数据集成系统概述

数据集成系统摘要

数据集成系统提供了一个统一的平台，使用户可以专注于获取特定的结果，而不需要关注结果的获取方式。系统定义为一个三元组（全局模式G，数据源模式S，以及G与S之间的映射M），通过创建虚拟的全局模式和映射关系，用户的查询请求可以转换为对应数据源模式的子目标，并通过封装器与下层数据源交流，最后将子目标结果整合为统一结果。

主要问题

数据集成系统的核心问题在于建立语义联系，查询重写，查询优化和查询执行。语义联系是建立用户查询和数据源数据联系的桥梁，通常通过映射实现，要求映射具有清晰的语义、对不完整信息的适应性和模式异构的允许。映射的三个重要属性包括查询回答能力，映射推理能力和映射整合能力。实际中的映射往往是不精确的，因此研究的目标是找到最好或最有效的映射。映射的建立通常需要人工参与，是一个劳动密集和容易出错的过程。

匹配和映射

匹配是指找到两个不同模式中元素之间映射关系的行为，其目标是自动、精确和广泛适应的。匹配算法利用不同种类的信息单一或综合完成匹配，产生的匹配结果作为映射。为了提高匹配的精确度，可以综合多个算法的结果。

查询重写

查询重写是指将全局模式上的查询重新用下层数据源的资源描述来表述。重写算法主要有Bucket algorithm和Inverse rules algorithm，分别以不同的方式减少候选重写的数量和直接展开查询。

查询优化和执行

数据集成系统面临的特殊情况，包括数据源的冗余、动态变化、分布式以及结构多样性，使得优化和执行变得困难。优化方法分为本地执行方案和分布式执行方案，以及适应性优化策略和非适应性优化策略。适应性优化因其能随环境变化调整而被视为更有前途的方案。

发展方向

未来的研究方向包括网络分布式执行、主动优化、挖掘传统技术潜力和运用分布式计算。数据集成系统的进步需要重视这些方面的发展，以提高系统效率和适应性。

想要了解更多内容？

查看原文：数据集成系统概述

文章来源：

老司机聊数据

扫码关注公众号