如何得到XML文档大小

XML文档从格式到大小都是不是确定的。有的可能只有几行，而有的却有好几兆字节。你也许会怀疑是不是需要了解XML文档的大小。而当性能成为首要问题时，知道XML文档大小就是件必须要作的事情了。

 
从性能角度讲，有两类处理XML文档的方法。批量处理方式需要较短的时间，解析成组的文档。实时方式就是实时的处理文档。批处理方式的性能可以通过在一定时间内处理多少文档来测量，而实时模式的性能也采用类似的测量方式，不过是以处理一个文档需要多长时间来计算的。

Scenarios场景
想象一下，你有一个实时工作的系统，比如一个Web服务器。这个系统需要实时的接收客户发来的订单，并需要立即对这个订单进行响应。

这个系统显然不能用批量处理的方式进行。简单的估计一下，假设这是个很简单的订单，只有十个项目，这样所生成的XML文档就比较小，大概每个文档是4KB。这种情况下，使用DOM来解析收到文档。

如果你的订单每小时只有几个，那么系统性能对你来说还不是问题。但是长远考虑，总有一天订单的数量会多到令你意识到系统性能必须提高。

现在你开始考虑提高性能来适应增长的负荷。你的订单文档已经很小了，把它们合并成较大的文档也没有什么实际的意义。从纵向考虑，这时候你可以提高现有系统处理能力；从横向考虑，你可以增加更多的系统将负荷分散开。

再看看另一个完全不同的领域，你现在要处理的是一个大型的数据仓库。和Web服务器完全不同，你现在用FTP来传输平均大小为300MB的XML文档。如果还是使用DOM来解析XML文档，你很快就会遇到大麻烦。相反，如果你使用SAX就会好的多，它可以直接解析流入的XML文档，而不必把它们事先都装入内存。

改变文档尺寸
有时候你会遇到特殊情况需要改变XML文档大小。想象一下，和刚才一样你有一个实时处理XML文档的Web服务器，而此时所有的文档大小都是400MB而不是4KB，你不能使用DOM方式，因为那太占内存了。可是因为这是个实时系统，性能很重要。你可以使用SAX，不过需要时间允许并要有强大的处理器。

在这种情况下，你可以通过改变文档大小来改进系统执行性能。比如你可以将一个400MB的文档分成10个40MB的，或者40个10MB的小文档，这比起处理一个400MB的文档更有效率。这样你就可以使用DOM方式把文件读入内存进行处理，及时响应每个文档的请求了。同时还可以清除掉不相关的文档。

在批量处理方式上也有类似情况。想象一下你在通过DOM的批处理方式处理数千个4KB大小的文档。最好的方式是将一千个文件合并成一个4MB的文件。因为每个文档的载入都需要占用系统时间（不论是DOM还是SAX）。通过将一千个文档合并成一个，你只需要载入一个文档，占用的时间只是原来的千分之一。

最新评论