Interoperable Informationssysteme - 1 Klemens Böhm Datenmodell 1: OEM

Interoperable Informationssysteme - 2 Klemens Böhm Semistrukturierte Daten (1) Was sind semistrukturierte Daten? l Daten, die nicht zu einem apriori definierten Schema konform sein müssen (bzw. können Schemata so wenig restriktiv sein, dass sie unwichtig werden - Beispiel: HTML-DTD), l selbstbeschreibende Daten, Einleitung/ Motivation OEM Definitionen

Interoperable Informationssysteme - 3 Klemens Böhm Semistrukturierte Daten (2) l Daten mit üblicherweise irregulärer Struktur: u Daten können fehlen, u ähnliche Konzepte werden durch unterschiedliche Typen repräsentiert, –NAME flach oder FIRSTNAME, LASTNAME, –Vorgesetzter: Referenz oder Name –Zweitname: CHAR vs. String Mengen können heterogen sein, u Struktur ist nicht vollständig bekannt. Beispiel: Jörg – Teil des Vornamens oder Zweitname? Einleitung/ Motivation OEM Definitionen

Interoperable Informationssysteme - 4 Klemens Böhm Semistrukturierte Daten - Motivation l Daten lassen sich i.a. nicht problemlos in Tabellen abbilden, Strukturierung ist aber trotzdem wünschenswert. Beispiel: Wörterbuch-Einträge u Optionale Bestandteile, u Wiederholungen von Strukturelementen, u Reihenfolge der Elemente vielleicht relevant. l Man möchte die Struktur von Daten nur teilweise explizit machen. Beispiel: Bestellungen haben strukturierten Anteil, aber auch frei definierbare Zusätze. Einleitung/ Motivation OEM Definitionen

Interoperable Informationssysteme - 5 Klemens Böhm Semistrukturierte Daten - Motivation (2) l Warum sind Daten nicht stets explizit strukturiert? u nicht erforderlich, u nicht eindeutig, u nicht bekannt, u Erstellung der Strukturierung zu aufwendig. l Man will Modell, mit dem explizite Strukturierung möglich, aber nicht obligatorisch ist. Einleitung/ Motivation OEM Definitionen

Interoperable Informationssysteme - 6 Klemens Böhm Semistrukturierte Daten - Fallunterscheidung Semistrukturierte Daten - unterschiedliche Verwendungen des Begriffs: l Schema existiert, Semistrukturiertheit heisst nur Irregularität oder teilweise strukturiert, teilweise nicht, Beispiel: SGML-/XML-DTDs l kein Schema, aber Struktur der Daten eindeutig erkennbar, z.B. valide Dokumente a la XML, l Struktur nicht einwandfrei identifizierbar, kann z.B. in HTML-Dokumenten vorkommen (pathologischer Fall). Einleitung/ Motivation OEM Definitionen

Interoperable Informationssysteme - 7 Klemens Böhm Object Exchange Model (OEM) l Forschungsergebnis der Stanford University, m.W. keine entsprechenden Produkte, l Objekt als elementares Bestandteil. l Jedes Objekt hat OID und Wert: u Atomarer Wert, z.B. int, string, u komplexer Wert: Menge von Subobjekten, Verknüpfung mit Parent durch Label. l OEM-Objekt heisst: Objekt + Subobjekte. Einleitung/ Motivation OEM Definitionen

Interoperable Informationssysteme - 8 Klemens Böhm OEM - Beispiel Bar Restaurant Name Entree Telefon Inhaber Manager Name Entree Chili Burger Klein Darbar Lamm Rind Restaurant Plus Mehrere Parents und Zykel sind erlaubt. Aggregation Hierarchies Einleitung/ Motivation OEM Definitionen

Interoperable Informationssysteme - 9 Klemens Böhm Pfade im OEM-Kontext l Label Path eines OEM Objekts o - Folge von Labels, separiert durch Punkte, l 1.l 2 …l n, so dass man von o aus den Pfad (e 1, …, e n ) traversieren kann, und Kante e i hat Label l i. l Data Path eines OEM Objekts o - Alternierende Folge von Labels und OIDs, separiert durch Punkte, l 1.o 1.l 2.o 2 …l n.o n, so dass man von o aus den Pfad (e 1, …, e n ) durch Objekte (x 1, …, x n ) traversieren kann, Kante e i hat Label l i, und Objekt x i hat OID o i. l Ein Data Path d ist Instanz eines Label Paths l, wenn die Folgen der Labels übereinstimmen. Alle Instanzen von Restaurant.Entrée? Einleitung/ Motivation OEM Definitionen

Interoperable Informationssysteme - 10 Klemens Böhm Target Set l Das Target Set in einem OEM Objekt s von einem label path l von s ist die Menge t ={o|l 1.o 1.l 2.o 2 …l n.o ist Instanz von l} Target Set von Resaurant.Entrée? Label Paths des Target Sets {8}? l Label Paths eines Target Sets sowie Label Paths einer Menge von Label Paths – Beispiele: u L({8}) = {Restaurant.Inhaber, Restaurant.Manager}, u L({Restaurant.Inhaber}) = {Restaurant.Inhaber, Restaurant.Manager}, Einleitung/ Motivation OEM Definitionen

Interoperable Informationssysteme - 11 Klemens Böhm Schema l Sehr vage Definition im folgenden; der Vollständigkeit halber… l Ein Schema ist eine endliche Menge von Namen. l Eine Instanz eines Schemas besteht aus u einem endlichen gelabelten Graphen (V a V c,E) –V a enthält die atomic objects, –V c enthält die complex objects, –Labels der Kanten sind Strings, u Abbildung der Namen zu Knoten, u Abb. von atomic objects zu atomaren Werten. Ausserdem gilt: u keine ausgehenden Kanten von atomic objects, u jd. Knoten ist von einem mit Namen erreichbar. l Was wäre ein Schema für das Restaurant- Beispiel? Einleitung/ Motivation OEM Definitionen

Interoperable Informationssysteme - 12 Klemens Böhm Queries 1: Deklarativer Zugriff auf semistrukturierte Daten

Interoperable Informationssysteme - 13 Klemens Böhm OEM - Datenbank restaurant category name address category name address gourmet Chef Chu Mountain View restaurant street city zipcode El Camino Real Palo Alto name Vietna- mese Saigon Menlo Park cheap fast food McDonalds price category price zipcode nearby Guide Anforde- rungen Query- sprache Semantik

Interoperable Informationssysteme - 14 Klemens Böhm Unregelmässigkeiten in der Beispiel-Datenbank und Zsh. zum deklarativen Zugriff l Restaurants haben beliebig viele Adressen, l Adressen sind manchmal Strings, haben manchmal aber auch explizite Struktur, l zipcode kann String oder Integer sein, l zipcode ist manchmal direkter Bestandteil von restaurant, manchmal Bestandteil von address. l Man kann bzw. möchte Struktur der Daten nicht immer genau spezifizieren, l manchmal haben die Daten aber Struktur, und sie ist dem Benutzer bekannt. Anforde- rungen Query- sprache Semantik

Interoperable Informationssysteme - 15 Klemens Böhm Anforderungen Anforderungen gemäss [ABS00]: l Ausdrucksmächtigkeit, l Semantik, l Zusammensetzbarkeit, l Schema, l Einfache Erzeugung von Anfragen aus Programmen. Anforde- rungen Query- sprache Semantik

Interoperable Informationssysteme - 16 Klemens Böhm Ausdrucksmächtigkeit l Mindestens das, was Sprache für das relationale Modell kann. l Sprache sollte ausdrucksmächtig sein, aber nicht zu ausdrucksmächtig. l Denn: u Optimierungen sind teilweise nicht möglich, u keine Garantien für Ausführungszeiten. Anforde- rungen Query- sprache Semantik

Interoperable Informationssysteme - 17 Klemens Böhm Semantik Genaue Definition der Semantik ist erforderlich. Einfache Erzeugung von Anfragen aus Programmen karg, aber einfach Anforde- rungen Query- sprache Semantik

Interoperable Informationssysteme - 18 Klemens Böhm Schema l Structure-Consciousness l Keine Eigenschaft der Querysprache, sondern der Implementierung. Anforde- rungen Query- sprache Semantik

Interoperable Informationssysteme - 19 Klemens Böhm Zusammensetzbarkeit l Query sollte auf anderes Queryergebnis anwendbar sein. l Konsequenz auf der semantischen Ebene: Queryergebnis sollte wieder Instanz des Ausgangsdatenmodells sein, l Beispiel: Querysprache LOREL erzeugt Relationen aus OEM-Instanz, d.h. LOREL genügt der Anforderung nicht. l Konsequenz auf der syntaktischen Ebene: Referentielle Transparenz Name, Variable für semistrukturierte Daten Ausdruck Anforde- rungen Query- sprache Semantik

Interoperable Informationssysteme - 20 Klemens Böhm Beispiel l Textuelle Beschreibung: Finde die Adressen aller Restaurants mit PLZ (D.h. man sucht address-Objekt, das zipcode-Objekt enthält. Zipcode direkt unter Restaurant wäre – in diesem Beispiel – nicht OK.) l Query: select a: X.address from Guide.restaurant X where X.address.zipcode = l Anmerkung: Vorgestellt wird eine spezielle Querysprache, andere Semantik wäre denkbar (Beispiel s.o.). Anforde- rungen Query- sprache - Einstieg - Pfadausdr. - Coercion - komplexe Ergebnisse - Label-/ Path-Var. Semantik

Interoperable Informationssysteme - 21 Klemens Böhm Erläuterungen zum Beispiel l Identische Präfixe von Pfadausdrücken sollen den gleichen Datenpfaden entsprechen, l Query abstrahiert davon, ob zipcode String oder Integer (wird im folgenden beschrieben), l address ohne zipcode verursacht keine Fehlermeldung, im Gegensatz zu anderen Querysprachen, l address, zipcode können mehrmals vorkommen. Anforde- rungen Query- sprache - Einstieg - Pfadausdr. - Coercion - komplexe Ergebnisse - Label-/ Path-Var. Semantik

Interoperable Informationssysteme - 22 Klemens Böhm Pfadausdrücke l Graph-Struktur der Daten erfordert Pfadausdrücke, l Unstrukturiertheit der Daten erfordert Flexibilität bei der Formulierung von Pfadausdrücken (vgl. mit Folie Beispiel OEM …), wird im folgenden illustriert. l Pfadausdrücke können Bestandteil aller Query-Bestandteile sein, d.h. select-, from-und where-Klausel. Anforde- rungen Query- sprache - Einstieg - Pfadausdr. - Coercion - komplexe Ergebnisse - Label-/ Path-Var. Semantik

Interoperable Informationssysteme - 23 Klemens Böhm Pfadausdrücke in der from-Klausel l Pfadausdruck in der from-Klausel: fromGuide.restaurant.address.zipcode Z, Guide.restaurant.name N l Äquivalente from-Klausel: fromGuide.restaurant R, R.address A, A.zipcode Z, R.name N l D.h. zipcode Z und name N müssen zum gleichen Restaurant gehören. Anforde- rungen Query- sprache - Einstieg - Pfadausdr. - Coercion - komplexe Ergebnisse - Label-/ Path-Var. Semantik

Interoperable Informationssysteme - 24 Klemens Böhm Pfadausdrücke in der select-Klausel l Query mit Pfadausdruck in der select-Klausel: select z: R.address.zipcode from Guide.restaurant R l Sind die folgenden Queries äquivalent? u select Guide.restaurant.address.zipcode from Guide.restaurant.address u select Guide.restaurant.address.zipcode from Guide Anforde- rungen Query- sprache - Einstieg - Pfadausdr. - Coercion - komplexe Ergebnisse - Label-/ Path-Var. Semantik

Interoperable Informationssysteme - 25 Klemens Böhm Pfadausdrücke in der where-Klausel l Beispielquery: select n: R.name from Guide.restaurant R where R.address.zipcode = or (R.address.street = Palm and R.address.city = Palo Alto) l Äquivalente Query: select n: R.name from Guide.restaurant R where exists A in R.address: ((exists Z in A.zipcode: Z = 93210) or ((exists S in A.street: S = Palm) and (exists C in A.city: C = Palo Alto))) Existenzquantor für address enthält alle drei Bedingungen, im Gegensatz zu den anderen Quantoren. Es handelt sich um die gleiche Adresse. Anforde- rungen Query- sprache - Einstieg - Pfadausdr. - Coercion - komplexe Ergebnisse - Label-/ Path-Var. Semantik

Interoperable Informationssysteme - 26 Klemens Böhm Beispiel 2 l Beispiel greift Szenario von eben wieder auf. l Textuelle Beschreibung: Finde Namen und Zipcodes aller billigen Restaurants. (String cheap als Wert eines Objekts enthält diese Information.) l Probleme - Anfrager kennt/weiss nicht: u die genaue Position der zipcode-Objekte, u welches Objekt den String cheap enthält. l Query: selectGuide.restaurant.name, Guide.restaurant(.address)?.zipcode whereGuide.restaurant.% grep cheap l Erläuterungen: u ? identifiziert optionalen Pfad-Bestandteil, u % ist Wildcard, grep hat übliche Semantik. Anforde- rungen Query- sprache - Einstieg - Pfadausdr. - Coercion - komplexe Ergebnisse - Label-/ Path-Var. Semantik

Interoperable Informationssysteme - 27 Klemens Böhm Allgemeine Pfad-Ausdrücke - gpe-Komponenten l Charakterisierung: u Bestandteile allgemeiner Pfad-Ausdrücke, u Verallgemeinerung von Labels in einfachen Pfad-Ausdrücken; l Definition (rekursiv) - u wenn l ein Label ist, ist.l eine gpe-Komponente u wenn s 1, s 2 gpe-Komponenten sind, dann sind es die folgenden Ausdrücke auch: s 1 s 2, s 1 |s 2, (s 1 ), (s 1 )?, (s 1 )+, (s 1 )* u wenn X ein String-Objekt ist, dann ist.unquote(X) eine gpe-Komponente. Wofür kann das gut sein? Was sind Unterschiede zwischen OEM + Querysprache und objektorientierten Modellen? Anforde- rungen Query- sprache - Einstieg - Pfadausdr. - Coercion - komplexe Ergebnisse - Label-/ Path-Var. Semantik

Interoperable Informationssysteme - 28 Klemens Böhm Vergleich von Objekten unterschiedlichen Typs l Ziel: Man möchte Bedingungen akzeptieren wie Z=1.0 oder Z> 0.9, egal ob Z mit 1 oder 1 belegt ist. l Typumwandlung: l Beispiel: 4.3 < 5 - beide Werte konvertieren. l Achtung: Gleichheit ist nicht mehr transitiv: 05 = 5, 5 = 5, aber 05 5 Anforde- rungen Query- sprache - Einstieg - Pfadausdr. - Coercion - komplexe Ergebnisse - Label-/ Path-Var. Semantik

Interoperable Informationssysteme - 29 Klemens Böhm Vergleich komplexer Objekte unterschiedlichen Typs l Typumwandlung: l Beispiel: select X.address from Guide.restaurant X where X.name = Chef Chu where-Klausel interpret. als where exists Z in X: Z.name=Chef Chu Anforde- rungen Query- sprache - Einstieg - Pfadausdr. - Coercion - komplexe Ergebnisse - Label-/ Path-Var. Semantik

Interoperable Informationssysteme - 30 Klemens Böhm Erzeugung eines Queryergebnisses mit beliebiger Struktur Queries müssen Instanzen des zugrundeliegenden Datenmodells generieren (d.h. z.B. OEM-Instanzen). Anforde- rungen Query- sprache - Einstieg - Pfadausdr. - Coercion - komplexe Ergebnisse - Label-/ Path-Var. Semantik

Interoperable Informationssysteme - 31 Klemens Böhm Erzeugung eines Queryergebnisses mit komplexer Struktur - Beispiele Anforde- rungen Query- sprache - Einstieg - Pfadausdr. - Coercion - komplexe Ergebnisse - Label-/ Path-Var. Semantik selectauthor: X frombiblio.book.author X Erzeugt Baum der Tiefe 1; alle Kanten haben Label author. selectrow:(selectauthor: Y fromX.author Y) frombiblio.book X Strukturiertes Anfrageergebnis – ein Teilbaum für die Autoren jedes Buchs. select(selectY fromX.author Y) frombiblio.book X

Interoperable Informationssysteme - 32 Klemens Böhm Queryergebnis mit komplexer, unregelmässiger Struktur l Subqueries mit leerem Ergebnis führen nicht zu Fehler; vielmehr lässt sich unregelmässig strukturiertes Queryergebnis erzeugen. Beispiel: select r:{number: N, (select title: T where {number: N, title: T} in db1.report), (select postscript: P where {num: N, postscript: P} in db2.myrep)} where N in db1.report.number union db2.myrep.num Anforde- rungen Query- sprache - Einstieg - Pfadausdr. - Coercion - komplexe Ergebnisse - Label-/ Path-Var. Semantik

Interoperable Informationssysteme - 33 Klemens Böhm Label-Variablen l Label-Variablen ermöglichen Übergang zwischen Schema-Information und Daten. l Beispiele: u select publication: {type: L, title: T} from biblio.L X, X.title T where X.Year > 1989 u select npers: (selectL: Y fromX.L Y wherenot (L = salary)) from db.person X Gruppierung mit Hilfe von Label-Variablen (umgekehrte Richtung wie oben) – Beispiel: select Y: (select X from biblio.paper X where X.year = Y) from biblio.paper.year Y Anforde- rungen Query- sprache - Einstieg - Pfadausdr. - Coercion - komplexe Ergebnisse - Label-/ Path-Var. Semantik

Interoperable Informationssysteme - 34 Klemens Böhm Path-Variablen l Statt einzelner Labels können auch ganze Paths zu Daten werden. Beispiel: wherematches(".*ubiquit.*", X) l Problem: Was geschieht bei Zykeln im Data Graph? Anforde- rungen Query- sprache - Einstieg - Pfadausdr. - Coercion - komplexe Ergebnisse - Label-/ Path-Var. Semantik

Interoperable Informationssysteme - 35 Klemens Böhm Semantik der Querysprache l Semantik der Querysprache muss formal definiert sein. l Vorgehen: u Beschreibung des Data Graphs mit einfacher relationaler Struktur. u Abbildung (eines Teils) der Querysprache auf Logik-Ausdrücke über dieses relationale Modell. u Alternativ: Abbildung der Querysprache auf Datalog-Ausdrücke über dieses Modell. Anforde- rungen Query- sprache Semantik - Vorgehen - Objekterz.

Interoperable Informationssysteme - 36 Klemens Böhm 1. Schritt: Generische relationale Beschreibung des Data Graphs Schema: ref(source: oid, label: dom, destination: oid) val(obj: oid, value: dom) l Constraints: u Oid ist entweder atomar oder komplex. u Jedes Objekt ist von einer Wurzel erreichbar. oid Attribut ist Schlüssel in der Relation val. Anforde- rungen Query- sprache Semantik - Vorgehen - Objekterz.

Interoperable Informationssysteme - 37 Klemens Böhm 2. Schritt: Abbildung Querysprache logischer Ausdruck l Beispiel: Anfrage in der Querysprache: select author: X from biblio.book Y, Y.author X where "Database" in Y.title Entsprechender logischer Ausdruck: {X| Y, Z, V, W(ref(db, "biblio", W) ref(W, "book", Y) ref(Y, "author", X) ref(Y, "title", V) val(V, "database"))} l Auf diese Art lässt sich kein neuer Data Graph konstruieren, der Queryergebnis repräsentiert. Anforde- rungen Query- sprache Semantik - Vorgehen - Objekterz.

Interoperable Informationssysteme - 38 Klemens Böhm 3. Schritt: Abbildung Querysprache Datalog biblio db book &o1 author &o3 Smith &o9 book &o2 paper &o4 title &o8 date &o7 author &o6 author &o5 date &o10 title &o11 author&o Data Production Cassio Database Systems 1976 Combalusier Roux title ans Anforde- rungen Query- sprache Semantik - Vorgehen - Objekterz.

Interoperable Informationssysteme - 39 Klemens Böhm 3. Schritt: Abbildung Querysprache Datalog l Neue Tupel, aus denen die Antwort besteht, werden in die generische Kanten-Relation eingefügt. l Beispiel: Anfrage in der Querysprache (wiederholt): select author: X from biblio.book Y, Y.author X where "Database" in Y.title Entsprechender Datalog-Ausdruck: ref(ans, " author ", X) (ref(db, "biblio", W), ref(W, "book", Y), ref(Y, "author", X), ref(Y, "title", V), val(V, "database") Anforde- rungen Query- sprache Semantik - Vorgehen - Objekterz.

Interoperable Informationssysteme - 40 Klemens Böhm 3. Schritt: Abbildung Querysprache Datalog (Forts.) l Abbildung von Pfadausdrücken erfordert i.d.R. Rekursion. l Beispiel: Anfrage in der Querysprache: select part: X from product X, X.(subpart)* Y Entsprechender Datalog-Ausdruck: ref(ans, part ", Y) q(Y) q(Y) ref(db, product", Y) q(Y) q(Z), ref(Z, subpart", Y) Anforde- rungen Query- sprache Semantik - Vorgehen - Objekterz.

Interoperable Informationssysteme - 41 Klemens Böhm Erzeugung von Objekten l Erzeugung von Anfrageergebnissen erfordert i.a. die Erzeugung von Objekten. l Erzeugung der neuen Objekte erfordert auch Erzeugung von OIDs – Verwendung von Skolem-Funktion. l Skolem-Funktion u benötigt als Parameter eine Zeichenkette, u erzeugt daraus eine einmalige, reproduzierbare ID. Anforde- rungen Query- sprache Semantik - Vorgehen - Objekterz.

Interoperable Informationssysteme - 42 Klemens Böhm Erzeugung von Objekten l Beispiel für Verwendung von Skolem-Funktion: Anfrage in der Querysprache: selectrow: {title: T, year: Y} frombiblio.book X, X.title T, X.year Y Entsprechender Datalog-Ausdruck: ref(ans, row ", f(X)) ref(db, biblio", B), ref(B, book", X) ref(f(X), title ", T) ref(X, title", T) ref(f(X), year ", Y) ref(X, year", Y) l Nur erster Aufruf der Skolem-Funktion mit bestimmten Parametern führt zur Erzeugung eines neuen Objekts. Anforde- rungen Query- sprache Semantik - Vorgehen - Objekterz.

Interoperable Informationssysteme - 43 Klemens Böhm Erzeugung von Objekten l Weiteres Beispiel – Anfragen über mehrere Datenbanken. Anfragen in der Querysprache (ohne Object Fusion): select row: {num: N, title: Y} where {number: N, title: Y} in db1.report select row: {num: N, postscript: P} where {num: N, postscript: P} in db2.myrep Entsprechendes Datalog-Programm: ref(ans, row", f(N)) ref(db1, report", X), ref(X, number", Y), val(Y, N) ref(f(X), title", T) val(Y, N), ref(X, number", Y) ref(X, title", T) … l I.d.R. ein Objekt, das Einträge aus unterschiedlichen Datenbanken zusammenfasst (Object Fusion). Anforde- rungen Query- sprache Semantik - Vorgehen - Objekterz.

Interoperable Informationssysteme - 44 Klemens Böhm Erzeugung von Objekten Gleiche Anfrage in unserer Querysprache – ist möglich, aber kompliziert: select report: {number: N, ( select title: T where {number: N, title T} in db1.report), ( select postscript: P where {num: N, postscript P} in db2.myrp)} where N in db1.report.number union db2.myrp.num Anforde- rungen Query- sprache Semantik - Vorgehen - Objekterz.