Federation de données semi-structurées avec XML - TEL - Thèses en ligne Accéder directement au contenu
Thèse Année : 2003

Integration of semi-structured data with XML

Federation de données semi-structurées avec XML

Résumé

In contrast to the traditional data, semi-structured data are irregular:
data may be missed, different data types may be for the similar concepts,
and if any the structure may not be well-known. One lacks actually
predefined schemas to describe the data of the real world. It makes it
difficult to integrate the data from different sources.

We propose a mediator architecture entirely based on XML. The objective of
the mediator architecture is to federate distributed and heterogeneous
data sources. It relies on XQuery, the functional language that is
designed to query across XML documents. The mediator parses the XQuery
request, dispatch it to sources for evaluation and recompose results with
additional query evaluation.

Query evaluation must be done by making best use of data specificity to
carry out an efficient optimization. We present the algebra
XAlgebra based on the operators designed for XML. This algebra aims to
construct execution plans for the evaluation of XQuery and processes
tuples of tree structure.

These execution plans must be evaluated by a cost model and
one of them with the minimal cost will be selected. In this thesis,
we define a cost model for semi-structured data that is designed for
our algebra.

Since the data sources (DBMS, Web server, search engine, etc.) may be very
heterogeneous, they can have different capabilities of processing data,
and their cost models may also be defined with different precision. So,
in order to integrate such information in the mediation architecture, we
have to know how to communicate the information between the mediator and
the sources and to integrate them. To do this, we use XML-based languages
such as XML-schema and MathML to export the metadata, cost formula and
the definitions of source capabilities. The exported information is
transferred by an application interface called XML/DBC.

Finally, diverse optimizations specific to this mediator architecture
must be considered. For this, we introduce a semantic cache based on
the DBMS prototype that store natively and efficiently XML data.
Contrairement aux données traditionnelles, les données semi-structurées
sont irrégulières : des données peuvent manquer, des concepts
similaires peuvent être représentés par différents types de données,
et les structures même peuvent être mal connues. Cette absence
de schéma prédéfini, permettant de tenir compte de toutes les données
du monde extérieur, présente l'inconvénient de complexifier les
algorithmes d'intégration des données de différentes sources.

Nous proposons une architecture de médiation basée entièrement sur XML.
L'objectif de cette architecture de médiation est de fédérer des sources de
données distribuées de différents types.
Elle s'appuie sur le langage XQuery, un langage fonctionnel
conçu pour formuler des requêtes sur des documents XML. Le médiateur analyse
les requêtes exprimées en XQuery et répartit l'exécution de la requête
sur les différentes sources avant de recomposer les résultats.

L'évaluation des requêtes doit se faire en exploitant au maximum les
spécificités des données et permettre une optimisation efficace.
Nous décrivons l'algèbre XAlgebre à base d'opérateurs conçus
pour XML. Cette algèbre a pour but de construire des plans d'exécution pour
l'évaluation de requêtes XQuery et traiter des tuples d'arbres XML.

Ces plans d'exécution doivent pouvoir être modélisés par un modèle
de coût et celui de coût minimum sera sélectionné pour l'exécution.
Dans cette thèse, nous définissons un modèle de coût pour les données
semi-structurées adapté à notre algèbre.

Les sources de données (SGBD, serveurs Web, moteur de recherche)
peuvent être très hétérogènes, elles peuvent avoir des
capacités de traitement de données très différentes, mais aussi avoir
des modèles de coût plus ou moins définis.
Pour intégrer ces différentes informations dans
l'architecture de médiation, nous devons déterminer comment communiquer
ces informations entre le médiateur et les sources, et comment les intégrer.
Pour cela, nous utilisons des langages basés sur XML comme XML-Schema et MathML
pour exporter les informations de métadonnées, de formules de coûts
et de capacité de sources.
Ces informations exportées sont communiquées par l'intermédiaire d'une interface
applicative nommée XML/DBC.

Enfin, des optimisations diverses spécifiques à l'architecture de médiation
doivent être considérées. Nous introduisons pour cela un cache sémantique
basé sur un prototype de SGBD stockant efficacement des données XML
en natif.
Fichier principal
Vignette du fichier
tel-00005162.pdf (2.92 Mo) Télécharger le fichier

Dates et versions

tel-00005162 , version 1 (28-02-2004)

Identifiants

  • HAL Id : tel-00005162 , version 1

Citer

Tuyet Tram Dang Ngoc. Federation de données semi-structurées avec XML. Interface homme-machine [cs.HC]. Université de Versailles-Saint Quentin en Yvelines, 2003. Français. ⟨NNT : ⟩. ⟨tel-00005162⟩

Collections

CNRS UVSQ
165 Consultations
475 Téléchargements

Partager

Gmail Facebook X LinkedIn More