推薦：怎樣使用XML實(shí)現(xiàn)多渠道接入網(wǎng)站的構(gòu)架
一.背景在現(xiàn)在的網(wǎng)站中，接入的渠道是越來(lái)越多了，技術(shù)也是越來(lái)越先進(jìn)，WAP, SMS,EMAIL, 傳統(tǒng)的Web, Socket等等，如果連數(shù)據(jù)庫(kù)和LDAP也算接入的話，那在設(shè)計(jì)之中需要擴(kuò)展的空間要做到很好 很好

出路

VTD-XML便是對(duì)以上問(wèn)題的思考后給出的答案，它是一個(gè)non-extractive XML parser，由于它出色的機(jī)制，很好的解決（避免）了上面所提出的各種問(wèn)題，并且還“順便”帶來(lái)了non-extractive的其他好處，像快速的解析與遍歷、XPath的支持、Incremental Update等等。我這里有一組數(shù)據(jù)，取自于VTD-XML的官方網(wǎng)站：

VTD-XML的解析速度是SAX（with NULL content handler）的1.5x~2.0x。With NULL content handler的意思就是說(shuō)SAX解析中沒(méi)有插入任何額外的處理邏輯，也就是SAX的最高速度。

VTD-XML的內(nèi)存占用是原XML的1.3x~1.5x（其中1.0x的部分是原XML，0.3x~0.5x是VTD-XML占用的部分），而DOM的內(nèi)存占用則是原XML的5x~10x。舉一個(gè)例子，如果一個(gè)XML的大小是50MB，那么用VTD-XML讀取進(jìn)來(lái)內(nèi)存占用會(huì)在65MB~75MB之間，而DOM的內(nèi)存占用則會(huì)在250M~500MB之間�；�于這個(gè)數(shù)據(jù)用DOM處理大的XML文件幾乎是不可能的選擇。
你可能會(huì)覺(jué)得不可思議，真的可以做出比DOM易用性還好，比SAX還快的XML解析器嗎？別急著下定論，還是來(lái)看看VTD-XML的原理吧！

基本原理

就像大多數(shù)好的產(chǎn)品一樣，VTD-XML的原理并不復(fù)雜，而是很巧妙。為了實(shí)現(xiàn)non-extractive這個(gè)目的，它將原XML文件原封不動(dòng)的以二進(jìn)制的方式讀進(jìn)內(nèi)存，連解碼都不做，然后在這個(gè)byte數(shù)組上解析每個(gè)element的位置并把一些信息記錄下來(lái)，之后的遍歷操作便在這些保存下來(lái)的record上進(jìn)行，如果需要提取XML內(nèi)容就利用record中的位置等信息在原始byte數(shù)組上進(jìn)行解碼并返回字符串。這一切看起來(lái)都很簡(jiǎn)單，但是，這個(gè)簡(jiǎn)單的過(guò)程確有多個(gè)性能細(xì)節(jié)在里邊，并且隱藏了若干個(gè)潛在的能力。下面我們首先來(lái)描述一下各個(gè)性能細(xì)節(jié)：

為了避免過(guò)多的對(duì)象創(chuàng)建，VTD-XML決定采用原始的數(shù)值類(lèi)型作為record的類(lèi)型，這樣就可以不必用heap。VTD-XML的record機(jī)制就叫做VTD（Virtual Token Descriptor），VTD將性能瓶頸在tokenization階段就解決掉了真的是很巧妙很用心的做法。VTD是一個(gè)64bits長(zhǎng)度的數(shù)值類(lèi)型，記錄了每個(gè)element的起始位置（offset），長(zhǎng)度（length），深度（depth）以及token的類(lèi)型（type）等信息。

注意VTD是固定長(zhǎng)度的（官方?jīng)Q定用64bits），這樣做的目的就是為了提高性能，因?yàn)殚L(zhǎng)度固定，在讀取，查詢(xún)等操作的時(shí)候格外的高效（O(1)），也就是可以用數(shù)組這種高效的結(jié)構(gòu)來(lái)組織VTD大大減少了因?yàn)榇罅渴褂脤?duì)象而產(chǎn)生的性能問(wèn)題。

VTD的超能力（一點(diǎn)都不夸張地說(shuō)）就在于它能夠?qū)�XML這種樹(shù)形的數(shù)據(jù)結(jié)構(gòu)簡(jiǎn)單的變換成對(duì)一個(gè)byte數(shù)組的操作，任何你能想象到的對(duì)于byte數(shù)組的操作都可以應(yīng)用在XML上了。這是因?yàn)樽x取進(jìn)來(lái)的XML是二進(jìn)制的（byte數(shù)組），而VTD則記錄了每個(gè)element的位置等訪問(wèn)用信息，當(dāng)我們找到要操作的VTD的時(shí)候，只要用offset與length等信息就可以對(duì)原始byte數(shù)組進(jìn)行任何操作，或者可以直接對(duì)VTD進(jìn)行操作。舉例來(lái)說(shuō)，我想在一個(gè)大XML中找出一個(gè)element并刪除它，那么我只需要找到這個(gè)element的VTD（遍歷方法稍候再講），將這個(gè)VTD從VTD數(shù)組中刪除，然后再利用所有的VTD寫(xiě)出到另一個(gè)byte數(shù)組中就可以了，因?yàn)閯h除的VTD標(biāo)明了要?jiǎng)h除的element的位置，所以在新寫(xiě)入的byte數(shù)組中就不會(huì)出現(xiàn)這段element了，用VTD寫(xiě)入新的byte數(shù)組實(shí)際上就是一個(gè)byte數(shù)組的拷貝，其效率相當(dāng)?shù)母�，這就是所謂的增量更新（incremental update）。

關(guān)于VTD-XML的遍歷方式，它采用了LC (Location Cache)，簡(jiǎn)單地說(shuō)就是將VTD以其深度作為標(biāo)準(zhǔn)構(gòu)建的一個(gè)樹(shù)形的表結(jié)構(gòu)。LC的entry也是64bits長(zhǎng)的數(shù)值類(lèi)型，前32bits代表一個(gè)VTD的索引（index），后32bits代表了這個(gè)VTD的第一個(gè)child的索引。利用這些信息就可以計(jì)算出任何一個(gè)你想要到達(dá)的位置了，關(guān)于具體的遍歷方法請(qǐng)參看官方網(wǎng)站的文章。基于這種遍歷方式的VTD-XML有與DOM不同的操作接口，這是可以理解的，并且，VTD-XML的這種遍歷方式可以在最少的幾步內(nèi)將你帶到你所需要的地方去，遍歷的性能十分突出。

總結(jié)

就像你上面看到的，VTD-XML有著迷人的特性，而如今的1.5版本中已經(jīng)加入了XPath的支持（只要可以遍歷，就可以支持XPath，這是早晚的事:-)），它的實(shí)用性已經(jīng)超越了當(dāng)今我們所想象的范圍了。另一個(gè)VTD-XML的超能力，就是基于它現(xiàn)在的處理方式，完全可以支持將來(lái)的Binary XML標(biāo)準(zhǔn)，并通過(guò)Binary化將XML的應(yīng)用推向更高一層樓！這也是我目前所期待的！:-)

不過(guò)，VTD-XML仍然有許多需要改進(jìn)與完善的地方，這方面值得我們努力與探討。

順便提一下，VTD-XML是開(kāi)源項(xiàng)目（GPL），目前有Java、C兩種平臺(tái)支持。如果你想在.NET試一試的話建議你使用IKVM（BSD style license）將VTD-XML轉(zhuǎn)換成.NET程序集，相信你會(huì)喜歡上它的！;-)

分享：解讀從實(shí)際應(yīng)用中了解WML
學(xué)習(xí)自然語(yǔ)言的最好方法就是溶入相應(yīng)的語(yǔ)言環(huán)境在交流中學(xué)習(xí)，學(xué)習(xí)一種編程語(yǔ)言的最好方法就是看例程。為了幫助大家建立wml應(yīng)用的第一印象，所以請(qǐng)大家先看第一個(gè)例子: