可以处理半结构化数据的数据库？

Question

除了CouchDB和原生XML数据库（例如eXist）之外，哪些数据库可以存储和查询非结构化和半结构化数据？

我已经交付了许多不同格式的数据（XML，JSON，YAML，CSV，一些自定义格式），我需要合并和使用它们，但在关系数据库中开发模式将非常耗时而且很难。

主要是，我正在研究开源解决方案。此外，在某些时候，我想提供一些如何使用这些数据。

我知道将所有这些数据转换为常用格式会有一些开销。 XML前端有一些很好的选择：eXist-db和BerkeleyDB-XML似乎都有很好的XQuery支持。

此外，虽然还很年轻，CouchDB看起来很有前途，其简单的“文档”格式。

我看过的其他途径是OODBMS，如ZODB和db4o;编写一些简单的解析脚本，然后只是“按原样”存储生成的记录对象。之后的问题是询问他们; OODBMS似乎没有良好的查询引擎历史。

我并不热衷于“blob-in-relational-db”解决方案。看起来像黑客，并不真正允许数据的演变，FT索引等。

我还没有遇到任何其他解决方案吗？

Answer 1

大多数现代RDBMS都支持xml数据类型，认为xml文档是表字段中的值，XPath / XQuery用于从值中检索数据。同样，您可以使用CLOB数据类型来表示大块字符（即非结构化文档）;在这种情况下，Oracle，SQL Server和其他人都有扩展来对这些字段执行文本搜索。

很酷的是，这些半/非结构化搜索工具实现为可从sql访问的操作符，因此您可以将这些搜索的结果与您构建的查询混合;维护一致的关系代表客户端应用程序。在几个项目中，我们将本机xml数据存储在Oracle DB中，并使用标准SQL视图将数据投影为结构化数据。

Answer 2

如果您想要非常通用的东西，可以使用RDF商店。使用RDF，您可以构建一个图形，这对于半结构化数据来说是一个很好的抽象。您只需为图表提供数据固有的结构。在这种情况下，论文Querying RDF Data from a Graph Database Perspective（或slides）可能是一个有趣的读物。

更简单的方法是使用图形数据库（如neo4j）更直接地使用图形抽象。这是一个开源项目（我是其中的一部分）。图形数据库不会将数据绑定到lika OODB倾向于执行的特定应用程序。它也不会强迫您使用必须适合数据的静态模式。

Answer 3

如果您真的存储非结构化数据 - 或者您打算不根据文档的结构进行索引 - 那么我认为像Lucene这样的全文搜索引擎对您来说很有价值。 developerWorks在使用Lucene处理XML方面有一个较旧但信息丰富的article。

Answer 4

IBM DB2版本9具有PureXML支持。

Answer 5

Microsoft SQL Server从2005年开始具有XML列类型。