Bases de Datos XML 1 XML. Jorge Pérez Rojas Universidad de Talca, II Semestre 2006

Transcripción

1 Bases de Datos XML 1 XML Jorge Pérez Rojas Universidad de Talca, II Semestre 2006

2 Bases de Datos XML 2 Motivación Web Semántica: La Web se ha convertido en un gran repositorio de información. La info en la Web está diseñada para ser fácilmente leída, entendida y usada por personas. Permiten a las personas encontrar información relacionada relevante (hyperlinks). Las personas se encargan de dar sentido a la info. Problema: se crean cerca de 7 millones de páginas diariamente!!! cada vez más difícil el procesamiento por personas.

3 Bases de Datos XML 3 Motivación (cont.) Integración de Información: Distintas empresas deben intercambiar información (electrónica) crítica de sus procesos. Problema: las empresas no tienen porqué compartir modelo de datos (relacional, orientado a objetos) esquema (tipos de relaciones) terminología (los consultores son empleados?) convenciones (unidades de medida etc.) Se necesita además la automatización de los procesos. Resultaría impráctico que todas las empresas tuviesen que implementar sus sistemas de una forma estándar.

4 Bases de Datos XML 4 Motivación (cont.) Integración de Información Ejemplo: Actualmente en Chile todas las empresas pueden intercambiar información de facturación de manera automática. Se evita el papeleo, se agilizan los procesos. Proyecto de Facturación Electrónica impulsado por el SII.

5 Bases de Datos XML 5 XML: extensible Markup Language A portable format that is both machine and human readable, and is used to produce documents that convey content with semantic structure. W3C XML está en el corazón de las soluciones a los anteriores y muchos otros problemas...

6 Bases de Datos XML 6 XML Un documento XML es un documento de texto que contiene información semiestructurada. La información se organiza como un árbol. Empresa departamento departamento codigo nombre telefono B02 Marketing empleados codigo nombre telefono A03 Finanzas empleados empleado empleado empleado empleado nombre rut nombre rut nombre rut nombre rut Parra Chavez Gonzalez Rios

7 Bases de Datos XML 7 XML Ejemplo El siguiente es el documento equivalente al árbol anterior <Empresa> <departamento> <codigo>b02</codigo> <nombre>marketing</nombre> <telefono> </telefono> <empleados> <empleado> <rut> </rut> <nombre>parra</nombre> </empleado> <empleado> <rut> </rut> <nombre>chavez</nombre> </empleado> </empleados> </departamento> <departamento> <codigo>a03</codigo> <nombre>finanzas</nombre> <telefono> </telefono> <empleados> <empleado> <rut>881672</rut> <nombre>gonzalez</nombre> </empleado> <empleado> <rut> </rut> <nombre>rios</nombre> </empleado> </empleados> </departamento> </Empresa>

8 Bases de Datos XML 8 XML Construcción Cada porción de texto encerrado entre < > se llama tag. <Empresa>, <nombre>, </telefono> son tags. Un elemento y su contenido en el documento está definido por un tag inicial y uno final. <empleado> es el tag inicial del elemento empleado y </empleado> es el tag final. Un tag puede ser inicial y final a la vez no tiene contenido: <empleado></empleado> es equivalente a <empleado/>.

9 Bases de Datos XML 9 XML Construcción (cont.) Un elemento válido XML puede contener texto (sin tags) o una colección de otros elementos. Los siguientes son elementos válidos: <nombre>parra</nombre> <departamento> <nombre>marketing</nombre> <codigo>b02</codigo> </departamento> <A><B><C>c</C><D><F>f</F></D></B></A> Los siguientes son elementos NO válidos: <nombre>parra<nombre> <departamento> <nombre>marketing <codigo>b02</codigo><nombre> </departamento> <A><B><C></D><D><F></F></D></A></B> Un documento XML bien formado es un elemento XML válido.

10 Bases de Datos XML 10 XML Construcción (cont.) Adicionalmente los tags de inicio pueden contener atributos: <empleado supervisor=" "> <salario moneda="pesos">600000</salario> <nombre>figueroa</nombre> <rut> </rut> </empleado> y supervisor es un atributo de empleado. El valor de un atributo se encierra entre comillas ".

11 Bases de Datos XML 11 <evaluacion tipo="examen" fecha=" " dificultad="98" cursoid="icc423"> <pregunta numero="1" tema="sql"> <enunciado>dado el esquema construya la consulta SQL... </enunciado> <imagen tipo="gif" peso="455">aaakks"#djaaaskkfl"43... </imagen> <imagen tipo="href"> <respuestas> <respuesta calidad="correcta" La siguiente es la consulta pedida... </respuesta> <respuesta calidad="incorrecta" No se puede crear la consulta pedida, debido a... </respuesta> </respuestas> </pregunta> <pregunta numero="2" tema="índices"> <enunciado> Qué es un índice?</enunciado> </pregunta> <pregunta numero="3" tema="xml"> <enunciado> Para qué sirve XML?</enunciado> <respuestas> <respuesta Para casi todo... </respuesta> <respuesta Para casi nada... </respuesta> </respuestas> </pregunta> </evaluacion>

12 Bases de Datos XML 12 XML y la Web Actualmente la mayoría de las páginas Web están construidas en HTML, solo estructuran el contenido y le dan un orden visual a los datos. Sólo son entendibles por personas, no se puede hacer un procesamiento automático. XML se puede usar para construir páginas Web. XML en la Web Combina contenido semiestrucutrado y estructura visual puede ser procesado por personas y por máquinas. Las búsquedas en la Web serían muchísimo más precisas si las páginas se construyeran usando XML.

13 Bases de Datos XML 13 XML y la Web (cont.) <table> <tr><td> <b>descripcion del Trabajo</b></td></tr> <tr><td colspan="2"> Prestigiosa empresa pesquera esta lanzando su sitio Web y quiere posicionarlo como uno de los lideres en el rubro. Se necesita disenador y programador de paginas Web para prestigiosa empresa pesquera Chilena. El trabajo es en la localidad de Valparaiso. El postulante debe tener dominio de plataformas Unix y Windows y debe tener experiencia en el uso de uno o mas de los siguientes programas: <ul><li>adobe Illustrator o Pothoshop</li> <li>macromedia Dreameweaver MX</li></ul> y al menos una de las siguiente tecnologias Web: <ul><li>flash</li><li>coldfusion</li></ul> </td></tr> </table> HTML <Descripcion> <Proposito> Disenar y programar paginas Web para una prestigiosa empresa pesquera. </Proposito> <Ubicacion>Valparaiso</Ubicacion> <FuncionEsencial> Programar y Disenar paginas Web </FuncionEsencial> <HabilidadesRequeridas> <Software>Adobe Illustrator/Potoshop</Software> <Software>Macromedia Dreamweaver MX</Software> <Tecnologia>Flash</Tecnologias> <Tecnologia>Coldfusion</Tecnologias> </HabilidadesRequeridas> </Descripcion> XML

14 Bases de Datos XML 14 XML DTD A un documento XML además de las reglas de construcción, se le puede exigir que cumpla un esquema particular, similar a como se le exige un esquema a una relación de una BD. Un DTD (document type definition) es un documento para exigir un esquema a un XML. DTD: Básicamente una Gramática Libre de Contexto que describe los tags y la forma permitida de anidarlos. Describe los elementos y los posibles atributos. Cada dominio (aplicación, páginas Web, BD, conjunto de empresas) crea su propio DTD que describe a todos los documentos válidos del grupo.

15 Bases de Datos XML 15 DTD Ejemplo <!ELEMENT Empresa (departamento*)> <!ELEMENT departamento (codigo,nombre,telefono,empleados)> <!ELEMENT empleados (empleado*)> <!ELEMENT empleado (rut,nombre)> <!ELEMENT codigo (#PCDATA)> <!ELEMENT telefono (#PCDATA)> <!ELEMENT rut (#PCDATA)> <!ELEMENT nombre (#PCDATA)> DTD <Empresa> <departamento> <nombre>marketing</nombre> <telefono> </telefono> <empleados> <empleado> No V alido <nombre>parra</nombre> </empleado> </departamento> </Empresa> <Empresa> <departamento> <codigo>a03</codigo> <nombre>finanzas</nombre> <telefono> </telefono> </departamento> </Empresa> <Empresa> <departamento> <codigo>b02</codigo> <nombre>marketing</nombre> <telefono> </telefono> <empleados> <empleado> <rut> </rut> <nombre>parra</nombre> </empleado> <empleado> <rut> </rut> <nombre>chavez</nombre> </empleado> </empleados> </departamento> </Empresa> No V alido <Empresa> </Empresa> V alido V alido

16 Bases de Datos XML 16 DTD (cont.)!element se usa para la definición de un elemento. La definición de!element lleva el nombre del elemento a definir y una expresión regular entre paréntesis. En la expresión regular, * indica 0 o más ocurrencias, + indica una o más ocurrencias,? indica 0 o una ocurrencia,, es concatenación y es unión. #PCDATA indica que el contenido del elemento es sólo una secuencia de caracteres. Además se puede definir una lista de atributos para un elemento usando!attlist. La definición de!attlist lleva el nombre del elemento para el que se define la lista de atributos seguido del nombre del atributo, el tipo del atributo (CDATA, ID, IDREF o una lista de valores) y un modificador (#REQUIRED, #IMPLIED, o el valor por defecto).

17 Bases de Datos XML 17 DTD Ejemplo <!ELEMENT repositorio (Evaluacion*)> <!ELEMENT evaluacion (pregunta+)> <!ATTLIST evaluacion tipo (examen prueba tarea) #REQUIRED> <!ATTLIST evaluacion fecha CDATA #REQUIRED> <!ATTLIST evaluacion dificultad CDATA #IMPLIED> <!ATTLIST evaluacion cursoid CDATA #REQUIRED> <!ELEMENT pregunta (enunciado,imagen*,respuestas?)> <!ATTLIST pregunta numero CDATA #REQUIRED> <!ATTLIST pregunta materia CDATA #REQUIRED> <!ELEMENT enunciado (#PCDATA)> <!ELEMENT imagen (#PCDATA)> <!ATTLIST imagen tipo (gif jpeg bmp href) #REQUIRED> <!ATTLIST imagen peso CDATA #IMPLIED> <!ELEMENT respuestas (respuesta+)> <!ELEMENT respuesta (#PCDATA)> <!ATTLIST respuesta userid CDATA #REQUIRED> <!ATTLIST respuesta calidad (correcta incorrecta) #IMPLIED> Es un DTD de ejemplo para el XML de evaluaciones.

18 Bases de Datos XML 18 XML vs. Relacional XML provee una nueva forma de almacenar y visualizar información (datos) alternativa al modelo relacional... Cómo se relacionan? una pregunta nada fácil de responder. Es claro que cualquier instancia de una BD Relacional se puede llevar a una instancia de un documento XML plano ( Cómo?). Lo interesante es que XML estratifica la información lo que es incompatible con el modelo Relacional. Incluso XML puede permitir recursión en sus elementos!!! imposible en el modelo relacional.

19 Bases de Datos XML 19 XML vs. Relacional (cont.) Dado que XML se ha convertido en el stándar para intercambiar información electrónica, los DBMS comerciales han tenido que adoptarlo (a su manera). Las nuevas versiones de Oracle y SQLServer proveen un set importante de herramientas para manejar XML. Están destinadas principalmente a obtener información desde las tablas y convertirlas a XML u obtener información desde un XML y almacenarla en tablas. Ejemplo: sentencia for xml de SQLServer 2000.

20 Bases de Datos XML 20 SQLServer FOR XML Opción elements select depto.nombre, depto.codigo, emp.nombre, emp.rut from departamento as depto join empleado as emp on emp.departamento_codigo = depto.codigo where codigo = A01 for xml auto Por defecto <depto> <nombre>finanzas</nombre> <codigo>a03</codigo> <emp> <nombre>gonzalez</nombre> <rut> </rut> </emp> <emp> <nombre>rios</nombre> <rut> </rut> </emp> </depto> <depto nombre="finanzas" codigo="a03"> <emp nombre="gonzalez" rut=" "/> <emp nombre="rios" rut=" "/> </depto>

21 Bases de Datos XML 21 XML como BD Surgen muchas preguntas: Cómo poder obtener información desde un XML? Existe algo similar a SQL? Puede hacerse en forma eficiente? Es factible almacenar grandes cantidades de información directamente en XML? (Sin tener que pasar por un sistema administrador en modelo relacional) Cómo podemos medir si un esquema en XML (DTD) representa un buen diseño? Existe normalización de XMLs? La contraparte relacional de estas preguntas ya han sido respondidas, de hecho es lo que se estudia a lo largo de un curso de BD. Todas las preguntas anteriores concernientes a XML se encuentran aun en estado muy inicial de investigación... Existe mucha gente trabajando actualmente en estos y otros temas con respecto a XML.

22 Bases de Datos XML 22 XML como BD (cont.) Cómo poder obtener información desde un XML? Existe algo similar a SQL? XPath y XQuery son intentos de estándares de consultas sobre XML Están siendo desarrollados por el W3C (2001). Puede hacerse en forma eficiente? 2004 ACM SIGMOD Int. Conference on Management of Data Sesión especial: XML Query Efficiency

23 Bases de Datos XML 23 XML como BD (cont.) Es factible almacenar de forma eficiente grandes cantidades de información directamente en XML? Actualmente hay varios proyectos en curso Ejemplo: El sistema NATIX (Alemania), ya está en estado comercial. Existe otros trabajos interesantes que apuntan a construir DTDs a partir de diagramas E/R, algo similar al algoritmo que vimos para ir de E/R a modelo relacional R. Elmasri 2002: Conceptual Modeling for Customized XML Schemas

24 Bases de Datos XML 24 XML como BD (cont.) Dado que interesa almacenar información directamente en XML la siguiente pregunta cobra mucha importancia: Cómo podemos medir si un esquema en XML (DTD) representa un buen diseño? Existe normalización de XMLs? M. Arenas et al. 2002: XNF: A Normal Form for XML Documents XNF está basada en una generalización de dependencias funcionales aplicables a XML y mide la calidad de un DTD. XNF resulta ser una generalización de BCNF para documentos XML: El esquema de una relación está en BCNF si y sólo si su representación en DTD está en XNF. Se diseñó un algoritmo eficiente para llevar ciertos DTDs (los más comunes en la práctica) a XNF.

25 Bases de Datos XML 25 XML Conclusiones XML nos presenta una vista jerarquizada y semiestructurada de los datos lo que resulta beneficioso en distintas aplicaciones. Ya ha demostrado (en la práctica) ser la herramienta adecuada para intercambiar información por la Web y es la solución al problema de la Web Semántica. XML toma cada vez más fuerza como una alternativa válida para almacenar información a gran escala. Grandes esfuerzos a nivel mundial se realizan actualmente para proveer bases teóricas para el desarrollo de XML como Base de Datos, existen muchas preguntas abiertas y es un campo interesante para investigación.