Szenarien der Informationsintegration, Abgrenzung und Potentiale

Informationsintegration
Anwendungsszenarien
Abgrenzung
Extension und Intension
Ulf Leser
Wissensmanagement in der
Bioinformatik
Client-Server
JAVA (JDBC)
JAVA (JDBC)
JAVA (JDBC)
Native (SQL*Plus,
Native (SQL*Plus,
OCI)
Native
(SQL*Plus,
OCI)
OCI)
Andere
Datenbank
Listener
DB1Server
Sekundärspeicher
DB2Server
Sekundärspeicher
Konsistenz
Parallelisierung
Recovery
Lastverteilung
Authentifizierung
Autorisierung
....
Ulf Leser: Informationsintegration, Wintersemester 2006/2007
2
Relationales Datenmodell
• Repräsentation aller Daten in Tabellen
• Tabellenname
• Attribute
• Datentypen
• Vergleich zu UML Datenmodellen?
Spalten/Attribute
Mitarbeiter
P_ID
Zeilen/
Rows/
Tupel
Vorname
Nachname
Alter
Adresse
1
Peter
Müller
32
10101 Berlin
2
Stefanie
Meier
34
11202 Berlin
5
Petra
Weger
28
80223 München
7
Andreas
Zwickel
44
80443 München
...
...
...
Ulf Leser: Informationsintegration, Wintersemester 2006/2007
...
...
3
Uni-Schema
voraussetzen
Nachfolger
Vorgänger
MatrNr
N
Name
Semester
hören
Studenten
N
SWS
M
N
Titel
M
lesen
prüfen
PersNr
Name
M
Vorlesungen
N
Note
1
Assistenten
N
VorlNr
arbeitenFür
Fachgebiet
Ulf Leser: Informationsintegration, Wintersemester 2006/2007
Rang
1
Professoren
1
PersNr
Raum
Name
4
Entwicklung des relationalen Schemas
Professoren
1
lesen
N
Vorlesungen
1:N-Beziehung
• Initial-Entwurf
Vorlesungen : {VorlNr, Titel, SWS} 1
Professoren : {PersNr, Name, Rang, Raum}
lesen: {VorlNr, PersNr}
Ulf Leser: Informationsintegration, Wintersemester 2006/2007
5
Die relationale Algebra
•
•
•
•
•
•
•
•
•
•
•
•
•
•
σ Selektion
π Projektion
x Kreuzprodukt
⋈ Join (Verbund)
ρ Umbenennung
− Mengendifferenz
÷ Division
∪ Vereinigung
∩ Mengendurchschnitt
⋊ linker Semijoin
⋉ rechter Semijoin
⋈ Left outer join
⋈ Right outer join
⋈ Full outer join
Ulf Leser: Informationsintegration, Wintersemester 2006/2007
6
SQL – Grundkonzepte
SELECT
FROM
WHERE
•
•
•
•
•
•
M.nachname, A.arbeitet_in
mitarbeiter M, arbeitet_in A
M.p_id = A.p_id AND
A.anteil > 0.1
SQL: Structured Query Language
ANSI-SQL, SQL-92, SQL-99, SQL-3
Deklarativer Charakter: Was, nicht wie
Vier Grundbefehle: Insert, Update, Delete, Select
DDL versus DML
Andere Sprachen
• Tupel/Domänenkalkül, relationale Algebra, QBE, Datalog
Ulf Leser: Informationsintegration, Wintersemester 2006/2007
7
Select
• Selektieren von Werten aus mehreren Tabellen
SELECT
FROM
WHERE
M.nachname, A.anteil
mitarbeiter M, arbeitet_in A
M.p_id = A.p_id AND
a.anteil > 0.1
SELECT
FROM
WHERE
M.nachname, P.name, A.anteil
mitarbeiter M, projekte P, arbeitet_in A
M.p_id = A.p_id AND
A.proj_id = P.proj_id
SELECT
FROM
WHERE
M.nachname, A.anteil
mitarbeiter M, arbeitet_in A
M.p_id = A.proj_id
?
• Ergebnis ist immer eine Tabelle
• Ausführung ist Sache des RDBMS - Optimierung
Ulf Leser: Informationsintegration, Wintersemester 2006/2007
8
Views
• Definition von „benannten“ Queries
CREATE VIEW proj_pers AS
SELECT
P.proj_id, P.name,
M.P_id, M.name, M.alter,
FROM
mitarbeiter M, arbeitet_in A, projekte P
WHERE
M.p_id=A.p_id AND A.proj_id=P.proj_id
• Können viel Schreibarbeit sparen
SELECT
FROM
GROUP BY
proj_id, COUNT(*), SUM(alter)/COUNT(*)
proj_pers
proj_id
• Verwendung für tupelgenauen Zugriffsschutz
• Views werden i.d.R. syntaktisch expandiert
• Erweiterungen
• Materialisierte Sichten
• Rekursive Views
Ulf Leser: Informationsintegration, Wintersemester 2006/2007
9
Anfrageübersetzung und -optimierung
• Prinzipieller Ablauf
•
•
•
•
Parsen der Anfrage (Syntax)
Überprüfen der Schemaelemente („Semantik“)
Expandieren von Views
Berechnung von Ausführungsplänen
• Exponentiell viele
• Wahl des optimalen Ausführungsplans
• Regelbasierter Optimierer
• Kostenbasierter Optimierer - Statistik
• Ausführung
• (Dynamisches Re-Planen?)
Ulf Leser: Informationsintegration, Wintersemester 2006/2007
10
Integrität
• Semantisch konsistenter Zustand der Daten
• Kann nur im Anwendungskontext definiert werden
• Überwachung nach Möglichkeit durch RDBMS
•
•
•
•
Datenmodell selber (Kardinalitäten)
Referentielle Integrität (Fremdschlüssel)
CHECK Constraints in DDL
Trigger
• Zeitpunkt der Überwachung?
• Nach jeder Operation
• Nach jeder Transaktion
Ulf Leser: Informationsintegration, Wintersemester 2006/2007
11
Überblick
• Zwei Anwendungsszenarien
• Data Warehouse
• Föderierte Datenbanken
• Abgrenzung
• Enterprise Application Integration
• Objektorientierte Middleware
• Potential und Probleme der Integration
• Extension versus Intension
• Redundanz versus Komplementierung
Ulf Leser: Informationsintegration, Wintersemester 2006/2007
12
Data Warehouse
• Ein Unternehmen verkauft viele Bücher über das
Internet
• Datenbank mit Bücherverkaufsinformationen
• Daten werden oft aktualisiert
• Jede Bestellung einzeln
• Katalog Updates täglich
• Management benötigt Entscheidungshilfen
• Decision support
• Komplexe Anfragen
Ulf Leser: Informationsintegration, Wintersemester 2006/2007
13
Bücher im Internet bestellen
Backup
Durchsatz
Loadbalancing
Portfolio
Umsatz
Werbung
Daten
bank
Ulf Leser: Informationsintegration, Wintersemester 2006/2007
14
Die Datenbank dazu
Bookgroup
id
name
Year
id
year
Month
Id
Month
year_id
Order
Order_id
Book_id
amount
single_price
Orders
Day
Id
day
month_id
Id
Day_id
Customer_id
Total_amt
Ulf Leser: Informationsintegration, Wintersemester 2006/2007
Book
id
Book_group_id
Customer
id
name
15
Fragen eines Marketingleiters
Wie viele Bestellungen haben wir jeweils im Monat vor
Weihnachten, aufgeschlüsselt nach Produktgruppen?
Bookgroup
id
name
Year
id
year
Month
Id
Month
year_id
Order
Order_id
book_id
amount
single_price
Orders
Day
Id
day
month_id
Id
Day_id
Customer_id
Total_amt
Ulf Leser: Informationsintegration, Wintersemester 2006/2007
Book
id
Book_group_id
Customer
id
name
16
SELECT Y.year, PG.name, count(B.id)
FROM
year Y, month M, day D, order O,
orders OS, book B, bookgroup BG
WHERE M.year = Y.id and
M.id = D.month and
O.day_id = D.id and
OS.order_id = O.id and
B.id = O.book_id and
B.book_group_id = BG.id and
day < 24 and month = 12
GROUP BY Y.year, PG.product_name
ORDER BY Y.year
Technisch
Bookgroup
Year
id
year
Month
Id
Month
year_id
Day
Id
day
month_id
id
name
Order
Order_id
Book_id
amount
single_price
Orders
Id
Day_id
Customer_id
Total_amt
Ulf Leser: Informationsintegration, Wintersemester 2006/2007
Book
id
Book_group_id
Customer
id
name
17
In Wahrheit ...
DE
FR
IT
AT
Ulf Leser: Informationsintegration, Wintersemester 2006/2007
UK
18
Einfach: Eine VIEW
CREATE VIEW christmas AS
SELECT
FROM
WHERE
...
GROUP BY
ORDER BY
Y.year, PG.name, count(B.id)
DE.year Y, DE.month M, DE.day D, DE.order O, ...
M.year = Y.id and
Y.year, PG.product_name
Y.year
UNION
SELECT
FROM
WHERE
...
Y.year, PG.name, count(B.id)
EN.year Y, EN.month M, EN.day D, DE.order O, ...
M.year = Y.id and
SELECT
FROM
GROUP BY
ORDER BY
year, name, count(B.id)
christmas
year, name
year
Ulf Leser: Informationsintegration, Wintersemester 2006/2007
19
Probleme
• Count über Union über verteilte Datenbanken?
• Integrationsproblem
• Quellen entwickeln Eigenleben
• Schema divergieren, Bezeichner werden geändert
• Verschiedene Sprachen, Währungen, gesetzliche Bestimmungen
• Performanzproblem
• Potentiell sehr große Zwischenergebnisse
• Müssen alle übers Netz geschickt werden
• Ressourcenproblem
• Zentrale Anfragen kommen zu lokal unpassenden Zeiten
• Zeitunterschied
• Erfordern viele Systemressourcen
• Kerngeschäft (Transaktionen) werden behindert
Ulf Leser: Informationsintegration, Wintersemester 2006/2007
20
Lösung 1: Zentralisieren
• Zentrale Datenbank
-
Divergenz in Daten kann verhindert werden
Kein Netzwerkverkehr für strategische Anfragen
Ressourcenhungrige Anfragen können geplant werden
• Neue Probleme
– Zweigstellen schreiben übers Netz
– Schlechter Durchsatz
– Lange Antwortzeiten im Kerngeschäft
Ulf Leser: Informationsintegration, Wintersemester 2006/2007
21
Lösung 2: Aufbau eines Data Warehouse
• Doppelte Datenhaltung
-
Ausgewählte Daten liegen redundant vor
Asynchrone (geplante) Aktualisierung
Bereinigung von Divergenzen beim Import
• Operative und strategische Anfragen behindert sich nicht
Ulf Leser: Informationsintegration, Wintersemester 2006/2007
22
Todo
• Aktualisierungsprozess
• Regelmäßige Exporte aktueller Daten aus den Quellen
• Transformation, Umrechnung, Reformatierung, … der Daten
• Laden in das Data Warehouse
• Sicherstellung
• Aktualität der Warehousedaten
• Konsistenz
• Gelöschte oder geänderte Datensätze; stornierte Bestellungen
• Qualität
• Einheitliche Währungen, Bezeichner, Datumsformate, …
• Vollständigkeit
• Informationsintegration
Ulf Leser: Informationsintegration, Wintersemester 2006/2007
23
Überblick
• Zwei Anwendungsszenarien
• Data Warehouse
• Föderierte Datenbanken
• Abgrenzung
• Enterprise Application Integration
• Objektorientierte Middleware
• Potential und Probleme der Integration
• Extension versus Intension
• Redundanz versus Komplementierung
Ulf Leser: Informationsintegration, Wintersemester 2006/2007
24
Frage eines Biologen
Finde alle menschlichen Sequenzen, die zu
mindestens 60% identisch sind mit „channel“
Proteinen, die im Gewebe des zentralen
Nervensystems der Maus exprimiert werden
Quelle für das komplette Beispiel: A Practitioner’s Guide to Data Management and
Data Integration in Bioinformatics, Barbara A. Eckman in
Bioinformatics by Zoe Lacroix and Terence Critchlow, 2003, Morgan Kaufmann.
Ulf Leser: Informationsintegration, Wintersemester 2006/2007
25
Verschiedene Informationsquellen
• Beteiligte Informationsquellen
•
•
•
•
Mouse Genome Database (MGD) @ Jackson Labs
SwissProt @ EBI
BLAST tool @ NCBI
GenBank nucleotide sequence database @ NCBI
• Alle Quellen sind frei verfügbar
Ulf Leser: Informationsintegration, Wintersemester 2006/2007
26
Zusammenhang
Finde alle menschlichen Sequenzen, die zu mindestens 60%
identisch sind mit „channel“ Proteinen, die im Gewebe des zentralen
Nervensystems der Maus exprimiert werden
• MGD speichert Aktivität und Sequenz von Mausgenen
• Was sind „channel“ Proteine? Wo werden die exprimiert?
• Swiss-Prot speichert die Proteinsequenz eines Gens
• Proteinsequenz zu exprimierten Genen
• BLAST findet ähnliche Proteinsequenzen
• Suche nach ähnlichen Sequenzen
• Genbank enthält DNA-Sequenz von Proteinen
• Spezies zu einem Protein? DNA-Sequenz zum Protein
• Keine existierende Datenbank enthält alles gemeinsam
Ulf Leser: Informationsintegration, Wintersemester 2006/2007
27
Herkömmlicher Ansatz: Browsing
1. Suche im zentralen
Nervensystem
aktive „channel“
Gene und deren
Sequenzen in der
MGD mittels HTML
Formular
Ulf Leser: Informationsintegration, Wintersemester 2006/2007
28
Herkömmlicher Ansatz: Browsing
• MGD Resultat
• 14 Gene aus 17
Experimenten
Ulf Leser: Informationsintegration, Wintersemester 2006/2007
29
Herkömmlicher Ansatz: Browsing
• In MGD Details zu jedem
der 14 Gene ansehen
• Durchschnittlich fünf
SwissProt Links pro Gen
Ulf Leser: Informationsintegration, Wintersemester 2006/2007
30
Herkömmlicher Ansatz: Browsing
• Betrachtung jedes
SwissProt Eintrags
• Durch Klick BLAST
anwerfen
Ulf Leser: Informationsintegration, Wintersemester 2006/2007
31
Herkömmlicher Ansatz: Browsing
• Betrachtung jedes
BLAST Resultats
• nicht-menschliche Treffer
eliminieren,
• 60% Identität sicherstellen
Ulf Leser: Informationsintegration, Wintersemester 2006/2007
32
Herkömmlicher Ansatz: Browsing
• Für jede verbleibende
Sequenz
• Komplette Gensequenz
bei GenBank holen
• Wir haben oft geklickt
•
•
•
•
•
1+
14 +
14*5 +
14*5 +
14*5*X
(Suche)
(Gendetails)
(SwissProt)
(Blast)
(Genbank)
Ulf Leser: Informationsintegration, Wintersemester 2006/2007
33
Idee föderierter Informationssysteme
• Bildung eines globalen Schemas
• Beinhaltet die „Semantik“ aller integrierten Datenquellen
• Wird nur als Schema gespeichert
• Daten bleiben in den Quellen
• Generierung von Wrappern für jede Datenquelle
• Mapping von Anfragen gegen das globales Schema in Anfragen an
die Quellen
• Beachtung der Anfragefähigkeiten der Quellen
• Anfragebearbeitung
• Anfrage an das globale Schema in Anfragen an Wrapper zerlegen
• Wrapper ansprechen
• Ergebnisse integrieren und präsentieren
Ulf Leser: Informationsintegration, Wintersemester 2006/2007
34
Föderierter DBMS Ansatz
Finde alle menschlichen Sequenzen, die zu mindestens 60%
identisch sind mit „channel“ Proteinen, die im Gewebe des zentralen
Nervensystems der Maus exprimiert werden
• „Einfache“ SQL-Anfrage:
SELECT
FROM
WHERE
AND
AND
AND
AND
g.accnum, g.sequence
genbank g, blast b, swissprot s, mgd m
m.exp = “CNS”
m.defn LIKE “%channel%”
m.spid = s.id AND s.seq = b.query
b.hit = g.accnum
b.percentid > 60 AND b.alignlen > 50
Ulf Leser: Informationsintegration, Wintersemester 2006/2007
35
DiscoveryLink Architektur
Ulf Leser: Informationsintegration, Wintersemester 2006/2007
36
Eigenschaften föderierter IS
• Daten bleiben in den Quellen
• Keine redundante Datenhaltung wie bei DWH
• Informationsquellen sind autonom
• Und wissen oft nicht von ihrer Integration
• Anfragen werden deklarativ an das globale
Schema gestellt
• Aufteilung auf Quellen ist für den Benutzer transparent
• Anfrage wird verteilt ausgeführt
• Ausgleich mangelnder Fähigkeiten der Quellen notwendig
• Anfrageoptimierung
Ulf Leser: Informationsintegration, Wintersemester 2006/2007
37
Weitere Anwendungsgebiete
• Immer, wenn
• Datenquellen zu groß (Web)
• Datenquellen nicht „downloadbar“ (Sicherheit, Copyright, Ruhm, …)
• Inhalt der Datenquellen sich rasend schnell ändert (Ticker, …)
• Beispiele
• Meta-Suchmaschinen
• Onlineanfragen
• Kriminellensuche, Status der Ausweisbestellung, Kontenaufklärung, Maut-Kosten, …
• Grid
• Verteiltes Arbeiten („groupware“)
• Peer Data Management und P2P
Ulf Leser: Informationsintegration, Wintersemester 2006/2007
38
Vergleich
• DWH – Materialisierung
•
•
•
•
•
Schnelle Anfragen
Hoher Speicherbedarf
Möglichkeit zur „informierten“ lokalen Änderung
Gefahr veralteter Daten
Gefahr der Divergenz zwischen Quelle und DWH
• Föderation – Virtuelle Anfragen
•
•
•
•
•
Langsamere und nur bestimmte Anfragen
Kaum Speicherbedarf auf der Integrationsebene
Nur on-the-fly Korrekturen
Stets aktuellste Daten
Keine Divergenz
Ulf Leser: Informationsintegration, Wintersemester 2006/2007
39
Integration im Web
• Seit es das Web gibt …
•
•
•
•
•
•
•
•
•
Viel mehr potentielle Informationsquellen
Zugriff über Formulare statt Anfragen
Quellen kommen und gehen ständig
Integration oft ohne Wissen der Quelle
Download kompletter Quelle oft nicht möglich
Teilweise sehr volatile Quellen (Newsfeeds, Blogs)
Ergebnisse sind HTML, nicht CSV
Zugriff eventuell verboten, aber möglich
…
Ulf Leser: Informationsintegration, Wintersemester 2006/2007
40
Überblick
• Zwei Anwendungsszenarien
• Data Warehouse
• Föderierte Datenbanken
• Abgrenzung
• Enterprise Application Integration
• Objektorientierte Middleware
• Potential und Probleme der Integration
• Extension versus Intension
• Redundanz versus Komplementierung
Ulf Leser: Informationsintegration, Wintersemester 2006/2007
41
Enterprise Application Integration
• „Integration ist ein Produkt, kein Projekt“
• Viele kommerzielle Produkte und Anbieter
• Grundprinzip
• Geschäftsvorfälle erzeugen Nachrichten
• Diese werden an einen Message Broker gesendet
• Der erkennt den Inhalt und
SCM
wählt interessierte Quellen aus
• Transformation der
ERP
Nachrichten
Message
Broker
• Transaktionale
Sicherheit („exactly once“)
E-Commerce
Ulf Leser: Informationsintegration, Wintersemester 2006/2007
CRM
E-Procurement
42
Verteilungsprinzip
• Publish-Subscribe
• Sender ordnen Nachrichten einem Thema (Kanal) zu
• Empfänger abbonieren Themen
• Oder: Content-based Routing
• Thema wird automatisch erkannt
Publisher
Subscriber
Kanal
Publisher
Subscriber
Kanal
Publisher
Subscriber
Kanal
Publisher
Ulf Leser: Informationsintegration, Wintersemester 2006/2007
Subscriber
43
Unterschiede
• Enterprise Application Integration
•
•
•
•
•
Nachrichtenbasiert
Informationsverteilung
Keine Anfragen
Aktion beim Eintreten eines Ereignisses
„Business Process Integration“
• Informationsintegration
• Anfragebasiert
• Annahme eines (praktisch) statischen Datenbestands
• Aktion
• Erst bei Anfrage (virtuelle Integration)
• In regelmäßigen Zyklen (materialisierte Integration)
• „Informationsintegration“, Datenbankintegration
Ulf Leser: Informationsintegration, Wintersemester 2006/2007
44
OO Middleware
• „Verteilung von Objekte wird vollkommen
transparent“
• Viele Ansätze: DCOM, CORBA, OpenView, EJB, …
• Weiterentwicklung von Remote Procedure Calls
• Grundidee
• Objekte haben weltweit eindeutige ID und Interfaces
• Clients programmieren gegen das Interface
• Broker finden aufgerufene Objekt zur Laufzeit anhand ID
• Marshalling, RPC, unmarshalling
• Ziel: Plattformunabhängigkeit
• Sprache, Betriebssystem, Kodierung, Protokoll
Ulf Leser: Informationsintegration, Wintersemester 2006/2007
45
Beispiel: CORBA
Ulf Leser: Informationsintegration, Wintersemester 2006/2007
46
Unterschiede
• Middleware
•
•
•
•
•
Werkzeug für die Programmerstellung
Basiert auf Funktionsaufrufen
Versendung programmiersprachlicher Objekte
Transiente Objekte
Fokus auf Methodenaufrufen
• Informationsintegration
• Ist eine Aufgabe (Projekt), kein Werkzeug
• Basiert auf Anfragen
• Arbeiten mit strukturierter Daten
• Nach Datenmodellen, nicht nach Klassenhierarchien
• Persistente Objekte
• Fokus auf Objektmanipulation und -suche
Ulf Leser: Informationsintegration, Wintersemester 2006/2007
47
Synergie
• Middleware ist eine wunderbare Plattform zur
Entwicklung von integrierten Systemen
• Lösung der Verteilungsproblematik
• Auflösung von low-level Formatunterschieden (ASCII versus
UniCode, Littel Endian versus Big Endian, Datumsformate, …)
• Auflösung von Unterschieden im Betriebssystem,
Programmiersprache, …
• Middleware leistet nicht
• Umgang mit strukturierten Daten / Schemata
• Übersetzung von Anfragen
• Semantische Integration
• EAI wird i.d.R. auf Middleware implementiert
Ulf Leser: Informationsintegration, Wintersemester 2006/2007
48
Überblick
• Zwei Anwendungsszenarien
• Data Warehouse
• Föderierte Datenbanken
• Abgrenzung
• Enterprise Application Integration
• Objektorientierte Middleware
• Potential und Probleme der Integration
• Extension versus Intension
• Redundanz versus Komplementierung
Ulf Leser: Informationsintegration, Wintersemester 2006/2007
49
Intension & Extension
• „Definition“: Intension
• Die Intension eines Informationssystems ist die Menge der
Schemainformationen und deren Semantik
• Sprich: Schemata, Metadaten, Modelle, Klassen
• Definition: Extension
• Die Extension eines Informationssystems ist die Menge aller in ihm
gespeicherten Daten
• Sprich: Instanzen, Tupel, Daten, Objekte, Entitäten
• Die Intension gibt der Extension Struktur
• „Verstanden“ wird in der Regel nur die Intension
• Intension ist klein, Extension ist groß
• Extension kann zum Verständnis der Intension benutzt werden
Ulf Leser: Informationsintegration, Wintersemester 2006/2007
50
Intension und Extension einer Tabelle
• Intension
• Struktur einer Menge
von Entitäten
• Semantik der
Struktureinheiten
• Extension
• „Zustand“ der Tabelle
• Menge von Entitäten
Buch ISBN
Titel
Autor
3442727316
Moby Dick
Herman
Melville
3491960827
Robinson
Crusoe
Daniel Defoe
3462032283
Zwölf
Nick McDonell
3883891606
Timbuktu
Paul Auster
…
…
…
Ulf Leser: Informationsintegration, Wintersemester 2006/2007
51
Redundanz und Komplementierung
• Redundanz
• Segen: Ohne minimale Redundanz ist Integration sinnlos
• Was gehört zu was?
• Fluch: Hohe Redundanz bringt meist Probleme
• Widersprüche, Doppelungen, …
• Auch gut zur Überprüfung von Fakten
• Komplementierung
• Hier liegt der eigentliche „Sinn“ der Informationsintegration
• Informationen mehrerer Quellen werden zu einem größeren
Ganzen integriert
• Setzt Redundanz (gleiche Objekte) voraus
Ulf Leser: Informationsintegration, Wintersemester 2006/2007
52
Intensionale Redundanz
ISBN
ISBN
Titel
Autor
3442727316
3442727316
Moby Dick
Herman
Melville
3491960827
3491960827
Robinson
Crusoe
Daniel Defoe
3462032283
3462032283
Zwölf
Nick McDonell
3883891606
3883891606
Timbuktu
Paul Auster
Intensionale Redundanz liegt vor, wenn das Entfernen
von Teilen der Intension den semantischen Gehalt des
Ganzen nicht verändert (siehe Normalformen)
Ulf Leser: Informationsintegration, Wintersemester 2006/2007
53
Intensionale Redundanz
ISBN
ID
Titel
Autor
3442727316
3442727316
Moby Dick
Herman
Melville
3491960827
3491960827
Robinson
Crusoe
Daniel Defoe
3462032283
3462032283
Zwölf
Nick McDonell
3883891606
3883891606
Timbuktu
Paul Auster
Die Bedeutung der Dinge zählt, nicht ihr Name
Ulf Leser: Informationsintegration, Wintersemester 2006/2007
54
Intensionale Redundanz
Quelle 1
Quelle 2
ISBN
Autor
ISBN
Autor
3442727316
Herman
Melville
3491960827
Daniel Defoe
3491960827
Daniel Defoe
3442727316
H Melville
3462032283
Nick McDonell
3462032283
Nick
MacDonell
3883891606
Paul Auster
3883891606
Paul Auster
Typischer Fall bei der Integration:
Intensionale Redundanz über mehrere Quellen
Ulf Leser: Informationsintegration, Wintersemester 2006/2007
55
Vorteil: Verifikation
Quelle 2
Quelle 1
ISBN
Autor
ISBN
Autor
3442727316
Herman
Melville
3491960827
Daniel Defoe
3491960827
Daniel Defoe
3442727316
H Melville
3462032283
Nick McDonell
3462032283
Nick
MacDonell
3883891606
Paul Auster
3883891606
Paul Auster
Ulf Leser: Informationsintegration, Wintersemester 2006/2007
56
Extension versus Intension
Quelle 1
Quelle 2
ISBN
Autor
Autor
Titel
3442727316
Herman
Melville
MacDonell
Zwölf
3491960827
Daniel
Defoe
Auster
Leviathan
H Melville
Moby Dick
3462032283
3883891606
Nick
McDonell
Paul Auster
?
?
?
• Komplementierung hängt von der Extension ab
• Intensionale Redundanz notwendig, aber nicht hinreichend
• Erfordert Zuordnung gleicher Objekte
Ulf Leser: Informationsintegration, Wintersemester 2006/2007
57
Extensionale Redundanz
Quelle 1
Quelle 2
ISBN
Autor
ID
Author
3442727316
Herman
Melville
3442727316
Herman
Melville
3491960827
Daniel Defoe
3491960827
Daniel Defoe
Extensionale Redundanz liegt vor, wenn die Menge der von
zwei Quellen gemeinsam repräsentierten Objekte nicht leer
ist
• Voraussetzung dafür ist intensionale Redundanz
• Gleiche Objekte müssen aus der gleichen Klasse sein
• Voraussetzung ist das Erkennen gleicher Objekte
Ulf Leser: Informationsintegration, Wintersemester 2006/2007
58
Probleme
Quelle 1
Quelle 2
ISBN
Autor
ID
Author
3442727316
Herman
Melville
3491960827
Daniel
Düsentrieb
3491960827
Daniel Defoe
3883891606
Paul Auster
Extensionale
Redundanz
Ulf Leser: Informationsintegration, Wintersemester 2006/2007
DatenKonflikt
59
Extensionale Komplementierung
Quelle 1
ISBN
Autor
3442727316
Herman
Melville
3491960827
Daniel Defoe
Quelle 2
ISBN
Autor
3462032283
Nick
MacDonell
3883891606
Paul Auster
Extensionale Komplementierung ist möglich, wenn die
Differenz der Mengen der repräsentierten Objekte zweier
Quellen nicht leer ist
Ulf Leser: Informationsintegration, Wintersemester 2006/2007
60
Alles auf einmal
Quelle 1
Quelle 2
Intensionale Redundanz
A
a1
a2
B
b1
b2
C
c1
-
D
d1
d2
Extensionale Redundanz
A
a2
a3
B
d2
d3
C
c2
e3
F
f3
Intensionale
Komplementierung
Quelle 1 & 2 A
a1
a2
a3
B
C
b1
c1
f(b2,d2) c2
d3
e3
Ulf Leser: Informationsintegration, Wintersemester 2006/2007
D
d1
d2
-
Extensionale
Komplementierung
F
f3
61
Zusammenfassung
• Intensionale Redundanz ermöglicht extensionale
Komplementierung
• Zwei Quellen mit teilweise „gleichem“ Schema können
zu einer überdeckenderen Datenbasis integriert werden
• Coverage
• Extensionale Redundanz ermöglicht intensionale
Komplementierung
• Zwei Quellen, die über gleiche Objekte sprechen,
können zu einer dichteren Datenbasis integriert werden
• Density
• Insgesamt ist das Ziel der Integration eine
vollständigere Datenbasis (completeness)
Ulf Leser: Informationsintegration, Wintersemester 2006/2007
62