大数据入门9：半结构化数据模型（Semi-structured Data Model)

(写在前面：由于之前学习过数据库相关知识，这里不再赘述关于关系模型的相关知识）

半结构化数据模型（Semi-structured Data Model)

1. 几种数据模型

参考：知乎：什么是结构化数据？非结构化数据？半结构化数据？

1. 结构化数据，简单来说就是数据库。也称作行数据，是由二维表结构来逻辑表达和实现的数据，严格地遵循数据格式与长度规范，主要通过关系型数据库进行存储和管理。结构化数据标记，是一种能让网站以更好的姿态展示在搜索结果当中的方式，搜索引擎都支持标准的结构化数据标记。

2. 半结构化数据是一种适于数据库集成的数据模型，也就是说，适于描述包含在两个或多个数据库（这些数据库含有不同模式的相似数据）中的数据。

• 和普通纯文本相比它具有一定的结构性，但和具有严格理论模型的关系数据库的数据相比更灵活。（最主要的）
• 它是一种标记服务的基础模型，用于Web上共享信息。
• 特别的，半结构化数据是“无模式”的。更准确地说，其数据是自描述的。它携带了关于其模式的信息，并且这样的模式可以随时间在单一数据库内任意改变。

​ 这种灵活性可能使查询处理更加困难，但它给用户提供了显著地优势。例如，可以在半结构化模型中维护一个电影数据库，并且能如用户所愿地添加类似“我喜欢看此部电影吗？”这样的新属性。这些属性不需要所有电影都有值，或者甚至不需要多于一个电影有值。同样的，可以添加类似“homage to”这样的联系而不需要改变模式，或者甚至表示不止一对的电影间的联系。

​ 因为我们要了解数据的细节，所以不能将数据简单地组织成一个文件按照非结构化数据处理，由于结构变化很大也不能够简单的建立一个表和他对应。

3. 非结构化数据：是与结构化数据相对的，不适于由数据库二维表来表现，包括所有格式的办公文档、XML、HTML、各类报表、图片和咅频、视频信息等。支持非结构化数据的数据库采用多值字段、了字段和变长字段机制进行数据项的创建和管理，广泛应用于全文检索和各种多媒体信息处理领域。

2. 半结构化模型特征

半结构化数据中结构模式附着相融于数据本身，数据自身就描述了其相应结构模式，具有下述特征：

• 数据结构自描述性。 结构与数据相交融，在研究和应用中不需要区分“元数据”和“一般数据”（两者合二为一）。

• 数据结构描述的复杂性。 结构难以纳入现有的各种描述框架，实际应用中不易进行清晰的理解与把握。

• 数据结构描述的动态性。 数据变化通常会导致结构模式变化，整体上具有动态得结构模式。

​ 常规的数据模型例如E-R模型、关系模型和对象模型恰恰与上述特点相反，因此可以成为结构化数据模型。而相对于结构化数据，半结构化数据的构成更为复杂和不确定，从而也具有更高的灵活性，能够适应更为广泛的应用需求。

3. XML和JSON

XML&JSON优劣区别

1. JSON(JavaScript Object Notation)：是一种轻量级的数据交换模式

{ "people": [

{ "firstName": "Brett", "lastName":"McLaughlin", "email": "aaaa" },

{ "firstName": "Jason", "lastName":"Hunter", "email": "bbbb"},

{ "firstName": "Elliotte", "lastName":"Harold", "email": "cccc" }

]}

2. XML(Extensible Markup Language) ：可扩展的标记语言，它是SGML（标准通用标记语言）的一个子集

<?xml version="1.0" encoding="utf-8" standalone="no"?>
<students>
    <student number="1001">
        <name>zhangSan</name>
        <age>23</age>
        <sex>male</sex>
    </student>
    <student number="1002">
        <name>liSi</name>
        <age>32</age>
        <sex>female</sex>
    </student>
    <student number="1003">
        <name>wangWu</name>
        <age>55</age>
        <sex>male</sex>
    </student>
</students>

*拓展：html和XML有什么区别？

	html	xml
设计目标	显示数据，如何更好地显示数据，焦点是数据外观	描述数据，什么是数据，如何存放数据，焦点是数据的内容
语法	要求标记的嵌套、配对等； 不区分大小写 引号是可用可不用的； 可以拥有不带值的属性名； 过滤掉空格；	严格要求嵌套、配对，并遵循DTD的树形结构； 区分大小写； 属性值必须分装在引号中； 所有的属性都必须带有相应的值； 空白部分不会被解析器自动删除； xml比html 语法要求更严格
数据和显示的关系	内容描述与显示方式整合为一体	内容描述与显示方式分离
标签	预定义	免费、自定义、可扩展
可读性以及可维护性	难于阅读、维护	结构清晰、便于阅读、维护
结构描述	不支持深层的结构描述	文件结构嵌套可以复杂到任何程度
与数据库的关系	没有直接联系	与关系型和层状数据库均可对应和转换
超链接	单文件、书签链接	可以定义双向链接、多目标链接、扩展链接

xml不是要来取代html的，是对html的补充，用来与html协同工作的语言，基于上面这些优势，xml将来成为所有的数据处理和数据传输的常用工具非常可观。

4. 树状数据结构（Tree Data Structure）

xml TREE Wikipedia：xml TREE