XML in Datenbanksystemen

1
XML in Datenbanksystemen
2
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
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
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
  Textdokumenten

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
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-Mes
  sreihen
• binäre Daten Röntgenbilder
• Dokumente Diagnose, Anamnese etc.

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)
ltordergt ltcustomergtMeyerlt/customergt
ltpositiongt ltisbngt1-234-56789-0lt/isbngt
ltnumbergt2lt/numbergt ltprice currencyEurogt30.0
0lt/pricegt lt/positiongt lt/ordergt
ltcontentgt XML builds on the principles of two
existing languages, ltemphgtHTMLlt/emphgt and
ltemphgtSGMLlt/emphgt to create a simple mechanism
.. The generalized markup concept .. lt/contentgt
ltbookgt ltauthorgtNeil Bradleylt/authorgt
lttitlegtXML companionlt/titlegt ltisbngt1-234-56789-0
lt/isbngt ltcontentgt XML builds on the
principles of two existing languages,
ltemphgtHTMLlt/emphgt and .. lt/contentgt lt/bookgt
8
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
Publishing und Content Management
lt?xml version1.0gt ltProdukt name
ltBeschreibunggt Dieses Produkt stellt eine
absolute Weltneuheit dar und ist in seiner
funktionalen Gestaltung erstaunlich
lt?xml version1.0gt ltxslstylesheet
version1.0 xmlnsxslhttp//www ltxsltemplat
e match/gt ltxslapply-templates/gt lt/xsltemplate
gt ltxsltemplate matchP ltxslapply-templates
lt?xml version1.0gt ltProdukt name
ltBeschreibunggt Dieses Produkt stellt eine
absolute Weltneuheit dar und ist in seiner
funktionalen Gestaltung erstaunlich
lt?xml version1.0gt ltxslstylesheet
version1.0 xmlnsxslhttp//www ltxsltemplat
e match/gt ltxslapply-templates/gt lt/xsltemplate
gt ltxsltemplate matchP ltxslapply-templates
lt?xml version1.0gt ltProdukt name
ltBeschreibunggt Dieses Produkt stellt eine
absolute Weltneuheit dar und ist in seiner
funktionalen Gestaltung erstaunlich
lt?xml version1.0gt ltxslstylesheet
version1.0 xmlnsxslhttp//www ltxsltemplat
e match/gt ltxslapply-templates/gt lt/xsltemplate
gt ltxsltemplate matchP ltxslapply-templates
XSLT-Prozessor
Internet
WAP
Braille
10
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
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
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
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
XML-Architektur
Dokument-
verarbeitung
lt..gt
lt/..gt
Konzeptueller
lt..gt
XML
lt/..gt
Entwurf von XML-
lt/..gt
lt..gt
Dokumenten
Datenbanken
physische
logische
konzeptuelle
Ebene
Ebene
Ebene
Klettke / Meyer XML-Datenbanken
15
Anforderungen an XML-DatenbankenDatenbankspezifis
che 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
Anforderungen an XML-DatenbankenDatenbankspezifis
che 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
Anforderungen an XML-DatenbankenXML-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
Anforderungen an XML-DatenbankenXML-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
Anforderungen an XML-DatenbankenXML-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
Anforderungen an XML-DatenbankenXML-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
Anforderungen an XML-DatenbankenXML-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
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
Anfragetypen Werteorientiert

• Wert eines Elements Inhalt, reduziert auf alle
  Nicht-Element-Daten aller Ebenen
• _at_attribute lt 5
• ltelement attribute4/gt
• element lt 7.1
• ltelementgt6.1lt/elementgt
• element Hugo
• ltelementgtHugolt/elementgt
• ltelementgtltsubelementgt Hugolt/subelementgtlt/eleme
  ntgt
• ltelementgtltBgtHlt/Bgtugolt/elementgt

24
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
Anfragetypen Strukturorientiert

• sinnvoll bei nicht beschränktem Schema
• siehe XPath Query Language
• //Buch bzw. ///Buchalle Buch-Elemente bzw.
  Dokumente, in denen ein Element Buch vorkommt
• //Buch/_at_ISBN bzw. ///Buch/_at_ISBNder Wert des
  Attributs ISBN von Buch bzw. Dokumente, in denen
  ein Element Buch ein Attribut ISBN hat
• /Buch/_at_
• /Buch/Titel
• /Buch/Autor1
• /Buch/1
• Im Dokument kommt ein Buch-Element vor, das mehr
  als zwei Autor-Kindelemente hat.

26
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
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
• //BuchPreis lt 50 AND Titel CONTAINS XML

28
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
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
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
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
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
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
• XQuery 1.0 W3C Recommendation 23.01.2007