Bases de Datos Semiestructuradas y No Estructuradas

Bases de Datos
Semiestructuradas
Introducción
Universidad Autonóma de Tlaxcala
Dr. Alberto Portilla Flores

Descripción del curso
Durante los últimos treinta años, el dominio de las
Bases de Datos ha contribuido grandemente con
tecnología especializada para la administración
(interrogación, almacenamiento, indexación) de la
información.
En el curso se presentarán los conceptos fundamentales
del dominio bases de datos estructuradas y no
estructuradas, y se subrayará cuáles de ellos han sido
de gran impacto en la construcción de aplicaciones:
(modelos de datos y lenguajes de consulta).

Objetivo General
El objetivo general del curso es sensibilizar al/ a la
estudiante sobre la utilidad de la administración de la
información.

 Comprender la teoría del modelo relacional y de
los lenguajes simbólicos asociados

 Comprender las tecnologías asociadas a los
modelos de datos semiestructurados

 Revisar los modelos visionarios para el manejo de
datos

Dato, información y
contenido

Notas by:
Dr. José Luis Zechinelli Martini

Ejemplos
 El salario de un empleado oscila entre 3000 y 7000

 El salario de un empleado depende de su puesto, de su
antigüedad en la organización; su valor evoluciona con Mayor
respecto al incremento de la inflación
semántica

 El salario de un empleado es la cantidad en dinero que
percibe un trabajador por el resultado de su trabajo

Dato, información, contenido
Nivel semántico

dato información contenido

Dato: del lat. datum, lo que se da [Diccionario de la Real
Academia de la Lengua Española]
 “representación de una información de manera adecuada para su
tratamiento por un ordenador” [ibidem]
 representa un hecho preciso, e.g., el salario de un empleado

Nivel semántico


Información:

 “[…] conocimientos que permiten ampliar o precisar los que se poseen
sobre una materia determinada” [ibidem]
 representa un hecho y el contexto en el que se inscribe, e.g., el salario
de un empleado depende de su puesto, de su antigüedad en la
organización; su valor evoluciona con respecto al incremento de la
inflación

Nivel semántico


Contenido:

 “significado de un signo lingüístico o de un enunciado” [ibidem]
 representa un hecho, su contexto y su significado, e.g., el salario de
un empleado es la cantidad en dinero que percibe un trabajador por el
resultado de su trabajo

Administración de datos
Mecanismos para el almacenamiento,
recuperación oportuna y mantenimiento de datos

MANTENIMIENTO
Información Q
Contenido

MODELADO
Abstracción

ALMACENAMIENTO

Transformación
Representación interna

Recuperación de datos
Tratamiento de consulta
 Interpretación Q
Lenguaje de consulta
(declarativo o imperativo)

 Optimización
 Indexación
 Formateo ORACULO

Modelo de datos y
funciones asociadas
bien definidas

Contenido
 Estructura
 Datos
 Tipos de datos
 Operaciones
 Documento
 Formatos de representación (PDF, HTML, etc.)
 Organización (v.g., título, capítulo, sección, etc.)

 Semántica: contexto y significado
 Visualización

Administración del
conocimiento

Dominio

Contexto

Base de documentos

Administración de contenido
 Explotar un fondo de documentos
heterogéneos de acuerdo a diferentes
 contextos semánticos
 plataformas de visualización

 Modelado
 Estructura, semántica, visualización

 Recuperación, integración, mantenimiento

Administración de la información
 Almacenar y recuperar los datos de los periféricos
(estructuras y operaciones).

 Cintas:
 Secuencia de bytes.
 Avanzar, retroceder, leer, escribir.

 Discos:
 Un archivo es un conjunto de registros de la misma naturaleza.
 Posicionar, leer, escribir.

Inscripciones de estudiantes

Estudiante Tiene Curso

ID: Integer; Calificación: Real; Clave: String;
Nombre: String; Nombre: String;
Sexo: Char; Unidades: String;
Carrera: String;

Base de datos (BD)
 Un dato es un hecho que puede ser almacenados y
que tienen significado implícito.

 Una base de datos (BD), desde el punto de vista de la
aplicación, es una colección de datos relacionados
que:

 Modela/abstrae los objetos de una parte del mundo real
(miniworld o universo de discurso).

 Sirve de soporte para la construcción de una aplicación
computacional.

Base de datos (BD)
 Una BD, desde el punto de vista de la máquina, es una
colección de archivos:
 Relacionados por apuntadores múltiples,
 Organizados para responder a una gran variedad de consultas.

 Los datos pueden ser consultados:
 Por contenido: todos los cursos que tienen 8 unidades.
 Por estructura: el hecho de que un curso posee una clave, un
nombre y unidades.

Objetivos de las BD

Coordinación Integración

Centralización Difusión

SGBD (DBMS)
 Un Sistema de Gestión de Bases de Datos (SGBD) es
una colección de programas que permiten a los
usuarios crear y mantener una BD.

 Un SGBD:
 Se ocupa de organizar la información sobre memorias
secundarias (discos magnéticos).
 Provee procedimientos para la definición, construcción y
manipulación (búsqueda y selección) de la información.

Primera vista de un SGBD
Los SGBD se
SGBD externo
distinguen de los
SGBD interno administradores de
archivos porque
permiten la
descripción de los
datos de manera a
separarlos de su
utilización.

Estrategia bases de datos
Consultas / Programas

SGBD

Procesamiento de consultas / programas

Acceso a los datos almacenados

Definición de Datos del
los datos
usuario
(Catálogo)

Funciones de un SGBD
 Descripción: tipos, estructuras, restricciones y operaciones
de datos.
 Utilización: consulta y actualización.
 Integridad: control de la redundancia y aplicación de
restricciones.
 Confidencialidad: acceso restringido.
 Acceso concurrente: transacciones.
 Seguridad en el funcionamiento: respaldo y recuperación.

Actores
 El diseñador se encarga de definir estructuras, tipos,
restricciones y vistas de los datos.

 El administrador se encarga de asignar recursos,
derechos y seguridad.

 Tipos de usuario final:
 Ocasional.
 Experto.
 Programador.

Arquitectura ANSI / SPARC
Modelo
externo 1 Mundo real

Modelo Modelo Modelo
externo 2 lógico físico

Modelo
externo 3
BD física

Nivel externo Nivel conceptual Nivel interno

 Objetivo:
Asegurar una abstracción de los datos almacenados
sobre los discos.

 Idea central:
Separar la descripción de los datos (efectuada por
los administradores) de su manipulación (efectuada
por los programadores de la aplicación).

 Nivel externo:
 Vista parcial de los datos almacenados.
 Asegura cierta confidencialidad.

 Nivel interno:
 Estructuras de almacenamiento.
 Describe como se encuentran organizados los datos
en el disco.

 Nivel conceptual:
 Estructura canónica (general) de los datos.
 Describe la semántica inherente sin preocuparse de
la implementación representando la vista integrada de
todos los usuarios.

 Modelo de datos:
 Conjunto de conceptos y de reglas de asociación
entre ellos.
 Herramienta formal para comprender e interpretar el
mundo real.

 Lenguaje de Definición de Datos (LDD o DDL):
 Soporta un modelo de datos.
 Permite describir los datos de una manera asimilable por
una computadora.

 Esquema lógico:
 Descripción de los datos que se almacenan en la BD.
 Acción de modelado del mundo real que respeta un
modelo de datos

Arquitectura funcional

Esquema Esquema Esquema
Catálogo externo 1 lógico físico
2 4
3
1
5 Sistema
Programas Aplicación 1 SGBD
operativo
8a
8b 7a 6a

Buffer de 7b Buffer de 6b
Datos aplicación sistema BD física

Nivel externo Nivel conceptual Nivel interno

1. La consulta es enviada al SGBD.

2. La solicitud es analizada utilizando el esquema externo
para verificar:
- Los derechos de acceso.
- Pasar las características de los datos a partir del catálogo.

3. El SGBD consulta el esquema lógico y deduce el tipo lógico
del dato a extraer.

4. El SGBD consulta el esquema físico y deduce el registro
físico a leer.

5. El SGBD pasa una orden de lectura al sistema operativo.

6. El sistema operativo:
a. Recibe la orden y lee los datos a partir del disco.
b. Sube los datos al buffer del sistema.

7. El SGBD:
a. Selecciona los datos solicitados.
b. Traduce los datos del esquema lógico al esquema externo.

8. (a) El SGBD notifica a la aplicación. (b) La aplicación
dispone de los datos y pasa a la siguiente operación.

Independencia
datos/programas
 Independencia física:
posibilidad de cambiar la organización física sin
provocar la modificación de los programas de la
aplicación.

 Independencia lógica:
posibilidad de modificar el esquema lógico (agregar
nuevas tablas) sin modificar los programas de la
aplicación.

Ventajas de la estrategia BD
 Independencia datos/programas.
 Descripción de datos (catálogo).
 Modelo de datos: representación lógica.
 Diferentes vistas sobre los datos.

 Aumento de estándares.
 Reducción del tiempo de desarrollo.
 Disponibilidad de la información al día.

Principios de los SGBD
 Administración de datos persistentes.

 Administración de grandes cantidades de datos.

 Fiabilidad de datos:
 Coherencia de los datos.
 Seguridad de acceso.
 Seguridad de funcionamiento.

 Utilización compartida de los datos y acceso concurrente.

 Consulta de la información.

Bases de datos
semi-estructuradas
Dr. Alberto Portilla Flores
UATx

Thanks to:
Genoveva Vargas-Solar, CNRS, LIG France
José Luis Zechinelli Martini, UDLAP, México

Bases de Datos Semi-
estructuradas
En este curso nos referimos a una
“bases de datos semi-estructurada”
como aquella base de datos que tiene
como modelo de datos subyacentes
datos semi-estructurados.

Dato Semiestructurado
 Son datos sin esquema o auto-
descriptibles
 La información sobre la
estructura está junto con los
datos.

Contenido
 Modelos de datos semi-estructurados
 Principio
 Representación
 Caso de estudio: XML
 Objetivos
 SGML y HTML
 Introducción a XML

38

Orígenes
 Un documento puede ser definido por su forma
y su contenido:
 Forma = estructura + presentación
 Contenido = estructura + semántica

 Diferentes estrategias, las más populares:
 SGML documentos estructurados
 HTML presentación de documentos
 ¡Algunas estrategias mezclan forma y contenido!

39 Autor: G. Gardarin
Traducido: J.L. Zechinelli Martini

Presentación y estructura
Título XML : Des BD aux Services Web

Autor Georges Gardarin

Sección 1. Introduction
Ces dernières années ont vu l'ouverture des
Párrafo systèmes d'information à l'Internet. Alors que
depuis les années 1970, ces systèmes se
développaient souvent par applications plus ou
moins autonomes, le choc Internet …
Ainsi, on a vu apparaître une myriade de
Párrafo technologies nouvelles attrayantes mais peu
structurantes voir perturbantes. Certaines n'ont
guère survécues. D'autres ont laissé des
systèmes peu fiables et peu sécurisés. …
L'urbanisation passe avant tout par la
standardisation des échanges : il faut s'appuyer
Párrafo sur des standards ouverts, solides, lisibles,
sécurisés, capable d'assurer l'interopérabilité
avec l'Internet et les systèmes d'information.
XML, "lingua franca" …
Sección 2. La société ProXML …


Vista usando tags
<Livre>
<Titre> XML : Des BD aux Services Web</Titre>
<Auteur>Georges Gardarin</Auteur>
<Section titre = "Introduction">
<Paragraphe>Ces dernières années ont vu l'ouverture des systèmes d'information à l'Internet. Alors que depuis
les années 1970, ces systèmes se développaient souvent par applications plus ou moins autonomes, le choc
Internet … </Paragraphe>

<Paragraphe>Ainsi, on a vu apparaître une myriade de technologies nouvelles attrayantes mais peu
structurantes voir perturbantes. Certaines n'ont guère survécues. D'autres ont laissé des systèmes peu fiables
et peu sécurisés. …</Paragraphe>

<Paragraphe>L'urbanisation passe avant tout par la standardisation des échanges : il faut s'appuyer sur des
standards ouverts, solides, lisibles, sécurisés, capable d'assurer l'interopérabilité avec l'Internet et les systèmes
d'information. XML, "langua franca" … </Paragraphe>

</Section>
<Section titre= "La Société ProXML"> …
</Section>
</Livre> Los tags pueden tener
más o menos semántica

Tag o etiqueta
 Marca el inicio y fin de un elemento texto

 Los tags son de la forma (contexto):
<tag>valor o bloque</tag>

 Los tags pueden estar contenidos en otros:
 <personne>
 <adresse>
 <rue>A. Briand</rue>
 <ville>Paris</ville> Elementos de datos
 </adresse>
 </personne>

 Los lenguajes orientados a tags son ideales para organizar información semi-
estructurada

 Un objeto tag es auto descriptivo


Consorcio World Wide Web
 W3C - fundado en 1994

 Consorcio internacional de industriales establecido
en:
 MIT/LCS en Estados Unidos
 INRIA en Europa
 Keio University en Japón

 448 miembros industriales en septiembre de 2000


W3C: ¿Objetivo?
 Incrementar el impacto de la Web

 Desarrollar protocolos comunes

 Asegurar la interoperabilidad en la Web entre diferentes sistemas

 Almacenar información acerca de estándares y normas para
desarrolladores y usuarios
 Código referencia para presentar y promover diferentes estándares
 Diferentes prototipos y ejemplos de aplicaciones


Documentos publicados
 Nota:
 Propuestas de grupos o consorcio

 Working draft:
 Resultados a partir de un grupo de trabajo

 Propuestas recomendadas:
 Consenso del grupo de trabajo que es sometido a votación

 Recomendaciones:
 Estándar aceptado (votación a favor)


Contenido
 Principio
 Representación
 Objetivos
 SGML y HTML

46

XML: Objetivos
 XML = un lenguaje de intercambio nuevo basado en tags

 XML = más simple que SGML

 XML = más complejo y eficiente que HTML

 XML = desarrollado por XML Working Group encabezado por W3C (desde 1996)

 XML 1.0 = recomendación oficial de W3C desde 10/02/1998


Objetivos de diseño
 XML debe ser de fácil uso en Internet

 XML soporta una gran variedad de aplicaciones

 XML debe ser compatible con SGML y HTML

 Los documentos XML deben ser fáciles de escribir


Objetivos de diseño
 Los documentos XML deben ser fáciles de leer y razonablemente claros

 La especificación XML debe ser accesible

 El diseño XML debe ser formal y conciso

 Los documentos XML deben ser fáciles de crear

 La longitud de un tag XML no es importante


Ventajas de XML
 Separación de la estructura y
de la presentación

 Es menos confuso que HTML

 Más simple que SGML

 Ideal para el intercambio de
datos semi-estructurados

 Puede ser usado entre
diferentes máquinas

Contenido
 Principio
 Representación
 Objetivos
 SGML y HTML

51

SGML y HTML
 En 1969 C. Goldfarb, E. Mosher, R. Lorie invento
GML en IBM

 GML fue creado para editar, organizar y compartir
documentos con sistemas de gestión de edición

 En 1978 Goldfarb encabezó el comité « Computer
Language for the Processing of Text » en
American National Standards Institute (ANSI)

52

¿Qué es SGML?
 Norma internacional:
 Standard Generalized Markup Language
 ISO 8879 - 1989

 Meta-lenguaje de documentos orientados a tags
 Comprensible a las personas y procesable por máquinas
 Habilita la definición de lenguajes “taggeados”

 Los documentos son “taggeados” de acuerdo a una gramática (DTD)
 Instancias DTD
 Semántica del contenido

 Establece el contexto de valides de un documento


SGML: Objetivos
 Separación de forma y contenido
 Posibilidad de tener múltiples presentaciones
 Solamente un documento SGML
 Formatos diferentes: Postcript, HTML, etc.

 Procesamiento del contenido de documentos sin considerar la forma

 Framework para la definición de modelos documentos (validación, control)

 Formato normalizado para el intercambio y el almacenamiento


SGML: Puntos débiles
 Complejo para la definición de documentos

 Precisión requerida

 Estándar completo y complejo para procesar
documentos

 El uso de hipertexto es posible, pero complejo


HTML: Presentación
 Propuesto por W3C como <HTML>
formato de documentos <HEAD>
Web
<TITLE> Ejemplo </TITLE>

</HEAD>
 Lenguaje simple con tags
estandarizado para la <BODY>
organización de un texto <H1> Contenido </H1>

<A HREF = "http://www.server.fr/Info
 Reconocido por todos los /dir/test.html"> una referencia
navegadores externa

</A>
 Popular en la Web </BODY>

</HTML>


HTML
 Lenguaje usado para describir páginas Web:
 Describe la presentación de las páginas y no el
contenido
 No permite a las aplicaciones entender la estructura
y el contenido de las páginas

 Los tags de HTML son utilizados para indicar
encabezados, párrafos, negrillas, itálicas, etc.

57

HTML: Ejemplo
<h1> People on the fourth floor </h1>

<p> <b> Alan </b>, 42 years,
<i> alan@abc.com </i> </p>

<p> <b> Ryan </b>, 58 years,
<i> ryan@abc.com </i> </p>

<p> <b> Patsy </b>, 36 years,
<i> patsy@abc.com </i> </p>

58

HTML: Presentación
People on the fourth floor

Alan, 42 years, alan@abc.com

Ryan, 58 years, ryan@abc.com

Patsy, 36 years, patsy@abc.com

59

HTML: Puntos débiles
 La normalización es difícil (tags diferentes):
 Cada navegador define sus propios tags de acuerdo a sus
requerimientos (incompatibilidad)
 HTML 4.0:
 Botones, tablas, applets, objetos, gráficos, matemáticas, ...
 Estilos, frames, protecciones, ...

 Las páginas son difíciles de actualizar:
 Las hyper-ligas apuntan a donde sea
 Implica reestructurar un conjunto de páginas
 El contenido y la forma son mezclados:
 Meta datos con la presentación
 Las páginas son concebidas para un tipo de equipo


Páginas de estilo
 Desarrolladas para tener presentaciones diversificadas
 CSS (Cascading Style Sheet)
 Mecanismos de herencia de nodos
 Un tag hereda los elementos de su padre
 Redefinición de elementos especificados en un nodo

 Recomendación W3C, diciembre de 1996
 Mecanismo simple para agregar un estilo a documentos
Web
 Font, tamaño, color, etc.

 Puede ser usado con XML


Ejemplos de CSS
<LINK REL="stylesheet" HREF="fichier.css"> [ ... ]
TD, TH {
font-family: "Helvetica",
@import "truc.css" sans-serif
BODY { line-height: 1.35 ;
color: #000 ; }
background: #FBFBFF ;
H1, H2 {
margin-left: 9% ;
margin-top: 1.2em ;
margin-right: 6% ;
margin-left: -7% ;
font-family: "Helvetica", sans-
color: #900 ;
serif ;
clear: both ;
line-height: 1.35 ;
}
}
[ ... ]

SGML y HTML: Resumen
 SGML:
 Lenguaje complejo

 HTML:
 Instancia de SGML
 Adaptado para la
presentación
 Inadaptado para el
intercambio de documentos
entre programas


Contenido
 Principio
 Representación
 Objetivos
 SGML y HTML

64

Introducción a XML
 XML es un meta-lenguaje universal para datos en la Web
 Permite el intercambio de contenido entre aplicaciones y/o
entre navegadores

 XML apoya la estandarización de la manera de procesar la
información:
 Intercambio (XML)
 Personalizada (XSL)
 Recuperación (XQuery)
 Asegurada (Encriptación, Autentificación)
 Ligado (XLink)
 ...


Elementos XML
 Elemento: Componente básico en XML
 Delimitado por tags
 Conteniendo texto (contexto de un elemento), otros elementos

 Ejemplo de elemento:

<person>

<name> Alan </name>

<age> 42 </age>

<email> alan@abc.com </email>

</person>

66

<table>
Elementos XML
<description> People on the fourth floor </description>
<people>
<person>
<name> Alan </name>
<age> 42 </age> <email> alan@abc.com </email>
</person>
<person>
<name> Ryan </name>
<age> 36 </age> <email> ryan@abc.com </email>
</person>
<person>
<name> Patsy </name>
<age> 58 </age> <email> patsy@abc.com </email>
</person>
</people>
67

</table>

HTML
<h1> People on the fourth floor </h1>

<p> <b> Alan </b>, 42 years,
<i> alan@abc.com </i> </p>

<p> <b> Ryan </b>, 58 years,
<i> ryan@abc.com </i> </p>

<p> <b> Patsy </b>, 36 years,
<i> patsy@abc.com </i> </p>

68

Elementos XML
 Contenido del documento “People on the fourth floor”:
 Nombres separados de las edades y de las direcciones email
 Fácil de entender por cualquier aplicación
 No hay información de cómo debe ser presentada
 Texto del documento  PCDATA (Parser Character Data)

 Elementos vacíos:
 <married> </married>
 <married/>

69

Atributos XML
 Atributo:
 Propiedad definida por la relación (nombre, valor)
 Usado para especificar la lengua, el tipo de moneda, el formato,
etc.

 Ejemplo:

<product>

<name language=“Spanish”> flauta transversal </name>

<price currency=“Pesos”> 4200.12 </price>

</product>

70

Atributos XML vs. Elementos XML
 Número de ocurrencias:
 Un atributo puede ocurrir una sola vez
 Un elemento puede repetirse varias veces

 Contenido:
 El valor de un atributo es siempre una cadena
 Un elemento puede contener sub-elementos

71

Problemas de ambigüedad
<person>

<name> Alan </name>

<age> 42 </age>


</person>

<person
<person age = “42”>
name = “Alan”
<name> Alan </name>
age = “42”
email = “alan@abc.com”
</person>
/>

72

Documentos bien formados
 Documento bien formado:
 Tags anidados apropiadamente
 Atributos únicos

 El orden de los sub-elementos es relevante

73

XML: El principio
Documento bien formado:
<Vin>
<Cru>Volnay</Cru>
<Region> <Nom>Bourgogne</Nom>
SGML <Capitale>Dijon</Capitale>
</Region>
<Millesime>1995</Millesime>
<Degre>11.7</Degre>
XML <Prix Unite = "Euro"> 10.5 </Prix>
</Vin>

Los usuarios pueden definir sus propios tags
HTML Una gramática puede ser impuesta
(DTD, XMLSchema)
XHTML Los tags denotan el significado de las
secciones que delimitan

Estructura jerárquica + ligas
Tipo Français

Categoría ***

Nombre Le Moulin de Mougin

Restaurante Administrador Dupuis

Número 7

Dirección Calle Des Vignes

Ciudad Mougin

Presentación por defecto

76

Presentación externa

<Prix>6.05</Prix>

Espacios de nombres
 ¿Cómo combinar tags provenientes de diferentes
espacios?

<t xmlns:Guide="http://www.michelin.com/2001/Guide",
xmlns:Annuaire="http://www.pageblanche.com/2001/Guide">

<Guide:Nom>Le Moulin</Guide:Nom>
<Annuaire:Nom>Le Moulin de Mougin</Annuaire:Nom>
 Mecanismos interesantes para integrar contenido

La galaxia de estándares
 XMLSchema: esquema de
documentos ebXML
 XSL: hojas de estilo DOM
XMLSchema
 SAX: API para la programación
orientada a eventos

 DOM: API para la programación RDF XML SAX
orientada a objetos

 SOAP: Protocolo de servicios Web XSL
 RDF: Descripción de recursos Web SOAP
 ebXML: Estándares e-Commerce
Xxx
 Xxx: Estándares de negocio XQuery

Autor: G. Gardarin 79

Bases de Datos Semiestructuradas y No Estructuradas

Recommandé

Recommandé

Contenu connexe

Tendances

Tendances (20)

En vedette

En vedette (20)

Similaire à Bases de Datos Semiestructuradas y No Estructuradas

Similaire à Bases de Datos Semiestructuradas y No Estructuradas (20)

Dernier

Dernier (20)

Bases de Datos Semiestructuradas y No Estructuradas