處理器Intel? Core i5-5300U 2.30GHz，內存8GB，64位Windows，數(shù)據(jù)庫Oracle 12.1.0.2.0。

3.3 測試步驟

第一步，建立訪問MS Word文件所需要的目錄。

create directory sec_file as ' C：＼ORACLETEMP'；

第二步，建立并運行用Oracle 提供的操作大對象的DBMS_LOB包來加載Word文檔并寫入到數(shù)據(jù)庫的存儲過程。

采用Basicfile方式存儲非結構化數(shù)據(jù)的建表參數(shù)和語句結構如下：

CREATE TABLE TESTCV1

（…，

…，

CV BLOB）

STORE AS BASICFILE TABLESPACE （TS1）；

采用SecureFile方式存儲非結構化數(shù)據(jù)的建表參數(shù)和語句結構如下：

CREATE TABLE TESTCV2

（…，

…，

CV BLOB）

STORE AS SECUREFILE （TABLESPACE （TS2） DEDUPLICATE COMPRESS HIGH）

采用上面的不同參數(shù)分別建立兩張表，并分別采用Basicfile和SecureFile方式來定義存儲LOB類型。編寫兩段相似的代碼，采用dbms_lob包來分別插入Word文檔到上述兩張表的LOB字段中，并記錄加載時間；采用dbms_lob包來分別讀取兩張表的LOB字段并記錄讀取時間。

第三步，建立并運行使用DBMS_SPACE包編寫的空間檢查的存儲過程，用DBMS_SPACE包來檢查上述兩張表的使用空間，比較Basicfile和SecureFile兩種不同方式對空間使用的影響。

3.4 測試結果

按照上面的測試過程，采用Basicfile和SecureFile方法分別對測試對象進行讀寫測試，其時間和空間消耗數(shù)據(jù)如表所示。

讀寫耗時結果見表1。

空間使用結果表2。

通過上面測試可以發(fā)現(xiàn)，同樣的文件采用Basicfile和SecureFile存儲時，由于SecureFile具有壓縮和去重的功能，讀寫性能和空間利用率比Basicfile有非常顯著提高。在效率方面，SecureFile的寫效率是Basicfile的5.87倍，讀效率是SecureFile的8.87倍。在空間使用方面，SecureFile的空間需求僅為SecureFile需求的0.1%。

我們采用不同大小的Word文檔做測試，其結果都相似。

4 結論

上述對非結構化數(shù)據(jù)在Oralce數(shù)據(jù)庫中的讀寫效率和空間使用率的測試結果顯示，新的SecureFile方法顯示出顯著優(yōu)于BasicFile方法的性能。

Oracle SecureFile方法是將結構化數(shù)據(jù)和非結構化數(shù)據(jù)進行統(tǒng)一管理的存儲解決方案。采用Oracle SecureFile構建的應用程序可以顯著降低存儲空間需求和并大幅提升讀寫性能，是擁有大量非結構化數(shù)據(jù)的企業(yè)可信賴的一種非結構化數(shù)據(jù)存儲解決方案。

參考文獻

[1]S.M.Niloy Mukherjee，Amit Ganesh，Vinayagam Djegaradjane，“Oracle SecureFile：Prepare for the Digital Deluge，”O(jiān)racle Corp.

[2]C.S.Spahiu，“A Multimedia database server：Implementation and functions，”Int.J.Comput.Sci.Appl.，vol.7，no.3，pp.140–155，2010.

[3]Oracle，“Unstructured Data Management with Oracle Database 12 c，”White Pap.，no.September，2014.

作者簡介

李福存，江蘇金恒信息科技有限公司，信息化總監(jiān)，Oracle數(shù)據(jù)庫大師（OCM），南京鋼鐵股份有限公司首席專家，澳大利亞臥龍崗大學高級信息技術碩士。

姜躍文，江蘇金恒信息科技有限公司，高級工程師，資深Oracle數(shù)據(jù)庫專家。

楚懷遠，西安電子科技大學，電子信息工程專業(yè)四年級學生。

作者單位

1.江蘇金恒信息科技有限公司 江蘇省南京市 210035

2.西安電子科技大學 陜西省西安市 710000