数据库应用-XML数据存储(Speicherung von XML Daten)-1

动机

用关系模型描述XML数据

//感觉有点像是先把XML文件先变换成对应的树结构，然后再在关系表中逐条路径进行描述(感觉就是对XML文件的数据路径的描述)。每个内部阶段出现的次数，为以其位根的子树的叶子数。但如果这样看得化，其实也可以不用像这样，感觉有点像链的方式进行排列，直接逐层往下写也是可以的。
这是一个XML文档具体化的(关系的)视图的例子(Beispiel für (relationale) materialisierte Sicht auf das XML Dokument.)
//转化成关系模型，这个可以看出来，但是具体化是指什么？？？
能否使用关系模型来进行描述，和文档原本的类型并没有关系。
(Relationale Darstellung ist Dokumenttyp-unabhängeig)
//这也说得太满了吧！！
/*不知道在这里说这些是什么意思
relationale Sicht auf XML-Dokument:XML文档的关系视图
XQuery-Statement formulierbar, das aus Dokument Relation generiert.？？
materialisierte relationale Sicht:具体化关系视图
*/
另外，说是上图中的关系表不符合EDGE Modell？？？可是我连这个Modell是啥东西都不知道？？
除此之外还有有上图也可以看出这个关系表并不是标准化的(normalisiert)(比如第二和第三项)，那么应该怎么是他标准化呢？？标准化之后由会有什么优势呢？？
我们可以把上面的一个关系表分裂成三个。每个关系表只包含有两个属性(Source+XXX)。
但这样做也是存在一些缺点的，比如，重这三个关系表要重新生成对应的树结构的时候，他对应的时间消耗会高很多。

数据库的三层结构两层映像

这个就不说了，图解

局限(Abgrenzung)

1. 这里将不会讨论Native XML Database的情况。(NXD可以保留数据的物理结构。他可以在不知道DTD的情况下，对一个XML文件进行存储。而且对NXD的访问是通过基于XML的技术实现的，比如XQuery，XPath或DOM等)
2. 实现一个完整的XML-DBMS(包括)开销是很大的(Implementierung eines vollständigen XML-DBMS(inkl. Nebenläufigkeit, Recovery, usw.) aufwendig.)//暂时理解不能
3. 因此取而代之的，我们使用半结构化数据的具体化的关系视图(Stattdessen materialisierte relationale Sichten auf semistrukturierte Daten. Sichten indexierbar.??)
4. 数据库的功能性：比如并行控制等。就是执行效果可能不是很好//这个其实没懂，不知是指啥？？(Datenbank-Funktionalität, z.B. Concurrency Control, Indices, “umsonst”. Wenn auch i.d.R. mit nicht besonders guter Performance.)

继续看动机

德语看的懂，但是就是体会不到
Viele interessante Ansätze verwenden: Schema(gemeint ist: XML-Schema bzw.DTD) oder nachträgliche Zusammenfassung des Datenbestands.
Unterscheidung zwischen ‘generisch’ und ‘dokumentspezifisch’/’Dokumenttyp-spezifisch’

能识别文档结构的系统的优势(Was hat man davon, dass System die Dokument-Struktur kennt)

1. 加速访问(Beschleunigung der Queryevaluierung)
2. 更好的存储(Bessere Speicherung, d.h. tendenziell weniger Seitenzugriffe für das Lesen)
3. 定义索引(Definition von Indices)
4. 有利于访问的表达(Unterstützung bei der Formulierung von Anfragen)
5. 有利于进行更新(bessere Kontrolle über Updates)
   //又是又看没懂系列？？？

Schema信息对访问的优化

这个在半结构化数据的声明性访问语言中已经解释过了，所以。。。继续吧
例子：
select Order.Company
where Order.OrderPerson = “Weber”
这个Query只有在Order.Company存在的条件下，才会有输出。因此如果能够在执行上述操作之前迅速的了解一下，对应的路径是否存在，将会有很大的帮助。

在存储的时候充分的利用结构

可能的Schema(也是一般情况下都适用的)：
ref(source:oid, label:dom, destination: oid)
val(obj:oid, value:dom)
//和前面的例子一样
同样的用这个在描述这个树结构的时候，需要用到很多的Join来实现。显然这花费是很高的。
另外他在逻辑上有关联的数据，一般在物理上式分散的(这是好？还是不好？？)(Daten, die logisch zusammengehören, sind i.d.R. Physisch verteilt.)
假如在有很多不同的书的情况下，我们希望得到下面这些信息很怎么样呢？？
1. 输出所有的1900年的书的title
2. title叫Y得书是在哪一年出版的
现在假如我们使用一个特定的Chapter关系：
chapter(source:oid, title:string, text:string, year:string)
现在，我们再来处理前面的俩个问题，这次会有什么优势呢？？
(Vorteil:Ein Zugriff für alle Daten eines Kapitels)

多层访问处理(Mehrstufiges Query Processing)

//这个真心半点没懂
$\exists$ immer Queries,
die mit Hilfe des Index allein nicht evaluierbar.
(仅通过索引，不能实现存在性的查询？？)
Ansatz:
1. Index, um Menge der Dokumente einzuschränken,(索引，用于限定文档的数量？？)
2. Inspektion der verbleibenden Dokumente(Kandidaten)(d.h. ohne Zuhilfenahme eines Index)(在没有使用索引的情况下检索保留的文档？？)

总结动机

1. Motivation relationale Speicherung(EDGE-Modell wurde vorgestellt, zur Illustration)
2. 在存储和访问时能充分的利用文档的结构

DataGuide

Volltext-Engine与Volltext-Indices

Volltext-Engine:
通过Volltext-Engine可以寻找文档中的特定字符串序列的。(Ermöglicht Suche nach Dokument, die bestimmte Zeichenfolge enthalten, unabhängig davon, wie genau sie vorkommen(z.B. im Text im Markup))
Volltext-Index：
Volltext-Index是一个基本的物理结构；像后缀树(Suffix-Baum)//所以上面这两个其实就是一个东西了，只不过一个是接口，一个是物理存储？？
//Grundlage:Bestellungen, als XML这句什么意思？？？
举个例子，比如我们要找所有包含有Weber字符的文档。
Volltextindex解决不了的问题：
还是上面的例子，Weber可能出现在不同的Markup或Text中，比如公司或产品的名字都可以包含有Weber，而我们只想找出对应公司名包含有Weber的文档。而这是Volltextindex无法做到的。
如果index可以识别域(Feld)或甚至是每条路径上得文本，那则是极好的(Feldweiser Index wäre besser(‘Besteller’).Am besten:Index für Text unter jedem Pfad.
select Order.Company
where Order.Person = “Weber”
这点不理解？？？
)

这是index的一个例子。其中Schema为：
Student(name,age,gpa,major); t(Student)=16
//其实不知道前面说得那么多和这个由什么关系？？前面说得不是找固定字符串吗？？不是后缀树吗？？为什么变成这了？？

结构

Data Guide：是指数据库内容的一个具体的总结(Konkrete Zusammenfassung des Datenbankinhaltes)
另外需要说明的是，在这节中;
数据库$\equiv$文档的集合(Dokument-Kollektion)(包括单个文档)
此外数据库还是一个有向图(OEM的实例)

Data Guide：
一个数据库s的DataGuide d同时也是一个数据库，不过他应该满足以下条件：
1. s中的每一条路径对应着d中的一个数据路径实例(jeder label path in s genau eine data path-Instanz in d hat.)//见上上个图
2. d中的每一个标签路径(label path)同时也是s的标签路径。//也就是一一对应的关系了？？标签路径不懂的话，就只能回去看一下声明性访问了。
通过DataGuide我们就能够很明显的看到，数据库中存在有哪些路径。
可以这么说DataGuide就是对数据库结构的一个简短的(kurze)精炼的(akkurate)同时是合适的(geeignet)总结。
说简短，是因为DataGuide对数据库中的每个路径只描述一次。
说精炼，是因为DataGuide不会描述不存在于数据库中的路径。
说合适，是因为DataGuide本身也是一个数据库，因此可以通过同样的方法进行访问。
//那么在执行Query的时候，DataGuide对我们有什么帮助呢？？
DataGuide和Schema的区别：
DataGuide 是根据Datenbank生成的，反过来则是不成立的。而Schema恰好与DataGuide相反，是先生成的Schema然后数据库按照Schema进行生成的。(Unterschied zwischen DataGuide und Schema: DataGuide ist konform zur Datenbank, nicht umgekehrt.)
想想可否出现这种情况，也就是DataGuide和Schema存在不同(也就是说不是所有的属性都是一样的)。答案是肯定得，但为什么？？(Denkbar, dass DataGuide und Schema nicht übereinstimmen- nicht alle Varianten, die Schema erlaubt, kommen tatsächlich vor.)

构建DataGuide

和从NEA生成DEA的方法相同(NEA指非确定性有限自动机，DEA指确定性有限自动机)

//箭头表示DataGuide的节点的Annotation？？
由图可得,DataGuide 的存储结构的格式为：
||Label Path $\rightarrow$ {Objekt}||
(Annotationen der DataGuide-Knoten)
DataGuide的这种对节点的解释，对Query的操作很有帮助。//在哪？？

Query操作

首先看几个例子：
1. 选择拥有一个Inhaber的restaurants
2. 选择所有的restaurants，要求他们或者Entree为Rind或者Entree为Lamm。
/*
Erstes Bullt-Kritisch, wenn ich nur in Richtung der Pfeile navigieren kann.
Grundlegenderes problem, das sich von diesem unterscheidet:
I. Allg. will ich nicht nur nach Pfaden, sondern nach Baum-Mustern suchen.??
*/

strong DGs

针对同一个数据库，可以构建不同的DataGuides

对于最左边的数据库存在右边两种DGs
存在最小化DGs的方法。
但这样坐存在一定的劣势：
1. 改变数据库需要很多工作
2. Annotationen weniger aussagerkräftig//这点不理解？？是指模糊的意思吗？？
strong DataGuides：
动机：使其Annotationen拥有最高的精度(Charakterisierung der DataGuides, deren Annotationen maximal präzise sind)
idea：DataGuide中拥有相同目标集的标签路径，在数据库中也总是拥有相同的目标集(Intuition: Label paths mit dem gleichen(singleton) Target Set im DataGuide haben stets das gleichen Target Set in der Datenbank.)
定义Strong DataGuides：
s,d为OEM对象，其中d为s的DataGuide
$T_s(l)$表示s中l的目标集
$T_d(l)$表示d中l的目标集
$L_s(l)=\{m|T_s(m)=T_s(l)\}$表示s中目标集和$T_s(l)$相同的路径
$L_d(l)=\{m|T_d(m)=T_d(l)\}$表示d中目标集和$T_d(l)$相同的路径
我们说一个DataGuides s是一个 Strong DataGuides，当对于s中的每一条路径都符合下面的条件时候：$L_s(l)=L_d(l)$
拿上面最右边的DGs做为例子，当l=A,C的时候$L_s(l)=\{A,C\}$, $L_d(l)$={A,C,B,C}所以他并不是Strong的

Einordnung DataGuides(翻译不能，感觉名字和内容没关系)

DataGuides即支持在路径上加入text的索引，同时也可以用于对路径的检查(DataGuides unterstützen sowohl Indexierung von Text für einzelne Pfade als auch das Nachschauen von Pfaden)
前面已经说过了，DataGuide是从一个数据库中总结而来的。但是其实，把DataGuide当作Schema，用于生成数据库也是可行的。(我记得前面否定得很干脆啊)(DataGuide- nachträgliche Zusammenfassung des Datenbestands, DataGuide als Schema, d.h. als apriori Festlegung, wäre auch denkbar.)
另外更加精炼的(akkurater)描述数据库总的来说也是可能做到的(前面明明说的akkurater就不是这个意思啊？？)(Noch akkuratere Beschreibung der Datenbank grundsätzlich möglich, z.B. um festzulegen, welche Kombination von Labels von ausgehenden Kanten vorkommen. Geht mit der Syntax von XML-DTDs)
问题：
关系数据库和DataGuides有哪些关联(Welcher Zusammenhand zwischen relationalen Datenbanken einerseits und DataGuides andererseits??)
如何在关系数据库上使用DataGuides(Wie Kann man relationale Datenbank bei der Implementierung von DataGuides verwenden??)
/*老师的观点：
DataGuide selbst entweder im Hauptspeicher oder (gemäß EDGE-Modell) auf Relatioin abbilden
Annotationen als Relation(en)
*/

DataGuide的讨论

1. Was ist es?
2. Welche Unterschiede gibt es?(ohne/mit Annotationen, unterschiedliche Annotationen; minimaler, strong DataGuide)
3. Wie verwenden für das Query Processing？？

多层次的情况

关于索引的一些补充

1. 可以同时对多个属性进行索引(Index für mehrere Attribute möglich)
2. 对(gpa,name)的索引和对(name,gpa)索引是不一样的
3. 有多于n!种索引方式
4. 索引是属于物理层，而索引的定义则是属于内模式的(Index ist Bestandteil der physischen Ebene. Index-Definition ist Bestandteil des Internen Schemas.)
5. 在使用的时候，用户不用自己去找这些索引，DBMS应该实现这类的功能。
   另外需要对索引和索引项进行区分(Unterscheidung zwischen Index und Index-Eintrag.Weglassen einzelner Indexeinträge grundsätzlich möglich.)

Subsuming Query 和 Filter Query

Subsuming就是包括的意思。当且仅当 <QS>   ⊇   <Q> <script id="MathJax-Element-67" type="math/tex"> \ \ \ \supseteq\ \ \ </script>时我们说Query $Q_s$ subsumiert(包括) Q或 Query $Q_S$是Q的Subsuming Query。
举个例子：
select * from Person where salary > 50.000
包括了(subsumiert)
select * from Person where salary > 100.000
Filter与前面干好相反，就是加约束了。但除此之外还有一个条件(不知是不是必须的)
Q的Filter Query 为$Q_F$。$Q_S$为Q的Subsuming Query，那么就有： <QF>(<QS>)=<Q> <script id="MathJax-Element-72" type="math/tex"> ( )= </script>
举个例子：
Q: select * from Person where salary > 50.000 and name=”Boehm”
$Q_S$:select * from Person where salary > 50.000
$Q_F$:select * from QS where name = “Boehm”
那么什么时候把一个Query转换成对应的Filter Query或Subsuming Query才是有意义的呢？？
/*为什么总是说Query Evaluation究竟这个Evaluation表达的是什么意思，表示完全不懂啊。
Ein System kann nur Subsuming Query, nicht aber Filter Query evaluieren, und ist sehr schnell.
Ergebnis der Subsuming Query ist relativ klein
*/

这是Subsuming Query应用的一个例子，他的优势在于
1. Volltext Engine比XML Query Engine要快得多。
2. 候选明显比较下(Zwischenergebnis deutlich keinler als Ausgangskollektion)

Combined Indices

与组合的访问是一样的(如通过$\land$进行组合)，组合的索引就是针对组合的属性的索引。组合的可能性很多，他随着属性的数量呈指数级增长。
相对的他的存储空间的需求很多，因此我们经常关心的问题是，能不能删去某个索引项(好了我晕了Index-Eintrag和Indice的区别是什么？？)
//好吧，有点清楚了这里的索引项是

组合的数量

进行索引项删除的基础是，我们必须彻底的分清，什么是索引，什么是索引项(Unterscheidung zwischen ‘Index’ und ‘Index-Eintrag’.)

现在假设关系的Schema为:{Name, Vorname, Beruf, Alter, Büro-Nummer}
一般情况下单项索引是有意义的，比如我们的索引项可以是{‘Frodo’}对应所有的名字叫Frodo的数据
组合的情况实在太多，那么应该怎么办呢？？？
1. 当Vorname ‘Frodo’ 出现的次数很多的时候，那么这个索引项的帮助就显得不大了，因为他同样要进行那么多得遍历。
2. 当Frodo只在数据库中出现一次，那么索引项(‘Frodo’,Beutlin’),(‘Frodo’,25),(‘Frodo’,’301c’)本质上是没有必要的。
3. 假设Vorname ‘Frodo’在数据库中出现n次，同样的Vorname ‘Frodo’和Nachname ‘Beutlin’的组合也出现n次；那么索引项(‘Frodo’,’Beutlin’)可以删去。删去后再搜索(‘Frodo’,’Beutlin’)，则不会有对应的(‘Frodo’,’Beutlin’)索引项，这可能有两种解释：或者(‘Frodo’,’Beutlin’)在数据库中不存在，又或者(‘Frodo’,’Beutlin’)出现的次数和Frodo相同。因此我们应该继续检查对应的Frodo，来弄清楚究竟是属于那种情况。(Verursacht aber nur konstante zusätzliche Kosten. Im zweiten Fall: Entsprechende Indexeinträge verwenden)
4. 假设Vorname ‘Fordo’ 在数据库中出现了1000次，然而Frodo和Beutlin的组合在数据库中，只出现了999次。在这种情况下，同样的，我们会直接把(‘Frodo’,’Beutlin’)给删了。与前面类似，当找不到(‘Frodo’,’Beutlin’)的时候，他表示木或他出现的次数几乎和Frodo的一样。继续检查的时候至少要拿两个Tupel。(Mindestens zwei Tupel mit Vorname ‘Forbo’ mit Hilfe des Index holen, Überprüfung, ob Nachname ‘Beutlin’, dann weiter)
4.5. 用q代表4中两者的比例(999/1000)，当q越小时代表，1.节省了越多得空间；2.使用Index带来的加速越小(这个有点不懂？？)

一般化text和半结构化的数据(Verallgemeinerung für Text und semistrukturierte Daten)

这里使用的技术，最开始，是为了n-Grams而开发的。(估计是指声音识别那个)
目标是：为Text中出现的单词添加索引
同样的操作我们也可以用于半结构数据的路径上(Gleiches Vorgehen möglich für Pfade(im XML-Dokument). Man kann Technik verallgemeinern für Indexierung Pfadfragment-Dokumenttext)