Interop - Computação UFCG

Propaganda
Interoperabilidade
Ulrich Schiel
[email protected]
(C) COPIN - Coordenação de Pós-Graduação em Informática
UNIVERSIDADE FEDERAL DE CAMPINA GRANDE
Roteiro
• Bibliografia
• Histórico
• Arquiteturas de distribuição
• Data Warehouses
• Heterogenidade
• Conceitos de distribuição
• Transparência
• Extração e integração
• Processamento de consultas
• Controle de Concorrência
• Data Warehouse-criação e atualização
• Seminários
• Projeto
BIBLIOGRAFIA
O. Bukhres& A. Elmagarmid (eds.) Object Oriented Multidatabase Systems,
Prentice-Hall, (1996)
(capítulos 1-9)
SISTEMAS: Pegasus (HP), VODAK/KODIM (GMD-IPSI),
OIS/CIS(ESPRIT-Bertino),, EIS/XAIT (Xerox),
DOMS (GTE-Labs:Buchman, Ozsu, Brodie),
Carnot (MCC-Woelk), Thor (MIT-Liskov),
FBASE (Purdue-Mullen), InterBase* (Purdue-Bukhres),
A La Carte (U.o.Colorado, HKBMS (Florida-Su)
IRO-DB (ESPRIT-Versailles, GMD,)(Caps.10-20)
M.T. Özsu, & P. Valduriez
Princípios de Bancos de Dados Distribuidos – 2ª Edição, Campus (2001)
(Capítulo 4-Arquiteturas DDBMS;
Cap. 15 – Interoperabilidade)
M.T. Özsu, U. Dayal & P. Valduriez (eds.) Distributed Object Management,
Morgan Kaufmann (1994)
(Part 6. Interoperability - PP. 304-398
BIBLIOGRAFIA
W. Kim (ed.) Modern Database Systems, Addison Wesley (1995)
Part II - Interoperating Legacy Systems - Cap. 25-29
SISTEMAS - UniSQL/M, EDA/SQL, Pegasus, ADDS(Cap. 30-33)
M. Jarke, M. Lenzerini, Y. Vassiliou & P. Vassiliadis Fundamentals of
Data Warehouses, Springer Verlag, 2000
(itens 1.1, 1.2, 1.3, 2.1 e capítulos 3 e 4.1,4.2, 4.3)
Os autores coordenam um projeto ESPRIT, denominado DWQ
SISTEMAS:Carnot, SIMS, Inf. Manifold, TSIMMIS, Sqirrel, WHIPS)
H. Garcia-Molina, J. Ullman & J. Widom Database System Implementation,
Prentice-Hall, 2000
(capítulo 11 - Information Integration, §11.1 e 11.2)
V. Poe, P. Klauer & S. Probst Building a Data Warehouse for Decision
Support -2nd ed. Prentice-Hall, 1998
(Cap. 8 - Data Integration)
BIBLIOGRAFIA - cont.
[Cea98] D. Calvanese et.al. Information Integration: conceptual modeling and reasoning support,
Proc. 6th Intl. Conf. on Cooperative Information Systems -CoopIS, 1998, pp. 280-291
[BLN86] C. Batini, M. Lenzerini, S. Navathe A comparative analysis of methodologies for database
schema integration, ACM Comp. Surveys 18(4), 1986 pp. 323-364
[Gea97] H. Garcia-Molina et.al. The TSIMMIS approach to mediation: data models and languages,
J. Intell. Information Systems 8:2, 1997, pp.117-132
[HZ96] R. Hull & G. Zhou A framework for supporting data integration using the materialized and
virtual approaches, Proc. of ACM SIGMOD Conference, 1996, pp.481-492
[O 97] R.J. Orli Data extraction, transformation, and migration tools, Kismet Corp,
http://www.kismeta.com/ex2.com
[PGW95] Y. Papakonstantinou, H. Garcia-Molina & J. Widom Object exchanges across heterogeneous
information sources, Proc. Intl. Conf on Data Engineering 1995 pp. 251-260
[SL90] A.P. Sheth & J.A. Larson Federated Databases for managing distributed, heterogeneous,
and autonomous databases ACM Computing Surveys 22:3, 1990, pp.183-236
[Tra04] R. Traunmüller (ed.) Third Intl. Conf EGOV 2004, LNCS 3183, Zaragoza 2004
Seminários / Projetos
Temas para seminários:
•
•
•
Projetos – especificação da integração de
fontes heterogêneas em:
• F-Logic / FLORA
• Description Logic
•Z
HISTÓRICO
1. Dados independentes
• problemas de redundância
• problemas de inconsistência
• novas tecnologias (mainframes,..)
2. Dados Integrados
HISTÓRICO
2. Dados Integrados
• questões gerenciais
• questões políticas
• novas tecnologias
(micros, comunicação, internet)
3. Dados distribuídos
HISTÓRICO
3. Dados distribuídos
• heterogeneidade
• necessidades gerenciais e
estratégicas
(históricos, agregados,.)
• assincronismo operacional X gerencial
4. Dados operacionais distribuídos e
gerenciais centralizados
SISTEMAS DISTRIBUIDOS
Usuário global
Usuário local
BANCOS DE DADOS DISTRIBUÍDOS
• Banco de Dados Distribuído homogêneo
PROJETO TOP-DOWN
• Banco de Dados Distribuído heterogêneo
= Banco de Dados Federado
= Multibanco de Dados PROJETO BOTTOM-UP
• Data Warehouse
MULTIBANCOS DE DADOS
Integrado (não-federado)
(sem autonomia local)
Fracamente
acoplado
MDBS
(sem esq. Global)
Federação
simples
federado
Fortemente
acoplado
(com esq. Global)
Federação
múltipla
ACESSO AOS DADOS
• Com esquema global
• Sem esquema global
• Com dados globais
• Sem dados globais
ARQUITETURAS DE DISTRIBUIÇÃO
• Aspectos:
• Autonomia:
– 0 = integração total
– 1 = autonomia parcial
– 2 = isolamento total
• Distribuição:
– 0 = centralizado
– 1 = sistemas cliente/servidor
– 2 = sistemas peer-to-peer
• Heterogeneidade:
– 0 = homogêneo
– 1 = heterogêneo
ARQUITETURAS DE DISTRIBUIÇÃO
• Combinações:
•
•
•
•
•
•
•
•
•
•
(A0,D0,H0): sistemas compostos
(A0,D0,H1): sistemas heterogêneos
(A0,D1,H0): sistema Cliente/servidor
(A0,D2,H0): sistemas distribuídos peer-to-peer
(A1,D0,H0): federação centralizada de SGBDs específicos
(A1,D0,H1): SGBD federado heterogêneo
(A1,D1,H1): SGBD federado distribuído heterogêneo
(A2,D0,H0): Multidatabase homogêneo
(A2,D0,H1): Multidabase federado heterogêneo
(A2,D1,H1)&(A2,D2,H1): Multidabase Distribuído
ARQUITETURAS DE DISTRIBUIÇÃO
• Resumindo temos:
• (Ax,D1,Hy): sistemas cliente-servidor
• (A0,D2,Hy): Bancos de Dados Distribuídos
• (A2,Dx,Hy): Multidatabase Systems
ARQUITETURAS DE DISTRIBUIÇÃO
• Formas de acesso a fontes heterogêneas:
• Migrar todos os dados para o local da consulta
(ex. IMS-EXTRACT P/ SQL/DS, DB2,
Data Warehousing)
• Gateways dois-a-dois
(ex. INGRES-DB2; ORACLE-IMS)
• Federação de SGBDs (MDBS)
baseado em um esquema global
ARQUITETURAS DE DISTRIBUIÇÃO
Características de um MDBS:
• BD global completo (atualização esquema e dados, consultas ad-hoc,
integridade, autorização, etc.
• necessidades de conversões e
migração de uma fonte para a outra
• autonomia local
• acesso local independente
• transparência da heterogeneidade
• transações distribuidas
• acesso global único
• sem efeitos colaterais locais
• performance comparável
aos BDDs homogêneos
ARQUITETURAS DE DISTRIBUIÇÃO
MULTIDATABASE
SGBD global
consultas Controle de
globais concorr. Glob.
Esquema global
Esquema global
dos dados locais
conversão
SGBD local
esquema Dados
local
locais.
Esquema global
dos dados locais
conversão
SGBD local
esquema Dados
local
locais.
PROCESSAMENTO
DE CONSULTAS
GLOBAIS
Interface global.
Definir consulta global
Decompor consulta global
Distribuir sub-consultas global
Traduzir sub-consulta
para modelo local
SGBD local
Traduzir sub-consulta
para modelo local
SGBD local
Data Warehouse no contexto MDBS
Data
Warehouse
Consultas
programadas
Object
Data Store
ODS
MDBS
Agregação
Data Warehouse:
arquit. tradicional
GIS
OLAP
DSS
clientes
Data mart
Data mart
Data
Warehouse
Meta-BD
Mediator
wrappers
fontes
Texto
BD
Dados externos
Data Warehouse: 3 perspectivas
CONCEITUAL
LÓGICA
OLAP
Modelo
do cliente
FÍSICA
Dados
cliente
Esquema
do cliente
agregação
Modelo
da empresa
Esquema
do DW
Dados
DW
conversão
OLTP
Modelo
operacional
conversão
wrapper
Esquema
fonte
Dados
fonte
HETEROGENEIDADE
•
•
•
•
•
hardware
sistema operacional
modelo de dados
SGBD
formato dos dados
Conceitos
• Distribuição de bases de dados entre ambientes
distintos;
•Geografia;
•Interligação de ambientes através de protocolos
de rede
matriz PB
TCP/IP
filial Recife
BD Campina - PB
Conceitos
•Em cada um dos nós o software do SGBDD
consiste minimamente do que se segue:
– Um sistema operacional local.
– O gerenciador de comunicação, que permite a troca
mútua de informação entre programas remotos.
– Um Sistema de Gerência de Banco de Dados
(SGBD) para atender aos usuários locais.
Conceitos
• O MDBS possui um ou vários catálogos globais
– Atender usuários globais
– Determinar quais nós precisam ser acessados para
atender uma consulta particular
– Integrar os resultados da consulta
– Realizar otimização de consultas globais
– garantir controle de concorrência global
Conceito
• Sistema Multidatabase deve prover também:
– Gerência de transações globais
• Atomicidade, confiabilidade, isolamento e durabilidade das
transações.
– Funções Administrativas
• Autorização, autenticação, definição de restrições de
integridade e gerência do dicionário de dados.
– Heterogeneidade
• Diferenças de Hardware, Sistema Operacional, canais de
comunicação, sistema de gerência de dados e modelos de
dados.
Vantagens de Distribuição de Dados
• Associar autonomia local com usuários globais.
• Confiabilidade e Disponibilidade
– Se um nó falhar em um sistema distribuído, os nós
remanescentes podem ser capazes de continuar
operando.
– Replicação: aumenta a disponibilidade.
Vantagens de Distribuição de Dados
• Aceleração no Processamento de Consultas
– Se uma consulta envolve dados em diversos nós, é
possível dividi-la em subconsultas que podem ser
executadas em paralelo.
Desvantagens de Distribuição de
Dados
• Custo de desenvolvimento de software
– É mais difícil e mais caro.
• Maior Potencial para erro
– O potencial existe para erros extremamente sutis;
• Aumento de overhead de processamento
– A troca de mensagens e a computação adicional exigida para
se conseguir coordenação interlocal.
Reprodução de Dados
• O sistema mantém diversas réplicas idênticas
(cópias) de uma relação em nós diferentes
• Aumenta o desempenho de operações read e a
disponibilidade de dados
• Transações de atualização ficam sujeitas a baixos
desempenhos
• Controle de concorrência mais difícil
Fragmentação de Dados
• Uma
relação r é dividida
armazenados em nós distintos
em
fragmentos
• Tipos de fragmentação:
– Fragmentação Horizontal: divide a relação designando cada
tupla de r para um ou mais fragmentos. Recuperação por união.
– Fragmentação Vertical: divide a relação decompondo o
esquema R da relação r. Recuperação por junção.
– Fragmentação
Mista:
aplicação
das
duas
fragmentações
anteriores
• Reconstrução:
operação
união
ou
junção
Sistemas Orientados a Objetos
•
•
Cada fragmento é uma subclasse
Tipos de fragmentação:
–
Fragmentação Horizontal: pode ser
•
•
•
–
–
–
primária (= relacional) ou cada sublcasse em um site ou
Secundária: baseada em um atributo complexo
relacionamento
Secundária: baseada em métodos complexos.
Fragmentação
Vertical:
discutível,
pois
quebra
encapsulamento. Gera subclasses unidas por agregação
ou
o
Fragmentação Mista: aplicação das duas fragmentações
anteriores
Acesso a partes de objetos complexos
Sistemas Orientados a Objetos
•
Replicação:
•
Alocação de objetos:
•
•
•
–
–
–
–
objetos, atributos, métodos
Comportamento local-objeto local
Comportamento local-objeto remoto
Comportamento remoto-objeto local
Comportamento remoto-objeto remoto
Gerenciamento dos OIDs
Ponteiros e caminhos
Migração de objetos (manter
pode estar
1. pronto (pode migrar),
2. ativo ou
3. esperando
placeholders): Objeto
TRANSPARÊNCIA
Separa semântica de alto nível da
Implementação de baixo nível
• dados (EE x EC)
Tipos [Özsu&Valduriez]:
• distribuição
• replicação
• fragmentação
Transparência e Autonomia
• No esquema global local
– Dois nós não devem usar o mesmo nome para itens de dados
distintos
– Dicionário de dados central
– Cada nó pode prefixar seu próprio identificador para qualquer
nome que ele gerar
Transparência e Autonomia
•Transparência de Localização
– Criar um conjunto de nomes alternativos ou aliases para cada
local
•Atualização
– Assegurar que todas as réplicas de um item de dado e todos os
fragmentos afetados sejam atualizados
– Relacionado ao problema de atualização de visões.
Topologia de rede
•Formas de conexão:
– rede totalmente conectada, parcialmente conectada,
rede com estruturada em árvore, estrela e anel
•Considerações:
– custos de instalação e comunicação.
– Confiabilidade: a freqüência com que uma ligação ou nó
falha.
–Disponibilidade: O grau em que os dados podem ser
acessados apesar da falha de alguns elos ou nós.
Integração
FORMAS:
1. Integração de
esquemas
esquemas
fonte
Esquema
global
2. Integração
virtual dos dados
dados
fonte
Especificação de
acessos globais
2. Integração
materializada
dados
fonte
Visões
materializadas
Integração
1. Integração de esquemas
ETAPAS:
• pré-integração
análise dos esquemas fonte  estratégia de integração
técnicas: Description Logic ou BC de terminologia
• comparação de esquemas
solução de conflitos:
- heterogeneidade (de modelo de dados)
- conflitos de nomes (homônimos, sinônimos)
- conflitos semânticos (níveis de abstração)
- conflitos estruturais (representação distinta de conceitos)
Integração
1. Integração de esquemas
ETAPAS:
• homogenização de esquemas
- manutenção da capacidade de informação
- manutenção da semântica de atualizações
• integração de esquemas (schema merging)
sobreposição de esquemas
deve garantir: completude, corretude,
minimalidade e usabilidade
Integração
1. Integração virtual dos dados
Semelhante às visões em bancos de dados
convencionais. As visões são a base para
formulação de consultas
Integração
1. Integração virtual dos dados
• Existe uma visão global ou não
• Quais os passos metodológicos
QUESTÕES:
(decomposição, transporte, reconstrução)
• Qual o formalismo de descrição dos dados
(arquivos, legados, RDB, ORDB, não-estruturados, ..)
• Linguagem para consultas globais
• critérios de casamento dos dados
(baseados em chave, em tabela look-up, comparações,
• Qualidade dos dados
(interpretabilidade, credibilidade, ..
Integração
1. Integração virtual dos dados
SISTEMAS:
• Carnot (MCC) - Collete, Huhns
- esquemas locais determinam uma ontologia global
descrita em GCL - Global Context Language
- transformações baseadas em axiomas de articulação
- consultas e atualizações são transformadas em GCL
•
Integração
1. Integração virtual dos dados
SISTEMAS:
• SIMS (Arens)
- múltiplas fontes de dados
- a partir de um modelo do domínio da aplicação
as fontes são descritas neste modelo
- consultas são distribuídas dinamicamente
Integração
1. Integração virtual dos dados
SISTEMAS:
• UniSQL (D’Andrea, Janus)
- SGBD OR
- Extensão SQL/M para definir visões virtuais
Albert D'Andrea , Phil Janus UniSQL's next-generation object-relational database
management system, ACM SIGMOD Record , Volume 25 , Issue 3 (September 1996
Integração
1. Integração virtual dos dados
SISTEMAS:
• Information Manifold (AT&T)
- múltiplas fontes de dados
- componentes: visão do mundo e
descrição das fontes de informação
- usa Description Logic para os componentes e regras para
otimização de consultas
• Consultas em Datalog
T. Kirk, A. Y. Levy, Y. Sagiv, and D. Srivastava. The Information Manifold. In Proc. of the AAAI Spring
Symposium on Information Gathering in Distributed Heterogeneous Environments,
Integração
1. Integração virtual dos dados
SISTEMAS:
• TSIMMIS (Stanford)
- múltiplas fontes de dados
- um mediator é uma visão das fontes de informação integradas
e processadas
- usa o OEM - Object Exchange Model
- Descrição do mediator por uma linguagem lógica
MSL = Datalog + OEM
- não há integração global.
Cada mediator atende às consultas a uma certa visão
Integração
1. Integração materializada dos dados
QUESTÕES:
• as mesmas da integração virtual
• quais dados são materializados
• níveis da participação das fontes
(suficiente, restrita, não-ativa)
• estratégias de manutenção
(incremento local, baseado em polling, refrescamento completo)
• timing
(imediato, periódico)
Integração
1. Integração materializada dos dados
SISTEMAS:
• Sqirrel (Zhou, Hull)
- baseado em um integration mediator com múltiplas fontes
- geração automática de novos integradores especificados
pela ISL - Integration Specification Language
- ISL especifica: esquema local, critérios de casamento de objetos
entre classes. Diversos critérios de casamento de OIDs
R. Hull and G. Zhou, "A Framework for Supporting Data Integration Using the Materialized and Virtual
Approaches,", Proceedings of SIGMOD, June 1996, Montreal, Canada, pgs. 481-492
Integração
1. Integração materializada dos dados
SISTEMAS:
• WHIPS (Garcia-Molina)
- módulos implementados como objetos CORBA
- visões criadas por expressões SQL
- ;;;;
Janet L. Wiener, Himanshu Gupta, Wilburt Labio, Yue Zhuge, Hector Garcia-Molina:
The WHIPS Prototype for Data Warehouse Creation and Maintenance. ICDE 1997: 589
Customização
Extração e Integração
OLAP
Data
Mart
Data
Mart
Data Warehouse
Agregação
Meta
Esquema
ODS
Extração e Integração
OLTP
Extração e Integração
WRAPPER,
LOADER
MEDIATOR
Fonte de
Informação
DW
Carregamento,
transformação,
limpeza,
atualização
Conflitos,
incosistências,
integração
Extração e Integração
FONTES DE
INFORMAÇÃO
• Bancos de dados (relacionais,
OO, OR, hierárquicos, rede, outros)
• fontes externas (outras empresas,
resultados de pesquisas, ...)
• Arquivos (planilhas, arquivos, textos,
documentos multimidia)
METAESQUEMA/
METADADOS
• dicionário de dados
• fluxo de dados
• transformação dos dados
• controle de versões dos metadados
•estatísticas de uso
•aliases
•segurança
Extração e Integração
TAREFAS
• extração (diversas fontes)
• limpeza (cleaning)
• transformação (formatos, linguagens,..)
• carregamento
• replicação
• análise (p.ex. valores inválido/inesperados)
• transferência
• cheque da qualidade dos dados (completeza,
duplicidade, granularidade, necessidade, ..)
• análise dos metadados
Solução de Conflitos
CONFLITOS
ESTRUTURAIS
1. Entidade-vs-entidade
(a) entidade 1-1
i. nome:
homônimos e sinônimos
ii. Estrutura: falta de atributos, atributos implícitos
iii. restrições de entidade
iv. Inclusão de entidade (generalização)
(b) entidades n-m
2. Atributo-vs-atributo
(a) atributos 1-1
i. nome
ii. Restrições: integridade, domínio, composição
iii. Valores default (valores nulos, constantes)
iv. Inclusão de atributos (generalização)
v. métodos
Solução de Conflitos
CONFLITOS
ESTRUTURAIS
3. Entidade-vs-atributo
4. Relacionamentos
i. nomes
ii. Cardinalidades
5. Entidade-vs-atributo-vs-relacionamento
6. Abstrações: generalização, agregação, agrupamento
(a) agregação-vs-relacionamento-vs-composição
7. Diferentes representações da mesma informação
(a) expressões diferentes
(b) unidades diferentes
(c) níveis de precisão
Solução de Conflitos
1. Renomear entidades e atributos
TÉCNICAS DE
SOLUÇÃO DE
CONFLITOS
2. Homogenizar representações
(a) expressões diferentes (p.ex. abstrações)
(b) unidades diferentes
(c) níveis de precisão
3. Homogenizar atributos e relacionamentos
(a) valores default
(b) cardinalidades
4. Uniões (completar os atributos)
5. Junções verticais (entidades, atributos, agregações)
6. Junções mistas
7. Homogenizar métodos
Solução de Conflitos
TÉCNICAS DE SOLUÇÃO DE CONFLITOS
Criação de classes virtuais
Sintaxe (linguagem SQL/M do UniSQL):
CREATE VCLASS nome-da-classe-virtual
SIGNATURE lista-de-atributos
AS SELECT lista-de-seleção
FROM lista-de-entidades
WHERE condição
SELECT ...
Solução de conflitos
EXEMPLO: MDBS de quatro universidades.
UNIVERSIDADE-1 (BD relacional)
Est-grad(nome CHAR(25), mat INTEGER, end CHAR(50),curso CHAR(7))
Curso(cnome CHAR(20), cnum INTEGER)
Disciplina(dnome CHAR(20), dnum INTEGER, cnum CHAR(7))
Matricula(dnum CHAR(7), mat INTEGER, cre REAL)
Est-pós(nome-e CHAR(25), mat INTEGER, curso CHAR(20), tese CHAR(50)
aproveitamento CHAR(1))
NOTAÇÃO: Classes começam com maiúsculas, atributos em
minúsculas e PALAVRAS-RESERVADAS em maiúsculas.
Exemplo
UNIVERSIDADE-3 (BD OO ou OR)
CLASS Estudante
SIGNATURE nome:CHAR(25), mat:INTEGER,
curso: CHAR(20), cre:REAL, /*métodos*/
CLASS Est-pós-graduação SUPERCLASS Estudante
SIGNATURE orientador: SET-OF Professor
CLASS Professor SUPERCLASS Empregado
SIGNATURE depto: CHAR(25), nível: CHAR(20)
CLASS Empregado
...
CLASS Matriculado
SIGNATURE curso:Curso, est:Estudante, conceito:REAL
Classe virtual
CREATE VCLASS Todos-estudantes
SIGNATURE nome CHAR(25), matricula INTEGER,
curso CHAR(20), cre: REAL
AS SELECT eg.nome eg.mat c.cnome eg.cre
FROM un1.Est-grad eg, un1.Matricula m, un1.Curso c
WHERE eg.mat=m.mat AND
c.cnum = eg.curso AS INTEGER
SELECT nome-e epg.mat curso valor(aproveitamento)
FROM un1.Est-pós epg, un1.Matricula m
SELECT nome mat curso cre
from un3.Estudante
Conflitos - Homogenizar representações
Expressões distintas denotam a mesma informação
CONFLITO: diferentes valores escalares denotam a mesma
informação
SOLUÇÃO: definir um isomorfismo que cria classes de
equivalência
EXEMPLO: “Dr.”, “PhD” ou “DSc” denominam o mesmo nível.
Conceitos na pós podem ser A, B, C ou D
ou então 1, 2, 3, 4 ou excelente, bom , regular, ruim.
“Bach. em C. da Computação” ou
“Bacharelado em Ciência da Computação”
SELECT nome FROM Todos-estudantes
WHERE curso LIKE Bach% em C% da Computação
Conflitos - Homogenizar representações
Unidades distintas
CONFLITO: valores numéricos distintos denotam a mesma
quantidade física
SOLUÇÃO: definir uma função de conversão
EXEMPLO: quilogramas e libras;
graus centígrados e graus Farenheit
Conflitos - Homogenizar representações
Precisões distintas
CONFLITO: valores numéricos expressos em granularidades
distintas
SOLUÇÃO: converter para a granularidade menos precisa
EXEMPLO: gramas e quilos; segundos e minutos
Conflitos - Homogenizar atributos
Conflitos de tipos
CONFLITO: domínios distintos para atributos semanticamente
equivalentes
SOLUÇÃO: em muitos casos é possível converter
de um domínio para outro
EXEMPLO: INTEGER e CHAR(n); INTEGER e FLOAT;
CHAR(n) e CHAR(m)
WHERE eg.mat=m.mat AND
c.cnum = eg.curso AS INTEGER
Conflitos - Homogenizar atributos
Conflitos atributo X relacionamento X entidade
CONFLITO: o mesmo fato é ora modelado com atributo ora
como relacionamento
SOLUÇÃO: criar uma classe virtual e converter o atributo
em relacionamento
EXEMPLO: em Uni-1 Curso é um entidade relacionada com
Est-grad enquanto em Uni-3 é um atributo de Estudante
CREATE VCLASS Cursos SIGNATURE nome CHAR(25)
AS SELECT cnome FROM un1.Curso
SELECT curso FROM un3.Estudante
Conflitos - Homogenizar atributos
Valores default
Atributos concatenados
(e.g. nome=primeiro nome + sobrenome)
Conflitos - Uniões
Tabelas união-compatíveis
SEM CONFLITOS ESTRUTUAIS
SOLUÇÃO
fazer a união com o cuidado de não repetir a mesma entidade
e considerar possíveis restrições
COM CONFLITOS ESTRUTUAIS
CONFLITO: uma tabela tem mais atributos
SOLUÇÃO: criar atributos ‘fantasma’ ou eliminar os
atributos a mais
Conflitos - Junções
Entidade n-m
CONFLITO: as mesmas entidades são espalhadas por vários
locais com atributos distintos
SOLUÇÃO: processar junções
Conflitos - Métodos
Entidade n-m
CONFLITO: métodos distintos realizam a mesma tarefa
SOLUÇÃO: analisar os dois métodos e criar um método
genérico que realiza as duas tarefas
Conflitos -
Navathe & Savasere: A Schema
Integration Facility using O-O Data Model
Meta-conhecimento para raciocínio aproximado
• nomes de objetos (variações, parcial, abreviações, convenções)
• nomes de objetos (thesaurus de sinônimos e homônimos)
• tipos e domínios (chaves, valores nulos, default)
• interação com objetos ao redor
• cardinalidades esperadas de classes e relacionamentos
• atualidade
• descrições textuais
Ex. OCL = Object Constraint Language ou
Organization Communiste Libertáire
Conflitos - Navathe et. al.
Casamento (aproximado) de nomes
Casamento (aproximado) de atributos
Casamento (aproximado) de estruturas
Grau de similaridade entre entidades
Solução de Conflitos
Generalizar E1 E2
G
E12 = E1  E2
AE12 = AE1  AE2
E12
L2
L1
E1
E2
OBS: E1 e E2
podem ficar em G
ou não
Solução de Conflitos
Especializar E1 E2
L1
E1
L2
E2
OBS: E1 e E2
podem ficar em G
ou não
G
E12
E12 = E1  E2
AE12 = AE1  AE2
Solução de Conflitos
Subordinar E2 a E1
L2
E1
G
E1
E2
E2
L1
E2  E1
AE1  AE2
Solução de Conflitos
Agregar E1 e E2
G
E12  E1 X E2
E12
L1
E1
E2
OBS: E1 e E2
L2 podem ficar em G
ou não
Solução de Conflitos
Agrupar E2 em E1
L2
E1
G
E1
E2
E2
L1
E1  P(E2)
Solução de Conflitos
E1r12E2 = E1r1E2  E1r1E2
Combinar r1 e r2
G
r12
E1
E2
L2
L1
E1
r1
E2
E1
r2
E2
Solução de Conflitos
r’ = r  at
Atributo X relacionamento
G
r’
E1
A
L2
L1
E1
at
A
E1
r
A
Solução de Conflitos
R’ = R  r
Entidade X relacionamento
G
R’
E2
E1
R
E1
L2
L1
E2
E1
r
E2
Solução de Conflitos
Entidade X atributo
Agregação X relacionamento
SISTEMA:
• O usuário escolhe esquemas locais
• O sistema sugere regras de integração
que podem ser aceitas ou não pelo usuário
• O usuário pode estabelecer suas próprias regras
de integração
Integração baseada em agentes
FONTE: M. Klusch “Intelligent Information Agents”,
Springer Verlag (1999) [749 referências!]
TECNOLOGIAS:
• Inteligência Artificial
• Inteligência Artificial Distribuída
• Recuperação da Informação
• Ciências cognitivas
• Computer Supported Collaborative Work – CSCW
• Interação Homem-Máquina
Integração baseada em agentes
CLASSIFICAÇÃO DE AGENTES (Franklin&Gaesser):
Autônomos
computacionais
• software
• virus
• aplicativos
• vida artificial
• de informação
biológicos
• diversão
robóticos
• cooperativos
• não-cooperativos
• adaptivos
• racionais
• móveis
Integração baseada em agentes –
cooperação
• cooperativos
• delegação hierárquica de tarefas
• contratação simples e complexa
• negociação descentralizada
• não-cooperativos
Integração baseada em agentes –
categorias
• racionais
(agem e interagem para melhorar seus benefícios)
• adaptativos
(se alteram de acordo com estados da rede e do ambiente)
• móveis
(se locomovem autonomamente pela Internet)
Agentes de Informação
• Agentes de Informação Cooperativos
• Agentes de Informação Racionais
(agem e interagem para melhorar seus benefícios)
• Agentes de Informação Adaptativos
(se alteram de acordo com estados da rede e do ambiente)
• Agentes de Informação Móveis
(se locomovem autonomamente pela Internet)
Agentes de Informação Cooperativos
• Sistemas de Informação Cooperativos - CIS
INTERMEDIAÇÃO (BROKERING)
2.Solicitar
serviço
Requerente
4.Resultado
3.Solicitar
serviço
Intermediário
Servidor
1.Anunciar
serviço
Agentes de Informação Cooperativos
• Sistemas de Informação Cooperativos - CIS
ASSOCIAÇÃO (MATCHMAKING)
2.Solicitar
serviço
Associador
1.Anunciar
serviço
3.Informar
servidor
Requerente
4.Solicitar
serviço
5.Resultado
Servidor
Agentes de Informação Racionais
Aplicação em comércio eletrônico, govêrno eletrônico, turismo
• Interfaces conversacionais e perfis
•Filtragem colaborativa de informação
(agentes antecipam necessidades do usuário no contexto de
outros usuários)
• Shopping comparativo
(agentes selecionam produtos baseado na análise de preços e
outras condições)
• Mercados baseados em agentes
(leilões, múltiplos agentes de informação associando clientes e
fornecedores)
• Coalizações
Agentes de Informação Adaptativos
ADAPTAÇÃO
Agente simples
• Estratégia
• Instrução
• Exemplo
• Analogia
• Descoberta
•Objetivo
• habilidades
• cap. do sistema
• Decentralização
• tipo de distribuição
• comp. concorrente
Multi-Agentes
• Feedback
• Supervisão
• Reforço
• Auto-organização
•Interação
• Agente-agente
• Agente-humano
• Ambiente do sistema
Agentes de Informação Móveis
• Padrões
• Mestre-escravo
• Itinerário
• Descoberta de fontes de informação
• Acesso à estrutura das fontes
(memória, arquivos, serviços, threads)
• Agentes heterogêneos
DIA
Seminários
•
•
•
•
•
•
•
A uniform framework for integration of information from the web
by W May; G Lausen, Information Systems. 29, no. 1, (2004): 59-91
Combining schema and instance information for integrating
heterogeneous data sources, Huimin Zhao , Sudha Ram,
Data & Knowledge Engineering 61 (2007) 281–303
An ontology based approach to the integration of entity–relationship
schemas, Qi He, Tok Wang Ling, Data & Knowledge Engineering 58
(2006) 299–326
How to act on inconsistent news: Ignore, resolve, or reject, Anthony
Hunter, Data & Knowledge Engineering 57 (2006) 221–239
Semantic integration in Xyleme: a uniform tree-based approach, C.
Delobel et al. Data & Knowledge Engineering 44 (2003) 267–298
Supporting ontological analysis of taxonomic relations, C. Welty, N.
Guarino, Data & Knowledge Engineering 39 (2001) 51-74
DFD – a dialog based integration of concept and rule, M. Balban, A. Eyal,
Data & Knowledge Engineering 38 (2001) 301-334
Integração -
García-Solaco, Saltor,
Castellanos: Semantic Heterogeneity in
Multidatabase Systems - uma survey
CLASSIFICAÇÃO DE HETEROGENIDADES:
• entre classes (diferenças em extensão, nomes,
atributos e métodos,
domínios (sintático e semântico), restrições)
• entre estruturas (inconsistências de generalização/espec.,
agregação/decomp., dados/metadados, metaclasses
• entre instâncias (presença/ausência,
atributos multivalorados, valores nulos,
valores diferentes nos atributos)
Integração -
García-Solaco, Saltor, Castellanos: Semantic
Heterogeneity in Multidatabase Systems - uma survey
1. DETECÇÃO DE HETEROGENIDADES:
TOOLS: SIS-Schema Integration System; Honeywell Testbend
MUVIS_Multiuser View Integration System;
BERDI-Bellcore Schema Design and Integration Toolkit;
MIST of Carnot;
CONTRIBUTIONS: Theory of Attribute Equivalence;
Common Concept Approach; Semantic Unification Approach;
Maximum Spanning Tree Appr.; Semantic Proximity Proposal;
Mathematical Model of Meaning; Semantic Abstractions
Integração -
García-Solaco, Saltor, Castellanos: Semantic
Heterogeneity in Multidatabase Systems - uma survey
2. SOLUÇÃO DE HETEROGENIDADES:
TOOLS: Multibase; Honeywell Testbend;
MUVIS; BERDI
ViewSystem; Carnot; Pegasus; UniSQL/M
CONTRIBUTIONS: Superview - Integration Operators;
Rule Based Approach;
Approach that preserves semantic relativism;
Semantic Unification Approach; Semantic Abstractions;
Structural Integration
Integração -
Papazoglou, Zahir Tari, Russel:
Object-Oriented technology for Interschema
and language Mappings
Baseado em losely coupled architectures.
Troca direta de informações entre as fontes
Partially unified schemas
Interação usa um Common Object Model
denominado KOM
Integração -
Papazoglou, Zahir Tari, Russel: Object-
Oriented technology for Interschema and language Mappings
Object wrapper
Object wrapper
RDB
FDB
Inforrmation Broker
Inforrmation Broker
Client
Server
Interface Interface
Client
Server
Interface Interface
Control flow
Shared Inf.
metadata
Thesauri
Service desc.
Common
Object
Model
Shared Inf.
metadata
Thesauri
Service desc.
Data flow
Integração -
Papazoglou, Zahir Tari, Russel: Object-
Oriented technology for Interschema and language Mappings
O modelo KOM:
ODL - Object Definition Layer
FUNCIONAL
OTL - Object Transformation
Layer
RELACIONAL
ORIENTADO
A OBJETOS
Transformação de estruturas e operações
Integração -
Bertino & Illaramendi: The
Integration of Heterogeneous DBMS:
Approaches based on the OO Paradigm
1) TRADUÇÃO - características OO
• enriquecimento semântico
• tradução operacional
• correspondência complexa
2) INTEGRAÇÃO - características OO
• integração operacional
• vários níveis (esquemas) de integração
• integração inteligente (detecção de erros
na correspondência de objetos}
Integração -
Bertino & Illaramendi: The Integration of
Heterogeneous DBMS: Approaches based on the OO Paradigm
Survey dos sistemas:
• Pegasus
•CIS - Comandos Integration System
• OOA
• Cyc
• Candide
• AIMS
Integração –
Domingos Sávio & U. Schiel: RDF
na interoperabilidade de dados entre domínios
• Domínios descritos em RDF
• Comunicação direta entre domínios
Processamento de Consultas
Consulta
global
EG
Decomposição e otimização global
EGL1
SC1
...
tradutor
CL1
BD
local
SCn
CPP1
...
CPPm
tradutor
...
CLn
BD
local
resultado
CPP = consulta de
pós-processamento
Processamento de Consultas
DECOMPOSIÇÃO/TRADUÇÃO:
1) modificação para atender os EGLs
2) decomposição em consultas internas e consultas externas
(externas sobre dados intermediários transmitidos)
3) tradução para esquemas locais
PASSOS:
• Modificação da consulta
• Tradução da consulta
• otimização global
Processamento de Consultas
• Modificação da consulta
Fatores que
afetam
complexidade:
• linguagem de consulta global
e modelo de dados global
• métodos de integração dos
esquemas de exportação:
generalização e outerjoin
• replicação de dados
• inconsistências e outras
incompatibilidades
Processamento de Consultas
• Modificação da consulta
Dada uma classe C:
tipo(C) = atributos de C com os domínios
extensão(C) = {instâncias de C}
mundo(C) = {objetos do mundo real
descritos por C}
C = generalização(C1,C2) sss tipo(C) = tipo(C1) tipo(C2)
extensão(C) = extensão(C1)  extensão(C2)
C = outerjoin(C1,C2) sss tipo(C) = tipo(C1)  tipo(C2)
extensão(C) = equi-outerjoin(C1,C2, ID)
mundo(C) = mundo(C1)  mundo(C2)
OBS. Em caso de diferenças, ajustá-las por funções de agregação
Processamento de Consultas
• Outerjoin
Emp1(#e, nome, idade)
<1, José, 28>
<2, Karla, 22>
Emp2(#e, nome, nivel)
<1, José, sup>
<3, Cintia, méd>
Emp1 >< Emp2 = <1,José, 28, sup>
Emp1 >o< Emp2 = {<1,José, 28, sup>,
<2, Karla, 22, {}>,
<3, Cintia, {}, méd>
Processamento de Consultas
• Outerjoin
Emp1(#e, nome, sal, idade)
<1, José, 300.-, 28>
<2, Karla, 450,-, 22>
Emp2(#e, nome, sal, nivel)
<1, José, 120.-, sup>
<3, Cintia, , méd>
Emp1 >o< Emp2 (sum(sal)) = {<1,José, 28, 450.-, sup>,
<2, Karla, 22, 450.-, >,
<3, Cintia, , , méd>
Processamento de Consultas
• Modificação da consulta
EXEMPLO
Emp1(#e, nome, salario, idade) - esquema exportação-local 1
Emp2(#e, nome, salario, nivel) - esquema exportação-local 2
EmpG(#e, nome, salario) - esquema generalização
EmpG.nome = Emp1.nome se EmpG está em mundo(Emp1)
= Emp2.nome se EmpG caso contrário
EmpG.salario = Emp1.salário se EmpG está em
mundo(Emp1) - mundo(Emp2)
= Emp1.salario+Emp2.salario se EmpG está em
mundo(Emp1)  mundo(Emp2)
...
Processamento de Consultas
• Modificação da consulta
EXEMPLO
EmpOJ(#e, nome, salario, idade, nivel) - esquema outerjoin
EmpOJ.idade = Emp1.idade se EmpOL está em mundo(Emp1)
= nulo
se EmpOJ está em
mundo(Emp2) - mundo(Emp1)
EmpOJ.nivel = Emp2.nivel se EmpOJ está em mundo(Emp2)
= nulo
se EmpOJ está em
mundo(Emp1) - mundo(Emp2)
Processamento de Consultas
EmpOJ(#e, nome, salario, idade, nivel)
SEJA A CONSULTA:
SELECT EmpOJ.nome, EmpOJ.nivel
FROM EmpOJ
WHERE EmpOJ.salario > 2000 AND EmpOJ.idade = 49
A tabela EmpOJ é dividida em três partições:
mundo(Emp2)-mundo(Emp1);
mundo(Emp1)-mundo(Emp2);
mundo(Emp2)  mundo(Emp1);
Processamento de Consultas
Para o mundo(Emp2)-mundo(Emp1) o atributo idade é nulo;
Para o mundo(Emp1)-mundo(Emp2) teremos
SELECT Emp1.nome FROM Emp1
WHERE Emp1.salario > 2000 AND Emp1.idade =49
AND Emp1.#e NOT IN (SELECT Emp2.#e FROM Emp2)
Para o mundo(Emp2)  mundo(Emp1) teremos
SELECT Emp1.nome, Emp2.nivel FROM Emp1, Emp2
WHERE sum(Emp1.salario, Emp2.salario) > 2000 AND
Emp1.idade =49 AND Emp1.#e = Emp2.#e
Uma consulta de pós-processamento irá produzir o resultado final
Processamento de Consultas
• Tradução da consulta
ALGORITMOS CONVENCIONAIS
A qualidade da tradução irá depender do poder expressivo
da linguagem local
Uma única consulta local
• otimização local
CASOS:
Várias consultas locais.
• Definir consultas locais de forma a otimizar
a performance
• otimização local
Processamento de Consultas
• Otimização global da consulta
VOLTEMOS AO EXEMPLO:
Para o mundo(Emp2)  mundo(Emp1) temos
SELECT Emp1.nome, Emp2.nivel
FROM Emp1, Emp2
WHERE sum(Emp1.salario, Emp2.salario) > 2000 AND
Emp1.idade =49 AND Emp1.#e = Emp2.#e
Processamento de Consultas
• Otimização global da consulta
POSSIBILIDADES:
SELECT
SELECT
SELECT
SELECT
Emp1
Emp2
SELECT
SELECT
Result1 + Emp2
Result2 + Emp1
Emp1
SELECT Result1 + Result2
Emp2
Processamento de Consultas
• Otimização global da consulta
Algoritmos de BDDs homogêneos podem ser aplicados, se
• não houver inconsistências
• facilidades de transmissão de dados
• estatísticas locais comparáveis entre si
Árvores de junção:
linear
fechada
Processamento de Consultas
• Otimização global da consulta
Solução de inconsistências - funções de agregação
Seja C global e C1, C2 uma partição horizontal.
A operação: C[A op a] = C1[A op a] int-op C2[A op a]
usa outerunion:
C1 OJ C2 = C1-O OU C2-O OU (C1-C J C2-C)
parte privada
parte comum
Processamento de Consultas
• Otimização global da consulta
Otimização com funções de agregação f(a1,a2)
f(a1,a2)
min
min
max
max
sum
sum
op
<
=
>
=
<
=
Para os outros casos
nenhuma otimização
é possível (4)
f(a1,a2)op a  a1 op a AND a2 op a
(1)
f(a1,a2)op a  f(a1 op1 a, a2 op2 a) op a (2)
f(a1,a2)op a  a1 op a AND a2 op a
(1)
f(a1,a2)op a  f(a1 op1 a, a2 op2 a) op a (2)
f(a1,a2)op a  f(a1 op a, a2 op a) op a (3)
f(a1,a2)op a  f(a1 op1 a, a2 op2 a) op a (2)
Processamento de Consultas
a1=E1.sal = 500
a2=E2.sal = 600
sal = 600
f(a1,a2) op
min
min
max
max
sum
sum
>
=
<
<
<
=
min(E1.sal,E2.sal)> 600  E1.sal > 600 AND E2.sal > 600 (1)
min(E1.sal, E2.sal)= 550  min(a1<600, a2<600) = 600 (2)
max(a1,a2)< a  a1 < 600 AND a2 < 600
(1)
max(a1,a2)= a  max(a1 > 600, a2 > 600) = 600
(2)
sum(a1,a2)< a  sum(a1>600, a2>600) < 600
(3)
sum(a1,a2)= a  sum(sum(a1) > 600, sum(a2) > 600) = 600 (2)
(1) = processamento em todos locais
(2) = processamento em um local pode resolver
(3) = processamento local e global
Controle de Concorrência
TIPOS DE TRANSAÇÕES
• Transações locais
• Transações globais
AUTONOMIA LOCAL
• Autonomia de projeto
• Autonomia de execução
• Autonomia de comunicação
Controle de Concorrência
MDBS
• locais (s1,...,sm),
• Operações básicas:
r (read), w (write), c (commit), a (abort)
• GTG (Gerente de Transações Globais)
• SGBD local
• Server (ligação entre GTG e SGBD local)
Controle de Concorrência
MDBS
Ti
GTG
Server
Tl
Tj
Server
Tl
SGBD
SGBD
Controle de Concorrência
MDBS - Interface Server/SGBD
POSSIBILIDADES
•O
SGBD
aceita
operações
individuais
begin, op.1, op.n, commit
• O SGBD aceita serviços na forma de
transações locais
Controle de Concorrência
PROBLEMAS
• Serializabilidade global
• Atomicidade e recuperação
• Deadlock
Controle de Concorrência
• Serializabilidade global
Local s1 com a, b
Local s2 com c, d
Transações:
globais: T1 : r1(a) r1(c)
T2 : r2(b) r2(d)
locais: T3 : w3(a) w3(b) em s1
T4 : w4(c) w4(d) em s2
Visão global: T1 ,T2
Schedules locais:
S1: r1(a) w3(a) w3(b) r2(b)  T1 , T3 , T2
S2 : w4(c) r1(c) r2(d) w4(d)
 r2(d) w4(c) w4(d) r1(c)  T2 , T4 , T1

Controle de Concorrência
• Atomicidade global e recuperação
Local s1 com a
Local s2 com c
Transações:
global: T1 : r1(a) w1(a) w1(c)
local: T2 : r2(a) w2(a) em s1
Execução: T1 completa suas 3 ações e
manda commit para s1 e s2
s2 recebe e confirma o commit, mas
s1 aborta a subtransação original antes do commit
T2 é executada e realiza commit
GTG resubmete w1(a)
s1 considera isto uma nova transação
RESULTADO:schedule não serializavel: r1(a) r2(a) w2(a) w1(a)
Controle de Concorrência
• Atomicidade global e recuperação
SOLUÇÃO:
Prepare-to-commit
 reduz heterogenidade
Controle de Concorrência
• Deadlock global
Local s1 com a, b
Local s2 com c, d
Transações:
globais: T1 : r1(a) r1(d)
T2 : r2(c) r2(b)
locais: T3 : w3(b) w3(a) em s1
T4 : w4(d) w4(c) em s2
Execução: T1 executou r1(a) e T2 executou r2(c)
T3 executa w3(b) e submete w3(a) e espera liberação de T1
T4 executa w4(d) e submete w4(c) que espera por T2
T1 e T2 submetem seus restos e o deadlock ocorre
Nem os locais nem o global conseguem detectar este deadlock
Controle de Concorrência
• Serializabilidade global
Local s1 com a, b
Local s2 com c, d
Visão global: T1 ,T2
Transações:
globais: T1 : r1(a) r1(c)
T2 : r2(b) r2(d)
locais: T3 : w3(a) w3(b) em s1
T4 : w4(c) w4(d) em s2
SOLUÇÕES:
• evitar transações T1 ,T2 que atuam no mesmo local
 provocar conflito artificial
• identificar schedules como S2 e evita-los
Controle de Concorrência
• Serializabilidade global
Local s1 com a, b
Local s2 com c, d , t
Transações:
globais: T1 :w1(t) r1(a) r1(c)
T2 : r2(b) r2(d) r2(t)
locais: T3 : w3(a) w3(b) em s1
T4 : w4(c) w4(d) em s2
Visão global: T1 ,T2
Provocar conflito entre T1 ,T2
com um ticket
Schedules locais:
S1: r1(a) w3(a) w3(b) r2(b)  T1 , T3 , T2
S2 : w4(c) w1(t) r1(c) r2(d) w4(d) r2(t) não é serializável
 r2(d) w4(c) w4(d) r1(c)  T2 , T4 , T1
Controle de Concorrência
• Serializabilidade global - SGBDs com 2PL rigoroso
Local s1 com a, b
Local s2 com c, d
Transações:
globais: T1 : r1(a) r1(c)
T2 : r2(b) r2(d)
locais: T3 : w3(a) w3(b) em s1
T4 : w4(c) w4(d) em s2
Visão global: T1 ,T2
Schedules locais:
S1: r1(a) w3(a) w3(b) r2(b)  T1 , T3 , T2
S2 : w4(c) r1(c) r2(d) w4(d) não ocorre,
pois c é bloqueado até o final de T4
Controle de Concorrência
• Atomicidade global e recuperação
PROBLEMA:
Falha de subtransação global
TIPOS DE TRANSAÇÕES
• com redo (operações de write são repetidas)
• com retry (toda subtransação é repetida)
• com compensação (compensação desfaz ação
da transação original)
Controle de Concorrência
• Atomicidade global e recuperação
TIPO DA
OPERAÇÃO
ler (read)
update de troca
update relativo
COMPENSÁVEL
REPETÍVEL
sim - (ler de novo)
não
sim (usar valor)
sim
sim (reescrever)
sim
update relativo
c/restrição
inserção em
conjunto
entrada em fila
inserção em lista
condicional
condicional
sim - (remover)
sim
sim (remover)
sim (remover)
sim
não (pode ter
mudado)
não
update em textos
não
EXEMPLO
escrever um inteiro
incrementar um
valor
depósito,
cancelamento
Controle de Concorrência
• Outros conceitos em
Özsu&Valduriez-Princípos
Distrtibuídos
de
Bancos
de
Dados
CONTROLE DE CONCORRÊNCIA
• Bloqueio; centralizado, cópia primária e distribuído
•Pessimista: bloqueio e timestamp ordering
• Otimista: bloqueio, timestamp ordering, híbrido
• Deadlock: prevenção, anulação, detecção e resolução
CONTROLE DE CONCORRÊNCIA RELAXADO
OU ANINHADO
Data Warehousing - Alimentação
Projeto do Data Warehouse - FASES:
• PROJETO: definição de visões, extratores, revisores,
integradores.
• ALIMENTAÇÃO: carga inicial. Passos:
preparação (Logs, deltas, histories),
integração (ODS),
agregação (CDW),
customização (Datamarts)
• ATUALIZAÇÃO: como alimentação, só que o ODS
é atualizado e alterações são propagadas
-
FIGURA 4.1-
Data Warehousing - Atualização
Considerações
• requisitos da aplicação (e.g. atualidade e precisão
dos dados, tempo de computação de consultas)
• restrições da fonte (disponibilidade, frequência de
alterações)
• limites do Data Warehouse (espaço, funcionais)
Data Warehousing - Atualização
ODS - Object Data Store - atualização
• atualização imediata - Banco com lançamentos locais e
saldo global)
• atual - ODS com estatísticas semanais de lançamentos locais
e atualização horária)
• periódica (assíncrona) - resultados diários,
após n lançamentos, sob demanda (saldo, #lançamentos, ..)
Semelhante para o Data Warehouse
Data Warehousing - Atualização
CDW - Data Warehouse - atualização
PROBLEMAS CRÍTICOS
• volume muito grande de dados - de GB a TB
• sobrecarga transacional - transações de carga e acesso pesadas
GB/hora, processamento paralelo, transferência compactada
• concorrência entre atualização e consulta
divisão do tempo entre batch e on-line difícil, conflitos
Data Warehousing - Atualização
Customização
Propagação
AGREGAÇÃO
INTEGRAÇÃO
Integração
Histórico
PREPARAÇÃO
Extração
Temporal/
externo
Histórico
Limpeza
Data Warehousing - Atualização
• detectar alterações
• extrair alterações
• registrar alterações
• isolar alterações cedo reduz
drasticamente massas de dados
• integração incremental (limpeza)
QUESTÕES AO ODS:
• processar dados que alteram o DW
• prever informações de outras fontes, antes da atualização
• estimar tempo da preparação
• estimar tempo de atualização do DW
Data Warehousing - Extração
arquivos
snapshot
não-cooperativas
logadas
BDs, e-mails
específicas
legados
consultáveis
BDs relacionais
FONTES:
replicadas
cooperativas
ativas
BDs c/ replicação
callback
Ações internas
BDs c/triggers
externos
BDs c/triggers
e delta tables
Data Warehousing - Limpeza
Dados devem ser:
precisos, relevantes, consistentes e completos
DADOS
SUJOS:
• diferença de formato
• dados relevantes escondidos em textos
• mal-entendidos (atributo ‘nome’ de que?)
• erros de digitação  inconsistências
• falta de valores
• informação duplicada
Data Warehousing - Limpeza
módulos de limpeza:
• conversão e normalização
transformação de formatos heterogêneos
• limpeza específica
arquivos textuais, uso de dicionários
• limpeza independente do domínio
algoritmos de casamento de campos
• limpeza baseada em regras
regras específicas de casamento (business rules)
Data Warehousing - Limpeza
• conversão e normalização
transformação de formatos heterogêneos
SQL*Loader
Arquivos  Oracle
Wrappers
Dados fonte  Data Warehouse
NORMALIZAÇÃO
Exemplos:
• textos sem acentuação
• formato do datas
Data Warehousing - Limpeza
• limpeza específica
arquivos textuais, uso de dicionários
normalização de nomes próprios
• nome farmaceuticos
• normalização postal
EXEMPLOS:
PostalSoftACE
SSA(Search Soft America)
PostalSoft Library and Mailers
Carleton’s Pure Integrator (DW)
ETI Data Cleanse
Data Warehousing - Limpeza
• limpeza independente do domínio
algoritmos de casamento de campos
PROBLEMA: o mesmo valor descrito de forma distinta
• junções aproximadas
• valores alternativos
• graus de casamento
Carlton’s Pure Integrator:
• casamento com chaves
• casamento sem chaves (fuzzy)
Data Warehousing - Limpeza
• limpeza baseada em regras
regras específicas de casamento (business rules)
MERGE/PURGE Problem;
• criação de chaves analisando os dados das fontes
• ordenar fontes segundo estas chaves
• intercalar registros (funções distância)
Data Warehousing - Limpeza
• limpeza baseada em regras
regras específicas de casamento (business rules)
Regras explícitas:
for(all tuples)
boolean similar-nome =
compare(nome1, nome2)
boolean similar-end =
compare(end1,end2)
boolean similar-cidade =
mesma-cidade(cid1, cid2)
boolean similar-cep =
mesmo-cep(cid1, cid2)
similar-end = (similar-cidade
 similar-cep)
if (similar-nome && similar-end)
merge-tuples(pessoa1, pessoa2)
Data Warehousing - Limpeza
• limpeza baseada em regras
Regras geradas automaticamente (baseadas em data mining)
regras matemáticas
regras IF-THEN
A=B*C WHERE
A = p-total, B=quant. C=p-unit
Rule’s accuracy level: 0.99
rule exists in 1890 records
IF Cliente IS “UFCG”
AND item IS “Informática”
THEN Vendedor=“Chico”
Rule’s probability: 0.95
rule exists in 102 records
Data Warehousing - Limpeza
o estudo das semânticas de limpeza e
estratégias de atualização de um DW
a partir de diversas fontes
é uma área aberta de pesquisa
FIM
Download