隨著個人計算機和計算機網(wǎng)絡(luò)的飛速發(fā)展，以及信息化的高速推進，互聯(lián)網(wǎng)提供的信息總量也在迅猛增長。如果企業(yè)和社會組織實現(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?？墒菫椴煌瑧?yīng)用服務(wù)的信息都存儲在許多不同的數(shù)據(jù)源之中，數(shù)據(jù)內(nèi)容以及數(shù)據(jù)格式千差萬別，且其管理系統(tǒng)也各不相同。如何對這些數(shù)據(jù)進行有效的集成管理，屏蔽這些信息的異構(gòu)，并提供一個統(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］是當前比較常用的數(shù)據(jù)集成模式，該方法將各個數(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)制過來，如果用戶要使用的數(shù)據(jù)已經(jīng)被復(fù)制，則只需要查詢該集成信息源，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)倉庫方法［1］。該方法將各個數(shù)據(jù)的全部或者部分數(shù)據(jù)復(fù)制到數(shù)據(jù)倉庫，用戶像訪問普通數(shù)據(jù)庫一樣直接訪問數(shù)據(jù)倉庫。該方式實現(xiàn)了對物理數(shù)據(jù)庫語義異構(gòu)的屏蔽和數(shù)據(jù)訪問的控制，提供了一個統(tǒng)一的數(shù)據(jù)邏輯視圖來隱藏底層的數(shù)據(jù)細節(jié)。圖1所示為一個典型的數(shù)據(jù)倉庫體系結(jié)構(gòu)圖［3］。
　　
　　在該集成模型中，每一個數(shù)據(jù)源對應(yīng)一個監(jiān)視器（Monitor），監(jiān)視器負責(zé)收集所需要集成的信息源中數(shù)據(jù)的變化以便上報給集成端（收集的方式有如下類別：針對信息源有日志的情況，可以通過日志分析提取要上報的增量；對于沒有日志情況可以通過觸發(fā)器方式或者快照差分方式獲取信息源的增量），同時監(jiān)視器還具有一個包裝器的功能，提供信息源的數(shù)據(jù)查詢提取以及類型轉(zhuǎn)化功能。當作為數(shù)據(jù)查詢功能的時候，不僅將數(shù)據(jù)初始化同步到數(shù)據(jù)倉庫中，同時也相當于一個服務(wù)器，不斷偵聽來自于集成器的命令查詢請求，當有請求到達時，執(zhí)行查詢，并將該監(jiān)視器對應(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象數(shù)據(jù)塊的方式傳遞給集成器，然后集成器負責(zé)將提取后的數(shù)據(jù)進行合成。其中監(jiān)視器與集成器中的通信流程如圖2所示。