摘要：GaussDB(DWS)支持XML數據類型及豐富的XML解析函數，可實現關系數據和XML數據的映射管理功能。
XML概述
XML是可擴展的標識語言（eXtensible Markup Language）的縮寫，可以描述非常復雜的數據結構，廣泛應用於傳輸和存儲數據。XML是一種類似於HTML的標記語言，但XML沒有使用預定義的標記，可以根據應用需求定義標記。XML的基本格式是標准化的，可以跨平台、操作系統和應用程序實現異構系統之間的數據共享。
XML數據類型
GaussDB(DWS)支持將XML文檔存儲在數據庫的XML數據類型列中。通過XML數據類型來保存數據，相比於文本方式的優勢在於具有數據結構檢查功能，能夠保證結構的正確，並且支持XML數據解析和處理函數。
判斷一個 XML 文檔正確的標准是：
- 文檔必須是一個格式良好的文檔。
- 文檔遵循 XML 所有的語法規則並且有效。
- 文檔遵循特定語義的規則，這些規則通常規定在 XML 或 DTD 規范中
XML可以存儲由XML標准定義的格式正確的文檔，以及由XML標准中定義的內容片斷，內容片斷可以有多個頂級元素或字符節點。
下面是一個格式良好的XML文檔示例：
<?xml version="1.0" encoding="UTF-8"?> <message> Hello GaussDB(DWS) </message>
可以使用INSERT SQL語句將格式良好的文檔插入到XML列中，如果能夠成功分析文檔，那么就說明文檔的格式正確。在執行插入或更新操作前，會根據配置參數來驗證XML文檔是否格式正確。
在應用程序中的XML數據一般采用其序列化字符串格式，將數據插入到 XML 列中時，必須將它轉換為 XML 分層格式。因此在執行插入操作時可顯式調用 XMLPARSE 函數，以將數據從其序列化字符串格式轉換為 XML 分層格式。
test=# SELECT XMLPARSE(document '<root>GAUSSDB(DWS)</root>'); xmlparse --------------------------- <root>GAUSSDB(DWS)</root> (1 row)
訪問XML值
當訪問和處理XML數據時，由於XML數據在數據庫內部的表示不是字符串，XML數據類型沒有提供比較操作符，因此不能直接與字符串進行比較。這樣的結果是無法通過比較XML數值和搜索值來檢索到數據行，因此對於XML數據應該伴隨一個ID值用於檢索數據。
通過使用 XMLSERIALIZE 函數，可以將 XML 值變換成表示 XML 文檔的已序列化字符串值。
test=# SELECT XMLSERIALIZE(document '<root>GAUSSDB(DWS)</root>' AS TEXT); xmlserialize --------------------------- <root>GAUSSDB(DWS)</root> (1 row)
XML解析函數
目前GaussDB(DWS)已經支持了30多個XML解析函數，包括解析XML數據、生成XML內容、XML謂詞、XML參數設置、將數據映射到XML等功能。
處理XML數據的函數
- xpath 對xml值計算xpath表達式的結果
- xmltable 通過XPath表達式的方式對XML數據進行解析
生成XML內容的函數
- xmlparse 字符數據轉換為xml類型的值
- xmlserialize xml類型轉換為字符串
- xmlcomment 創建一個包含XML注釋的特定文本內容的值
- xmlconcat 連接獨立的XML值列表來創建一個包含XML內容片段的單值
- xmlelement 生成一個帶有給定名稱，屬性和內容的XML元素。
- xmlforest 生成一個使用指定的名稱和內容的XML森林（序列）元素
- xmlpi 創建一條XML處理指令
- xmlroot 更改XML值的根節點屬性
- xmlagg 聚合函數,連接聚合函數調用的輸入值
XML謂詞函數
- IS DOCUMENT 判斷XML值是否為文檔
- IS NOT DOCUMENT 判斷XML值是否為文檔
- xmlexists 判斷XPath表達式是否返回任何節點
- xpath_exists 判斷XPath表達式是否返回任何節點
- xml_is_well_formed 檢查字符串是不是格式良好的XML
- xml_is_well_formed_document 檢查字符串是不是格式良好的XML文檔
- xml_is_well_formed_content 檢查字符串是不是格式良好的XML內容
XML參數設置
- SET XML OPTION 設置XML格式
- SET XMLBINARY TO 設置二進制值在XML中的編碼格式
將表、查詢、游標、數據庫映射到XML的函數
- table_to_xml、query_to_xml、cursor_to_xml、database_to_xml等。
具體每個函數的使用方法可以參考GaussDB(DWS)用戶手冊，下面主要介紹應用中常見的解析XML數據的XMLTABLE函數。
XMLTABLE函數概述
XMLTABLE函數通過XPath表達式的方式對XML數據進行解析，按照定義的列生成一個表將數據返回，返回的表可以包含任何 SQL 數據類型（包括 XML類型）。
XMLTABLE函數支持將表中的XML數據或一個SELECT查詢的XML數據作為變量傳遞到指定的XPath表達式上，通過XPath表達式解析XML數據后的結果用於產生表中的列值，生成的表的結構由 XMLTABLE 的 COLUMNS 子句定義，可以指定列名、數據類型和生成列值的方式來定義列的特征。
下面演示一下XMLTABLE函數的使用方法，首先創建CUSTOMER表並插入包含客戶信息的XML數據。
CREATE TABLE CUSTOMER AS SELECT 1 AS ID, XML $$ <ROWS> <ROW ID="1"> <CUSTOMER_NAME>Tony</CUSTOMER_NAME> <PHONENUM>123-456-666</PHONENUM> </ROW> <ROW ID="2"> <CUSTOMER_NAME>Serena</CUSTOMER_NAME> <PHONENUM>123-456-888</PHONENUM> </ROW> <ROW ID="3"> <CUSTOMER_NAME>Tina</CUSTOMER_NAME> <PHONENUM>123-456-999</PHONENUM> </ROW> </ROWS> $$ AS INFO;
通過以下 SELECT 語句在 XMLTABLE 函數中解析 CUSTOMER 表的 INFO 列。
SELECT XMLTABLE.* FROM CUSTOMER, XMLTABLE('//ROWS/ROW' PASSING INFO COLUMNS ID INT PATH '@ID', NAME VARCHAR(64) PATH 'CUSTOMER_NAME', PHONENUM TEXT PATH 'PHONENUM'); id | name | phonenum ----+--------+------------- 1 | Tony | 123-456-666 2 | Serena | 123-456-888 3 | Tina | 123-456-999 (3 rows)
在GaussDB(DWS)上，XMLTABLE函數支持下推到數據節點DN執行的STREAM查詢計划，XML數據在數據節點上進行解析生成XMLTABLE結果表，通過GATHER STREAM將結果匯總到協調節點CN上，能夠下推到DN的STREAM計划具有較好的查詢性能。
XMLTABLE應用案例
在業務場景中，經常會遇到需要解析XML文檔的場景，使用XMLTABLE函數可以快捷方便的完成對XML數據的解析，將所需的數據以表的形式返回，便於對數據進一步的查詢和分析。
下面演示一個對消息數據的解析流程：
1. 創建一張用於存儲消息數據的表，插入數據。
CREATE TABLE MSGS AS SELECT 1 AS ID, 'A,BB,CCC,DDDD,EEEEE' AS MSG;
2. 將消息文本數據通過XMLPARSE函數轉化為XML數據。
test=# SELECT XMLPARSE(content '<r><c>' || REPLACE(MSG, ',', '</c><c>') ||'</c></r>') AS XML_MSG FROM MSGS; xml_msg ----------------------------------------------------------- <r><c>A</c><c>BB</c><c>CCC</c><c>DDDD</c><c>EEEEE</c></r> (1 row)
3. 使用XMLTABLE函數對XML數據進行解析，逐條返回消息內容。
test=# SELECT MSG_CONTENT FROM test-# (SELECT XMLPARSE(content '<r><c>' || REPLACE(MSG, ',', '</c><c>') ||'</c></r>') AS XML_MSG FROM MSGS), test-# XMLTABLE('/r/c/text()' PASSING XML_MSG COLUMNS MSG_CONTENT VARCHAR(4000) PATH '.'); msg_content ------------- A BB CCC DDDD EEEEE (5 rows)
從上圖中可以看到，XMLTABLE解析后的數據以表的形式返回，在這個XMLTABLE表上可以進一步的對數據排序、篩選等操作，同時GaussDB(DWS)也支持在函數或存儲過程中進行XML數據的處理，使應用程序的開發非常便捷。
總結
GaussDB(DWS)支持了XML數據類型及豐富的XML解析函數，同時基於Shared Nothing的分布式架構具有良好的並行處理和擴展能力，對XML數據的解析任務可下推到數據節點上進行並行處理，完全能夠滿足應用中出現的XML數據解析需求。
本文分享自華為雲社區《GaussDB(DWS) XML數據處理實踐》，原文作者：黎明的風。