Práctica sgbd

Problemática Asociada a Almacenamiento y Recuperación de Datos Semiestructurados en Bases de Datos
Práctica de la Asignatura de Sistemas de Gestión de Bases de Datos Escenario Actualizado para el Curso 2010/2011 – Octubre de 2010 – Versión 1.00
Departamento de Lenguajes y Sistemas Informáticos Escuela Técnica Superior de Ingeniería Informática - UNED

1.- IntroducciónEl objetivo de la práctica es explorar las dificultades en almacenar datos semiestructurados en Bases  de Datos Relacionales, así como las formas de solucionarlas etiquetando los datos en XML y almacenándolos  en una base de datos XML nativa. También, por último, se busca el exponer cómo llevar a cabo búsquedas  sobre los datos (necesario para su recuperación) utilizando XQuery.   Quizás la primera cuestión a realizarse es precisamente encontrar respuesta a la siguiente pregunta:  ¿qué son datos semiestructurados?    Se considera como datos estructurados aquellos atributos o variables fuertemente tipados (int, float,  string), donde cada atributo en una relación está definido para todos los registros. Éstos son los datos que  podemos almacenar en una base de datos relacional sin ningún problema. Un ejemplo sería:   Definición Ejemplos Nombre [char(10)]  Pepe  Juan  Cumpleaños [Date] 1985‐07‐12  1965‐03‐23  Sueldo [int]  9000  6500    En  el  lado  opuesto  se  encuentran  los  datos  no  estructurados,  que  son  aquellos  que  no  poseen  definiciones de tipos, ni están organizados de acuerdo a ningún patrón, y para los que no existe el concepto de variables o atributos. Por ejemplo: documentos de texto sin estructura, correo electrónico, páginas web,  etc.    Por  último,  los  datos  semiestructurados  son  los  que  se  encuentran  en  una  consideración  a  caballo  entre  los  datos  estructurados  y  los  no  estructurados.  Por  un  lado,  las  variables  están,  generalmente,  pobremente tipadas (x = 1 es válido y x = “hola” también es válido). Un registro no necesariamente tiene que tener todos sus atributos definidos. Mientras, por ejemplo, en una base de datos relacional un campo debe  establecerse como NULL cuando no tiene valor, en un ambiente de datos semiestructurados basta con omitir  dicho  atributo.  Y  no  existe  necesariamente  una  diferencia  entre  un  identificador  de  un  campo  y  el  valor  mismo de éste. Ejemplos incluyen documentos SGML y XML.   Los problemas ocurren, cuando intentamos almacenar los datos semiestructurados en bases de datos  relacionales. Ello se debe, en muchos casos, a las fuertes restricciones que los sistemas gestores imponen a la  hora  de  trabajar  con  los  datos,  de  modo  que  no  se  permite  que  un  dato  concreto  quede  sin  quedar  perfectamente definido, bien por su tipo, bien por su contenido. Es por ello que el almacenamiento de datos semiestructurados en este tipo de bases de datos puede ser, en algunos casos, problemático.

2.- Los Lenguajes de Etiquetado y XML
Los  lenguajes  de  etiquetado  son  sistemas  complejos  de  descripción  de  información  (normalmente  documentos)  que  si  se  ajustan  a  SGML  (acrónimo  acuñado  para  Standard  Generalized  Markup  Language,  lenguaje  de  etiquetado  generalizado estándar),  se  pueden  controlar  desde  cualquier  editor  ASCII.  Las  etiquetas son los códigos que indican al programa cómo debe tratar su contenido y así, si se desea que un  fragmento textual aparezca en cursiva, cada aplicación introduce al principio y al final de dicho fragmento  una etiqueta que le permita mostrar este estilo de fuente en pantalla e imprimirlo adecuadamente. Lo mismo sucede con las tablas, márgenes, imágenes, fuentes, enlaces, etc.     Las etiquetas más utilizadas suelen ser informativas y aparecen dentro de los signos ʺmenor queʺ (), siendo lo más habitual que exista una al principio y otra al final de cada elemento. Así,  por  ejemplo,  el  etiquetado:  Daniel  indica  que  ʺDanielʺ  no  es  la  descripción  de  un  montículo  de ...