XML in Datenbanksystemen

(1)

(2)

2 <<

<

Nr

Warum wird XML eingesetzt?

Antworten von Unternehmen:



erweiterte Suchmöglichkeiten im Unternehmen



ermöglicht neue Operationen auf Daten



verkürzt Anwendungsentwicklungszeit



erlaubt Konvertierung von EDI-Daten in besser handhabbares Format



verbindet viele Anwendungen im Unternehmen



verbindet Anwendungen mit denen von Zulieferern und Geschäftspartnern



Teilnahme an E-Commerce / B2B, der auf XML

basiert

(3)

3 <<

<

Nr

.>

³

Vorteile von XML



XML ist plattformunabhängig (vgl. Java)



XML ist sprachunabhängig



XML verursacht keine Lizenzkosten, viele kostenlose XML-Tools



XML basiert auf Unicode: jedes Zeichen jeder Schrift darstellbar (voraussetzung für Internationalisierung)



XML ist per Definition erweiterbar.



XML durchgängig über alle Anwendungebenen hinweg verwendbar (Datenhaltung, Anwendungslogik,

Präsentation) – vgl. „klassische“ Realisierung solcher

Anwendungen mit relationalen Datenbanken

(4)

4 <<

<

Nr

Textorientierte Dokumente



„Lesbare Dokumente“ (document centric)

– textorientiert (document = Text)

– sind selten genau gleich strukturiert

– Reihenfolge ist wichtig

– sinntragende Daten auf allen Ebenen, viel Mixed Content

– Volltextsuche ist unabdingbar, aber nicht ausreichend

– manuell erstellt oder aus anderem Format konvertiert

– Beispiele

 Zeitschriftenbeiträge, Bücher

 Gebrauchsanweisungen, Handbücher

 e-Mail

 Präsentationen

 Verträge

– 70% der relevanten Geschäftsinformationen in

(5)

5 <<

<

Nr

.>

⁵

Datenorientierte XML-Dokumente



Datenzentrierte Dokumente

– wie Daten im herkömmlichen Sinn (z.B. in relationalen Datenbanken)

– XML-Sicht auf stark strukturierte Daten

– Reihenfolge ist oft nicht relevant

– sind einheitlich und meist einfach strukturiert

– haben Datentypen

– sinntragende Daten in Blattelementen oder Attributen

– Mixed Content ist die Ausnahme (oder Dekoration)

– Beispiele:

 Telefonbücher

 wissenschaftliche Daten

 Fahrpläne, Flugpläne

 Bestellungen

(6)

6 <<

<

Nr

Daten und Dokumente

 Semistrukturierte Daten

– Strukturiert: Felder

– Unstrukturiert: binäre Daten wie Text, Video- und Audio-Streams, Bilder (in XML: External Entities, CDATA Sections)

– unregelmäßiges Auftreten von Hyperlinks

– ggf. fehlendes Schema

 Mangel an Struktur

– Mischform aus datenzentriert und dokumentenzentriert

– Struktur implizit oder verborgen

– Integration von Daten aus heterogenen Quellen (hierfür strukturiertes Modell oft zu restriktiv)

– Bestimmte Anfragetypen ignorieren Schema bewußt (z.B.

Zeichenkettensuche über gesamte Datenbank hinweg)

 Beispiel Krankenakten:

– Krankenakten

 Daten: Geburtsdatum, Adresse, Körpertemperatur-Messreihen …

 binäre Daten: Röntgenbilder

(7)

7 <<

<

Nr

.>

⁷

Klassifikation: Beispiel

Datenorientierte Dokumente

(strukturiert, regulär

Beispiele: Produktkataloge, Bestellungen, Rechnungen)

Textorientierte Dokumente

(unstrukturiert, irregulär

Beispiele: wissenschaftliche Artikel, Bücher, E-Mails, Webseiten)

Semistrukturierte Dokumente

(datenorientierte und textorientierte Anteile

Beispiele: Veröffentlichungen, Amazon)

<order>

<customer>Meyer</customer>

</position>

</order>

XML builds on the principles of two existing languages, <emph>HTML</emph> and

<emph>SGML</emph> to create a simple mechanism ..

The generalized markup concept ..

</content>

<book>

<author>Neil Bradley</author>

<title>XML companion</title>

XML builds on the principles of two existing languages, <emph>HTML</emph> and ..

</content>

</book>

(8)

8 <<

<

Nr

Einsatz von XML



Publishing und Content Management



Elektronischer Handel (E-Commerce)



Workflow und integrierte Geschäftsprozesse

– Prozessbeschreibungen (BPEL)

– Ablaufdaten / Logs



XML und Metadaten

– RDF (Resource Decription Framework)



XML und Multimedia

– XHTML, SMIL, MPEG-7



Gesundheitswesen

– HL7



Komplex strukturierte Daten

z.B. Chemical Markup Language (CML)

(9)

9 <<

<

Nr

.>

⁹

Publishing und Content Management

XSLT-Prozessor

<?xml version=“1.0“>

<xsl:stylesheet version=“1.0“

xmlns:xsl=“http://www

<xsl:template match=„/“>

<xsl:apply-templates/>

</xsl:template>

<xsl:template match=“P

<xsl:apply-templates…

<Produkt name=“…

<Beschreibung>

Dieses Produkt stellt eine absolute Weltneuheit dar und ist in seiner funktionalen Gestaltung erstaunlich

</xsl:template>

<Beschreibung>

Braille WAP

Internet

(10)

10 <<

<

Nr

Elektronischer Handel (E-Commerce)



B2B (business to business)

– zwischen zwei Unternehmen

– Kommunikation entlang einer Zuliefererkette (supply chain)

– Einsatzbereich für EDI (electronic data interchange)

– XML/EDI-Aktivitäten: Vokabulare, Repositories, Frameworks (z.B. ebXML)



B2C (business to consumer)

– zwischen Unternehmen und Vebraucher

– Verkauf über Internet / elektron. Bestellannahme



B2G (business to government)

– zwischen Unternehmen und öffentlicher Verwaltung



G2C (government to citizen)

– zwischen öffentlicher Verwaltung und Bürgern

– kein Handel, sondern administrative Vorgänge (Steuererklärung, Anträge etc.)

(11)

11 <<

<

Nr

.>

¹¹

Warum XML in Datenbanken



XML als Austauschformat

– XML-Dokumente enthalten geschäftsrelevante Daten (z.B. in Zuliefererketten)

– Aufbewahrung der Dokumente so wie bei Eingang (d.h.

Originaldokument unverändert lassen!)

 Rechtsrahmen: Grundsätze zum Zugriff und zur Prüfbarkeit digitaler Unterlagen (GDPdU) seit 1.1.2002

– Umwandlung in ein anderes Format

 Umwandlung in anderes Format grundsätzlich möglich, aber fehlerträchtig

 nicht notwendig, wenn Funktionalität im Umgang mit XML- Dokumenten der von Datenbanken entspricht

– Speicherung der XML-Daten auf der Strecke zwischen den Austauschpartnern (persistent message queuing)



Nur die Speicherung in Datenbanken garantiert

– mächtige und effiziente Suchfunktionen

– transaktionsorientierte Speicherung

– Mehrbenutzerbetrieb

(12)

12 <<

<

Nr

Warum XML in Datenbanken (2)



XML-basierte Anwendungen

– XML als internes Datenhaltungsformat:

Konfigurationsdateien, Anwendungsdaten, Stylesheets  Bedarf für adäquate Speicherung



Dokumentenverwaltung

– für XML-Dokumente spezialisierte Systeme

– benötigen XML-spezifische Datenhaltung

– Basisfunktionalität (z.B. Textsuche) sollte im DBS enthalten sein



Beispiele für Anwendungen

– Portale für Unternehmensinformationen

– Produktkataloge

– Patienteninformationsverwaltung

– B2B Dokumentenaustausch

(13)

13 <<

<

Nr

.>

¹³

Grundmodelle von XML-Datenbanken



monolithischer Ansatz

– gesamte DB einziges großes XML-Dokument

– Verwaltung einzelner XML-Doumente problematisch (Prolog, DTD, Metadaten, Referenzen)



fragmentorientierter Ansatz

– Daten in der DB (aus XML-Sicht) nicht miteinander verknüpft

– bei Koexistenz von relationaler und XML-Sicht

– aufwendige Rekonstruktion, Gefahr des Informationsverlustes (Prolog,DTD,Kommentare,PI)



dokumentenorientierter Ansatz

– DB = Menge von XML-Dokumenten

– (typbezogene) Gruppierung von Dokumenten (mit gleicher schematischer Beschreibung) – analog zu Tabelle

– benutzerspezifische Sammlung von Dokumenten (collections)

(14)

14 <<

<

Nr

XML-Architektur

<..>

physische Ebene Ebene

Dokument- verarbeitung

Dokumenten Entwurf von XML-

Konzeptueller

</..>

logische Ebene

<..>

konzeptuelle

</..>

<..>

XML

Datenbanken

(15)

15 <<

<

Nr

.>

¹⁵

Datenbankspezifische Anforderungen



Effizienz (Performance)

–

Indizierung (B* Baum nicht ausreichend)

–

Anfrageoptimierung

–

Caching



Mehrbenutzerbetrieb



Skalierbarkeit

–

Wachstum von Daten und Benutzern

–

XML-spezifisch: Dokumentgröße, tiefere Struktur



Transaktionskonzept (ACID)

–

Sperrgranulat?

(16)

16 <<

<

Nr

Datenbankspezifische Anforderungen (2)



Speicherungsstrukturunabhängigkeit

– Optimierer sollte über Speicherungsstruktur entscheiden

– vgl. SQL: Anfrage bleibt, auch wenn Indexe hinzukommen



Sicherheit

– abhängig von Grundmodell des XML-Datenbanksystems

– Mögliche Definition von Zugriffsregeln

 auf Dokumenttypebene

 auf Basis von Knotentypen

 prädikatbasiert



Verfügbarkeit



Erweiterbarkeit

– Definition von eigenen Datentypen und Methoden (vgl.

objektrelationale Datenbanken)

– auch: Definition eigener Zugriffsstrukturen

– Erweiterbarkeit durch Unterstützung von XML Schema gegeben

– prozedurale Erweiterbarkeit erweitert Anfragesprache

(17)

17 <<

<

Nr

.>

¹⁷

XML-spezifische Anforderungen (1)



Standardkonformität

–

XML 1.0

–

XML Schema, XML Namespaces

–

XQuery 1.0



Dokumentenbehandlung

–

Verwaltung vollständiger XML-Dokumente (einschließlich Prolog, DTD)

–

gespeicherte Dokumente vollständig und

unverändert zurückgeben  Originaltreue der Dokumente (Round-Trip-Problem)

–

Was heißt „unverändert“?

–

auch Behandlung von Metadaten

(18)

18 <<

<

Nr

XML-spezifische Anforderungen (2)



Schema-Unabhängigkeit

–

schematische Beschreibung nicht zwingend erforderlich

–

Speicherung beliebiger wohlgeformter XML- Dokumente auch bei unbekanntem Schema



Strukturunabhängigkeit

–

rekursive Typdefinitionen mit beliebig tiefen (aber endlichen) Elementverschachtelungen in

Dokumenten verarbeitbar

–

Speicherung von XML-Dokumenten jeden Typs

(daten- oder textorientiert)

(19)

19 <<

<

Nr

.>

¹⁹

XML-spezifische Anforderungen (3)



Schemavorgabe und Validierung

–

bei vorhandenem Schema Validierung der Dokumente beim Speichern



Web-Anbindung

–

Referenzierung von Dokumenten über HTTP analog zu Dateien

–

Unterstützung einer URL-Adressierung (HTTP-

Methode GET mit Parametern)  Einbettung von Datenbankzugriffen



Kodierung und Internationalisierung

–

UTF-8 und UTF-16



XML-spezifische Schnittstelle

(20)

20 <<

<

Nr

XML-spezifische Anforderungen (4)



Unveränderte Rückgabe (Originaltreue) Was heißt „unverändert“?

Vergleich in kanonischer Form (bei gleicher Kodierung)

–

Kommentare und PI bleiben erhalten

–

Elemente bleiben Elemente, Attribute bleiben Attribute

–

Namen und Namensräume bleiben erhalten

–

Reihenfolge der Geschwisterelement bleibt erhalten

–

DTD und Prolog bleiben erhalten

Entity-Referenzen werden aufgelöst

(21)

21 <<

<

Nr

.>

²¹

XML-spezifische Anforderungen (5)



Offenes Inhaltsmodell

– Anwendung: einseitige Erweiterung eines gemeinsamen Datenformat durch Teilnehmer an einem Datenaustausch

– Schemadefinition nur teilweise validieren

– Wildcards in XML Schema: any, anyattribute



Schema-Evolution

– Schemaänderungen ohne Einfluß auf Daten

– Wahrung der Konsistenz (Verschärfung von Constraints problematisch)



Speicherung von Nicht-XML-Daten

– Referenzen auf unparsed entities

– Beispiel: Bilder im GIF-Format



Anbindung anderer Datenquellen

(22)

22 <<

<

Nr

Anfragetypen



objektrelationale Systeme: werteorientierte und textorientierte Anfragen



XML: komplexere Strukturen als Relationenmodell

→neue Anfragetypen

–

werteorientierte Anfragen

–

textorientierte Anfragen

–

strukturorientierte Anfragen

–

verweisorientierte Anfragen

–

schemaorientierte Anfragen

–

namensraumorientierte Anfragen

–

metadatenorientierte Anfragen

–

kombinierte Anfragen

(23)

23 <<

<

Nr

.>

²³

Anfragetypen: Werteorientiert



Wert eines Elements = Inhalt, reduziert auf alle Nicht-Element-Daten aller Ebenen



@attribute < 5

–

<element attribute=“4“/>



element < 7.1

–

<element>6.1</element>



element = “Hugo“

–

<element>Hugo</element>

–

<element><subelement>

Hugo

</subelement></element>

–

<element><B>H</B>ugo</element>

(24)

24 <<

<

Nr

Anfragetypen: Textorientiert



textorientierte Prädikate, zumeist auf Elementen



orientiert an Textstruktur (Wort, Satz, Abschnitt)



keine exakte Übereinstimmung gefordert (Akzente, Groß/Kleinschreibung)



Ziel: möglichst viele relevante Dokumente finden mit geringem Anteil nicht-relevanter Dokumente (Recall vs.

Precision)



Beispiele:

– documents containing “XML“

– documents containing “XML“ OR “HTML“ but not “SGML“

– documents containing “XML“ within two words of “database“

– documents with word similar to “XML“ (ranking)

– Wort, das mit dem Teilwort “bank“ aufhört, ist im Wert eines Elements enthalten

(25)

25 <<

<

Nr

.>

²⁵

Anfragetypen: Strukturorientiert



sinnvoll bei nicht beschränktem Schema



siehe XPath Query Language



//Buch bzw. /[//Buch]

alle Buch-Elemente bzw. Dokumente, in denen ein Element “Buch“ vorkommt



//Buch/@ISBN bzw. /[//Buch/@ISBN]

der Wert des Attributs ISBN von Buch bzw.

Dokumente, in denen ein Element “Buch“ ein Attribut

“ISBN“ hat



/Buch/@*



/Buch/Titel



/Buch/Autor[1]



/Buch/*[1]



Im Dokument kommt ein Buch-Element vor, das mehr

als zwei Autor-Kindelemente hat.

(26)

26 <<

<

Nr

Weitere Anfragetypen (1)



Verweisorientierte Anfragen

– verschiedene Verweismechanismen: IDREF, XLink, externes Entity

– Verweise in Anfragen referenzieren

– Beispiele:

 Welche Dokumente zeigen auf eine bestimmte Stelle?

 Welche anderen Dokumente werden aus einem Dokument referenziert?



Schemaorientierte Anfragen

– Vergleich von Dokumenten gegen ihre schematische Beschreibung

– Beispiele:

 In welchen Dokumenten sind alle optionalen Attribute mit Werten belegt?

 In welchen Dokumenten enthält eine Zeichenkette genau die Maximalzahl erlaubter Zeichen?

– Analogie zum RDBMS: Anfragen auf Data Dictionary

– XML Schema ist selbst auch XML

(27)

27 <<

<

Nr

.>

²⁷

Weitere Anfragetypen



Namensraumorientierte Anfragen

– Suche nach Dokumenten, die Elemente oder Attribute eines bestimmten Namensraums enthalten

– Beispiele:

 Welche Dokumente enthalten Stylesheet-Anteile, also Element des XSL-Namensraums http://www.w3.org/1999/XSL/Transform

 Welche Dokumente enthalten Elemente aus mehr als einem Namensraum?



Metadatenorientiert

– Dokumente, die seit dem 1.1.2002 geändert wurden

– Dokumente, die von Matthias Conrad gespeichert wurden



Kombinationen daraus

– Beispiel: werteorientiert + strukturorientiert + textorientiert:

//Buch[Preis < 50 AND Titel CONTAINS “XML“]

(28)

28 <<

<

Nr

Anfrageergebnisse



Sinnvolle Ergebnisse:

– ein einzelnes Dokument, so wie es gespeichert wurde

– eine Menge von Dokumenten

– ein XML-Fragment (z.B. ein einzelnes Element mit seinen Kindern)

– eine Menge von XML-Fragmenten

– ein Wert (z.B. ein Attributwert, Funktionsergebnis, dynamisch berechnete Summe)

– eine Menge von Werten

– ein Attribut (Name-Wert-Paar)

– eine Menge von Attributen



Wie kann ein wohlgeformtes XML-Dokument geliefert werden?

– DBMS „verpackt“ Ergebnis in einem wohlgeformten XML- Dokument (z.B. durch Definition einer Wurzel)

– Anfrage ist für Gestalt des Ergebnisses verantwortlich

(29)

29 <<

<

Nr

.>

²⁹

Andere Operationen



Einfügen und Löschen von XML-Dokumenten vergleichbar mit Operationen anderer DBS



mehr Möglichkeiten beim Ändern mit XML:

– Attributwert ändern

– Löschen oder Hinzufügen von Attributen

– textuellen Inhalt eines Elements ändern

– Kindelemente hinzufügen oder entfernen

– Umbenennung von Elementen oder Attributen



Operationen aus anderen Datenbanksystemen

– Cursor-Konzept zur Verwaltung großer Ergebnismengen

– das Laden großer Datenmengen

– Definition und Änderung von Schemata

(30)

30 <<

<

Nr

Schemata in XML-Datenbanken



Schemata in Datenbanken

–

Schema beschreibt Struktur der Instanzen

–

Unterscheide Typdefinitionen (statisch) und Integritätsbedingungen (laufzeitdynamisch)

–

Schema auch „Behälter“ für Mengen von Instanzen (z.B. Tabelle in RDB) → Definition physischer

Eigenschaften (Speicherungsformen, Indexe)



Schemata für XML

–

XML: selbstbeschreibende Instanzen (Interpretation ohne Schema möglich)

–

optionale Schemata eher mit Integritätsbedingungen

in DBMS vergleichbar (Validieren beim Parsen einer

XML-Instanz)

(31)

31 <<

<

Nr

.>

³¹

Schemata in XML-Datenbanken (2)



Aspekte eines Schemas im XML-Datenbanksystem

–

Garantieaspekt (Instanz validiert gegen dieses Schema)

–

Informationsaspekt (Schema enthält Infos über zu erwartende Instanzen)

–

Modularisierungsaspekt (wiederverwendbare Definitionen)



Schema sollte für eine Menge von Instanzen definiert sein



Validierung gegen dokumentspezifisches Schema

nicht sinnvoll

(32)

32 <<

<

Nr

Anfragesprachen - Anforderungen



deklarativ



benutzerfreundliche Formulierung von Anfragen



XML-basierte Syntax zur Darstellung der Anfragestruktur



protokoll-unabhängig (nicht nur HTTP)



integrierte Fehlerbehandlung



auf allen Arten von wohlgeformten XML- Dokumenten (text- oder datenorientiert), schematische Beschreibung optional



Anfragesprache muss geschlossen sein.



Berücksichtigung von Namespaces

(33)

33 <<

<

Nr

.>

³³

Anfragesprachen für XML-Datenbanken



XML Query Working Group (seit 1998)



XML-QL war an Hochschulen sehr populärer Sprachvorschlag



Industrie: 1999 XPath wird W3C-Empfehlung als Adressierungsmechanismus innerhalb von XSLT und zur Verwendung in XPointer – keine XML-Anfragesprache für DBS



Erweiterungen von SQL: SQL/XML

