如何得到XML文档文件的大小

作者:网络 来源:佚名 更新时间:2008-09-19 10:52:54 点击:

        xml文档从格式到大小都是不是确定的。有的可能只有几行,而有的却有好几兆字节。你也许会怀疑是不是需要了解xml文档的大小。而当性能成为首要问题时,知道xml文档大小就是件必须要作的事情了。


        从性能角度讲,有两类处理xml文档的方法。批量处理方式需要较短的时间,解析成组的文档。实时方式就是实时的处理文档。批处理方式的性能可以通过在一定时间内处理多少文档来测量,而实时模式的性能也采用类似的测量方式,不过是以处理一个文档需要多长时间来计算的。


scenarios场景

想象一下,你有一个实时工作的系统,比如一个web服务器。这个系统需要实时的接收客户发来的订单,并需要立即对这个订单进行响应。

这个系统显然不能用批量处理的方式进行。简单的估计一下,假设这是个很简单的订单,只有十个项目,这样所生成的xml文档就比较小,大概每个文档是4kb。这种情况下,使用dom来解析收到文档。

如果你的订单每小时只有几个,那么系统性能对你来说还不是问题。但是长远考虑,总有一天订单的数量会多到令你意识到系统性能必须提高。

现在你开始考虑提高性能来适应增长的负荷。你的订单文档已经很小了,把它们合并成较大的文档也没有什么实际的意义。从纵向考虑,这时候你可以提高现有系统处理能力;从横向考虑,你可以增加更多的系统将负荷分散开。

再看看另一个完全不同的领域,你现在要处理的是一个大型的数据仓库。和web服务器完全不同,你现在用ftp来传输平均大小为300mb的xml文档。如果还是使用dom来解析xml文档,你很快就会遇到大麻烦。相反,如果你使用sax就会好的多,它可以直接解析流入的xml文档,而不必把它们事先都装入内存。


改变文档尺寸
有时候你会遇到特殊情况需要改变xml文档大小。想象一下,和刚才一样你有一个实时处理xml文档的web服务器,而此时所有的文档大小都是400mb而不是4kb,你不能使用dom方式,因为那太占内存了。可是因为这是个实时系统,性能很重要。你可以使用sax,不过需要时间允许并要有强大的处理器。

在这种情况下,你可以通过改变文档大小来改进系统执行性能。比如你可以将一个400mb的文档分成10个40mb的,或者40个10mb的小文档,这比起处理一个400mb的文档更有效率。这样你就可以使用dom方式把文件读入内存进行处理,及时响应每个文档的请求了。同时还可以清除掉不相关的文档。

在批量处理方式上也有类似情况。想象一下你在通过dom的批处理方式处理数千个4kb大小的文档。最好的方式是将一千个文件合并成一个4mb的文件。因为每个文档的载入都需要占用系统时间(不论是dom还是sax)。通过将一千个文档合并成一个,你只需要载入一个文档,占用的时间只是原来的千分之一。