XMLBench项目：快速多平台XML库的比较

# XMLBench项目：快速多平台XML库的比较 ## 1. 引言 XML技术在信息管理系统领域带来了许多新的理念和能力。如今，XML几乎无处不在，从小型配置文件到数GB的测量存档，许多网络服务也将XML用作传输协议。基于XML的应用程序利用多种XML技术来简化软件开发，例如使用DOM创建和导航XML文档，使用XSD模式检查一致性和有效性，使用XSL简化不同格式之间的转换，使用XML加密和签名建立安全可靠的信息交换和存储方式。 这些技术由多个商业和开源库提供，这些库在功能和性能上有很大差异。而且，有些库针对特定任务进行了优化，因此实际的库性能可能会根据处理的数据类型而显著不同。为了全面比较可用XML工具包的功能和维持所需性能的能力，启动了XMLBench项目，主要目标是针对能够在多个平台上运行的快速C和C++库。应用的测试比较了XML处理的不同方面，并在几个自动生成的数据集上运行，以模拟不同任务对库的使用。 ## 2. XML工具包 ### 2.1 Expat Expat是一个非常简单快速的XML解析器，广泛用于各种开源软件，如Mozilla项目。虽然它只实现了SAX API，但Sablotron和Arabica库在Expat之上实现了DOM、XPath和XSLT规范。 | 信息项 | 详情 | | ---- | ---- | | 版本 | Expat 2.0.1 (2007年6月5日)，Arabica Oct2008，Sablotron 1.0.3 | | 许可证 | 开源MIT许可证 | | 支持系统 | 32/64位版本；Windows、Linux、BSD、OS X、Solaris、QNX、HP-UX、AIX | | 原生语言 | C | | 语言绑定 | Lua、OCaml、Perl、PhP、Python、Ruby、Tcl/Tk | | XML版本 | XML 1.0、命名空间、XInclude | | 支持的API | SAX 1和2、DOM级别2 | | 网络 | - | | 验证 | 仅DTD | | 安全 | - | | 查询 | XPath 1.0 | | 样式表 | XSLT 1.0 | | 网络服务 | - | ### 2.2 Apache XML项目 Apache XML项目由Apache软件基金会维护，该项目由几个库组成，每个库都有C++和Java版本： - Apache Xerces是一个验证型XML解析器。 - Apache Xalan提供XPath和XSL转换的实现。 - Apache Axis提供Web服务基础设施。 - Apache XML Security实现XML签名和加密规范。 - Apache FOP实现XSL - FO。 - XPath2和XQuery由第三方项目XQilla提供。 由于Xerces - C 3.0仅由尚未发布的Xalan - C 1.11支持，且Apache XML Security依赖于Xalan - C，所以大多数测试使用Xerces - C 3.0和Xalan - C 1.11的预发布版本，加密和签名基准测试使用Xerces - C 2.8.0、Xalan - C 1.10和Apache XML Security 1.4.0。 | 信息项 | 详情 | | ---- | ---- | | 版本 | Xerces 3.0 (2008年9月29日)，Xalan 1.10，XML Security 1.4.0 | | 许可证 | 开源Apache许可证2.0 | | 支持系统 | 32/64位版本；Windows、Linux、BSD、OS X、Solaris、AIX、HP-UX | | 原生语言 | C++和Java | | 语言绑定 | Perl | | XML版本 | XML 1.0和1.1（部分）、命名空间、XInclude | | 支持的API | SAX 1和2、DOM级别2和3 | | 网络 | FTP、HTTP | | 验证 | DTD、模式1.0 | | 安全 | 规范XML 1.0、XML签名和加密 | | 查询 | XPath 1.0和2.0 | | 样式表 | XSLT 1.0、XSL - FO 1.1（仅Java） | | 网络服务 | SOAP 1.1和1.2、附件、二进制序列化、WSDL 1.1、JSON | ### 2.3 Gnome XML库 Gnome XML是为Gnome项目开发的一组库，后来广泛应用于Gnome之外。该工具包的核心是Gnome XML和XSLT库，分别称为LibXML和LibXSLT。XML安全由XMLSec库提供，DOM API由GDome库提供，SOAP使用CSOAP，XSL - FO由xmlroff提供。 由于未解决的问题，LibXML 2.7.3在创建/序列化大型DOM文档时比2.6.x分支慢很多，因此在DOM创建基准测试中使用LibXML 2.6.32的结果，其他结果使用LibXML 2.7.3。 | 信息项 | 详情 | | ---- | ---- | | 版本 | LibXML 2.7.3 (2009年1月18日)，LibXSLT 1.1.24，XmlSec 1.2.11，GDome 0.8.1 | | 许可证 | 开源MIT许可证 | | 支持系统 | 32/64位版本；Windows、Linux、BSD、OS X、Solaris、QNX | | 原生语言 | C | | 语言绑定 | Perl、PhP、Python、Ruby、Tcl/Tk | | XML版本 | XML 1.0第5版、命名空间、XInclude | | 支持的API | SAX 1和2、原生DOM风格、DOM级别2 | | 网络 | FTP、HTTP | | 验证 | DTD、模式1.0（部分）、Relax - NG | | 安全 | 规范XML 1.0、XML签名和加密 | | 查询 | XPath 1.0 | | 样式表 | XSLT 1.0、EXSLT、XSL - FO 1.1（部分） | | 网络服务 | SOAP 1.1 | ### 2.4 QTSoftware XML模块 QT是一个流行的跨平台应用程序框架，从版本3开始包含一个提供一些XML处理功能的模块。 | 信息项 | 详情 | | ---- | ---- | | 版本 | Qt 4.4.3 (2008年9月27日) | | 许可证 | 商业、开源GPL和LGPL许可证 | | 支持系统 | 32/64位版本；Windows、Linux、BSD、OS X、Solaris、QNX、HP-UX、AIX | | 原生语言 | C++ | | 语言绑定 | Python | | XML版本 | XML 1.0、命名空间 | | 支持的API | SAX 2、DOM级别2 | | 网络 | FTP、HTTP | | 验证 | 仅DTD | | 安全 | - | | 查询 | XQuery 1.0、XPath 2.0 | | 样式表 | - | | 网络服务 | - | ### 2.5 Intel XML软件套件 Intel利用其最新处理器的所有功能开发了XML软件套件（XSS）。XSS经过大量优化，利用了完整的SEE指令集，包括SSE4。它是唯一在处理单个文档时可以从多核中受益的测试工具包，但在当前的基准测试中，使用双核机器未显示出性能优势，因此本文未包含多核结果。 | 信息项 | 详情 | | ---- | ---- | | 版本 | Intel XSS 1.2 (2009年1月19日) | | 许可证 | 商业，源代码不可用 | | 支持系统 | 32/64位版本；Windows、Linux、HP-UX | | 原生语言 | C++/Java | | 语言绑定 | - | | XML版本 | XML 1.0第5版、命名空间、XInclude | | 支持的API | SAX 2、DOM级别2和部分级别3、StAX解析器（仅Java） | | 网络 | FTP、HTTP | | 验证 | DTD、XML模式1.0 | | 安全 | - | | 查询 | XPath 1.0 | | 样式表 | XSLT 1.0 | | 网络服务 | - | ### 2.6 Oracle XDK Oracle XML开发工具包（XDK）由Oracle公司开发，用于在其数据库解决方案中提供XML功能。 | 信息项 | 详情 | | ---- | ---- | | 版本 | Oracle XDK 10g 10.2.0.2.0 (2006年4月7日) | | 许可证 | OTN，源代码不可用 | | 支持系统 | 仅32位；Windows、Linux、HP-UX、AIX | | 原生语言 | C/C++/Java | | 语言绑定 | - | | XML版本 | XML 1.0、命名空间、XInclude | | 支持的API | DOM级别2和3、StAX（仅Java）、SAX 1 | | 网络 | FTP、HTTP | | 验证 | DTD、XML模式1.0 | | 安全 | - | | 查询 | XPath 1.0、Java版本中的XPath 2.0 | | 样式表 | XSLT 1.0、Java版本中的XSLT 2.0 | | 网络服务 | - | ## 3. 基准测试结果 ### 3.1 系统设置 - **硬件平台**：Fujitsu - Siemens Celsius W350工作站 - Intel Core Duo E6300（1.86GHz，2MB L2缓存） - Fujitsu - Siemens D3217 - A，Intel Q965芯片组（ICH8R，1066 MHz总线） - 4GB DDR2 - 800内存 - **操作系统**：64位版本的Gentoo Linux - 内核2.6.25 - GNU C库2.6.1 - GNU C编译器4.2.4 - Java SE运行时环境1.6.0 07（64位） - **编译选项**：使用 - O2 - march = nocona优化标志来构建所有开源库 XML数据在运行基准测试前总是预先生成并加载到内存中，因此硬盘性能不影响结果。但在一些大型数据集的DOM基准测试中，部分解析器使用的内存超过4GB，会发生磁盘交换，这些结果高于拒绝阈值，被评为最差值。 ### 3.2 数据描述 基准测试过程中使用了四种不同的数据集，均不包含DTD定义： - **RDF**：来自DMoz.org项目的大型RDF（资源描述框架）文档，描述各种Web资源。它包含来自几个命名空间的节点，深度恒定为3层。 - **XMLGen**：可扩展数据生成器，生成非常简单的XML内容，深度为4层，无命名空间，不同XML节点数量非常有限。 - **XMark**：由XMark项目提供的另一个可扩展数据生成器，生成模拟拍卖网站的XML文档。XML结构稍复杂，深度可达8层，XML元素种类更多，仍未使用命名空间。 - **OPCGen**：模拟OPC XML - DA服务器行为的数据生成器，生成数据交换中使用的SOAP消息。部分消息的大小通过缩放参数进行缩放，其他消息保持不变。节点和属性属于3个不同的命名空间，生成的XML深度根据消息类型从1到5不等。 ### 3.3 基准测试设置 对于每个工具包，测量处理数据所需的时间，然后将该时间除以参考实现完成相同任务在相同数据上所需的时间，得到的结果称为性能指数，在下面的性能图表中显示（指数值越小表示结果越好）。为防止单个失败测试影响整体结果，单次运行的性能指数最大值限制为10（DOM解析基准测试为15）。Gnome XML工具包（LibXML、LibXSLT和XMLSec）的库用作参考实现。 所有测试都在单用户模式下运行，没有任何系统服务运行。为消除任何负面干扰的可能性，针对每个任务、每种数据类型和每个XML工具包执行一个独立的测试应用程序。这些应用程序评估给定数据集的多个文档实例的性能，并使用平均值。数据生成器的缩放参数保持不变，文本节点和属性的值随机生成。文档数量的选择使得单个测试大约需要5到10分钟完成，并且至少处理10个文档以确保结果的稳定性。如果可能，在数据处理之前进行工具包初始化，初始化所花费的时间不计入基准测试分数，生成XML和将其加载到内存所需的时间也被排除。 ### 3.4 解析基准测试 解析基准测试评估解析XML文档并将包含的信息提供给应用程序所需的时间。在对XML数据进行任何其他操作之前都需要进行解析，因此解析性能对涉及XML数据使用的任何应用程序的整体性能有显著影响。 目前广泛使用两种主要的解析方法： - **DOM解析器**：构建一个对象的链接树，提供获取和设置关联属性值以及导航到相邻元素的方法。 - **SAX解析器**：应用程序定义一组回调，当在XML流中遇到相应数据时调用这些回调。 一般来说，DOM表示更容易处理，可用于更改XML文档的内容；SAX解析器通常更快，对XML文档的大小没有限制。为了显示SAX和DOM解析器的相对性能，使用LibXML的SAX模式解析器的计时来计算SAX和DOM两种情况下的性能指数。由于大多数DOM解析器比其SAX对应物慢，因此DOM解析器的最大允许指数提高到15。 ### 3.5 DOM操作基准测试 此基准测试评估XML工具包在DOM表示中操作数据的能力。首先使用DOM API创建XMLGen样式的文档，然后将其序列化为UTF - 8字符串。在测试中，生成的字符串大小从5 KB到90 MB不等。 ### 3.6 模式验证基准测试 该基准测试比较工具包根据XML模式验证文档所需的时间。数据由XMLGen和OPCGen生成器生成，XMLGen模式非常简单，不包含任何类型检查，仅由20行组成；OPC数据结构复杂，由考虑多个XSI类型检查的相当复杂的模式定义描述。为了获得纯验证时间，从解析和验证所花费的总时间中减去未验证的解析时间。验证上下文仅在初始化阶段创建一次。 ### 3.7 XML安全基准测试 安全功能通过两个独立的测试进行测量： 1. 评估使用数字签名对XML文档进行签名，然后验证该签名所需的时间。 2. 评估加密XML文档，然后将其解密所需的时间。 密钥生成和安全上下文的初始化在测试初始化期间执行，不影响结果，解析原始文档所需的时间也不包括在内。 ### 3.8 XSL转换基准测试 此基准测试评估XSL转换引擎的性能。将XMLGen和RDF样本转换为HTML，将相当大的ODF（开放文档格式）文档转换为MediaWiki格式。XMLGen和RDF都使用小型简单的XSL样式表进行处理，但处理RDF文档的样式表需要在大节点集上进行引用查找。用于处理ODF文档的样式表来自OpenOffice 3发行版，结构更复杂。 转换引擎仅在初始化阶段创建一次，解析原始文档所需的时间从呈现的结果中排除。 ### 3.9 软件优化 可以采取一些措施来优化与开源库链接的XML应用程序的速度： - **编译器和优化标志**：性能在很大程度上取决于用于构建XML库栈的编译器和优化标志。在大多数Linux发行版中，软件使用安全但不一定是最优的标志进行编译。使用更好的优化标志重新编译某些库可以显著提高性能。升级到64位操作系统并安装最新版本的Gcc编译器和Glibc系统库也可以提高性能。不同编译器和优化选项对性能的影响因库和硬件而异，需要针对每个具体情况进行评估。 - **字符编码**：如果XML数据包含非拉丁字母书写的文本消息，选择合适的字符编码非常重要。例如，LibXML内部以UTF - 8编码处理数据，如果数据使用UTF - 16编码，性能会显著下降；反之，Xerces/C具有UTF - 16内部数据表示，如果传递UTF - 8编码的文档，性能也会下降。 - **研究项目参考**：如果性能是最终目标，有两个研究项目可能会有用。AsmXml是一个非常高效的开源XML解析器，提供DOM风格的API，但功能集非常有限（甚至不支持命名空间），需要描述要处理的XML文档语法的模式文件。 ## 4. 总结与讨论 ### 4.1 基准测试结果总结 通过对多种XML工具包在不同基准测试中的表现进行分析，可以总结出各工具包在不同方面的性能特点。以下是对各基准测试结果的简要总结： | 基准测试类型 | 关键要点 | | ---- | ---- | | 解析基准测试 | DOM解析器构建对象树便于操作但速度慢，SAX解析器速度快且对文档大小无限制，使用LibXML的SAX模式解析器计时计算性能指数，DOM解析器最大允许指数提高到15 | | DOM操作基准测试 | 评估工具包在DOM表示中操作数据的能力，生成的字符串大小从5 KB到90 MB不等 | | 模式验证基准测试 | 比较工具包根据XML模式验证文档的时间，通过减去未验证解析时间获得纯验证时间，验证上下文仅初始化一次 | | XML安全基准测试 | 通过签名验证和加密解密两个独立测试测量安全功能，初始化操作不影响结果，不包含解析原始文档时间 | | XSL转换基准测试 | 评估XSL转换引擎性能，不同样本使用不同样式表处理，转换引擎仅初始化一次，排除解析原始文档时间 | ### 4.2 工具包性能分析 不同的XML工具包在各项基准测试中表现出不同的优势和劣势。例如，Expat是一个简单快速的解析器，但功能相对单一，仅实现了SAX API；Apache XML项目功能较为全面，但在版本兼容性上存在一些问题；Gnome XML库在某些情况下性能会受到版本影响；QTSoftware XML模块提供了基本的XML处理功能；Intel XML软件套件经过优化，但在当前基准测试中多核优势未体现；Oracle XDK主要用于数据库解决方案。 ### 4.3 性能优化建议 根据基准测试结果和分析，为了提高XML应用程序的性能，可以采取以下优化建议： 1. **编译器和优化标志**：使用更好的优化标志重新编译开源库，如 - O3 –unroll-loops -mfpmath=sse,387 -march=nocona等，同时升级到64位操作系统和最新版本的Gcc编译器和Glibc系统库。 2. **字符编码**：根据工具包的内部数据表示选择合适的字符编码，避免因编码不匹配导致性能下降。 3. **研究项目参考**：对于追求极致性能的情况，可以考虑使用AsmXml等高效的开源解析器，但需要注意其功能的局限性。 ### 4.4 可靠性讨论 基准测试结果的可靠性受到多种因素的影响，如硬件平台、操作系统、编译器版本、数据类型等。在本次基准测试中，虽然采取了一系列措施来确保结果的可靠性，如使用单用户模式、独立测试应用程序、排除初始化和数据加载时间等，但仍然可能存在一些潜在的影响因素。例如，不同工具包对内存的使用方式可能不同，在处理大型数据集时可能会导致性能差异；某些工具包可能对特定的数据结构或模式有更好的优化，从而在相应的基准测试中表现更优。因此，在参考基准测试结果时，需要综合考虑各种因素，并根据实际应用场景进行选择。 ### 4.5 未来展望 随着XML技术的不断发展和应用场景的不断拓展，对XML工具包的性能和功能要求也会越来越高。未来的研究可以从以下几个方面展开： 1. **多核性能优化**：进一步研究如何充分发挥多核处理器的优势，提高XML处理的并行性和效率。 2. **新功能支持**：随着XML规范的不断更新，工具包需要支持更多的新功能，如XML Schema 1.1、XQuery 3.0等。 3. **性能评估方法改进**：开发更准确、全面的性能评估方法，考虑更多的实际应用场景和影响因素。 ### 4.6 流程图：XML应用程序性能优化流程 ```mermaid graph LR A[选择XML工具包] --> B[进行基准测试] B --> C{性能是否满足需求} C -- 是 --> D[使用工具包开发应用程序] C -- 否 --> E[分析性能瓶颈] E --> F[选择优化方法] F --> G[实施优化措施] G --> B ``` ### 4.7 总结与建议 综上所述，在选择XML工具包时，需要综合考虑其功能、性能、兼容性和可靠性等因素。通过基准测试可以了解各工具包在不同方面的表现，但需要注意测试结果的局限性。在开发XML应用程序时，应根据实际需求选择合适的工具包，并采取相应的优化措施来提高性能。同时，关注XML技术的发展趋势，及时更新工具包和优化方法，以适应不断变化的应用场景。 希望以上内容对大家在选择和使用XML工具包时有所帮助。如果您有任何疑问或建议，欢迎在评论区留言讨论。