Die Präsentation wird geladen. Bitte warten

Die Präsentation wird geladen. Bitte warten

Interoperable Informationssysteme - 1 Klemens Böhm DataGuides und Indexstrukturen für semistrukturierte Daten.

Ähnliche Präsentationen


Präsentation zum Thema: "Interoperable Informationssysteme - 1 Klemens Böhm DataGuides und Indexstrukturen für semistrukturierte Daten."—  Präsentation transkript:

1 Interoperable Informationssysteme - 1 Klemens Böhm DataGuides und Indexstrukturen für semistrukturierte Daten

2 Interoperable Informationssysteme - 2 Klemens Böhm Gliederung l Fragen: u Wie speichert man semistrukturierte Daten, insbes. XML-Dokumente? u Wie evaluiert man Queries effizient? Nicht dasselbe l Gliederungspunkte: u DataGuides und k-Representative Objects, u PAT-Trees, u Query Subsumption und Query Filtering sowie File-basiertes Query Processing, u Verwendung von RDBMSen, u Verwendung objektorientierter Datenbank-Technologie. Motivation DataGuide Repres. Objects PAT-Trees Algebra Mehrstufig- keit STORED HyperStorM

3 Interoperable Informationssysteme - 3 Klemens Böhm Wiederholung: Querysprachen für semistrukturierte Daten l Mit OEM geht Querysprache einher. l Diese Querysprache ähnelt OQL, erlaubt insbesondere Pfadausdrücke. l Beispiele: u select Restaurant.Entrée select Restaurant.Name where Restaurant.Entrée = Burger l Anfragemechanismen dieser Art sind natürlich auch sinnvoll für XML-Dokumente; Beispiele (zum Protokoll-Dokumenttyp): u Gib mir alle Empfehlungen von Roger Weber. u Gib mir alle Beschlüsse, die vor der Feststellung mit ID=ke (Unser Kredit ist erschöpft.) gefällt wurden. Motivation DataGuide Repres. Objects PAT-Trees Algebra Mehrstufig- keit STORED HyperStorM

4 Interoperable Informationssysteme - 4 Klemens Böhm Evaluierung von Queries über semistrukturierten Daten l Problem: u Effiziente Evaluierung von Anfragen mit Pfadausdrücken, u Inspektion aller Dokumente i.a. nicht akzeptabel. l Zusammenfassungen der Daten und Indexstrukturen sind hilfreich für Queryoptimierung und Queryevaluierung. Motivation DataGuide Repres. Objects PAT-Trees Algebra Mehrstufig- keit STORED HyperStorM

5 Interoperable Informationssysteme - 5 Klemens Böhm Ziel 1 - Volltextindex vs. speziellere Indexstrukturen l Beispielquery: Selektiere alle Empfehlungen von Weber. l Volltextindex würde uns befähigen, alle Dokumente, die String Weber enthalten, schnell zu holen. l Probleme, die Volltextindex nicht löst: u Viele Dokumente können String Weber in anderem Zusammenhang enthalten. u Wir wollen nur die Empfehlungen, nicht die ganzen Dokumente. l Feldweiser Index wäre besser. Feld Empfehlender Am besten: Index für Text unter jedem Pfad. select Restaurant.Name where Restaurant.Entrée = Burger Motivation DataGuide Repres. Objects PAT-Trees Algebra Mehrstufig- keit STORED HyperStorM

6 Interoperable Informationssysteme - 6 Klemens Böhm Ziel 2 - Schemainformation für Queryoptimierung Beispiel: select Restaurant.Name where Restaurant.Entrée = Burger Query kann nur dann eine Lösung haben, wenn Pfad Restaurant.Entrée in der Datenbank überhaupt vorkommt. l Es wäre hilfreich, vor Queryevaluierung schnell nachsehen zu können, ob Pfad in der Datenbank vorkommt. Motivation DataGuide Repres. Objects PAT-Trees Algebra Mehrstufig- keit STORED HyperStorM

7 Interoperable Informationssysteme - 7 Klemens Böhm DataGuides l DataGuides unterstützen sowohl Indexierung von Text für einzelne Pfade als auch das Nachschauen von Pfaden. l Erst wird das Problem Nachschauen von Pfaden angesprochen, dann das erste Problem. Motivation DataGuide Repres. Objects PAT-Trees Algebra Mehrstufig- keit STORED HyperStorM

8 Interoperable Informationssysteme - 8 Klemens Böhm DataGuides - Gliederung l Was sind DataGuides? n l Wie helfen sie bei der Evaluierung von Anfragen? (Problem 1) l Erweiterungen von DataGuides; Annotationen von DataGuides, l Annotationen und Query Evaluierung (Problem 2). l I.a. gibt es mehrere DataGuides für eine Datenbank, was sind die Unterschiede? l Schlussbemerkungen zu DataGuides Motivation DataGuide Repres. Objects PAT-Trees Algebra Mehrstufig- keit STORED HyperStorM

9 Interoperable Informationssysteme - 9 Klemens Böhm Data Guides l Data Guides: konkrete Zusammenfassung des Datenbank-Inhalts (OEM spricht von Datenbanken, XML von Dokumenten. Da DataGuides auf OEM aufsetzen, verwenden wir diese Terminologie.) l Unterschied zwischen DataGuide und Schema: DataGuide ist konform zur Datenbank, nicht umgekehrt. (Denkbar, dass man DataGuide zu einer Datenbank konstruiert, für die ein Schema existiert, und dass DataGuide und Schema nicht übereinstimmen.) Motivation DataGuide - Einleitung - Struktur - Query Proc. - Strong DGs - Einord. Repres. Objects PAT-Trees Algebra Mehrstufig- keit STORED HyperStorM

10 Interoperable Informationssysteme - 10 Klemens Böhm Beispiel-Datenbank Bar Restaurant Name Entree Telefon Inhaber Manager Name Entree Chili Burger Klein Darbar Lamm Rind Restaurant Plus Motivation DataGuide - Einleitung - Struktur - Query Proc. - Strong DGs - Einord. Repres. Objects PAT-Trees Algebra Mehrstufig- keit STORED HyperStorM

11 Interoperable Informationssysteme - 11 Klemens Böhm DataGuides - Beispiel Bar Name Entree Telefon Inhaber Restaurant Manager Motivation DataGuide - Einleitung - Struktur - Query Proc. - Strong DGs - Einord. Repres. Objects PAT-Trees Algebra Mehrstufig- keit STORED HyperStorM

12 Interoperable Informationssysteme - 12 Klemens Böhm DataGuides l Definition: Ein DataGuide einer OEM- Datenbank s ist ein OEM Objekt d, so dass u jeder label path in s genau eine data path-Instanz in d hat, u jeder label path von d ein label path von s ist. l DataGuide erlaubt offensichtlich nachzusehen, welche Pfade in der Datenbank vorkommen. Motivation DataGuide - Einleitung - Struktur - Query Proc. - Strong DGs - Einord. Repres. Objects PAT-Trees Algebra Mehrstufig- keit STORED HyperStorM

13 Interoperable Informationssysteme - 13 Klemens Böhm DataGuides Kurze, akkurate, und geeignete Zusammen- fassung der Struktur einer Datenbank. u Kürze: DataGuide beschreibt jeden label path mit einer Instanz in der Datenbank genau einmal. u Akkuratheit: DataGuide beschreibt keine label paths, die nicht in der Datenbank vorkommen. u Geeignetheit: DataGuide ist OEM Objekt ( Speicherung und Zugriff auf DataGuides mit OEM-Mechanismen möglich.) Motivation DataGuide - Einleitung - Struktur - Query Proc. - Strong DGs - Einord. Repres. Objects PAT-Trees Algebra Mehrstufig- keit STORED HyperStorM

14 Interoperable Informationssysteme - 14 Klemens Böhm Erzeugung von DataGuides Äquivalent zu NEA -> DEA Motivation DataGuide - Einleitung - Struktur - Query Proc. - Strong DGs - Einord. Repres. Objects PAT-Trees Algebra Mehrstufig- keit STORED HyperStorM

15 Interoperable Informationssysteme - 15 Klemens Böhm Query Processing mit DataGuides (1) l Aus dem DataGuide kann man für manche (Teil-)Queries ableiten, ob sie keine Lösung haben. l Beispiel: gpe = Guide.A%.B% Motivation DataGuide - Einleitung - Struktur - Query Proc. - Strong DGs - Einord. Repres. Objects PAT-Trees Algebra Mehrstufig- keit STORED HyperStorM A2 A1 CB D

16 Interoperable Informationssysteme - 16 Klemens Böhm Annotationen der DataGuide-Knoten l Beispiele für Annotationen: u Listen von Pointern auf Datenbank- Objekte, d.h. DataGuide ist Speicherstruktur der Form ||Label Path --> {Objekt}||, u Häufigkeiten, u Volltext-Index. l Annotationen der DataGuide-Knoten können hilfreich sein fürs Query Processing. Nur Annotationen erklären; nicht, wie sie fürs Query Processing verwendet werden. Motivation DataGuide - Einleitung - Struktur - Query Proc. - Strong DGs - Einord. Repres. Objects PAT-Trees Algebra Mehrstufig- keit STORED HyperStorM

17 Interoperable Informationssysteme - 17 Klemens Böhm Verwendung DataGuide für Query Processing (3) DataGuide ist nur Zusammenfassung der Datenbank. Beispiele für Anfragen, die nicht allein mit Hilfe des DataGuides und dieser Art von Annotationen beantwortet werden können: Selektiere alle Restaurants, die einen Inhaber haben. Selektiere alle Restaurants, in denen es sowohl das Entrée Rind als auch das Entrée Lamm gibt Bar Restaurant Name Telefon Name Entree Chili Burger Klein Darbar Lamm Rind Restaurant Plus Inhaber Entree Manager Bar Name Entree Telefon Inhaber Restaurant Manager Annotation Motivation DataGuide - Einleitung - Struktur - Query Proc. - Strong DGs - Einord. Repres. Objects PAT-Trees Algebra Mehrstufig- keit STORED HyperStorM Erläutern, wie Anfrage unterstützt wird.

18 Interoperable Informationssysteme - 18 Klemens Böhm Query Processing mit DataGuides (2) l Beispiel: select DBS.Group_Member.Publication.Year where DBS.Group_Member.Publication.Year < 1975 l Effizientere Queryevaluierung: u Liste von Pointern auf Datenbank- Objekte. Wenn man Target Sets beim DataGuide explizit abspeichert: Man erspart sich Navigieren im Datenbestand. u Volltext-Index, u Häufigkeitsinformation. Motivation DataGuide - Einleitung - Struktur - Query Proc. - Strong DGs - Einord. Repres. Objects PAT-Trees Algebra Mehrstufig- keit STORED HyperStorM

19 Interoperable Informationssysteme - 19 Klemens Böhm DataGuides - weiteres Beispiel A B B A 3 B 5 C 6 C 7 C 8 D 9 D 10 D B A 14 C 15 C 16 D 17 D C 21 D Datenbank Zwei entsprechende DataGuides Hier nur sagen, dass es mehrere DataGuides geben kann. Motivation DataGuide - Einleitung - Struktur - Query Proc. - Strong DGs - Einord. Repres. Objects PAT-Trees Algebra Mehrstufig- keit STORED HyperStorM

20 Interoperable Informationssysteme - 20 Klemens Böhm Minimale DataGuides l Es existieren wohlbekannte Techniken zur Minimierung von DataGuides, d.h. zur Erzeugung eines DataGuides mit minimaler Anzahl von Zuständen aus beliebigem DataGuide. l Nachteile minimaler DataGuides: u Änderungen an der Datenbank verursachen mehr Arbeit, Beispiel u Aussagen über Menge von Objekten in der Datenbank, die über einen label path erreichbar sind, sind weniger gut möglich. Solche Aussagen heissen im folgenden Annotationen. Welche Objekte sind ueber den Label Path A.C. erreichbar? Motivation DataGuide - Einleitung - Struktur - Query Proc. - Strong DGs - Einord. Repres. Objects PAT-Trees Algebra Mehrstufig- keit STORED HyperStorM

21 Interoperable Informationssysteme - 21 Klemens Böhm Strong DataGuides l Motivation: Charakterisierung der DataGuides, deren Annotationen stets eindeutig sind. l Intuition: Label paths mit dem gleichen (singleton) Target Set im DataGuide haben stets das gleiche Target Set in der Datenbank. Naechste Folie Illustration. Motivation DataGuide - Einleitung - Struktur - Query Proc. - Strong DGs - Einord. Repres. Objects PAT-Trees Algebra Mehrstufig- keit STORED HyperStorM

22 Interoperable Informationssysteme - 22 Klemens Böhm Strong DataGuides - Illustration B A 3 B 5 C 6 C 7 C 8 D 9 D 10 D B A 14 C 15 C 16 D 17 D C 21 D Datenbank Entsprechende DataGuides A B 19 Annotation von Objekt 20: weniger präzise Annotations- möglichkeiten als im anderen DataGuide. Motivation DataGuide - Einleitung - Struktur - Query Proc. - Strong DGs - Einord. Repres. Objects PAT-Trees Algebra Mehrstufig- keit STORED HyperStorM

23 Interoperable Informationssysteme - 23 Klemens Böhm Strong DataGuides - Definition l OEM Objekte s und d, d ist DataGuide für s, l T s (l) - Target Set von l in s, l T d (l) - (singleton) Target Set von l in d, l L s (l) = {m|T s (m)=T s (l)}, d.h. L s (l) ist die Menge aller label paths mit dem gleichen Target Set wie l, l L d (l) = {m|T d (m)=T d (l)}, d.h. L d (l) ist die Menge aller label paths in d mit dem gleichen Target Set wie l. l d ist ein Strong DataGuide, wenn für alle label paths l von s: L s (l)=L d (l) Am Beispiel erlaeutern - naechste Folie. Motivation DataGuide - Einleitung - Struktur - Query Proc. - Strong DGs - Einord. Repres. Objects PAT-Trees Algebra Mehrstufig- keit STORED HyperStorM

24 Interoperable Informationssysteme - 24 Klemens Böhm Strong DataGuides - Illustration 1 4 B A 3 B 5 C 6 C 7 C 8 D 9 D 10 D B A 14 C 15 C 16 D 17 D C 21 D Datenbank Entsprechende DataGuides A B 19 l=A.C L s (l)={A.C} L d (l)={A.C, B.C} 1 Motivation DataGuide - Einleitung - Struktur - Query Proc. - Strong DGs - Einord. Repres. Objects PAT-Trees Algebra Mehrstufig- keit STORED HyperStorM

25 Interoperable Informationssysteme - 25 Klemens Böhm Aufbau eines Strong DataGuides //MakeDG: algorithm to build a strong DataGuide //Input: o, the root oid of a source database //Effect: dg is a strong DataGuide for o targetHash: global empty hash table, to map source target sets to DataGuide objects dg: global oid, initially empty MakeDG(o) { dg = NewObject() targetHash.Insert({o}, dg) RecursiveMake({o}, dg) } RecursiveMake(t1, d1) { p = all children of all objects in t1 foreach (unique label l in p) { t2 = set of oids paired with l in p d2 = targetHash.Lookup(t2) if (d2 != nil) { add an edge from d1 to d2 with label l } else { d2 = NewObject() targetHash.Insert(t2, d2) add an edge from d1 to d2 with label l RecursiveMake(t2, d2) }} } Motivation DataGuide - Einleitung - Struktur - Query Proc. - Strong DGs - Einord. Repres. Objects PAT-Trees Algebra Mehrstufig- keit STORED HyperStorM

26 Interoperable Informationssysteme - 26 Klemens Böhm Aufbau eines Strong DataGuides - Illustration B B 4 C 5 C dg = 6 Neues Objekt targetHash = {({1}, 6)} Hash-Tabelle Aufruf RecursiveMake({1}, 6) p={(B,2), (B,3)} Menge der Kinder eines der Objekte l=B, t2={2,3}, d2=NIL d2=7, targetHash = {({1}, 6), ({2,3}, 7)} Aufruf RecursiveMake({2,3}, 7) p={(C,4), (C,5)} l=C, t2={4,5}, d2=NIL d2=8 targetHash = {({1},6), ({2,3},7), ({4,5},8)} Aufruf RecursiveMake ({4,5},8) Motivation DataGuide - Einleitung - Struktur - Query Proc. - Strong DGs - Einord. Repres. Objects PAT-Trees Algebra Mehrstufig- keit STORED HyperStorM

27 Interoperable Informationssysteme - 27 Klemens Böhm Einordnung DataGuides Noch akkuratere Beschreibung der Datenbank grundsätzlich möglich, z.B. um festzulegen, welche Kombination von Labels von ausgehenden Kanten vorkommen, z.B.Inhaber oder Manager (geht mit XML-DTDs). Motivation DataGuide - Einleitung - Struktur - Query Proc. - Strong DGs - Einord. Repres. Objects PAT-Trees Algebra Mehrstufig- keit STORED HyperStorM

28 Interoperable Informationssysteme - 28 Klemens Böhm DataGuides und Alternativen l DataGuides: Relativ akkurate Beschreibung, l k-Representative Objects (k-ROs) und k-Indices/T-Indices: u ungefähre Beschreibung, u Idee: Man kann nur Pfade bis zu einer bestimmten Länge nachschauen. u Labels der Knoten der k-ROs entsprechen Labels von Kanten in der Datenbank. u Im folgenden Bsp. ist jene Pfadlänge 2. (Beispiel ist aber zufällig richtig für längere Pfade.) Motivation DataGuide Repres. Objects PAT-Trees Algebra Mehrstufig- keit STORED HyperStorM

29 Interoperable Informationssysteme - 29 Klemens Böhm k-Representative Objects l Ziel: Weniger ausführliche Beschreibung der Daten, die vorkommen dürfen. l Beispiel: a a 4 c 5 b 6 a a b b 1 a c b b a c b DataGuide: $ b ac Anvisierte Struktur: Labels an Knoten statt Kanten k=1 $ - kuerzere Pfade - per Def. nur die direkt von der Wurzel. Motivation DataGuide Repres. Objects PAT-Trees Algebra Mehrstufig- keit STORED HyperStorM

30 Interoperable Informationssysteme - 30 Klemens Böhm Verwendung von k-Representative Objects l Annotationen der Knoten sind wiederum möglich, l Zustand, in den uns die Kante führt, als Annotation der Knoten im k-RO a a 4 c 5 b 6 a a b b $ b ac Motivation DataGuide Repres. Objects PAT-Trees Algebra Mehrstufig- keit STORED HyperStorM

31 Interoperable Informationssysteme - 31 Klemens Böhm Verwendung von k-Representative Objects Ausführlicheres Objekt erlaubt genauere Annotationen (vergleichbar mit Strong DataGuides) a a 4 c 5 b 6 a a b b $ b ac a Motivation DataGuide Repres. Objects PAT-Trees Algebra Mehrstufig- keit STORED HyperStorM

32 Interoperable Informationssysteme - 32 Klemens Böhm k-Representative Objects l k-Representative Object (k-RO) enthält die Pfade in der Datenbank bis zur Länge k+1. l k-RO enthält Obermenge der Label Paths in der Datenbank. Im Beispiel zufällig nicht zu sehen. l Anwendung: u Gezielte Evaluierung von Pfadausdrücken, Queryoptimierung. Motivation DataGuide Repres. Objects PAT-Trees Algebra Mehrstufig- keit STORED HyperStorM

33 Interoperable Informationssysteme - 33 Klemens Böhm PAT-Tree - Gliederung l Was sind PAT-Trees? n l Wie werden PAT-Trees aufgebaut? l Was für Anfragen werden unterstützt, und wie? Motivation DataGuide Repres. Objects PAT-Trees - Struktur - Aufbau - Suche -Sonstiges Algebra Mehrstufig- keit STORED HyperStorM

34 Interoperable Informationssysteme - 34 Klemens Böhm PAT-Tree l Volltext-Indexstruktur, die auch für Strukturanfragen hilfreich ist. (Erst wird Volltext-Unterstützung erklärt, dann Evaluierung von Strukturanfragen.) l Jeder Position im Text entspricht ein Pfad im Baum, d.h. jedes Blatt identifiziert eine Position im Text. l Kante entspricht i.d.R. einem Zeichen, kann aber auch für Zeichenfolge stehen. Motivation DataGuide Repres. Objects PAT-Trees - Struktur - Aufbau - Suche -Sonstiges Algebra Mehrstufig- keit STORED HyperStorM

35 Interoperable Informationssysteme - 35 Klemens Böhm PAT-Trees …Text … Position Warum folgt (5) auf (3)? Knotennummern erklaeren Motivation DataGuide Repres. Objects PAT-Trees - Struktur - Aufbau - Suche -Sonstiges Algebra Mehrstufig- keit STORED HyperStorM

36 Interoperable Informationssysteme - 36 Klemens Böhm Aufbau des PAT-Trees l Pfad im Baum wird durchlaufen, bis man Blatt erreicht. l Blatt wird ersetzt durch kleinen Teilbaum. l U.U. muss eine Kante aufgespalten werden, und man geht gar nicht bis zu einem Blatt. (Warum wird in diesem Fall nur eine Kante aufgespalten?) Motivation DataGuide Repres. Objects PAT-Trees - Struktur - Aufbau - Suche -Sonstiges Algebra Mehrstufig- keit STORED HyperStorM

37 Interoperable Informationssysteme - 37 Klemens Böhm Aufbau des PAT-Trees …Text … Position Motivation DataGuide Repres. Objects PAT-Trees - Struktur - Aufbau - Suche -Sonstiges Algebra Mehrstufig- keit STORED HyperStorM

38 Interoperable Informationssysteme - 38 Klemens Böhm Suche mit PAT-Trees l Prefix Search, l Range Search (wird nicht explizit erklärt), l regex Search, l Evaluierung von Pfadausdrücken. Motivation DataGuide Repres. Objects PAT-Trees - Struktur - Aufbau - Suche -Sonstiges Algebra Mehrstufig- keit STORED HyperStorM

39 Interoperable Informationssysteme - 39 Klemens Böhm Prefix-Search mit PAT-Trees …Text … Position Motivation DataGuide Repres. Objects PAT-Trees - Struktur - Aufbau - Suche -Sonstiges Algebra Mehrstufig- keit STORED HyperStorM Beispiele: l 110 l 0000 l

40 Interoperable Informationssysteme - 40 Klemens Böhm Suche mit PAT-Trees l regex-Suche: u Automat erzeugen und auf Baum laufenlassen, u Zielzustand - Baum akzeptieren, u Blatt - Rest des Automaten auf dem Dokument laufenlassen. Pfadausdruck kann als regulärer Ausdruck dargestellt werden, z.B. * * * ( * bedeutet hier beliebig viele beliebige Zeichen.) Erlaeutern, wann regex-Suche sinnvoll, und wann PAT-Tree wenig hilft. Motivation DataGuide Repres. Objects PAT-Trees - Struktur - Aufbau - Suche -Sonstiges Algebra Mehrstufig- keit STORED HyperStorM

41 Interoperable Informationssysteme - 41 Klemens Böhm PAT-Trees - Anmerkungen l Schwachpunkte: u Hoher Platzbedarf, u nachträgliches Einfügen mühsam. l Bestandteil von Produkten. l Was ist der Zusammenhang zwischen DataGuides und PAT Trees? Welchen Teil der DataGuide-Funktionalität bekommt man auch mit PAT Trees? Motivation DataGuide Repres. Objects PAT-Trees - Struktur - Aufbau - Suche -Sonstiges Algebra Mehrstufig- keit STORED HyperStorM

42 Interoperable Informationssysteme - 42 Klemens Böhm Gliederung für die folgenden Punkte l Query-Algebra (im Gegensatz zu Querysprache), n l Mehrstufige Verfahren zur Evaluierung von XML-Queries - Motivation und Begriffsbildung, l File-basiertes Query-Processing - zwei Alternativen. Motivation DataGuide Repres. Objects PAT-Trees Algebra Mehrstufig- keit STORED HyperStorM

43 Interoperable Informationssysteme - 43 Klemens Böhm PAT Query Algebra l Algebraische Darstellung von Queries über semistrukturierte Daten, l Algebra-Darstellung entspricht möglicherweise Evaluierungsstrategie, l Analogie: SQL vs. relationale Algebra. l Ein mögliches Beispiel für Query Algebra: PAT Algebra. Motivation DataGuide Repres. Objects PAT-Trees Algebra Mehrstufig- keit STORED HyperStorM

44 Interoperable Informationssysteme - 44 Klemens Böhm PAT Query Algebra - Syntax l Syntax: u ist zulässiger Algebra- Ausdruck, u Wenn T 1, T 2 Ausdrücke sind, dann auch: –CONTENT_SELECT(T 1, ), –ATTR_SELECT(T 1,, ), –T 1 UNION T 2, –T 1 DIFF T 2, –T 1 INCLUDS T 2 –T 1 INCL_IN T 2 –(T 1 ) Beispiel-Query: FIRSTNAME INCL_IN (CONTENT_SELECT( AUTHOR, Böhm)) Motivation DataGuide Repres. Objects PAT-Trees Algebra Mehrstufig- keit STORED HyperStorM

45 Interoperable Informationssysteme - 45 Klemens Böhm PAT Query Algebra - Semantik l Semantik: u - Menge aller Elemente mit Label u CONTENT_SELECT(T 1, ) – alle Elemente aus T 1, die enthalten, u ATTR_SELECT(T 1,, ) – alle Elemente aus T 1 mit Attribut mit Wert, u T 1 INCLUDS T 2 – alle Elemente aus T 1, die eins aus T 2 enthalten, u T 1 INCL_IN T 2 – alle Elemente aus T 1, die in einem aus T 2 enthalten sind. l Was bedeutet die Beispiel-Query? Motivation DataGuide Repres. Objects PAT-Trees Algebra Mehrstufig- keit STORED HyperStorM Hier Schreibfehler im Handout

46 Interoperable Informationssysteme - 46 Klemens Böhm Mehrstufiges Query Processing l Man kann sich immer Queries ausdenken, die mit Hilfe des Index allein nicht evaluiert werden können, l Ansatz: Man verwendet Index, um Menge der Dokumente einzuschränken, und inspiziert die verbleibenden Dokumente (Kandidaten) von Hand (d.h. ohne Zuhilfenahme eines Index). Motivation DataGuide Repres. Objects PAT-Trees Algebra Mehrstufig- keit - Motivation - Subsumpt. - File-bas. - Baum-b. - Event-bas. STORED HyperStorM

47 Interoperable Informationssysteme - 47 Klemens Böhm Subsuming Query und Filter Query l Query Q S subsumiert Q gdw. für beliebige Kollektionen, Query Q S ist Subsuming Query für Q. l Filter Query Q F für Query Q und Subsuming Query Q S : ( ) =, d.h. wenn Q F auf das Resultat von Q S angewendet wird, ist das Ergebnis das gleiche, wie wenn Q evaluiert wird. l Wann ist Aufteilung einer Query in Subsuming Query und Filter Query noch sinnvoll? Ein System kann nur Subsuming Query, nicht aber Filter Query evaluieren, ist aber sehr schnell. Motivation DataGuide Repres. Objects PAT-Trees Algebra Mehrstufig- keit - Motivation - Subsumpt. - File-bas. - Baum-b. - Event-bas. STORED HyperStorM

48 Interoperable Informationssysteme - 48 Klemens Böhm Subsuming Query und Filter Query - Beispiel l Ansatz ist vorteilhaft, wenn u Volltext-Engine erheblich schneller als XML Query Engine, und u Zwischenergebnis deutlich kleiner als Ausgangskollektion. l Im Beispiel sind Query und Filter Query identisch, das muss aber nicht so sein. XML- Query Volltext- Engine XML Query- Engine Query- Resultat - langsam - Zwischen- ergebnis (Kandidaten) Sub- suming Query Finde die Adressen aller Restaurants mit PLZ Motivation DataGuide Repres. Objects PAT-Trees Algebra Mehrstufig- keit - Motivation - Subsumpt. - File-bas. - Baum-b. - Event-bas. STORED HyperStorM

49 Interoperable Informationssysteme - 49 Klemens Böhm Query-Evaluierung ohne Indexstrukturen Application XML-Processor (XML-Engine) Callback- Methoden DOM- Methoden Aufruf für XML-Dok. query Thema im folgenden: Techniken zur effizienten Evaluierung von XML Queries auf Dokumenten konform zur XML Spezifikation (d.h. XML Files). Motivation DataGuide Repres. Objects PAT-Trees Algebra Mehrstufig- keit - Motivation - Subsumpt. - File-bas. - Baum-b. - Event-bas. STORED HyperStorM

50 Interoperable Informationssysteme - 50 Klemens Böhm Zwei Alternativen l Baum-basiert, l Event-basiert. Motivation DataGuide Repres. Objects PAT-Trees Algebra Mehrstufig- keit - Motivation - Subsumpt. - File-bas. - Baum-b. - Event-bas. STORED HyperStorM

51 Interoperable Informationssysteme - 51 Klemens Böhm Baum-basierte Queryevaluierung l Aufbau der Baumstruktur im Hauptspeicher unter Verwendung der Callback- Schnittstelle, l Algebraische Repräsentation der Query, l Set-at-a-time Query Evaluierung. Motivation DataGuide Repres. Objects PAT-Trees Algebra Mehrstufig- keit - Motivation - Subsumpt. - File-bas. - Baum-b. - Event-bas. STORED HyperStorM

52 Interoperable Informationssysteme - 52 Klemens Böhm Baum-basierte Queryevaluierung - Beispiel AUTHORS SURNAME CHRNAME Grabs Torsten AUTHOR FUNCTION=PHOTOGR SURNAME CHRNAME Weber Roger AUTHOR FUNCTION=AUTHOR INCL_IN CHRNAME NAME CONTENT_SELECT Grabs SURNAME INCLUDS Dokument (logische Struktur): Query (Algebra- Repräs.): NAME Motivation DataGuide Repres. Objects PAT-Trees Algebra Mehrstufig- keit - Motivation - Subsumpt. - File-bas. - Baum-b. - Event-bas. STORED HyperStorM

53 Interoperable Informationssysteme - 53 Klemens Böhm Baum-basierte Queryevaluierung - Optimierungen Idee: Nur die Teilbäume erzeugen, die für die Queryevaluierung wirklich gebraucht werden. TOP Optimierung OUT Optimierung BOTTOM Optimierung Motivation DataGuide Repres. Objects PAT-Trees Algebra Mehrstufig- keit - Motivation - Subsumpt. - File-bas. - Baum-b. - Event-bas. STORED HyperStorM

54 Interoperable Informationssysteme - 54 Klemens Böhm TOP Optimierung Beispiel (Query von vorhin): Selektiere alle CHRNAME -Elemente, die in einem NAME -Element enthalten sind, die ein SURNAME - Element mit Inhalt Böhm enthalten. l Queryergebnisse haben die folgende Struktur: Es genügt, Teilbäume zu betrachten, deren Wurzel vom Typ NAME ist. NAME CHRNAME Böhm SURNAME Motivation DataGuide Repres. Objects PAT-Trees Algebra Mehrstufig- keit - Motivation - Subsumpt. - File-bas. - Baum-b. - Event-bas. STORED HyperStorM

55 Interoperable Informationssysteme - 55 Klemens Böhm BOTTOM Optimierung Beispiel (Query von vorhin): Selektiere alle CHRNAME -Elemente, die in einem NAME -Element enthalten sind, die ein SURNAME - Element mit Inhalt Böhm enthalten. l Wir brauchen nur Elemente, u die String Böhm enthalten, oder die ein Element vom Typ CHRNAME enthalten, oder die in einem Element vom Typ CHRNAME enthalten sind. NAME CHRNAME Böhm SURNAME Motivation DataGuide Repres. Objects PAT-Trees Algebra Mehrstufig- keit - Motivation - Subsumpt. - File-bas. - Baum-b. - Event-bas. STORED HyperStorM

56 Interoperable Informationssysteme - 56 Klemens Böhm OUT Optimierung Beispiel (Query von vorhin): Selektiere alle CHRNAME -Elemente, die in einem NAME -Element enthalten sind, die ein SURNAME - Element mit Inhalt Böhm enthalten. l Idee: Verwendung der DTD zur Eliminierung von Teilbäumen, Beispiel (Forts.): DTD sagt uns, dass MONOMED - Elemente nie CHRNAME -Elemente enthalten Teilbäume mit Wurzel MONOMED werden für Queryevaluierung nicht gebraucht. l OUT Optimierung basiert auf der DTD, im Gegensatz zu TOP und BOTTOM. Motivation DataGuide Repres. Objects PAT-Trees Algebra Mehrstufig- keit - Motivation - Subsumpt. - File-bas. - Baum-b. - Event-bas. STORED HyperStorM

57 Interoperable Informationssysteme - 57 Klemens Böhm Event-Basierte Queryevaluierung l Automat, der der Query entspricht, l Events überführen den Automaten in anderen Zustand. Beispiel: Selektiere alle Dokumente mit einem caption -Element, das den String millennium enthält. l Implementierung ist komplizierter als hier dargestellt. CAPTION begin CAPTION end string millennium Motivation DataGuide Repres. Objects PAT-Trees Algebra Mehrstufig- keit - Motivation - Subsumpt. - File-bas. - Baum-b. - Event-bas. STORED HyperStorM

58 Interoperable Informationssysteme - 58 Klemens Böhm Fazit l File-basierte Queryevaluierung (ohne Index/materialisierte Sichten) geht immer, l Kombination File-basierter Queryevaluierung mit Indexstrukturen für semistrukturierte Daten bringt i.a. deutlich bessere Performance als File-basierte Queryevaluierung alleine. Motivation DataGuide Repres. Objects PAT-Trees Algebra Mehrstufig- keit - Motivation - Subsumpt. - File-bas. - Baum-b. - Event-bas. STORED HyperStorM

59 Interoperable Informationssysteme - 59 Klemens Böhm Verwendung von RDBMSen - Gliederung l Motivation, l naive Ansätze, l ein weniger naiver Ansatz (STORED), l Problem: Finden der Abbildung von semistrukturiert auf relational, l Aktivitäten an der ETHZ. Motivation DataGuide Repres. Objects PAT-Trees Algebra Mehrstufig- keit STORED - Einleitung - Abbildung - Mining - Ausblick HyperStorM

60 Interoperable Informationssysteme - 60 Klemens Böhm Verwendung von RDBMSen l Ziel: Verwendung eines RDBMSs zur Verwaltung semistrukturierter Daten. l Man hat materialisierte relationale Sichten auf die semistrukturierten Daten. Man kann die Sichten indexieren. l Datenbank-Funktionalität, z.B. Concurrency Control, Indices, for free. Motivation DataGuide Repres. Objects PAT-Trees Algebra Mehrstufig- keit STORED - Einleitung - Abbildung - Mining - Ausblick HyperStorM

61 Interoperable Informationssysteme - 61 Klemens Böhm Beispiel für relationale Speicherung Ei Mehl Salz Dokument Mögliche relationale Darstellung l Reihenfolge-Information nicht berücksichtigt, geht aber grundsätzlich, l zuviele Joins zur Evaluierung von Pfadausdrücken, l Einfügen und Auslesen von ganzen Dokumenten dauert zu lange, l unklar, für welche Anfragen die Darstellung vorteilhaft ist. Motivation DataGuide Repres. Objects PAT-Trees Algebra Mehrstufig- keit STORED - Einleitung - Abbildung - Mining - Ausblick HyperStorM

62 Interoperable Informationssysteme - 62 Klemens Böhm rezept zutaten expertise Beispiel f. relationale Speicherung (2) Kein substantieller Unterschied zur vorigen Repräsentation! zutat Motivation DataGuide Repres. Objects PAT-Trees Algebra Mehrstufig- keit STORED - Einleitung - Abbildung - Mining - Ausblick HyperStorM

63 Interoperable Informationssysteme - 63 Klemens Böhm STORED l STORED = Semistructured TO RElational Data l Ziel: Verwendung eines RDBMSs zur Verwaltung semistrukturierter Daten. l Auswahl und freie Definition der relationalen Sichten, keine generischen Tabellen wie in den vorangegangenen Beispielen. l Relationale Sichten enthalten i.d.R. nur Teil des Dokuments; wegen Verlustfreiheit muss man z.B. das ursprüngliche Dokument behalten. Overflow Graphs erwaehnen l Problem: Auswahl der Sichten, die man materialisieren will; mögliche Randbedingungen: Plattenplatz, Maximalanzahl von Relationen, gewichteter Query-Mix. Motivation DataGuide Repres. Objects PAT-Trees Algebra Mehrstufig- keit STORED - Einleitung - Abbildung - Mining - Ausblick HyperStorM

64 Interoperable Informationssysteme - 64 Klemens Böhm Relationale Sichten auf semistrukturierte Daten Motivation DataGuide Repres. Objects PAT-Trees Algebra Mehrstufig- keit STORED - Einleitung - Abbildung - Mining - Ausblick HyperStorM name addressaudited taxamount name address audited taxamount taxevasion name address audited taxamount taxevasion name owner taxpayer company Audit street zip street number zip Werte und OIDs weggelassen Unterschied zu OEM: Geordnetheit

65 Interoperable Informationssysteme - 65 Klemens Böhm Relationale Speicherung – Fortsetzung des Beispiels Motivation DataGuide Repres. Objects PAT-Trees Algebra Mehrstufig- keit STORED - Einleitung - Abbildung - Mining - Ausblick HyperStorM Taxpayer1 Taxpayer2 Company Mehrere Tabellen fuer aehnliche Struktur Aufloesung von Mengenbeziehungen

66 Interoperable Informationssysteme - 66 Klemens Böhm Storage Queries l Storage Queries beschreiben Abbildung von semistrukturierten Daten aufs Relationale. Beispiele: M1a =FROM Audit.taxpayer: $X { name: $N, adr: $P, OPT{audited: $A}, OPT{taxamount: $T}} WHERE typeOF($P, string) STORE Taxpr($X, $N, $P, $A, $T) M1b = FROM Audit.taxpayer: $X { name: $N, adr: {street $S, OPT{city $C, OPT{zip $Z}}}, OPT{audited: $A}, OPT{taxamount: $T}} WHERE typeOF($P, string) STORE Taxpr($X, $N, $S, $C, $Z, $A, $T) Motivation DataGuide Repres. Objects PAT-Trees Algebra Mehrstufig- keit STORED - Einleitung - Abbildung - Mining - Ausblick HyperStorM

67 Interoperable Informationssysteme - 67 Klemens Böhm Storage Queries - Erläuterungen l Erste Variable in der FROM-Klausel ist per Default Schlüssel-Variable, l Optionale Attribute, die nicht vorhanden sind, führen zu NULL-Werten l I.a. kann es mehrere Sichten auf die gleichen Daten geben (hier im Beispiel jedoch nicht) Motivation DataGuide Repres. Objects PAT-Trees Algebra Mehrstufig- keit STORED - Einleitung - Abbildung - Mining - Ausblick HyperStorM

68 Interoperable Informationssysteme - 68 Klemens Böhm Storage Queries (Fortsetzung) Beispiel: M2 =FROM Audit.taxpayer: $X {name[1]: $N, audited[1]: $A1, OPT{audited[2]: $A2}} STORE Taxpr2($N, $A1, $A2) Objekt kann mehrere ausgehende Kanten mit gleichem Label haben. Beispiel: M3a =FROM Audit.irscenter: $X {centername: $N, centeraddress: $A} STORE IrsCenter($X, $N, $A) M3b =FROM Audit.irscenter: $X.hearing: $Y {hearingdate: $D, taxpayername: $TN, auditorname: $AN, decision: $Z} KEY $Y STORE Hearings($Y, $X, $D, $TN, $AN, $Z) Beispiel illustriert das Aufteilen von Daten auf mehrere Relationen. Motivation DataGuide Repres. Objects PAT-Trees Algebra Mehrstufig- keit STORED - Einleitung - Abbildung - Mining - Ausblick HyperStorM

69 Interoperable Informationssysteme - 69 Klemens Böhm Auswahl der Sichten Patterns, z.B. Audit.taxpayer: {name[1], phone[2], address[*]: {street[1], city[1]}} phone[1] kann weggelassen werden. Beispiel-Pattern hat fünf Blätter. l Definition: Support eines Patterns – Anzahl der Objekte o i, die das Pattern enthalten natuerlich nicht das Wurzelobjekt l Definition: Query Support eines Patterns – gegeben eine Menge von Anfragen Q 1, …, Q k mit Gewichten f 1, …, f k, ist der Query Support von P die Summe der f i, für die P in Q i enthalten ist. Motivation DataGuide Repres. Objects PAT-Trees Algebra Mehrstufig- keit STORED - Einleitung - Abbildung - Mining - Ausblick HyperStorM

70 Interoperable Informationssysteme - 70 Klemens Böhm Data Mining in 120 Sekunden… l Ziel: Alle Patterns finden, deren Support grösser ist als ein vorgegebener Schwellwert, d.h. alle Frequent Patterns l Frequent Patterns sind die Grundlage für die Auswahl der relationalen Sichten. l F k – Menge aller Frequent Patterns mit k Blättern. l Typische Algorithmen finden alle F k, mit aufsteigendem k. l Apriori-Trick: Pattern aus F k+1 muss k+1 Subpatterns haben, die in F k enthalten sind. Motivation DataGuide Repres. Objects PAT-Trees Algebra Mehrstufig- keit STORED - Einleitung - Abbildung - Mining - Ausblick HyperStorM

71 Interoperable Informationssysteme - 71 Klemens Böhm Algorithmus zur Auswahl der Sichten l Erzeugung aller Label Paths mit ausreichendem Support, l Erzeugung der Frequent Patterns, l Nicht jedes Frequent Pattern kann i.d.R. einer View entsprechen, daher macht STORED eine greedy-mässige Auswahl der Patterns: u Erstes Pattern P 1 so wählen, dass es Pfade aus F 1, die sehr hohen Support haben, enthält, u P k so wählen, dass (1) Überlappung mit P 1, …, P k-1 minimal ist, und (2) neue Pfade aus F 1 mit hohem Support abgedeckt werden. Motivation DataGuide Repres. Objects PAT-Trees Algebra Mehrstufig- keit STORED - Einleitung - Abbildung - Mining - Ausblick HyperStorM l Auswahl der obligatorischen (und optionalen) Attribute pro Pattern, u zu viele optionale Attribute -> mehr NULL-Werte, mehr Überlappung mit anderen Patterns, u zu wenige optionale Attribute -> zu wenige Daten werden gematcht. l Erzeugung der Storage Queries.

72 Interoperable Informationssysteme - 72 Klemens Böhm Beurteilung l Grundsätzlicher Ansatz ist interessant, man vermeidet die Nachteile einer starren Abbildung, l Concurrency Control nicht ganz unproblematisch, l Heuristiken, die dem Mining-Algorithmus zugrundeliegen, kommen m.E. unmotiviert, l Mining-Algorithmus selbst funktioniert nicht bei Dokumenten mit halbwegs vernünftiger Anzahl von Elementen. Motivation DataGuide Repres. Objects PAT-Trees Algebra Mehrstufig- keit STORED - Einleitung - Abbildung - Mining - Ausblick HyperStorM

73 Interoperable Informationssysteme - 73 Klemens Böhm Was machen wir an der ETH gerade? l Ziel: Ermittlung der besten Repräsentation von Dokument-Kollektionen für unterschiedliche Workloads mit Updates. l Grundsätzlicher Ansatz: u Mehrstufiges Verfahren, u Subsuming Query wird mit Hilfe von Indexstrukturen evaluiert, u Filter Query wird filebasiert evaluiert. Motivation DataGuide Repres. Objects PAT-Trees Algebra Mehrstufig- keit STORED - Einleitung - Abbildung - Mining - Ausblick HyperStorM

74 Interoperable Informationssysteme - 74 Klemens Böhm Was machen wir an der ETH gerade? Alternativen: l Volltext-Index, der logische Dokumentstruktur ignoriert, l Feldweiser Volltext-Index sowohl ohne als auch mit Redundanzen, Problem: Wie kommt man von vorgegebenem Redundanz-Faktor zu der exakten physischen Repräsentation? l Pfad-Index, ebenfalls mit und ohne Redundanzen, (gleiches Problem wie mit feldweisem Index), l STORED-mässiges Vorgehen. Motivation DataGuide Repres. Objects PAT-Trees Algebra Mehrstufig- keit STORED - Einleitung - Abbildung - Mining - Ausblick HyperStorM

75 Interoperable Informationssysteme - 75 Klemens Böhm Was machen wir an der ETH gerade? l (Effiziente) Lösung für das Problem, häufige Muster in XML-Dokumentkollektionen zu finden. n l Ansatz: Nicht jedes Zwischenergebnis explizit erzeugen. Motivation DataGuide Repres. Objects PAT-Trees Algebra Mehrstufig- keit STORED - Einleitung - Abbildung - Mining - Ausblick HyperStorM

76 Interoperable Informationssysteme - 76 Klemens Böhm HyperStorM Ziele: l Modellierung der Semantik von Hypermedia- Dokumentbestandteilen in der Datenbank Beispiele: u Elemente in Dokumenten mit Multimedia- Bestandteilen, die den Präsentationsablauf spezifizieren, u Hyperlink-Elemente, die andere Dokumentbestandteile referenzieren. l Benutzer sollen gleichzeitig unterschiedliche Teile von Dokumenten lesen und schreiben dürfen, l Effiziente Evaluierung von Anfragen, die sich sowohl auf Struktur als auch auf textuellen Inhalt der Dokumente beziehen können. Motivation DataGuide Repres. Objects PAT-Trees Algebra Mehrstufig- keit STORED HyperStorM

77 Interoperable Informationssysteme - 77 Klemens Böhm Ansatz l Verwendung objektorientierter Datenbank- Technologie – generische Abbildung von Objekten auf physische Repräsentation (Relationen bzw. ObjectStore-Strukturen). l Dokumente werden in der Datenbank gespeichert, l Methoden reflektieren XML-Semantik und Semantik von Hypermedia- Dokumentbestandteilen, l Annahme: DTD ist gegeben (SGML statt XML). Motivation DataGuide Repres. Objects PAT-Trees Algebra Mehrstufig- keit STORED HyperStorM

78 Interoperable Informationssysteme - 78 Klemens Böhm Physische Repräsentation der Dokumente l Naheliegender Ansatz: Jedem Element entspricht ein Datenbank-Objekt zuviele Objekte, Einfügen von Dokumenten in die Datenbank und Auslesen ist teuer, wenn Datenbank kein Clustering vornimmt. l Beispiel für diesen Ansatz: Excelon. l Ansatz von GMD-IPSI (HyperStorM): u Anwendung legt physischen Entwurf fest. u Hybrider Ansatz – nur Elemente oben in der Hierarchie werden durch Datenbank-Objekte repräsentiert, Elemente weiter unten werden in BLOB-Attribut eines Datenbank-Objekts zusammengefasst. l Konfiguration auf DTD-Ebene. Motivation DataGuide Repres. Objects PAT-Trees Algebra Mehrstufig- keit STORED HyperStorM

79 Interoperable Informationssysteme - 79 Klemens Böhm Beispiel scene... play fm act title personae The Tragedy of Hamlet, Prince of Denmark acttitle Act I stagedir p...p... worldwide SGML markup... scenedescrplaysubt Scene Denmark hamlet scenetitl e Scene I... FRANCISCO... speech speakerline BERNARDO Who's there? Dramatis Persona title persona CLAUDIUSHAMLET Motivation DataGuide Repres. Objects PAT-Trees Algebra Mehrstufig- keit STORED HyperStorM Dramatis Personae CLAUDIUS HAMLET

80 Interoperable Informationssysteme - 80 Klemens Böhm XML- und Hypermedia-Semantik l Methoden reflektieren XML-Semantik, z.B. Navigation in der Hierarchie, l Methoden abstrahieren davon, ob Element explizit durch ein Datenbank-Objekt repräsentiert wird oder Teil eines BLOBs ist. l Element-ID Datenbank-OID; Element-ID = Datenbank-OID + Position im BLOB (BLOB-Position ist –1, wenn explizite Repräsentation des Elements) Motivation DataGuide Repres. Objects PAT-Trees Algebra Mehrstufig- keit STORED HyperStorM

81 Interoperable Informationssysteme - 81 Klemens Böhm Bewertung l Anforderung Unterstützung der Semantik von Dokumentbestandteilen wurde erfüllt, allerdings gab es keine Anwendungen und Dokumente mit Hypermedia-Eigenschaften, und auch Anforderung Ändern von Dokumenten war keine wirkliche Anforderung. l Vor ca. fünf Jahren war es modern, den Datenbank-Kern um möglichst viel Anwendungssemantik zu erweitern (objekt-relationale Datenbanktechnologie, Universal Server Konzept) l Features wie Vererbung in o.-o. Datenbanken waren – zumindest in der Forschung – modern, verlangsamen aber das System. l Keine Unterstützung für effizienten deklarativen Zugriff, Aspekte der Indexierung sind orthogonal zu den hier diskutierten. Motivation DataGuide Repres. Objects PAT-Trees Algebra Mehrstufig- keit STORED HyperStorM

82 Interoperable Informationssysteme - 82 Klemens Böhm Bewertung (Forts.) l Konfiguration der physischen Repräsentation auf Schema-Ebene – Erweiterung für wohlgeformte XML-Dokumente ist nicht offensichtlich, l Konfiguration erfolgte von Hand (obwohl Automatic Tuning-Mechanismen grundsätzlich anwendbar sind), l keine aussagekräftige Performance-Evaluierung, insbesondere für sehr grosse Dokumentkollektionen. Motivation DataGuide Repres. Objects PAT-Trees Algebra Mehrstufig- keit STORED HyperStorM


Herunterladen ppt "Interoperable Informationssysteme - 1 Klemens Böhm DataGuides und Indexstrukturen für semistrukturierte Daten."

Ähnliche Präsentationen


Google-Anzeigen