Reformulação de Consultas em Sistemas de Integração de Dados baseados em XML

Transcrição

1 Reformulação de Consultas em Sistemas de Integração de Dados baseados em XML Mestrando: Fabio Pinheiro Abreu 1, 2 Orientadora: Profa. Dra. Vânia Maria Ponte Vidal 1 1 Universidade Federal do Ceará Departamento de Computação Campus do Pici-Bloco: Fortaleza-CE-Brasil {vvidal, fabio}@lia.ufc.br 2 Instituto Atlântico * Rua Chico Lemos, 946 Cidade dos Funcionários Fortaleza-CE-Brasil fabio@atlantico.com.br Palavras-chave: XML, Visão XML, Assertiva de Correspondência, Reformulação de Consulta Resumo O objetivo dos sistemas de integração de dados é permitir o acesso integrado a várias fontes de informação heterogêneas e independentes, através de uma visão global. Quando um usuário submete uma consulta à visão global (esquema do mediador), o sistema de integração deve traduzir essa consulta em uma série de sub-consultas que serão enviadas para as fontes locais. Os resultados dessas sub-consultas são traduzidos, filtrados e integrados, e depois, o resultado final é retornado ao usuário. XML (extensible Markup Language) vem se caracterizando como um padrão de troca e integração de dados, de forma que, os sistemas de integração a têm utilizado como modelo comum ( XML-Based Mediators ). Estes sistemas de integração são baseados numa arquitetura onde o mediador suporta uma visão integrada XML (virtual ou materializada) e as fontes locais exportam visões XML. O nosso trabalho contempla o desenvolvimento de procedimentos para geração dos mapeamentos da consulta original na linguagem XQuery submetida ao mediador XML em sub-consultas XQuery que serão encaminhadas às visões das fontes de dados locais. É contemplado também o desenvolvimento de procedimentos para integração dos resultados obtidos a partir dessas sub-consultas geradas. O desenvolvimento desses procedimentos está fortemente relacionado às correspondências entre os esquemas das visões. Estas utilizam assertivas de correspondência para especificar formalmente os mapeamentos entre elementos da visão mediada e elementos das visões locais. 1. Introdução Nos sistemas de integração, o componente de reformulação de consultas [4, 5, 8, 12, 13] utiliza as correspondências do mediador com as fontes de dados locais para selecionar um conjunto de fontes que podem ser usadas para responder uma consulta global. Em [11] são definidos vários tipos de assertivas de correspondência que são utilizadas para especificar formalmente as correspondências entre XML Schemas [7]. Essas assertivas de correspondências são geradas através do matching do esquema do mediador com os esquemas das fontes locais usando para isso alguns algoritmos propostos. As assertivas de correspondência do mediador com cada fonte local são armazenadas em uma estrutura de árvore (árvore de assertivas). A vantagem desse formalismo é que ele permite definir de forma * Este trabalho foi suportado pelo Instituto Atlântico ( 97

2 precisa o mapeamento entre o esquema do mediador e os esquemas locais, inclusive casos onde elementos semelhantes são representados de formas diferentes. Além do reformulador de consultas, os sistemas de integração têm um componente de otimização de consulta, o qual é responsável pela geração de um plano eficiente de execução das consultas. Esse componente é responsável pela avaliação da qualidade dos planos gerados após a reformulação da consulta global. O nosso trabalho contempla o desenvolvimento de procedimentos para geração dos mapeamentos da consulta original (submetida à visão integrada) em sub-consultas que serão encaminhadas às visões das fontes de dados locais, bem como o desenvolvimento de procedimentos para integração dos resultados obtidos a partir dessas sub-consultas geradas. Consideramos que a consulta original e as sub-consultas são expressas em XQuery. Esse artigo está organizado como se segue. Na seção 2, discutimos os principais trabalhos relacionados. Na seção 3, discutimos a nossa estratégia de reformulação de consultas. Na seção 4. mostramos através de um estudo de caso um exemplo de reformulação de consulta utilizando a nossa estratégia proposta. E, finalmente, na seção 5 apresentamos nossas contribuições e resultados esperados. 2. Trabalhos relacionados Algumas abordagens de reformulação de consultas já foram propostas. Uma característica comum dessas abordagens é a limitação da representação dos mapeamentos existentes e conseqüentemente das consultas às fontes de dados. O sistema de integração MOMIS [4] utiliza o modelo de dados comum ODM I3. Os esquemas das fontes de dados são representados em classes definidas em ODL I3 e as consultas são realizadas em OQL I3. ODL I3 e OQL I3 são subconjuntos das correspondentes ODL e OQL do ODMG-93. Outro sistema de integração, o ARIADNE [12], utiliza um modelo de representação chamado Loom. Existe neste sistema uma linguagem para definição de classes e consulta a essas classes. Os mapeamentos definidos nestas duas abordagens representam correspondências simples entre o esquema do mediador e os esquemas das fontes locais. As consultas geradas são consequentemente limitadas. Outra limitação destes enfoques é que eles não tratam do mapeamento de elementos semelhantes representados de formas diferentes (heterogeneidade estrutural). O nosso trabalho utiliza uma representação XML (XML Schema) tanto para os esquemas do mediador como para os esquemas locais. Esse modelo comum de representação é extremamente poderoso pela flexibilidade e proximidade na modelagem dos conceitos do mundo real. O mapeamento entre os esquemas é realizado através de assertivas de correspondência, as quais são formalmente definidas e que constituem a base para a reformulação das consultas submetidas à visão integrada do mediador. A vantagem deste formalismo é que permite especificar correspondências entre elementos representados de formas diferentes. 3. Reformulação de Consultas XML A nossa estratégia utiliza fortemente o formalismo definido pelas assertivas. As assertivas podem ser classificadas em: assertivas de correspondência de coleções globais (ACCG), assertivas de correspondência de caminhos (ACC) e assertivas de correspondência de elemento (ACE). O processo de geração das correspondências entre esquemas é descrito em [11]. O resultado desse processo são árvores que armazenam as assertivas identificadas entre o esquema da visão integrada e os esquemas das visões das fontes de dados locais. 98

3 O sistema de integração deve receber uma consulta XQuery através de sua visão integrada e gerar as sub-consultas XQuery para as visões XML das fontes de dados locais. Para gerar essas sub-consultas, as assertivas são utilizadas de maneira a possibilitar a reformulação da consulta original para cada uma das visões locais. Para cada árvore obtida no processo de geração das assertivas de correspondência será realizada uma navegação de forma a obter as assertivas necessárias para a tradução dos elementos do esquema mediado em elementos correspondentes do esquema local. Quando uma consulta é submetida à visão integrada, o mediador identifica quais as fontes que podem contribuir com dados para resultado final e gera as sub-consultas correspondentes a cada fonte. Essas sub-consultas são geradas utilizando como base as árvores de assertivas de cada fonte local. Essas árvores contêm as assertivas de correspondência, principal informação utilizada na reformulação da consulta original. A estrutura das árvores das assertivas permite que a reformulação seja realizada de forma precisa e eficiente. É precisa porque as assertivas especificam formalmente as correspondências entre os esquemas da visão integrada e das visões das fontes locais. É eficiente porque sua estrutura hierárquica possibilita as facilidades da navegação pelos nós dos grafos. Dado que podem existir diferentes combinações de sub-consultas, os algoritmos propostos devem usar outras informações e até heurísticas para selecionar a melhor combinação levando em consideração custo, eficiência, confiabilidade, e outras características que sejam relevantes para a aplicação em questão. 4. Estudo de Caso Suponhamos, por limitação de espaço, um exemplo de um mediador e de uma única fonte de dados representado pelos esquemas XML da figura 1. Por limitação de espaço, os tipos dos elementos complexos do XML Schema são indicados entre parênteses. Mediador (Tmed) autor* (Tautor) nome publicacao* (Tpublicacao) isbn titulo ano Fonte1 (Tfonte1) livro1* (Tlivro1) isbn1 titulo1 ano1 autor1* (Tautor1) nome1 1 Figura 1: Esquemas XML do Mediador e da Fonte Local O processo de geração das correspondências entre XML Schemas é responsável por gerar as assertivas de correspondências entre o esquema do mediador e o esquema da fonte de dados. Essas assertivas são armazenadas em uma estrutura de árvore. A figura 2 mostra a árvore de assertivas resultado do matching do esquema do mediador com o esquema da fonte local. Consideremos como exemplo a reformulação da seguinte consulta especificada em XPath. A consulta submetida ao mediador retorna os nomes dos autores que possuem publicação com título Banco de Dados. Q = $med/autor[publicacao/titulo= Banco de Dados ]/nome 99

4 Acs Globais autor ACCG: AC1 Acs medxfonte1 Acs Caminhos tipos = TpublicacaoxTlivro1] ACCs[@ tipos = TautorxTautor1] nome publicacao ACE: ACCs ref ACC: AC3 ACC: AC4 ACC: AC5 &TautorxTautor1 ACE: ref &TpublicacaoxTlivro1 isbn titulo ano Figura 2: Árvore de Assertivas do Mediador e da Fonte Local AC1: [$med/autor] [$fonte1/livro1/autor1] AC2: [Tautor, {nome, }] [Tautor1, {nome1, 1}] AC3: [Tautor/nome] [Tautor1/nome1] AC4: [Tautor/ ] [Tautor1/ 1] AC5: [Tautor/publicacao] [Tautor1/ (Tlivro1.autor1) -1 AC6: [Tpublicacao, {isbn}] [Tlivro1, {isbn1}] AC7: [Tpublicacao/isbn] [Tlivro1/isbn1] AC8: [Tpublicacao/titulo] [Tlivro1/titulo1] AC9: [Tpublicacao/ano] [Tlivro1/ano1] Figura 3: Assertivas de Correspondência entre o Mediador e a Fonte Local A reformulação consiste de duas etapas. Na primeira etapa usamos uma extensão de XPath a qual nos permite navegar através da inversa de referências existentes entre os elementos [14]. Essa expressão resulta da navegação através da árvore de assertivas da fonte de dados. Durante a navegação, cada passo da consulta original é analisado. O primeiro passo ($med/autor) é comparado com o único nó de assertiva de coleção global existente e a assertiva AC1 é identificada. Uma vez identificada a assertiva, o passo é traduzido e a subexpressão $fonte1/livro1/autor1 é obtida. A navegação prossegue comparando agora o passo seguinte da expressão em busca das assertivas de caminho associadas ao nó encontrado no passo anterior. Com base na assertiva de caminho de subconjunto AC6, a assertiva de caminho de equivalência AC8 é encontrada e o passo publicacao/titulo é traduzido em (Tlivro1.autor1) -1 /titulo1. Com base na assertiva de caminho de equivalência AC3, o passo /nome é traduzido em /nome1. A nova expressão obtida é mostrada a seguir: $fonte1/autor1[(tlivro1.autor1) -1 /titulo1= Banco de Dados ]/nome1 Na segunda etapa as expressões de caminho (expressas na XPath estendida) obtida na etapa anterior são transformadas na consulta XQuery correspondente. A sub-consulta gerada para a fonte local é: FOR $a IN $fonte1/livro1/autor1 FOR $l IN $fonte1/livro1[titulo1/text() = Banco de Dados ] RETURN $a/nome1 5. Contribuições e Resultados Esperados ACC: AC7 ACC: AC8 ACC: AC9 O nosso trabalho utiliza um modelo XML de representação dos dados onde tanto os esquemas da visão integrada quanto os esquemas das visões das fontes de dados locais estão definidos em XML Schema. Essa forma de representação é um padrão amplamente utilizado que foi definido pelo W3C. Utilizamos assertivas de correspondência formalmente definidas que possibilitam uma definição precisa dos mapeamentos entre esses esquemas além de solucionar os casos onde elementos semelhantes são representados de formas diferentes nas 100

5 fontes de dados. Utilizamos também uma estrutura de armazenamento hierárquica das assertivas possibilitando um encaminhamento eficiente na reformulação das consultas. As principais contribuições e resultados esperados são: a. Elaboração de procedimentos para reformulação de uma consulta XQuery realizada na visão integrada do sistema em sub-consultas XQuery nas visões locais, utilizando para isso as árvores de assertivas. b. Elaboração de procedimentos de integração dos resultados das sub-consultas para resposta à consulta original, utilizando para isso também as assertivas de correspondência. c. Utilização desses procedimentos no protótipo de EBPP (Electronic Business Payment and Presentment) em Telecom, possivelmente a ser desenvolvido em conjunto com o CPqD e financiado pelo Funttel. Agradecimento: Agradecimento ao Instituto Atlântico pelo apoio financeiro que viabilizou a apresentação deste artigo no I WTDBD, evento do SBBD Referência bibliográfica [1] World Wide Web Consortium, Extensible Markup Language (XML) Version 1.0, W3C Recommendation, [2] World Wide Web Consortium, XQuery: A Query Language for XML, W3C Working Draft, [3] Chawathe S., H. Garcia-Molina, J. Hammer, K. Ireland, Y. Papakonstantinou, J. Ullman, and J. Widow, The TSIMMIS Project: Integration of Heterogeneous Information Sources, IPSJ Conference Tokyo, [4] S. Bergamaschi, S. Castano, S. De Capitani di Vimercati, M. Vincini, MOMIS: An Intelligent System for the Integration of Semistructured and Structured Data, INTERDATA, [5] A. Levy, The Information Manifold Approach to Data Integration, [6] Z. G. Ives, D. Florescu, M. Friedman, A. Levy, D. S. Weld, An Adaptive Query Execution System for Data Integration, ACM SIGMOD 1999 June, pages [7] World Wide Web Consortium, XML Schema, W3C Recommendation, [8] I. Manolescu, D. Florescu, D. Kossmann, Answering XML Queries over Heterogeneous Data Sources, Proceedings of the 27 th VLDB Conference, Roma, Italy, 2001 [9] M. Fernadez, A. Morishima, D. Suciu, Efficient Evaluation of XML Middle-ware Queries, ACM SIGMOD 2001 May, pages [10] Z. G. Ives, A. Y. Levy, D. S. Weld, D. Florescu, M. Friedman, Adaptive Query Processing for Internet Applications, [11] V. Vidal, R.Figueirêdo, Uma Abordagem Top-down para Geração das Correspondências entre XML Schemas, [12] J. Ambite, C. Knoblock, I. Muslea e A. Philpot. Compiling Sources Descriptions for Efficient and Flexible Information Integration. Journal of Intelligent Information System (JIIS), v.16, n.02, Março, [13] D. Beneventano, S. Bergamaschi e F.Mandreoli. Extensional Knowledge for Semantic Query Optimization in a Mediator Based System. International Workshop on Foundations of Models for Information Integration, Setembro, [14] V. Vidal. Efficient Maintenance of XML-based Mediated Views Using the View s Correspondence Assertions,