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

Integrating semi-structured data with XML

Fédération 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
these.pdf (4.63 Mo) Télécharger le fichier

Dates et versions

tel-00733510 , version 1 (28-12-2012)

Identifiants

  • HAL Id : tel-00733510 , version 1

Citer

Tuyet-Tram Dang-Ngoc. Fédération de données semi-structurées avec XML. Base de données [cs.DB]. Université de Versailles-Saint Quentin en Yvelines, 2003. Français. ⟨NNT : ⟩. ⟨tel-00733510⟩

Collections

CNRS UVSQ
183 Consultations
95 Téléchargements

Partager

Gmail Facebook X LinkedIn More