文档介绍：计算机工程 2008 年 6 月
第 34 卷第 11 期根据采样数据分析，可以得出金融机构数据的 3 个特点：
提出压缩数据库技术[1−4]来提高海量数据的存储效率和数据 (1)纯文本字符，数据分散，不是单个大文件，数据项是大量
库性能[3-4]。目前对压缩数据库技术的研究主要包括适应于数最大长度为 80 B 的中文字符串；(2)各个数据项内部重复很
据库存取特征的数据压缩方法、压缩数据上的操作算法、压少，每个数据项的存储空间固定为 40 B，因此，要求数据项
缩数据库的查询优化技术等。本文研究了压缩数据上的操作压缩率超过 50%；(3)数据项间存在大量重复性字段，以“公
算法。司名称”字段为例，数据库中保存了大量公司名称，公司名
在海量关系中常存在一些属性，关系在这些属性上的投称很少重复，但数据项中“有限”、“股份”、“责任”、
影结果很小，称这样的属性组为小值域属性组(Small-Range “公司”等词出现频率极高。
Attributes Combination, SRAC)[5]。在银行等金融领域，SRAC 根据上述特点，以哈夫曼编码为基本编码方式，对出现
情况更普遍，例如在银行的交易管理数据库中有一个记录公概率大的中文字符编以短字长的码，对出现概率小的信息符
司收/发账目情况的关系，包括公司名、账户号、操作员号、号编以长字长的码。根据哈夫曼编码原理，若码字长度严格
现金数、汇率、利息等诸多属性值，在这个关系中，由公司按符号概率大小的相反顺序排列，则平均码字长必小于按任
名、账户号、收账人标识、发账人标识等属性构成 1 个SRAC。何其他符号顺序排列方式得到的码字长度，因此，本文根据
SRAC通常是数据关系中的键值表示，大部分查询、修改、删采样，构造一个哈夫曼树。因为采样数据量大，所以可认为
除等数据库操作均与这些属性相关。如