DB2 V9.7：数据库分区功能对 pureXML 的完全支持

　2009-12-22 00:00:00　来源：WEB开发网　　　

核心提示：DB2 pureXML 技术在公共安全、医疗卫生等应用领域中有着的独特优势，并得到了广泛应用，DB2 V9.7：数据库分区功能对 pureXML 的完全支持，而这些行业的应用往往拥有海量的数据，对 XML 数据存储与处理的并行能力和可伸缩性提出了特别要求，了解 XML 数据在各分区如何分布存储，如何方便的进行 XML

DB2 pureXML 技术在公共安全、医疗卫生等应用领域中有着的独特优势，并得到了广泛应用。而这些行业的应用往往拥有海量的数据，对 XML 数据存储与处理的并行能力和可伸缩性提出了特别要求。IBM 契合这种需求，在 DB2 V9.7 中提供了 DPF 环境对 pureXML 的完全支持。

简介

DB2 V9.7 中对 pureXML 特性有很多增强，其中一个非常重要的特性是拓展了 DB2 数据库分区功能（Database Partitioning Feature，DPF），使得 XML 数据类型在 DPF 得到完全支持。这一特性简化了 XML 数据管理并提供出色的可伸缩性，让 DB2 V9.7 支持跨多个数据库分区分布 XML 数据，允许自动的并行执行增删改查等操作。

本文将介绍 DB2 V9.7 的 DPF 环境中对 pureXML 的支持，包括如何配置支持 XML 的 DPF 环境，展示对 DDL 原有限制的突破，XML 数据如何分布存储，如何用 XQuery 和 SQL/XML 语言查询 XML 数据，如何用全局临时表来提高 DPF 环境下的 XML 数据转换的性能，以及一些常见的陷阱和解决办法。通过阅读本文读者可以较为深入的理解这一新特性，并能够在实际应用中使用。

支持 DPF 和 pureXML 的体系结构

DPF 是 DB2 支持大型数据库（特别是数据仓库）的一个重要特征。它使得你能将数据分散的存储到多个数据库分区，而每个分区都可以是独立的物理机器，能够作为一个相对独立的逻辑节点来存储和处理数据，从而使得整个数据库实例能够并行处理数据存储和查询。因此，DPF 使得系统能够充分利用多个处理器和存储设备的并发 CPU、I/O 等资源，并提供出色的可伸缩性。文章“DB2 9.5 数据库分区管理及应用实践”对了解 DPF 是一个很好的参考。

而 pureXML 在 DB2 内部以原有的层次化格式存储 XML 数据，并通过符合行业标准的 XQuery 和 SQL/XML 语言直接访问 XML。

DB2 V9.7 提供了 DPF 对 pureXML 的支持，在 DPF 中使用 XML 的体系结构如图 1，对含有 XML 列的表，根据表的分区键的 Hash 值，将表的关系数据和 XML 数据均匀的分布到各数据库分区。当查询到来的时候，各分区能够并行的执行 XML 的查询和处理。

图 1.基于 Hash 的 DPF 和 pureXML 的体系结构
DB2 V9.7：数据库分区功能对 pureXML 的完全支持

下面，让我们通过实例一步一步来探讨 DB2 V9.7 DPF 环境对 pureXML 的完全支持吧。

准备工作

首先需要搭建数据库分区环境，本文中，测试平台是 LinuxAMD，在同一个物理机器上设置 4 个分区节点的 DPF 环境，DB2 节点的配置文件 db2nodes.cfg 如下：

清单 1. DPF 分区节点配置
　0　crookes　0　　1　crookes　2　　3　crookes　3　　4　crookes　4　

读者可以参考 DB2 信息中心“Setting up partitioned database environments”部分了解 DPF 环境的配置，在实际应用中，可将分区节点配置在不同的物理机器上，以达到更好的并发性能。

然后创建数据库 XMLPDF，设置数据库分区 2 作为连接分区。这样在整个实验过程，都连接分区 2 作为协调程序分区，而不是连接目录（Catalog）分区，以此来说明在 DB2 V9.7 的 DPF 环境中，我们可以连接任何分区来处理 XML。

清单 2. 创建数据库和设置连接分区
　CREATE　DATABASE　XMLDPF　　DB20000I　The　CTEATE　DATABASE　command　completed　successfully.　　　SET　CLIENT　CONNECT_DBPARTITIONNUM　2　　DB20000I　The　CTEATE　DATABASE　command　completed　successfully.　

然后在数据库上创建数据库分区群 group4n，它包含 4 个全部的分区，并在 group4n 上创建表空间 xml_tbsp4n。于是，创建在 xml_tbsp4n 这个表空间的表的数据将分布到这四个分区上。另外，在 group4n 上创建了一个用户临时表空间 tmp_tbsp4n，这是使用全局临时表时必需的表空间，我们将在后面阐述如何用全局临时表来提高 XML 转换的性能时用到这个表空间。

清单 3. 创建分区群和表空间
　CREATE　DATABASE　PARTITION　GROUP　group4n　on　DBPARITIONNUM(0,1,2,3)　　DB20000I　The　SQL　command　completed　successfully.　　　CREATE　TABLESPACE　xml_tbsp4n　IN　group4n　　DB20000I　The　SQL　command　completed　successfully.　　　CREATE　USER　TEMPORARY　TABLESPACE　tmp_tbsp4n　in　group4n;　　DB20000I　The　SQL　command　completed　successfully.　

突破 DDL 对 DPF 中 pureXML 的限制

在开始介绍 DB2 V9.7 的 DPF 对 pureXML 的完全支持之前，有必要先简单的介绍一下 DB2 V9.7 以前 DPF 环境对 pureXML 的限制。

在 DB2 9.1 中，DPF 环境是不支持 pureXML 的，也就是说如果你部署了数据库分区环境，那么你就不能用 pureXML。DB2 9.5 的 DPF 对 pureXML 提供有限的支持，DB2 V9.7 突破了原有限制，在 DPF 环境中提供对 pureXML 的完全支持。 DB2 9.5 与 DB2 V9.7 对 DPF 下 pureXML 支持的比较如下表 1 所示：

表 1.DB2 9.5与 DB2 V9.7对 DPF下 pureXML支持的比较

特征	DB2 V9.5	DB2 V9.7
pureXML 在 DPF 中是否默认支持	默认是不支持的，须打开数据库实例级别的变量 DB2_ALLOW_PUREXML_IN_DPF	默认支持，不用再设置注册变量
XML 表结构的修改	XML 列的表结构不能修改，如执行修改操作会返回一个 SQL1242N 的错误	支持增加列或删除列，修改列的数据类型、是否能为空 (nullability) 的属性等
XML 数据的存储	所有的 XML 数据（即所有包含 XML 列的表）都必须存储在目录分区	XML 数据能分布到任意分区，包括目录分区和非目录分区
XML 数据的查询和处理	协调程序分区 (coordinator) 必须是目录分区，所有 XML 数据的查询和处理都必须在目录分区上进行	任意分区都可以做协调程序分区，XML 数据的查询和处理可以在任意分区上进行

下面通过一些例子来阐述 DB2 V9.7 的 DPF 环境对支持 pureXML 的 DDL 的突破。

在前面创建的表空间 xml_tbsp4n 上创建一个包含 XML 列的表 xmltb，并按整型关系数据列 id 的 hash 值将数据分散到表空间所在的四个分区上，然后对表 xmltb 做各种 DDL 操作。从清单中可以看到，对表结构的各种修改都是支持的，如删除表中的列，修改列的数据类型，修改列是否为空的属性，而且能够增加 XML 列。这些操作在 DB2 9.5 中都不支持，会返回一个 SQL1242N 的错误。也可以看到，在 XML 列上可以正确的创建基于 XML 模式的索引。

顺便解释一下示例代码中的多个重组 (reorg) 操作：在一个表上，最多能只能连续执行３个修改表结构的操作，然后就需要重组整个表使得表中的数据行与表的结构相匹配。

清单 4. 支持的 DDL
　create　table　xmltb(id　int,　name　char(10),　doc　xml)　distribute　by　hash(id)　in　xml_tbsp4n　　DB20000I　The　SQL　command　completed　successfully.　　　alter　table　xmltb　drop　column　name　　DB20000I　The　SQL　command　completed　successfully.　　　alter　table　xmltb　alter　column　id　set　data　type　bigint　　DB20000I　The　SQL　command　completed　successfully　　　reorg　table　xmltb　　DB20000I　The　REORG　command　completed　successfully.　　　alter　table　xmltb　alter　column　id　set　not　null　　DB20000I　The　SQL　command　completed　successfully.　　　alter　table　xmltb　alter　column　doc　set　not　null　　DB20000I　The　SQL　command　completed　successfully.　　　reorg　table　xmltb　　DB20000I　The　REORG　command　completed　successfully.　　　alter　table　xmltb　add　column　info　xml　　DB20000I　The　SQL　command　completed　successfully.　　　create　index　idx1　on　xmltb(info)　GENERATE　KEY　USING　XMLPATTERN　 '/customer/name'　as　SQL　varchar(20)　　DB20000I　The　SQL　command　completed　successfully.　

然而，与 XML 相关的 DDL 还是有一些限制，尽管在实际应用中很少会触及这些限制，当然也应该避免这些限制。从下面清单 5 中可以清楚的看到这些限制，包括：

不允许将 XML 列修改为其他数据类型，如 CLOB。

不允许删除含有两个或多个 XML 列表结构中的一个 XML 列。要删除 XML 列的话必须将表结构中所有的 XML 列一起删除。

不支持在 XML 列上定义主键、唯一性索引和唯一性约束。由于分区键 (partition key) 有全局唯一性要求，因此在 XML 列或者定义在 XML 列上的 XML 模式不能做为分区键。示例中的只含有 XML 列的表 onlyxml 是不能在 xml_tbsp4n 上创建，因为它找不到合适的分区键。DPF 环境对唯一性有特殊的要求，关于这点，有兴趣的读者可以进行进一步的探讨。

清单 5. 不支持的 DDL
　alter　table　xmltb　alter　column　info　set　data　type　CLOB　　DB21034E　The　command　was　processed　as　an　SQL　statement　because　it　was　not　a　　valid　Command　Line　Processor　command.　During　SQL　processing　it　returned:　　SQL0190N　ALTER　TABLE　"YMLI.XMLTB"　specified　attributes　for　column　"INFO"　that　　are　not　compatible　with　the　existing　column.　SQLSTATE=42837　　　alter　table　xmltb　drop　column　info　　DB21034E　The　command　was　processed　as　an　SQL　statement　because　it　was　not　a　　valid　Command　Line　Processor　command.　During　SQL　processing　it　returned:　　SQL1242N　An　XML　feature　is　not　supported　in　the　context　where　it　is　used.　　Reason　code　=　"7".　SQLSTATE=42997　　　alter　table　xmltb　drop　column　doc　drop　column　info　　DB20000I　The　SQL　command　completed　successfully.　　　drop　table　xmltb　　DB20000I　The　SQL　command　completed　successfully.　　　create　table　onlyxml(doc　xml)　in　xml_tbsp4n　　DB21034E　The　command　was　processed　as　an　SQL　statement　because　it　was　not　a　　valid　Command　Line　Processor　command.　During　SQL　processing　it　returned:　　SQL0262N　Table　"ONLYXML"　cannot　be　created　in　the　database　partition　group　 "NODESGROUP1"　because　no　column　exists　that　can　be　used　as　the　partitioning　　key.　SQLSTATE=428A2　

DPF 中 XML 数据的分布和存储

如前所述，DPF 中是根据分区键的 Hash 值，将 XML 数据均匀的分布到各个分区存储的。

下面的示例先在 DPF 下含有 XML 列的表 books，定义分区键为整型关系列 bid，按 bid 的 hash 值将数据分布到各个分区。在 XML 列上建立索引 idx2，将 XML 文档中书的名字建立为 SQL varchar 类型的索引。然后插入 XML 的样本数据，最后通过一个函数 DBPARTITIONNUM 来查看 XML 数据到底分布到那个分区上。

清单 6. XML 的数据插入和分布
　create　table　books(bid　int,　info　xml)distribute　by　hash(bid)　in　xml_tbsp4n　　DB20000I　The　SQL　command　completed　successfully.　　　create　index　idx2　on　books(info)　GENERATE　KEY　USING　XMLPATTERN　 '/book/name'　as　SQL　varchar(20)　　DB20000I　The　SQL　command　completed　successfully.　　　insert　into　books　values(201,　'<book><name>J2EE　Programming</name><price>23.5</price>　　<quantity>180</quantity><author>Richard</author><author>Jim</author></book>')　　DB20000I　The　SQL　command　completed　successfully.　　　insert　into　books　values(202,　'<book><name>The　Road</name><price>45.6</price>　　<quantity>120</quantity><author>McCarthy</author></book>')　　DB20000I　The　SQL　command　completed　successfully.　　　insert　into　books　values(203,　'<book><name>Chinese　Cooking</name><price>10.17</price>　　<quantity>140</quantity><author>Teresa</author></book>')　　DB20000I　The　SQL　command　completed　successfully.　　　insert　into　books　values(204,　'<book><name>Flying</name><price>30.28</price>　　<quantity>190</quantity><author>Jim</author></book>')　　DB20000I　The　SQL　command　completed　successfully.　　　insert　into　books　values(205,　'<book><name>Network　Programming</name><price>27.5</price>　 <quantity>150</quantity><author>Richard</author><author>Teresa</author></book>')　　DB20000I　The　SQL　command　completed　successfully.　　　select　bid,　dbpartitionnum(info)　partition　from　books　　　BID　PARTITION　　-----------　-----------　　205　0　　201　3　　202　3　　203　1　　204　2　　　5　record(s)　selected.　

可以看到，各行的数据是根据 bid 的 hash 值比较均匀的分布到各个分区。值得一提的是，在 XML 列上的索引也分布在各个数据库分区上，对那个分区的 XML 数据建立索引。

SQL/XML 和 XQUERY 支持

XML 的数据是通过 SQL/XML 和 XQUERY 来查询和处理的。

在 DB2 V9.7 中，以前在单分区模式下支持的 SQL/XML 发布函数在 DPF 环境中得到了完全的支持，因此你可以随心所欲在 XML 表上用 SQL/XML 的函数来处理 XML 数据。下面用两个例子来演示一下 SQL/XML 的几个重要函数 XMLTABLE、XMLQUERY 和 XMLEXISTS 的使用。前一条 SQL 抽取 XML 列中的书的名字，库存数量和第一作者以 XMLTABLE 构建关系数据，后一条 SQL 语句以 XMLEXISTS 为条件将价格大于 30 的书的书名通过一个 XMLQUERY 查询返回。

清单 7. SQL/XML 查询示例
　select　t.*　from　books,　xmltable('$INFO/book'　columns　　name　varchar(20)　path　'./name',　　quantity　integer　path　'./quantity',　　first_author　varchar(20)　path　'./author[1]'　)　as　t　　　NAME　QUANTITY　FIRST_AUTHOR　　--------------------　-----------　--------------------　　Network　Programming　150　Richard　　Flying　190　Jim　　J2EE　Programming　180　Richard　　The　Road　120　McCarthy　　Chinese　Cooking　140　Teresa　　　5　record(s)　selected.　　　　select　bid,　xmlcast(xmlquery('$INFO/book/name')　as　varchar(20))　as　bookname　　from　books　where　xmlexists('$INFO/book[price　>　30]')　　　BID　BOOKNAME　　-----------　--------------------　　204　Flying　　202　The　Road　　　2　record(s)　selected.　

同样，在 DB2 V9.7 中，以前在单分区模式下支持的 XQuery 的功能（包括 XQuery Update 的功能 ) 在 DPF 中也得到完全支持。如下清单 7 所示，第一条 XQuery 查询将价格大于 30 的书的书名通过一个 XQuery 查询返回，第二条语句以一个转换 (transform) 语句演示了对 XML 的更新操作，将 bid 为 201 的书的数量更新为 280，最后一条查询验证了更新的结果。

清单 8. XQuery 查询和转换
　xquery　for　$book　in　db2-fn:xmlcolumn('BOOKS.INFO')/book　　where　$book/price>30　return　$book/name　　　1　　------------------------------------------------------------　　<name>The　Road</name>　　<name>Flying</name>　　　2　record(s)　selected.　　　update　books　set　info　=　xmlquery(　 'transform　copy　$new　:=　$INFO　　modify　do　replace　value　of　$new/book/quantity　with　280　　return　$new　')　where　bid　=201　　DB20000I　The　SQL　command　completed　successfully.　　　select　bid,　xmlquery('$INFO/book/quantity/data(.)')　as　quantity　　　　　from　books　where　bid　=201　　BID　QUNATITY　　-----------　-----------------------------------------------　　201　280　

执行计划中的新操作符 XTQ

先介绍一下为支持 DPF 环境下 XML 处理而引入的新概念全局序列 (Global sequence) 和引用模型（reference model）。全局序列是指包含 XML 节点引用的序列，而这些被引用的 XML 节点可能分布在其他分区上。引用模型是指，只有原子值、节点引用和序列可以通过表队列（Table Queue, TQ) 来传输，而如果要获得节点引用的 XML 数据，则需调用 RPC 来解引用。

在 DB2 V9.7 中，执行计划引入了一个新的操作符 XTQ (XML AGG TQ) 支持 DPF 下的 XML 处理。XTQ 是一个特殊的 TQ，它的作用有：1）将全局序列的每个项 (item) 路由到它原来所属的分区上做 XML 导航（ navigation）；2) 将导航的结果聚集返回到输出序列中。

下面通过一个例子来阐述 XTQ。前面定义的表 books 是定义在多个分区上的表，info 是它的 XML 列。现在考虑这样一个查询，当书的总数量小于 1000 的时候，返回所有书的信息。如下所示，打印出这个查询的执行计划。我们用说明工具（Explain Tool）db2expln 来看一下 DB2 优化器为这个语句生成的执行计划，使用命令以及部分结果如清单 9 所示。

清单 9. 用 db2expln 查看 DPF 下处理 XML 的执行计划
　db2expln　-d　xmldb　-statement　"xquery　let　\$books　:=　db2-fn:xmlcolumn('BOOKS.INFO')　　where　sum(\$books//quantity)　<1000　return　\$books"　-g　-output　expln.out　　　in　expln.out:　　　Estimated　Cost　=　71.315849　　Estimated　Cardinality　=　0.500000　　　Coordinator　Subsection　-　Main　Processing:　　Distribute　Subsection　#1　　|　Broadcast　to　Node　List　　|　|　Nodes　=　0,　1,　2,　3　　Distribute　Subsection　#2　　|　Broadcast　to　Node　List　　|　|　Nodes　=　0,　1,　2,　3　　Access　Table　Queue　ID　()　=　q1　#Columns　=　1　　Aggregation　　|　Column　Function(s)　　Nested　Loop　Join　　|　Piped　Inner　　|　Insert　Into　Synchronous　Table　Queue　ID　(XTQB)　=　q2　　|　|　Send　to　Specific　Node　　|　Access　Table　Queue　ID　(XTQA_AGG)　=　q3　#Columns　=　1　　Residual　Predicate(s)　　|　#Predicates　=　1　　Iterate　over　XML　Sequence　for　Xquery　Bindout　　Return　Data　to　Application　　|　#Columns　=　1　　　Subsection　#1:　　Access　Table　Name　=　YMLI.BOOKS　ID　=　3,256　　|　#Columns　=　2　　|　Skip　Inserted　Rows　　|　Avoid　Locking　Committed　Data　　|　Currently　Committed　for　Cursor　Stability　　|　May　participate　in　Scan　Sharing　structures　　|　Scan　may　start　anywhere　and　wrap,　for　completion　　|　Scan　can　be　throttled　in　scan　sharing　management　　|　Relation　Scan　　|　|　Prefetch:　Eligible　　|　Lock　Intents　　|　|　Table:　Intent　Share　　|　|　Row　:　Next　Key　Share　　Insert　Into　Asynchronous　Table　Queue　ID　()　=　q1　　|　Broadcast　to　Coordinator　Node　　|　Rows　Can　Overflow　to　Temporary　Table　　　Subsection　#2:　　Access　Table　Queue　ID　()　=　q2　#Columns　=　1　　XML　Doc　Navigation　　|　Navigator　is　　|　|　/$CONTEXT_NODE$()/descendant::element(quantity)　　(:　Output　Node　Sequence　Reference　:)　　Insert　Into　Asynchronous　Table　Queue　ID　()　=　q3　　|　Send　to　Specific　Node　　Jump　Back　to　Start　of　Subsection　　　End　of　section　　　Optimizer　Plan:　　　　　　Rows　　　　Operator　　　　　(ID)　　　　　Cost　　　　　　0.5　　　　　n/a　　　　RETURN　　　　　(　1)　　　　71.3158　　　　　|　　　　　0.5　　　　　n/a　　　　FILTER　　　　　(　2)　　　　71.3158　　　　　|　　　　　　1　　　　　n/a　　　　NLJOIN　　　　　(　3)　　　　71.2803　　　　/　　　　\　　　1　　　　1　　　n/a　　　n/a　　FILTER　　　XTQ　　(　4)　　　(　8)　　12.9329　58.3474　　　|　　　　|　　　1　　　　1　　　n/a　　　n/a　　GRPBY　　XSCAN　　(　5)　　　(　9)　　12.8795　　57.04　　　|　　　4　　　n/a　　　BTQ　　(　6)　　12.8295　　　|　　　4　　　n/a　　TBSCAN　　(　7)　　9.72148　　　|　　　4　　n/a　　Table:　　YMLI　　BOOKS　　

在 expln.out 的执行计划中，可以看到有一个 XTQ(8) 操作符，我们结合 XQuery 查询语句来仔细读这个查询计划：所有对 BOOKS.DETAIL 上 XML 文档的引用，都通过一个 DTQ（6）传递到协调程序分区，并聚集成一个全局序列 $books。然后，全局序列中的每一项（即每个 XML 节点引用）通过 XTQ（8）路由到它原来的分区上，并在各分区上根据 XPath 路径表达式 $books//quantity 做 XML 导航 XSCAN（9），然后将导航的结果再通过 XTQ（8）返回到协调程序分区，聚集成一个输出结果集 $books/book/quantity。在 FILTER（2）通过 fn:sum(...)<1000 条件来判断是否将所有的书 $books 返回。

我们再看一下 db2expln 输出的段信息 (section)，在协调程序子段（Coordinator Subsection）中可以看到，子段 #1 和子段 #2，都是并行的在各分区节点上执行的，其中子段 #1 扫描表和读取 XML 数据，子段 #2 对 XML 文档进行导航。而 XTQ 则是用来在协调程序分区和其他分区中传输 XML 引用，它在子段信息中对应两个运行时操作符：XTQB 和 XTQA_AGG。XTQB 将数据绑定输出到 XTQ，即协调程序将 XML 引用传输给各分区； XTQA_AGG 从 XTQ 中读数据并将结果聚集 (AGGregate) 起来，即协调程序从各分区收集结果并聚集成一个输出结果集。

另外，也可以使用另一个说明工具 db2exfmt 查看更详细的执行计划信息。可以看到 XTQ 对应的 TQ 操作符中，有一个参数 TQ_ORIGIN，它的值为“XML AGG TQ”。这个值是 DB2 V9.7 新引入的，说明这个 TQ 是一个 XTQ。用 db2exfmt 查看查询计划的脚本如清单 10 所示，有兴趣的读者可以做进一步的尝试，这里不再赘述。

清单 10. db2exfmt 查看执行计划的脚本
　--setup　the　EXPLAIN　tables.　　CALL　SYSPROC.SYSINSTALLOBJECTS('EXPLAIN','C',NULL,CURRENT　SCHEMA);　　explain　plan　for　xquery　'let　$books　:=　db2-fn:xmlcolumn(''BOOKS.INFO'')　　where　sum($books/book/quantity)　<　1000　return　$books　';　　!db2exfmt　-1　-d　xmldb　-o　exfmt.out;　

提高 DPF 下 XML 转换的性能

XML 转换是 pureXML 技术的一个重要方面，在实际应用中也几乎必不可少。在前面的例子中可以看到，XML 转换 (TRANSFORM ) 的语法在 DPF 中得到了支持，这确实很方便。然而，并不是所有的 XML 转换语句在 DPF 都能很好的并行。有些复杂的转换语句尽管可以工作，但是 DB2 会返回一个 SQL0473W 的警告信息，告诉用户这个查询可能是次优的，包含不能在 DPF 环境中并行执行的 XQuery 转换表达式。DB2 V9.7 中，全局临时表 DGTT(Declare Global Temporary Table) 在 DPF 环境下已经完全能够支持 pureXML，这为提高在 DPF 中 XML 转换的性能提供了一个很好的选项。

在这一节中，我们围绕一个简单却典型的 ETL 场景，来演示如何用全局临时表为 DPF 下的 XML 转换提供最好的性能。

在 DB2 V9.7 中，一般建议用户在 DPF 下部署支持 pureXML 的 ETL 任务时将它分成 3 步来执行 ( 如图 2)：

建立一个中间表，这个表与目标表有相同的分区键，并分布在同样的节点群上。

从源表中提取相关信息，并插入到中间表中。这一步的操作 XML 或关系数据的连接、谓词过滤，XML 导航，XML 文档构建等。注意，这一步的操作是并行的。

从中间表向目标表转换，包含 XML 文档的转换。这一步同样是可以并行的。

图 2. DPF 中 XML 转换的一般流程
DB2 V9.7：数据库分区功能对 pureXML 的完全支持

查看原图（大图）

考虑这样一个 ETL 场景，一个大型网上书店 (bookstore) 部署在 DPF 中，系统每天白天不断的接受客户的大量订单，晚上从订单中提取相关的信息，并将销售相关的信息保存起来，为以后分析或统计之用。

我们创建下面这些包含 XML 列的表：

表 books 存储书相关的信息，前面清单 6 中创建表 books 并导入样本数据。

表 Sales 存储销售信息包括 oid(order id)，cid(customer id)，bid(book id)，amount 销售金额，以及 XML 列 details 存储销售的详细信息。这样，我们以后可以很方便的在这个表上统计某客户或某书籍的销售报表。

表 Orders4Today 存储每天收到的订单信息，oid 唯一标识这个订单，details 包含订单的详细信息。清单 11 中插入的样本数据给出了订单详细信息的大概内容。

客户表 customer，XML 列 info 存储客户的详细资料。由于客户表在例子中关系不大，没有为它填充数据。

清单 11. 创建表 Sales、Order4Today 和插入样本数据
　create　table　customer(cid　int,　info　xml);　　create　table　Sales(oid　int,　cid　int,　bid　int,　amount　float,　details　xml)　　distribute　by　hash(oid)　in　xml_tbsp4n;　　create　table　Orders4Today(oid　int,　details　xml)　distribute　by　hash(oid)　in　xml_tbsp4n;　　insert　into　Orders4Today　values(1001,　'<order>　<oid>1001</oid>　<cid>101</cid>　　<book><bid>201</bid><qty>5</qty></book>　<delivery>normal</delivery>　</order>');　　insert　into　Orders4Today　values(1002,　'<order>　<oid>1002</oid>　<cid>109</cid>　　<book><bid>203</bid><qty>8</qty></book>　<book><bid>204</bid><qty>3</qty></book>　　<delivery>speedy</delivery>　</order>');　　insert　into　Orders4Today　values(1005,　'<order>　<oid>1005</oid>　<cid>112</cid>　　<book><bid>202</bid><qty>3</qty></book>　　<delivery>normal</delivery>　</order>');　　insert　into　Orders4Today　values(1009,　'<order>　<oid>1009</oid>　<cid>175</cid>　　<book><bid>205</bid><qty>6</qty></book>　　<delivery>speedy</delivery>　</order>');　

现在设想 ETL 应用程序需要每天晚上从 Orders4Today 提取订单相关的信息，并进行转换后存储到 Sales 表中。同样，分三步来完成这样一个任务，如清单 12 所示：

创建一个全局临时表 session.Sales4Today，它与目标表 Sales 有相同的结构，而且它创建在表空间 tmp_tbsp4n，在清单 2 中可以看到， tmp_tbsp4n 与 xml_tbsp4n 是在同样的节点群上。

从源表 Orders4Today 中的 XML 列提取 cid，bid，qty 并转换成关系列，bid 与 books 表进行连接并提取书的价格 price，然后与 qty 相乘得到相应的销售金额。而销售的详细信息 details 是一个重新构建的 XML 文档。

将 DGTT session.Sales4Today 的数据经过适当的转换并插入到目标表 Sales。比如，这些转换包括删除不再需要的 cid，插入当前的时间等。

清单 12.用 DGTT来实现 ETL任务
　--Step　1:　declare　the　DGTT　the　same　as　the　target　table　Sales.　　declare　global　temporary　table　session.Sales4Today　like　Sales　　on　commit　preserve　rows　in　tmp_tbsp4n;　　　--Step　2:　select　the　needed　information　and　insert　into　the　DGTT:　　insert　into　session.Sales4Today　　select　O.oid,　OX.cid,　OX.bid,　　xmlcast(xmlquery('$INFO/book/price')　as　float)　*　OX.qty,　OX.details　　from　Books　B,　　Orders4Today　O,　　XMLTABLE('for　$i　in　$o/order/book　　return　<info>　{$o/order/cid}　{$i}　{$o/order/delivery}　</info>'　　passing　O.details　as　"o"　　columns　cid　int　path　'./cid',　　bid　int　path　'./book/bid',　　qty　int　path　'./book/qty',　　details　xml　path　'document{.}')　as　OX　　where　B.bid　=　OX.bid;　　　--Step　3:　Select　from　the　DGTT　and　insert　into　the　target　table　 with　xml　info　transformed　to　the　required　format　　　insert　into　Sales　　select　T.oid,　T.cid,　T.bid,　T.amount,　　XMLQUERY('transform　　copy　$new　:=　$temp　　modify　(do　delete　$new/info/cid,　　do　insert　<date>{fn:current-date()}</date>　　as　last　into　$new/info)　　return　$new'　passing　T.details　as　"temp")　　from　session.Sales4Today　T;　　　--The　final　transformed　result.　　select　dbpartitionnum(oid)　as　PARTITION,　oid,　cid,　bid,　amount,　details　from　Sales　　　PARTITION　OID　CID　BID　AMOUNT　DETAILS　　-----------　-----------　-----------　-----------　------------------------　　--------------------------------------------------------　　-------------------------------------　　1　1009　175　205　+1.65000000000000E+002　　<info><book><bid>205</bid><qty>6</qty></book><delivery>speedy</delivery>　　<date>2009-10-28Z</date></info>　　3　1005　112　202　+1.36800000000000E+002　　<info><book><bid>202</bid><qty>3</qty></book><delivery>normal</delivery>　　<date>2009-10-28Z</date></info>　　0　1001　101　201　+1.17500000000000E+002　　<info><book><bid>201</bid><qty>5</qty></book><delivery>normal</delivery>　　<date>2009-10-28Z</date></info>　　2　1002　109　203　+8.13600000000000E+001　　<info><book><bid>203</bid><qty>8</qty></book><delivery>speedy</delivery>　　<date>2009-10-28Z</date></info>　　2　1002　109　204　+9.08400000000000E+001　　<info><book><bid>204</bid><qty>3</qty></book><delivery>speedy</delivery>　　<date>2009-10-28Z</date></info>　　　5　record(s)　selected.　