XML tips

kokkenの仕事で、色々なnative XML server/libraryを使ったので、それらの特徴について記しておきます。国立国語研究所で作成された日本語話し言葉コーパス（CSJ）で構築されたXMLの構造は、深い上にデータ量も多いため、扱うライブラリがrobustな作りになっていないと処理時間がかかるうえに作業中に落ちます。今回はXMLの検索として XQueryを使用したのですが、このXQueryを扱えるプログラムのうち、自分が使っみてよかったと感じたものは、最初からあったTamino XML serverとeXistとQizx/Openです。

Tamino XML server

仕事についた時すでに使用が決まっていたものです。version4.1.4.1のLinux版はvesion3と違ってglibcのversionを選び、RedHatLinux7.2のglibc環境以外ではまともに動かないという問題はありましたが、商用のdatabase serverである程度安価なものの中では一番良く安定しており、tuningもそれなりに効いているものです。XPathでの検索のほうがずっと得意です。
Taminoを作っているSoftwareAGという会社はだいぶXMLに特化しているようです。最近、StarOffice(日本ではStarSuite)のロゴsplashにPowered by Software AGとあることに気づきました。そういえば、StarOfficeの保存ファイルは、 XMLのzip圧縮ですね。

eXist

今回はTaminoがあったので使う必要はなかったのですが、XQueryをサポートするdatabase serverとしてはよくできているように感じました。

Qizx/Open

今回のツール作成では、Taminoサーバが存在しない状態でも検索ができるようにという条件があったので、XQueryを高速に実行できる Javaのライブラリが必要でした。W3Cのページにはライブラリ等が色々載っていますが、preceding,preceding-sibling,following,following-sibling軸を扱えて高速なライブラリは今のところこれしかないようです。他のライブラリは軸のサポートが不完全なので、今回の仕事では使いませんでした。ただ、どちらかというと学習用という位置づけです。

その他のライブラリ／サーバ

最近、NeoCore XML Management systemというのを雑誌で見かけたので、ちょと試してみたのですが、Linux版はFedora Coreでないとinstallerすら動かないようです。仕方ないので、windows版を試してみましたが、ちょっと軸のサポートが不親切なようです。
普通の使用では、XMLserverといってもRDBSと同じようなflatな検索しかかけないので、今回のような幾分特殊な用途に使う libraryやserverを選定するのはかなり大変でした。ただ、検索言語としてXQueryを選んだのがが正解だったかどうかには疑問が残ります。

 <pkrumins>  Prim's algorithm, om nom nom
  <f00li5h>  cats don't like being trapped in trees, is handy to know how
             to traverse one quickly!
 <pkrumins>  true
 <pkrumins>  the more tree traversal algorithms a kit knows, the sneakier
             the kit is
          *  f00li5h visits every node, traveling on the minium weighted
             edges
 <pkrumins>  sneaky kit

    -- Cats and Computer Trees
    -- #perl, Freenode

 <Mel|work>  Yaakov: icke==troll?
  <rindolf>  Mel|work: no, he's not a troll.
   <Yaakov>  Mel|work: No, icke is just... enthusiastic about "channel
             purity"
 <Mel|work>  k....
          *  rindolf hates when people abuse the == operator in English
             for "contained in"
  <apeiron>  rindolf, "icke contained in troll"? That's not what Mel|work
             meant.
    <tarbo>  sure he did, if you make troll a set of users
  <rindolf>  apeiron: what he meant by icke == troll is that icke belongs
             to the set of trolls.
  <rindolf>  apeiron: not that every troll in the world is icke.
  <apeiron>  rindolf, No, he was asking if icke is a troll.
     <icke>  $icke->isa('Troll');
     <icke>  (false)
  <rindolf>  apeiron: is-a means "contained in the set of objects with the
             property of"
  <rindolf>  apeiron: mathematically speaking.
  <apeiron>  rindolf, Okay, so you're assigning the mathematical meaning
             of == to its usage in a *perl* channel?
  <apeiron>  rindolf, Now who's fiddling with meanings, eh?
  <rindolf>  apeiron: whatever.
  <apeiron>  'whatever' is what those who have lost their argument say.
  <rindolf>  apeiron: whatever.
  <apeiron>  ^ QED
  <rindolf>  apeiron: whatever.
  <PerlJam>  apeiron: I thought that's what people who don't care say.
  <apeiron>  PerlJam, If one doesn't care, they wouldn't respond.
  <PerlJam>  apeiron: whatever
  <PerlJam>  ;-)
  <rindolf>  LOL.

    -- Whatever
    -- #perl, Freenode

[ Main Page ]

XML database

Tamino XML server

eXist

Qizx/Open

その他のライブラリ／サーバ