【正文】 效布置。 XML 文檔由一個(gè)個(gè)存儲(chǔ)單元組成，這些單元稱(chēng)為實(shí)體，包括解析數(shù)據(jù)（ parseddata）和未解析數(shù)據(jù)（ unparseddata）。標(biāo)記是對(duì)了文檔存儲(chǔ)格式和邏輯結(jié)構(gòu)的描述。 每個(gè) XML 文檔都有一個(gè)邏輯結(jié)構(gòu)和物理結(jié)構(gòu)。一個(gè)文檔以一個(gè)根元素或文檔實(shí)體來(lái)開(kāi)始。這些組成部分在文檔的標(biāo)記中必須明確規(guī)定。文檔的起始標(biāo)記和結(jié)束標(biāo)記對(duì)數(shù)據(jù)進(jìn)行結(jié)構(gòu)化組織，并確定了元素的范圍和相互之間的關(guān)系。它是與廠商無(wú)關(guān)的標(biāo)準(zhǔn)，可以任選一個(gè)解析器來(lái)處理。HTML 提供了查看數(shù)據(jù)的通用方法； XML 則提供了直接在數(shù)據(jù)上工作的通用方法。從數(shù)據(jù)描述語(yǔ)言的角度看， XML 是靈活的、可擴(kuò)展的、有良好的結(jié)構(gòu)和約束；從數(shù)據(jù)處理的角度看，它足夠簡(jiǎn)單且易于閱讀，幾乎和 HTML 一樣易于學(xué)習(xí)，同時(shí)又易于被應(yīng)用程序處理，因此， XML 必將帶來(lái)下一代網(wǎng)絡(luò) 應(yīng)用技術(shù)的革命。在業(yè)務(wù)開(kāi)展過(guò)程中，文檔、信息或任務(wù)，依據(jù)組織規(guī)范在參與者之間傳遞、處理或執(zhí)行。 工作流管理系統(tǒng)（ WorkflowManagementSystem,WFMS）是定義、創(chuàng)建、執(zhí)行工作流的系統(tǒng)。 . UNICODE 基本上，計(jì)算機(jī)只是處理數(shù)字。在創(chuàng)造Unicode 之前，有數(shù)百種指定這些數(shù)字的編碼系統(tǒng)。即使是單一種語(yǔ)言，例如英語(yǔ)，也沒(méi)有哪一個(gè)編碼可以適用于所有的字母，標(biāo)點(diǎn)符號(hào)，和常用的技術(shù)符號(hào)。也就是說(shuō)，兩種編碼可能使用相同的數(shù)字代 表兩個(gè)不同的字符，或使用不同的數(shù)字代表相同的字符。 Unicode 給每個(gè)字符提供了一個(gè)唯一的數(shù)字，不論是什么平臺(tái)，不論是什么程序，不論什么語(yǔ)言。最新的標(biāo)準(zhǔn)都需要 Unicode，例如 XML, Java, ECMAScript (JavaScript), LDAP, CORBA , WML 等等，并且， Unicode 是實(shí)現(xiàn)ISO/IEC 10646 的正規(guī)方式。Unicode 標(biāo)準(zhǔn)的出現(xiàn)和支持它工具的存在，是近來(lái)全球軟件技術(shù)最重要的發(fā)展趨勢(shì)。Unicode 使單一軟件產(chǎn)品或單一網(wǎng)站能夠貫穿多個(gè)平臺(tái)，語(yǔ)言和國(guó)家，而不需要重建。 新華網(wǎng)三期項(xiàng)目系統(tǒng)設(shè)計(jì)書(shū) 第 15 頁(yè) 共 111 頁(yè) . WEB 服務(wù) Web Service 是一種新的 Web 應(yīng)用，是自包含、自描述、模塊化的應(yīng)用，是基于網(wǎng)絡(luò)的、分布式的模塊化組件。 Web Service 是一種動(dòng)態(tài)的集成方案，所有的服務(wù)都可以通過(guò) UDDI 標(biāo)準(zhǔn)動(dòng)態(tài)地被發(fā)現(xiàn)、綁定和使用，容易適應(yīng)系統(tǒng)的變動(dòng)，提高系統(tǒng)的靈活性和伸縮性。而使用 Web 服務(wù)的程序可以是桌面應(yīng)用程序，同樣也可以是另一個(gè) Web 服務(wù)。 J2EE 是一種利用 Java 2 平臺(tái)來(lái)簡(jiǎn)化諸多與多級(jí)企業(yè)解決方案的開(kāi)發(fā)、部署和管理相關(guān)的復(fù)雜問(wèn)題的體系結(jié)構(gòu)。 . XinhuaML 標(biāo)準(zhǔn) XinhuaML 是由新華社新聞信息標(biāo)準(zhǔn)研究項(xiàng)目組制定的內(nèi)部數(shù)據(jù)交換標(biāo)準(zhǔn)，它是以 XML技術(shù)為基礎(chǔ)，借鑒了 NewsML 等國(guó)內(nèi)外相關(guān)技術(shù)標(biāo)準(zhǔn)的經(jīng)驗(yàn)，考慮了國(guó)內(nèi)媒體的普遍情況，結(jié)合新華社的具體業(yè)務(wù)要求和實(shí)際情況，研制的適合新華社業(yè)務(wù)的內(nèi)部數(shù)據(jù)交換標(biāo)準(zhǔn)，是聯(lián)系新華社新聞業(yè)務(wù)流程“采集、編輯、生成、發(fā)布、供稿、表現(xiàn)、反饋”各個(gè)環(huán)節(jié)的紐帶。 內(nèi)容管理系統(tǒng)實(shí)現(xiàn) XinhuaML 標(biāo)準(zhǔn)， 支持?jǐn)?shù)據(jù)按 XinhuaML 標(biāo)準(zhǔn)導(dǎo)入和導(dǎo)出， 實(shí)現(xiàn)與社內(nèi)各系統(tǒng)間數(shù)據(jù)傳輸?shù)膽?yīng)用統(tǒng)一，要求系統(tǒng)采用 XinhuaML 稿件格式進(jìn)行導(dǎo)入、導(dǎo)出或傳輸，以滿(mǎn)足數(shù)據(jù)規(guī)范要求。該技術(shù)標(biāo)準(zhǔn)采用了 XML 和 RDF 技術(shù)，支持文字、圖片、圖形、音頻、視頻等多種媒體類(lèi)型以及多媒體混合的新聞 信息的描述，支持對(duì)新聞信息間關(guān)系和語(yǔ)義的描述，為新聞信息的自動(dòng)解釋、交換和處理等新業(yè)務(wù)的發(fā)展留有余地。 內(nèi)容管理 系統(tǒng)可以將符合規(guī)范的稿件直接輸出為 CNML 的格式，實(shí)現(xiàn) 與社內(nèi)系統(tǒng)和其他系統(tǒng) 基于 CNML 的數(shù)據(jù)交換。實(shí)現(xiàn)新聞信息分類(lèi)體系的統(tǒng)一和規(guī)范，是中文新聞信息標(biāo)準(zhǔn)化的重要組成部分。 內(nèi)容管理系統(tǒng)提供按中文新聞信息分類(lèi)標(biāo)準(zhǔn)對(duì)稿件信息進(jìn)行分類(lèi)，系統(tǒng)內(nèi)的每條稿件信息都有一個(gè)相應(yīng)新聞信息分類(lèi)與之相對(duì)應(yīng)，實(shí)現(xiàn)信息分類(lèi)的標(biāo)準(zhǔn)化和統(tǒng)一化。 軟件質(zhì)量約束 項(xiàng)目實(shí)際進(jìn)度與合同偏差度不超過(guò) 20％ 新華網(wǎng)三期項(xiàng)目系統(tǒng)設(shè)計(jì)書(shū) 第 18 頁(yè) 共 111 頁(yè) 第 4章 . 設(shè)計(jì)策略 擴(kuò)展策略 根據(jù) 新華網(wǎng)內(nèi)容管理系統(tǒng) 項(xiàng)目需要，結(jié)合 CMS 系統(tǒng)設(shè)計(jì)人員，以?xún)?nèi)容編輯的需求為發(fā)展戰(zhàn)略，制定擴(kuò)展策略如下： XML 信息片的發(fā)布方式； CMS 系統(tǒng)的發(fā)布子系統(tǒng)， 發(fā)布數(shù)據(jù) 采用基于 XML 的信息片 文件描述 ，在生成 服務(wù)器 上進(jìn)行 信息片文件生成 。 WebService 的 Server 端程序設(shè)計(jì) ； 在內(nèi)容 管理系統(tǒng)中，提供所有業(yè)務(wù)邏輯處理功能的 標(biāo)準(zhǔn) WebService 接口，允許第三方廠商調(diào)用，為將來(lái) 擴(kuò)展客戶(hù)端、擴(kuò)展外圍系統(tǒng)提供了基礎(chǔ) 。 復(fù)用策略 根據(jù)新華網(wǎng)內(nèi)容管理系統(tǒng)項(xiàng)目需要 ，結(jié)合 CMS 系統(tǒng)設(shè)計(jì)人員，以?xún)?nèi)容編輯的需求為發(fā)展戰(zhàn)略，制定復(fù)用策略如下： XML 編輯器； 在 CMS 系統(tǒng)中，將采用全新設(shè)計(jì)的 XML 編輯器作為頁(yè)面編輯工具， XML 編輯器基于 XML 內(nèi)核設(shè)計(jì)，除了完成頁(yè)面對(duì)象的編輯之外，還具備了為其他功能復(fù)用的基礎(chǔ)。 內(nèi)容組件設(shè)計(jì)； 在 CMS 系統(tǒng)中，采用了基本組件和內(nèi)容組件的設(shè)計(jì)方式，經(jīng) 過(guò)基本組件編輯而成 新華網(wǎng)三期項(xiàng)目系統(tǒng)設(shè)計(jì)書(shū) 第 19 頁(yè) 共 111 頁(yè) 的內(nèi)容組件，在系統(tǒng)中可以被別的編輯進(jìn)行復(fù)用。另外，在設(shè)計(jì)的時(shí)候應(yīng)該盡量減少編碼過(guò)程中產(chǎn)生關(guān)鍵路徑，以便保證能夠讓多人投入并行開(kāi)發(fā)。 . 系統(tǒng)技術(shù)架構(gòu) 在 新華網(wǎng)內(nèi)容管理系統(tǒng) 中， 系統(tǒng) 將 將采用 C/S+B/S 體系結(jié)構(gòu) ， C/S 采用客戶(hù)端平 臺(tái)與Server 端 WebService 通訊，完成業(yè)務(wù)流程所需功能，由內(nèi)容管理系統(tǒng)負(fù)責(zé)封裝成WebService，客戶(hù)端不做過(guò)多的業(yè)務(wù)邏輯處理； B/S 采用傳統(tǒng)的方式，由瀏覽器訪問(wèn) Jsp＋Servlet 來(lái)完成業(yè)務(wù)流程處理 。 應(yīng)用 服務(wù)器 OS 平臺(tái)軟件 應(yīng)用部署軟件 新華網(wǎng)三期項(xiàng)目系統(tǒng)設(shè)計(jì)書(shū) 第 22 頁(yè) 共 111 頁(yè) 內(nèi)容管理應(yīng)用 WebLogic 負(fù)載平衡 文件存儲(chǔ)共用文件 NAS 內(nèi)容管理應(yīng)用 Sun T2020 6 SUN Solaris10 WebLogic JDK 核心編輯子系統(tǒng) 內(nèi)容管理系統(tǒng) 通過(guò) WebLogic的連接池連接內(nèi)容管理數(shù)據(jù)庫(kù) 數(shù)據(jù)采集接口WebService，數(shù)據(jù)采集的后臺(tái)程序 歸檔后臺(tái)運(yùn)行程序 靜態(tài)資源服務(wù)器 雙機(jī)、負(fù)載均衡 應(yīng)用程序靜態(tài)資源 服務(wù) Dell2950 2 Red Hat Linux Enterprise v4 Apache2 與內(nèi)容管理應(yīng)用服務(wù)器能通過(guò) NAS文件共享 。 內(nèi)容管理數(shù)據(jù)庫(kù) Oracle 部 署 為RAC 方式 Sun V890 6 SUN Solaris10 Oracle 10g 在 Oracle 內(nèi)部運(yùn)行 JOB用來(lái)做工作量統(tǒng)計(jì)數(shù)據(jù)匯總 在 Oracle 內(nèi)部運(yùn)行 JOB用來(lái)做全文檢索的更新 新華網(wǎng)三期項(xiàng)目系統(tǒng)設(shè)計(jì)書(shū) 第 23 頁(yè) 共 111 頁(yè) （ 包含Author 和KeyWord） 生成發(fā)布 多服務(wù)器、程序動(dòng)態(tài)負(fù)載均衡 生成發(fā)布 Dell6850 6 Red Hat Linux Enterprise v4 JDK 網(wǎng)頁(yè)生成程序Publishd，通過(guò)自定義連接池訪問(wèn)數(shù)據(jù)庫(kù)。 編輯庫(kù) 根據(jù)目前多站點(diǎn)系統(tǒng)中的基礎(chǔ)數(shù)據(jù)計(jì)算 數(shù)據(jù)指標(biāo) 數(shù)據(jù)值 稿件量 ≈ （萬(wàn)條） 人數(shù) 413（人） 平均稿量 ≈ 56（稿件 /人） 目前所有系統(tǒng)使用人員 ≈ 950（人） 預(yù)計(jì)人員增長(zhǎng)到 ≈ （千人） 據(jù)此計(jì)算存儲(chǔ)情況 ，需要存儲(chǔ)量為： 。如果將數(shù)據(jù)控制在百萬(wàn)級(jí)以?xún)?nèi)，則存儲(chǔ)需要大概 350G。只是對(duì)于存儲(chǔ)在數(shù)據(jù)中的圖片，發(fā)布庫(kù)與簽發(fā)庫(kù)共用一份，因此發(fā)布庫(kù)的數(shù)據(jù)量，一年總量在 2G。 資料庫(kù) 資料庫(kù)中主要保存的是系統(tǒng)中歸檔的數(shù)據(jù)，也按每天 1 萬(wàn)條稿件計(jì)算，情況如下 稿件數(shù) 稿件量 (K) 1 天 30,000 3,009,618 1 月 900,000 90,288,532 3 月 2,700,000 270,865,595 半年 5,400,000 541,731,190 新華網(wǎng)三期項(xiàng)目系統(tǒng)設(shè)計(jì)書(shū) 第 25 頁(yè) 共 111 頁(yè) 1 年 10,950,000 1,098,510,468 按歸檔規(guī)則保存半年的數(shù)據(jù)，存儲(chǔ)量是 542G。 . 數(shù)據(jù) 劃分 根據(jù)總體設(shè)計(jì)，數(shù)據(jù)存儲(chǔ)應(yīng)用的劃分如下 稿源庫(kù)、編輯庫(kù)使用數(shù)據(jù)存儲(chǔ)單元： RAC RAC3，總數(shù)據(jù)存儲(chǔ)量為（ ＋ ＋350）＝ ，平均每單元存儲(chǔ)量為 6G。 簽發(fā)庫(kù)、發(fā)布庫(kù)總共需要的存儲(chǔ)量大概是 1＋ 2＝ 3G . 軟件部署 . 系統(tǒng)總體結(jié)構(gòu) 經(jīng)過(guò)認(rèn)真分析與討論，我們制定如下的 內(nèi)容管理 系統(tǒng)總體結(jié)構(gòu)，系統(tǒng)總體結(jié)構(gòu)圖的 模塊劃分 如下所示。 ? 內(nèi)容采集 系統(tǒng) 內(nèi)容采集模塊，是系統(tǒng)的批量資料 導(dǎo) 入接口，在內(nèi)容采集模塊中，提供了標(biāo)準(zhǔn)的JavaAPI 和 WebService 接口 （包含 XML 文件 接口） ，供第三方廠商調(diào)用，提過(guò)直接調(diào)用這兩種形式的接口，可以直接把信息推送到 內(nèi)容管理 系統(tǒng)中。 也可以通過(guò)文件共享方式，定時(shí)掃描指定目錄，把其他外接口系統(tǒng)提供的數(shù)據(jù)文件解析成內(nèi)容管理系統(tǒng)數(shù)據(jù)進(jìn)行入庫(kù)。 ? 內(nèi)容管理 系統(tǒng) 內(nèi)容管理模塊是網(wǎng)站 CMS 系統(tǒng)的核心分布式存儲(chǔ)模塊，完成 CMS 系統(tǒng)得成品資料、背景資料以及其它的需要存儲(chǔ)管理的資料的存儲(chǔ)和管理工作。 ? 發(fā)布系統(tǒng) 新華網(wǎng)三期項(xiàng)目系統(tǒng)設(shè)計(jì)書(shū) 第 28 頁(yè) 共 111 頁(yè) 發(fā)布系統(tǒng)完成 內(nèi)容管理系統(tǒng)中數(shù)據(jù)到頁(yè)面的 發(fā)布的工作，系統(tǒng) 依據(jù)內(nèi)容管理系統(tǒng) 模版管理、組件管理 、欄目管理、發(fā)布樹(shù)管理 等功能，很好地完成了基于 XML 信息片的實(shí)時(shí) 和定時(shí) 合成 和頁(yè)面生成 工作 。 ? 客戶(hù)端平臺(tái) 提供完整的內(nèi)容管理系統(tǒng)功能共用戶(hù)使用。 ? 遠(yuǎn)程發(fā)稿模塊 為了方便外出人員進(jìn)行在系統(tǒng)中工作，遠(yuǎn)程發(fā)稿模塊通過(guò)遠(yuǎn)程代理的方式，實(shí)現(xiàn)了遠(yuǎn)程使用系統(tǒng)進(jìn)行發(fā)稿 、管稿、發(fā)稿等內(nèi)容管理系統(tǒng) 功能。通過(guò)將工作活動(dòng)分解成定義良好的任務(wù)、角色、規(guī)則和過(guò)程來(lái)進(jìn)行執(zhí)行和監(jiān)控，達(dá)到提高生產(chǎn)組織水平和工作效率的目的。為了增強(qiáng)適應(yīng)性，工作流引擎使用一種技術(shù)手段，保證能夠由可以自己定義工作流，包括定義任務(wù)動(dòng)作、狀態(tài)以及如何組合成一套流程。對(duì)于其內(nèi)容的編 輯，需要用一種可視化的編寫(xiě)方法，保證所見(jiàn)即所得。 . 可視化模版編輯技術(shù) 在常規(guī)的可視化編輯頁(yè)面技術(shù)上，允許其中的部分內(nèi)容用一種 “組件 ”表示，該組件的實(shí)際內(nèi)容需要結(jié)合內(nèi)容管理中的數(shù)據(jù)才能完整呈現(xiàn)。 . 自動(dòng)發(fā)布技術(shù) +信息片發(fā)布技術(shù) 內(nèi)容管理的內(nèi)容發(fā)生變化后，系統(tǒng)立即找到需要更新的所有最小單位，并將其迅速生成出來(lái)，同過(guò)簡(jiǎn)潔的步驟更新到網(wǎng)站上。 . WebService 內(nèi)容管理系統(tǒng)在對(duì)業(yè)務(wù)邏輯抽象后，封裝出標(biāo)準(zhǔn)的 WebService 接口，各平臺(tái)上的各系統(tǒng)可以按標(biāo)準(zhǔn)的方式調(diào)用，即可實(shí)現(xiàn)內(nèi)容管理系統(tǒng)的某業(yè)務(wù)功能。發(fā)布系統(tǒng)在生成頁(yè)面時(shí)對(duì)本次發(fā)布操作沒(méi)有影響的區(qū)域，采取直接對(duì)碎片文件的策略，減少組件解析時(shí)間提高效率。 新華網(wǎng)內(nèi)容管理 系統(tǒng)總體結(jié)構(gòu)圖如圖 所示。 比如： TRS 系統(tǒng)，通過(guò)內(nèi)容采集模塊的 WebService 接口的調(diào)用，便可以把抓取到的頁(yè)面內(nèi)容載入到 CMS 系統(tǒng)中，以便 CMS 的內(nèi)容編輯繼續(xù)完成下一步的發(fā)布工作。 新華網(wǎng)三期項(xiàng)目系統(tǒng)設(shè)計(jì)書(shū) 第 32 頁(yè) 共 111 頁(yè) 在內(nèi)容管理模塊中，系統(tǒng)提供了對(duì)于數(shù)據(jù)資料的分庫(kù)存儲(chǔ)管理，按照資料屬性的不同的文檔文件夾管理，多種分類(lèi)方式的分類(lèi)管理，元數(shù)據(jù)定義等功能，實(shí)現(xiàn)了網(wǎng)站內(nèi)容的海量存儲(chǔ)。 ? 分發(fā)系統(tǒng) 把發(fā)布系統(tǒng)生成的靜態(tài)頁(yè)面、關(guān)聯(lián)圖片、 js 文件、 css 文件等生成結(jié)果安裝指定的規(guī)則發(fā)送出去，在發(fā)送的過(guò)程中，按照指定邏輯可以對(duì)發(fā)送的文件進(jìn)行一些簡(jiǎn)單的邏輯處理。同時(shí)該平臺(tái)上采用插件結(jié)構(gòu)設(shè)計(jì)，可以把其他系統(tǒng)功能加入進(jìn)來(lái)，插件可以隨時(shí)開(kāi)發(fā)自由注冊(cè)，方便客戶(hù)端平臺(tái)的擴(kuò)展。 新華網(wǎng)三期項(xiàng)目系統(tǒng)設(shè)計(jì)書(shū) 第 33 頁(yè) 共 111 頁(yè) 內(nèi)容采集 系統(tǒng) 內(nèi)容采集系統(tǒng)以無(wú)人值守的方式從指定的稿件源上讀取稿件數(shù)據(jù)，并把稿件添加到內(nèi)容管理系統(tǒng) 的 源稿中心。 稿件送入內(nèi)容管理系統(tǒng)前，采集程序需要調(diào)用智能處理接口，對(duì)稿件的摘要、關(guān)鍵字等稿簽項(xiàng)做一個(gè)自動(dòng)處理。 稿源是用來(lái)建立源數(shù)據(jù)文件和內(nèi)容管理系統(tǒng)源稿庫(kù)的關(guān)系的。 新華社電稿、圖片庫(kù)等稿件信息 可以通過(guò)設(shè)置稿源來(lái)實(shí)現(xiàn)入內(nèi)容管理系統(tǒng)源稿庫(kù)，同時(shí)可以通過(guò)稿源設(shè)置實(shí)現(xiàn) Email、短信、彩信等方式的投稿。 通過(guò)在系統(tǒng)中增加模板，使得內(nèi)容采集系統(tǒng)能對(duì)采集數(shù)據(jù)源進(jìn)行擴(kuò)展。 模板設(shè)置包含：模板新增、修改和刪除操作。 . 規(guī)則管理 規(guī)則設(shè)置 設(shè)置采集引擎的工