Szenario: B2B Lösung W4F / Lixto /

Transkript

1 Unterschiede und Gemeinsamkeiten XML als Web Datenformat Motivation HTML Dokumentorientiert Flexibilität Layout Präsentation Datenbanken Datenorientiert Abstraktion Anfragesprache Manipulationssprache Formales Modell Vermeiden von Redundanz Versionierung, Nebenläufigkeit des Zugriffs, Firma SellItAll Szenario: B2B Firma AddValue Lösung W4F / Lixto / Präsentation Kontrolle Daten

2 Lösung W4F / Lixto / Lösung W4F / Lixto / XML / Semistrukturierte Daten Verbessertes Szenario: B2B Firma SellItAll Firma AddValue HTML Dokumentorientiert Flexibilität Layout Präsentation Datenbanken Datenorientiert Abstraktion Anfragesprache Manipulationssprache Formales Modell Vermeiden von Redundanz Versionierung, Nebenläufigkeit des Zugriffs, Präsentation Kontrolle Daten

3 Schichten eines DB-Systems Views Logisches Modell Physikalisches Modell Was ist ein logisches Modell / eine Anfragesprache für XML? Semi-strukturierte Daten Zugriffe Was Eine Syntax für Daten Wie Semi-Strukturierte Daten schema-los oder selbst beschreibend d.h. Daten haben keine separate Beschreibung der Datenstrukturen und -typen Daten werden mit einer simplen Syntax beschrieben Assoziationslisten sind Label-Wert Paare (label-value pairs) und werden als Record- oder Tupel-artige Strukturen dargestellt. name: Alan, tel: , agb@abc.com Graphenrepräsentation dieser simplen Struktur Daten lassen sich grafisch als Knoten darstellen, die durch Kanten mit den zugehörigen Werten verbunden sind. name tel name tel {name: {first: Alan, last: Black, tel: , Alan 7786 agb@abc.com first last 7786 agb@abc.com Alan Black

4 Variationen von Tupeln Die Syntax macht es einfach, Mengen von Tupeln zu beschreiben. Es existiert keine Einschränkung, dass alle Tupel einer Menge vom selben Typ sein müssen. Es wird davon ausgegangen, dass Strukturen einem bestimmten Typ ähneln. Eine Stärke von ssd ist die Fähigkeit, Variationen in der Struktur zu kompensieren. Variationen entstehen durch fehlende Daten, duplizierte Felder oder kleine Änderungen in der Repräsentation. Variationen von Tupeln {person: {name: Alan, phone: , person: {name: Sara, phone: , person: {name: Fred, phone: , {person: {name: Alan, phone: , person: {name: {first: Sara, last: Green, phone: , person: {name: Fred, phone: , Height: 183 Selbstbeschreibende Daten Datentyp: bei ssd unwichtig. Datenobjekt: Ordnung durch explizite Beschreibung/Annotation (z.b. name, phone,...) Serialisierung: Daten werden in einem Byte-Strom konvertiert, der sich leicht übertragen und vom Empfänger rekonstruieren lässt. Redundanz: Selbst beschreibende Daten verschwenden Speicher, da die Beschreibungen der Daten oft wiederholt werden. Es gehen keine Information beim Weglassen des Datentyps verloren. Basis-Datentypen Datentypen können durch ihre Syntax unterschieden werden: Nummern (beginnen mit einer Ziffer) Strings (beginnen mit einem Anführungszeichen) Label (name, height,...) Es gibt viele Datentypen mit definierter Kodierung (z.b. date, time, gif, wav, ) Ein Beispiel: date 1 May 1997

5 Repräsentation relationaler Datenbanken Relationale Datenbanken werden durch Schemata beschrieben. r1(a,b,c) r2(c,d) r1 und r2 sind Relationen und a, b, c und d sind Spaltennamen. Eine Instanz eines solchen Schemas ist ein Datensatz, der diese Spezifikation einhält. Es existiert keine einheitliche Syntax, für die Beschreibung relationaler Instanzen. Darstellung einer Instanz Als Mengen: {r1: i 1, r2: i 2 Beispiel: {r1: {row: {a: a1, b: b1, c: c1, row: {a: a2, b: b2, c: c2, r2: {row: {c: c2, d: d2, row: {c: c3, d: d3, row: {c: c4, d: d4 Darstellung einer Instanz In Form von Tabellen: Repräsentation von Objektdatenbanken Objekt Identitäten (oid) werden genutzt, um Strukturen mit Referenzen zu anderen Objekten zu konstruieren. r1 a b c c d r2 a1 b1 c1 a2 b2 c2 c2 c3 c4 d2 d3 d4 {person: &o1{name: Mary, age: 45, child: &o2, child: &o3, person: &o2{name: John, age: 17, relatives: {mother: &o1, sister: &o3 person: &o3{name: Jane, country: Canada, mother: &o1

6 Objektidentitäten Repräsentation als Graph Ihre Bedeutung ist auf eine bestimmte Domänen beschränkt. In der gleichen Dateninstanz, können oids von verschiedenen Domänen existieren. In ssd müssen Knoten nicht explizit einen oid besitzen. name person person person child mother &o1 &o2 &o3 child age name age relatives name John 17 country Mary 45 mother sister Jane Canada Syntaxspezifikation ssd-expressions: <ssd-expr> ::= <value> oid<value> oid <value> ::= atomicvalue <complexvalue> <complexvalue> ::= {label:<ssd-expr>,...,label:<ssd-expr> Konsistenz Für die Konsistenz einer ssd-expression s müssen die folgenden zwei Bedingungen erfüllt sein: Jede oid wird höchstens einmal in s definiert. Wenn eine oid o in s genutzt wird, dann muss sie auch in s definiert sein.

7 Object Exchange Model (OEM) Das Objekt Exchange Modell wurde im Kontext von Tsimmis, einem System zum Integrieren von heterogenen Datenquellen, definiert. OEM Modelle sind meist Kantenbeschriftete Graphen. Sie können aber auch Knoten-beschriftete sowie Kanten- und Knoten-beschriftete Graphen sein. OEM Objekt Ein OEM Objekt ist ein Quadrupel (label, oid, type, value) label ist ein Character String. oidist die Objektidentifikationsnummer. type komplexe Typen atomare Typen (z.b. Integer, String, gif-bild) value eine Menge von oids, wenn type komplex ist atomarer Wert von type, wenn type atomar ist Objektdatenbanken Moderne Applikationen nutzen objektorientierten Datenmodelle. Standards für Objektdatenbanken bzw. objekt-orientierten Datenbanken: ODMG Spezifikation ODL (Object Definition Language) OIF (Object Interchange Format) ODMG Schema class State (extent states) { attribute string scode; attribute string sname; attribute City capital; relationship set<city> cities-in inverse City::state-of; class City (extent cities) { attribute string ccode; attribute string cname; relationship State state-of inverse State::cities-in;

8 Eigenschaften von ODMG Tupel, Mengen, Listen, Multimengen und Arrays können ausgedrückt werden. Handles zu Objekten der Datenbank. Erweiterung bzw. Vererbung von Klassen. Objekte werden durch Konstruktoren erzeugt, die durch die verwendete Datenbank oder Sprache definiert werden. Eigenschaften von ODMG Die verwendete Sprache bestimmt das Löschen von Objekten Explizite Vernichtung durch Destruktoren (siehe C). Unerreichbarkeit und garbage collection (siehe Java). Beziehungen sind wie Attribute. Sie können inverse Constraints ausdrücken. Repräsentation von ODMG Daten als SSD {states: {state: &s1{scode: ID, sname: Idaho, capital: &c1, cities-in: {City: &c1, City: &c3,,..., {cities: {city: &c1{ccode: BOI, cname: Boise, state-of: &s1, city: &c1{ccode: CCN, cname: Carson City, state-of: &s2,... Repräsentation von ODMG Die Beschreibungen von ODMG Daten als semi-strukturierte Daten ist dieselbe wie die von relationalen Datenbanken. Es werden dabei Namen für oids genutzt, um Attributwerte, die Objekte darstellen, beschreiben zu können.

9 ACeDB (A.C. elegans Database) Entwickelt als Datenbank für genetische Daten. Allgemeines Datenmodell. Populär bei Biologen da: Fähigkeit mit fehlenden Daten zu arbeiten. Gute Benutzerschnittstelle. Gute Browsing Tools. ACeDB Schemata und Daten können als Kantenbeschriftete Bäume betrachtet werden. Der Typname Int repräsentiert einen Knoten, den eine unendliche Menge von Kanten verlässt, die jeweils mit anderen Integer-Werten versehen sind. (Text analog) Ein Schema kann als unendlich verzweigter Baum und die Dateninstanz als ein endlicher Teilbaum angesehen werden. Das Schlüsselwort UNIQUE spezifiziert, dass jede Dateninstanz höchstens eine Kante auswählen kann. ACeDB array Int UNIQUE Int: Schema: Knoten mit unendlicher Anzahl von ausgehenden Kanten mit einem Integerwert, welche jeweils zu einem Knoten mit unendlicher Anzahl von ausgehenden Kanten mit einem Integerwert führen. Instanz: eine endliche Anzahl von top-level Kanten (array indices), denen höchstens eine Kante mit einem Integerwert folgt (associated value). Der Gebrauch von mit Integerwerten beschrifteten Kanten erzeugt einen Array. ACeDB Schema und Daten?Book title UNIQUE Text authors Text chapters Int UNIQUE Text language UNIQUE english french other date UNIQUE month Int year Int &hock2 title Computer Simulation Using Particles authors Hockney Eastwood chapters 1 Computer Experiments 2 A One-Dimensional Model... language english

10 Terminologie der verwendeten Graphentheorie Ein Graph (N,E) besteht aus einer Menge N von Knoten und einer Menge E von Kanten. Zur jeder Kante e E gibt es ein (geordnetes) Knotenpaar, das durch e verbunden wird. Der Quellknoten wird s(e) genannt, der Zielknoten t(e). Ein Pfad ist eine Sequenz e 1, e 2,..., e k von Kanten mit der Eigenschaft: t(e i ) = s(e i+1 ), 1 i k-1. Ein solcher Pfad wird als ein Pfad von der Quelle von e 1 (s(e 1 )) zum Ziel von e k (t(e k )) bezeichnet. Seine Länge k ist gleich der Anzahl der Kanten in diesem Pfad. Terminologie Ein Knoten r ist die Wurzel vom Graph (N,E), wenn ein Pfad von r zu jedem n N und n r existiert. Ein Zyklus in einem Graph ist ein Pfad zwischen einem Knoten und sich selbst. Ein Graph ohne Zyklen heißt azyklisch. Ein Graph mit Wurzel r ist ein Baum, wenn für jedes n N und n r nur je ein einzigartiger Pfad von r zu n existiert. (Ein Baum ist azyklisch und hat nur eine Wurzel.) Terminologie Terminologie Ein Knoten wird als Terminalknoten oder als Blatt bezeichnet, wenn er für keine Kante aus E der Quelleknoten ist. Gerichtete Graphen, die eine Wurzel haben, werden directed acyclic graph (DAG) genannt. Graph mit Kreis und ohne Wurzel Baum azyklischer Graph mit Wurzel