[转]datastage 图像数据的数据库存储实现

 

2008 年 7 月 08 日

本文从介绍 BASE64 编码的原理入手，通过采用 C 语言编写 DB2 的嵌入存储过程，实现了在数据库内存中将文本格式的图片文件到二进制 BLOB 字段之间的转换，并且就性能优化等提出若干建议，该设计思路和程序可以广泛的应用到图像图形数据在 XML 的存储和转换。

简介

XML 是文本型的数据交换结构，对于字符类型的文本交换非常的方便，实际工作中我们往往需要通过 XML 将二进制格式的图形图像信息数据进行数据交换。本文从介绍 BASE64 编码的原理入手，通过采用 C 语言编写 DB2 的嵌入存储过程，实现了在数据库内存中将文本格式的图片文件到二进制 BLOB 字段之间的转换，并且就性能优化等提出若干建议，该设计思路和程序可以广泛的应用到图像图形数据在 XML 的存储和转换。

 

回页首

XML 存储图形图像的基本原理

XML 作为一种非常广泛的数据交换的载体被广泛的应用到了各行各业的数据交换中。对于图形图像数据的转换，需要采用 Base64 编码将二进制格式的图形图像信息转换成文本格式再进行传输。

Base64 编码转换的思想是通过 64 个 ASCII 字符码对二进制数据进行重新编码组合，即将需要转换的数据每三个字节（24 位）为一组，再将这 24 位数据按每组 6 位进行重新划分，在每组的最高 2 位填充 0 最终成一个完整的 8 位字节。如果所要编码的数据的字节数不是 3 的整数倍，需要在最后一组数据填充 1 到 2 个字节的 0 字节。例如：我们对 ABC 进行 BASE64 的编码，ABC 的编码值：A(65), B(66), C(67)。再取二进制 A（01000001）B（01000010）C（01000011）连接起来构成 010000010100001001000011，然后按 6 位为单位分成 4 个数据块并在最高位填充两个 0 后形成 4 个字节的编码后的值（00010000）（00010100）（00001001）（00000011）。再将 4 个字节的数据转换成十进制数为（16）（20）（19）（3）。最后根据 BASE64 给出的 64 个基本字符表，查出对应的 ASCII 码字符（Q）（U）（J）（D）。这里的值实际就是数据在字符表中的索引。

BASE64 字符表：

ABCDEFGHIJKLMNOPQRSTUVWXYZabcdefghijklmnopqrstuvwxyz0123456789。

 

某 项目的数据交换采用 XML 的为介质，XML 的结构包括个人基本信息：姓名、性别、相片等信息，其中相片信息是采用经过 BASE64 函数转换后的文本型数据，图像图形信息通过 BASE64 进行数据转换后，形成文本格式的数据类型，再将相应的数据存放到 XML 中，最终形成可供交换的文本型的 XML 数据结构。

XML 的数据结构如下所示：

<?xml version=”1.0” encoding=”UTF-8” ?> <HeadInfo> <TotalNum>10<TotalNum> <TransDate>2007-10-18</TransDate> </HeadInfo> <Data> <Name> 张三 </Name> <Sex> 男 </Sex> <Photo>/9j/4AAQSkZJRgABAQAAAQABAAD......</Photo> <Data>

回页首

相片数据在 DB2 嵌入式 C 程序的实现方法

该 项目要求能够在 DB2 数据库中将相片数据存储为二进制 BLOB 格式。我们采用 DATASTAGE 进行 XML 数据加载，将 XML 中的姓名、性别等基本数据项加载到相应的字段，其中文本型的相片数据则加载到 CLOB 字段中，再按照 BASE64 的编码规则进行逆向转码，整个数据流程如下图所示：

图 1. 相片存储流程图

用 户的相片每天的更新数据为 30 万条，而且每个相片的平均大于 32KB，为了获得最佳的数据库性能，选择采用 C 存储过程的方式开发了 BASE64 的转换函数。每次函数读取存储在 CLOB 字段的文本格式数据全部存储到内存中，并且通过 decode 函数在内存中进行转码，转码后再存入数据库中。

程序的清单 1 是逐行读取 CLOB 字段，并且调用 decode 函数进行转码；程序的清单 2 是 decode 函数的关键性代码。完整的程序见源代码下载部分。

清单 1. 读入 CLOB，写入 BLOB 字段

EXEC SQL BEGIN DECLARE SECTION; SQL TYPE IS CLOB(100 K) clobResume; //CLOB 结构体变量 SQL TYPE IS BLOB(100 K) blobResume; //BLOB 结构体变量 sqlint16 bobind; sqlint16 lobind; sqlint16 cobind; sqlint32 idValue; EXEC SQL END DECLARE SECTION; int clob2bin(void) { // 声明 SQLCA 结构 struct sqlca sqlca; int charNb; int lineNb; long n; n=0; // 定义数据库游标 EXEC SQL DECLARE c1 CURSOR WITH HOLD FOR SELECT czrkxp_a FROM CZRK_blob for update; EXEC SQL OPEN c1; // 活动 CLOB 字段的信息，已经 CLOB 字段的大小 EXEC SQL FETCH c1 INTO :clobResume:cobind; // 循环读取 CLOB 字段，并且调用 DECODE 转码函数 while (sqlca.sqlcode != 100) { if (cobind < 0) { printf(“ NULL LOB indicated./n”); } else { n++; decode(); // 文本格式到二进制流的转码函数 printf(“/nCurrent Row =%ld”,n); // 数据写入 BLOB 字段 EXEC SQL update czrk_blob set czrkxp_blob = :blobResume where current of c1; ; // 提交事务 EXEC SQL COMMIT; } EXEC SQL FETCH c1 INTO :clobResume:cobind ; } // 关闭游标 EXEC SQL CLOSE c1; EXEC SQL COMMIT; return 0; }

清单 2. 文本文件到二进制文件的转换

void decode( void ) { unsigned char in[4], out[3], v; int I, len; long j,k; j = -1; k=0; // 将读入 CLOB 结构体变量的数据进行转换 while( j < clobResume.length){ for( len = 0, I = 0; I < 4 && ( j < clobResume.length ); i++ ) { v = 0; while((j < clobResume.length) && v == 0 ) { j++; v = (unsigned char) clobResume.data[j]; v = (unsigned char) ((v < 43 || v > 122) ? 0 : cd64[ v – 43 ]); if( v ) { v = (unsigned char) ((v == ‘$’) ? 0 : v – 61); } } if( j < clobResume.length ) { len++; if( v ) { in[ I ] = (unsigned char) (v – 1); } } else { in[i] = 0; } } if( len ) { decodeblock( in, out ); // 写入到 BLOB 结构体变量中 for( I = 0; I < len – 1; i++ ) { blobResume.data[k] = out[i]; k++; } } } blobResume.length= k; }

回页首

数据的转换效率和优化建议

在 IBM P570 数据库服务器上运行，该程序的运行效率非常高，先后进行了几个数量级的测试，最终平均测试的转换效率为：每 1 万笔数据记录，转换的效率 55 秒，即 182 条 / 秒。值得注意的是，整个转换过程占用 CPU 的量并不特别大，主要的性能瓶颈在磁盘阵列中。

以后可以进一步在以下方面进行调优，确保程序转换的效率更高：

1）采用多进程调用的方式，以获得更高的并发数量；

2）采用每 10 次或者 100 次提交事务的方式，减少访问磁盘的次数；

3）将 CLOB 和 BLOB 分别放置在不同的表空间上，并且将表空间分布在在多个磁盘上，获得最佳的磁盘访问速度。

原文地址：http://www.ibm.com/developerworks/cn/data/library/techarticles/dm-0807daiwei/