Dokument 1 - RWTH Aachen University

18 2 Umfeld der Arbeit
äquivalent 1 zur Ausgangsanfrage ist.
Die logischen Ansätze werden bei der Datenintegration eingesetzt um beim LAV-Modell die
Anfragen umzuschreiben. Das Ziel ist hierbei, für eine gegebene Anfrage q eine äquivalente
Anfrage q ′ zu finden, die nur die Sichten (d.h. die Datenquellen) benutzt. Das Finden einer äquivalenten
Anfrage ist aber nicht immer möglich. Darüber hinaus ist es, in Abhängigkeit von den
Sprachen für die Abbildungen und die Anfragen, auch nicht immer entscheidbar, ob die Anfrage
q ′ äquivalent zu q ist (für Datalog ist dies z.B. nicht möglich [Shmueli, 1993]).
Daher versuchen die meisten Algorithmen in diesem Bereich eine maximal-enthaltene Umschreibung
für q zu finden. Eine Anfrage q ′ ist dann in einer Anfrage q maximal-enthalten, wenn q ′ in q
enthalten ist und es keine Anfrage q ′′ gibt, die in q enthalten ist und q ′ enthält. Verschiedene Algorithmen
liefern genau die maximal-enthaltene Umschreibung zu einer Anfrage (z.B. [Duschka
und Genesereth, 1997; Pottinger und Halevy, 2001]).
Als Beispiel für das prinzipielle Vorgehen bei der Umschreibung einer Anfrage beschreibe ich
hier kurz den Bucket-Algorithmus aus [Levy et al., 1996]. Angenommen, die Anfrage q referenziert
die Schemaelemente g1, . . . , gn aus dem globalem Schema G. Für jedes gi überprüft man
nun, bei welchen Schemaelementen sj der Datenquellen gi auf der rechten Seite einer Abbildung
sj ❀ qG aus M vorkommt. Ist dies der Fall, so kann man sj für die Auswertung von gi nutzen
und fügt daher sj zum Bucket von gi hinzu. In einer zweiten Phase überprüft man nun alle möglichen
Kombinationen der Buckets, d.h. für jedes gi wird ein Element aus dem zugehörigen Bucket
eingesetzt. So erhält man eine Anfrage qS, die nur Datenquellen referenziert. qS kann dann für
die Beantwortung von q benutzt werden, wenn qS in q enthalten ist und es keinen Widerspruch
enthält (d.h. die Antwortmenge zu qS ist nicht leer). Das Ergebnis des Bucket-Algorithmus ist
dann die Vereinigung aller Anfragen qS, die diese Bedingungen erfüllen.
Offensichtlich ist die Umschreibung einer Anfrage im LAV-Modell schwieriger als beim GAV-
Modell, da komplexe logische Schlussfolgerungen über die Abbildungen und die Anfrage zu
benutzen sind, z.B. muss man im Bucket-Algorithmus mehrmals testen, ob eine Anfrage qS in q
enthalten ist.
2.2.3 Anforderungen an Datenintegrationssysteme im Internet
Die Integration von Daten im Internet ist ein aktuelles Forschungsthema. Im Gegensatz zu den
klassischen Informationssystemen wie DW-Systeme oder verteilte Datenbanken, kann man bei
Internet-Informationssystemen nicht davon ausgehen, dass es eine zentrale Komponente mit einem
globalem Schema gibt. Die Datenquellen im Internet werden daher als Peer-to-Peer-System
dargestellt, in dem jede Datenquelle einen gleichrangigen Knoten darstellt und einen Teil der
insgesamt verfügbaren Informationen verwaltet [Bernstein et al., 2002]. Das Datenmodell eines
Knotens besteht aus einem externen Schema (Peer-Schema), das nach außen für andere Knoten
sichtbar ist, einem internen Schema, das nur für die interne Datenverwaltung genutzt wird,
1 Eine Anfrage q1 ist in einer Anfrage q2 enthalten, wenn die Antwortmenge zu q1 für alle Datenbankinstanzen
eine Teilmenge der Antwortmenge zu q2 ist. Äquivalent sind zwei Anfragen, wenn sie wechselseitig ineinander
enthalten sind.