隨著個(gè)人計(jì)算機(jī)和計(jì)算機(jī)網(wǎng)絡(luò)的飛速發(fā)展，以及信息化的高速推進(jìn)，互聯(lián)網(wǎng)提供的信息總量也在迅猛增長(zhǎng)。如果企業(yè)和社會(huì)組織實(shí)現(xiàn)數(shù)據(jù)共享，可以使更多的人更充分地利用已有的數(shù)據(jù)資源。可是為不同應(yīng)用服務(wù)的信息都存儲(chǔ)在許多不同的數(shù)據(jù)源之中，數(shù)據(jù)內(nèi)容以及數(shù)據(jù)格式千差萬(wàn)別，且其管理系統(tǒng)也各不相同。如何對(duì)這些數(shù)據(jù)進(jìn)行有效的集成管理，屏蔽這些信息的異構(gòu)，并提供一個(gè)統(tǒng)一的訪問接口以透明地訪問各信息源，成為一些大型企業(yè)或社會(huì)組織關(guān)心的事情。數(shù)據(jù)集成正是在這一背景下提出的。
　　1 基于數(shù)據(jù)復(fù)制方法的集成模式
　　數(shù)據(jù)復(fù)制方法［1］是當(dāng)前比較常用的數(shù)據(jù)集成模式，該方法將各個(gè)數(shù)據(jù)源的數(shù)據(jù)復(fù)制到與其相關(guān)的其他數(shù)據(jù)源上，并維護(hù)數(shù)據(jù)源整體上的數(shù)據(jù)一致性、提高信息共享利用的效率。這種方式可以復(fù)制信息源的整個(gè)數(shù)據(jù)，也可以是信息源的部分信息。數(shù)據(jù)復(fù)制方法在用戶使用某個(gè)數(shù)據(jù)源之前，將用戶可能用到的其他數(shù)據(jù)源的數(shù)據(jù)預(yù)先復(fù)制過(guò)來(lái)，如果用戶要使用的數(shù)據(jù)已經(jīng)被復(fù)制，則只需要查詢?cè)摷尚畔⒃?，并與中介器/包裝器的虛擬數(shù)據(jù)集成［2］相比，大大提高了系統(tǒng)處理用戶請(qǐng)求的效率。
　　基于數(shù)據(jù)復(fù)制方式最常見的一種方法是數(shù)據(jù)倉(cāng)庫(kù)方法［1］。該方法將各個(gè)數(shù)據(jù)的全部或者部分?jǐn)?shù)據(jù)復(fù)制到數(shù)據(jù)倉(cāng)庫(kù)，用戶像訪問普通數(shù)據(jù)庫(kù)一樣直接訪問數(shù)據(jù)倉(cāng)庫(kù)。該方式實(shí)現(xiàn)了對(duì)物理數(shù)據(jù)庫(kù)語(yǔ)義異構(gòu)的屏蔽和數(shù)據(jù)訪問的控制，提供了一個(gè)統(tǒng)一的數(shù)據(jù)邏輯視圖來(lái)隱藏底層的數(shù)據(jù)細(xì)節(jié)。圖1所示為一個(gè)典型的數(shù)據(jù)倉(cāng)庫(kù)體系結(jié)構(gòu)圖［3］。
　　
　　在該集成模型中，每一個(gè)數(shù)據(jù)源對(duì)應(yīng)一個(gè)監(jiān)視器（Monitor），監(jiān)視器負(fù)責(zé)收集所需要集成的信息源中數(shù)據(jù)的變化以便上報(bào)給集成端（收集的方式有如下類別：針對(duì)信息源有日志的情況，可以通過(guò)日志分析提取要上報(bào)的增量；對(duì)于沒有日志情況可以通過(guò)觸發(fā)器方式或者快照差分方式獲取信息源的增量），同時(shí)監(jiān)視器還具有一個(gè)包裝器的功能，提供信息源的數(shù)據(jù)查詢提取以及類型轉(zhuǎn)化功能。當(dāng)作為數(shù)據(jù)查詢功能的時(shí)候，不僅將數(shù)據(jù)初始化同步到數(shù)據(jù)倉(cāng)庫(kù)中，同時(shí)也相當(dāng)于一個(gè)服務(wù)器，不斷偵聽來(lái)自于集成器的命令查詢請(qǐng)求，當(dāng)有請(qǐng)求到達(dá)時(shí)，執(zhí)行查詢，并將該監(jiān)視器對(duì)應(yīng)的數(shù)據(jù)源的數(shù)據(jù)包裝成基于公共類型的數(shù)據(jù)，或以XML文件的方式和固定大小對(duì)象數(shù)據(jù)塊的方式傳遞給集成器，然后集成器負(fù)責(zé)將提取后的數(shù)據(jù)進(jìn)行合成。其中監(jiān)視器與集成器中的通信流程如圖2所示。