Tvorba informačních systémů

Transkript

1 Tvorba informačních systémů Michal Krátký Katedra informatiky VŠB Technická univerzita Ostrava Tvorba informačních systémů, 2006/2007 c Michal Krátký Tvorba informačních systémů 1/17

2 Úvod XML dokument/dokumenty tvoří databázi, schéma dokumentů je schématem této databáze. Datový model XML - XML dokument je modelován jako strom (XML strom). Pro dotazování XML dat, používáme XML dotazovací jazyky, např. XPath, apod. Existují jazyky pro provádění změn v XML dokumentech, např. Update a XUpdate. Pro implementaci XML nativní databáze je nutné použít sofistikované metody. c Michal Krátký Tvorba informačních systémů 2/17

3 Příklad - XML dokument <?xml version= " 1.0 "? > <books> <book i d = " " > < t i t l e > from the Experts< / t i t l e > <author>< f i r s t >Jonathan< / f i r s t >< l a s t >Robie< / l a s t >< / author> <author>< f i r s t >Michael< / f i r s t >< l a s t >Rys< / l a s t >< / author> < p r i c e >49.00< / p r i c e > < / book> <book i d = " " > < t i t l e >XML Data Management< / t i t l e > <author>< f i r s t >Akmal< / f i r s t >< l a s t >Chaudhri< / l a s t >< / author> < p r i c e >59.00< / p r i c e > < / book> <book i d = " " > < t i t l e >XML Indexing and Pattern Matching< / t i t l e > <author>< f i r s t >Bongki< / f i r s t >< l a s t >Moon< / l a s t >< / author> < p r i c e >79.99< / p r i c e > < / book>< / books> c Michal Krátký Tvorba informačních systémů 3/17

4 Standard W3C pro dotazování XML dat. Složitý jazyk, komplikovaná efektivní implementace. Neobsahuje JDD, je nutný? Porovnejme s vytvořením relačního schématu. Obsahuje JMD, neobsahuje konstrukce pro aktualizaci, vložení a rušení uzlů v XML dokumentu. Existuje specifikace Update. c Michal Krátký Tvorba informačních systémů 4/17

5 Příklady, výrazy cest 1 Vrat všechny knihy z databáze books.xml: doc( books.xml )//book 2 Vrat knihu napsanou autorem s příjmením Fernadez: doc( books.xml )/books/book[author/last= Fernadez ] 3 Vrat id (hodnota atributu) první knihy: doc( books.xml )/books/book[1]/@id 4 Vrat prvního autora každé knihy: doc( books.xml )/books/book/author[1] 5 Vrat prvního autora z celého dokumentu: (doc( books.xml )/books/book/author)[1] c Michal Krátký Tvorba informačních systémů 5/17

6 Příklady Dotaz: < t i t l e s count= { count ( doc ( books. xml ) / books / book / t i t l e ) } > { doc ( books. xml ) / books / book / t i t l e } < / t i t l e s > Výsledek: <?xml version= " 1.0 "? > < t i t l e s count= 3 > < t i t l e > from the Experts< / t i t l e > < t i t l e >XML Data Management< / t i t l e > < t i t l e >XML Indexing and Pattern Matching< / t i t l e > < / t i t l e s > c Michal Krátký Tvorba informačních systémů 6/17

7 FLWOR výrazy Poznámka: Vyslovujeme jako flower. FLWOR výraz: F, for klauzule: asociace jedné nebo více proměnných k výrazu, L, let: přiřazení výsledku výrazu proměnné, W, where: omezující podmínka, O, order by: setřídění, R, return: výsledek. c Michal Krátký Tvorba informačních systémů 7/17

8 Příklad, FLWOR výrazy Vrat všechny názvy knih, které jsou dražší než 50$. Dotaz: f o r $ b i n doc ( books. xml ) / / book where $ b / p r i c e < r e t u r n $ b / t i t l e Výsledek: < t i t l e > from the Experts< / t i t l e > c Michal Krátký Tvorba informačních systémů 8/17

9 Příklad, FLWOR výrazy Vrat všechny názvy knih, které napsal autor s příjmením Moon setříděné dle názvu. Dotaz: f o r $b in doc ( books. xml ) / / book where $b / author / l a s t = Moon order by $b / t i t l e r e t u r n < r e s u l t > { $b / t i t l e } </ r e s u l t > Výsledek: < r e s u l t > < t i t l e >XML Indexing and Pattern Matching< / t i t l e > < / r e s u l t > c Michal Krátký Tvorba informačních systémů 9/17

10 Příklad, FLWOR výrazy Vrat všechny názvy knih, které mají více než jednoho autora. Dotaz: f o r $b in doc ( books. xml ) / / book l e t $c : = $b / author where count ( $c ) > 1 r e t u r n < r e s u l t > { $b / t i t l e } </ r e s u l t > Výsledek: < r e s u l t > < t i t l e > from the Experts< / t i t l e > < / r e s u l t > c Michal Krátký Tvorba informačních systémů 10/17

11 Příklad, Update 1 Vlož element year s obsahem 2005 za element price první knihy. Dotaz: i n s e r t node < year >2005</year> a f t e r fn : doc ( " books. xml " ) / books / book [ 1 ] 2 Zvyš cenu první knihy o 10%. Dotaz: replace value of node fn : doc ( " books. xml " ) / books / book [ 1 ] / p r i c e with fn : doc ( " bib. xml " ) / books / book [ 1 ] / p r i c e 1. 1 c Michal Krátký Tvorba informačních systémů 11/17

12 : často prototypy: MonetDB/, Tamino, Timber. používají progresivní metody pro indexování XML. XML-enabled databáze: často rozšíření RDBMS: DB2, SQL Server, Oracle. definujeme atribut typu XML dokument. používají triviální přístupy pro indexování XML dat. c Michal Krátký Tvorba informačních systémů 12/17

13 Triviální implementace Každý element je vložen do B-stromu (indexujeme dle id v uspořádání dokumentu), jinými slovy vytvoříme tabulku Element(tag, id, value) a pro každý element do ní vložíme záznam. n0 books n1 book n2 book n3 n4 n5 id title author n7 n6 n8 id title author The XML Book John Smyth The Frank Book Nash doc( books.xml )/books/book[author= John Smyth ]/title c Michal Krátký Tvorba informačních systémů 13/17

14 Provádění dotazu 1 Najdi všechny elementy typu books. 2 Najdi všechny elementy typu book. Proved spojení obou množin. 3 Najdi všechny elementy typu author s hodnotou John Smyth. Proved spojení množin. 4 Najdi všechny elementy typu title. Proved spojení množin. Úvaha: Co se stane pokud mezivýsledky budou obsahovat milióny elementů, ale výsledkem bude pouze jeden element? c Michal Krátký Tvorba informačních systémů 14/17

15 Aktuální stav 1 Takto triviální přístupy jsou velmi neefektivní. Např. dotaz site/closed_auctions/closed_auction/annotation/ description/parlist/listitem/parlist/listitem/ text/emph/keyword trvá na MS SQL s (kolekce XMark 1GB). 2 Efektivní přístupy jsou v současné době záležitostí výzkumu. Např. přístup MDX vyvíjený na katedře tento dotaz vykoná za 2s. c Michal Krátký Tvorba informačních systémů 15/17

16 Sofistikované metody indexování 1 Holistické přístupy: garantují, že je každý element při vykonávání dotazu zpracován pouze jednou. 2 Optimalizace založená na ceně (cost-based): Odhad velikosti výsledku jednotlivých částí dotazu umožní vytvořit lepší plán vykonávání dotazu. V případě: doc( books.xml )/books/book[author= John Smyth ]/title je např. rozumné začít vykonávání získáním knih napsaných autorem John Smyth. Tato část dotazu generuje nejmenší mezivýsledek. 3 Další metody: např. indexování celých cest stromu. c Michal Krátký Tvorba informačních systémů 16/17

17 Reference Update Howard Katz et al. from the Experts. Addison-Wesley Professional, Akmal B. Chaudhri, Awais Rashid, Roberto Zicari: XML Data Management: Native XML and XML-Enabled Database Systems. Addison-Wesley Professional, Indexování XML - články v časopisech a sbornících. c Michal Krátký Tvorba informačních systémů 17/17