10. TIETOKANNAN RAKENNE
10.1. T IETOKANTAMENETELMIEN KARTOITUS
Tietokantojen hallintajärjestelmissä käytetään kahdentyyppisiä tietokantoja:
käyttötietokantaa ja analyyttisiä tietokantoja [47].
Multimediatietopankki tulee olemaan dynaamisen datatallennuksen ja haun ympäristö, missä data muuttuu jatkuvasti ja tarjoaa ajan tasalla olevia tietoja. Osa multimediatietopankista toimii analyyttisena tietokantana, jossa keskitytään historiallisten ja ajasta riippuvien tietojen tallettamiseen ja seuraamiseen. Nämä tiedot ovat staattisia, mikä tarkoittaa että tietoja ei koskaan (tai ainakaan usein) muuteta ja että tietokanta koskee tiettyä ajankohtaa. Esimerkkinä on Riihimäen esihistoria joka käsittelee alueen geologiaan, arkeologiaan ja kulttuuriperintöön liittyvää tietoa.
Tietokantamenetelmiä valittaessa on huomioitava seuraavia seikkoja:
1. Lähtökohtaisesti valitaan oliopohjaisin menetelmin toteutettava käyttöliittymä, jossa käytetään Java-ohjelmointikieltä.
2. Lisäksi huomioidaan tietojen välisten riippuvuuksien esittäminen.
Metatiedot ovat monitasoisessa segmentoinnissa puumaisesti rakentuneita. Juuressa kuvataan kokonaisten ohjelmien metatiedot, alemmilla tasoilla ohjelmien osien tiedot. Alemman tason metatiedot eivät voi olla olemassa ilman ylemmän tason tietoja ja kullakin tasolla hankitaan metatietoa samanlaisista asioista (kuva 10.1).
Kuva 10.1 Esimerkki Riihimäen esihistorian monitasoisesta indeksoinnista
3. Metatiedon hallinnan kannalta tärkeät toiminnot ovat tietojen lisäys ja haku. Päivitykset eivät ole usein toistuvia pysyvissä multimediatietopankkijärjestelmissä.
4. Komponenttipohjaisten järjestelmien erityisominaisuus on niiden sisältämä teksti. Ohjelman osista voidaan tallentaa puhe tekstimuotoon tai video-ohjelmasta voidaan tehdä tekstimuotoisia kuvauksia.
Relaatiomenetelmässä (kohta 10.1.1) on tietotyyppeinä käytettävissä ainoastaan perustyypit: kokonaisluvut, liukuluvut, merkit jne. Kun relaatiotietokantoja käytetään olio-ohjelmoinnissa, jossa tietotyypit ovat käyttäjän määriteltävissä, joudutaan tekemään konversioita tietotyyppien välillä. Tämä konversio-ongelma (impedence mismatch) ratkaistaan oliorelaatiomenetelmässä (kohta 10.1.2.) yhdistämällä SQL ja olio-ohjelmointi (kohta 10.1.3). Tekstihakumenetelmässä on muista menetelmistä puuttuvia tekstihakuominaisuuksia.
10.1.1. RELAATIOMENETELMÄ
Relaatiomenetelmässä käytetään standardia SQL:ää. Olio-ohjelmointikieliin SQL on yhdistettävissä JDBC ajurin version 1.x avulla (JDBC = Java Database Connectivity).
Relaatiotietokannat suunnitellaan usein ER-mallilla (Entity Relationship model). Entiteetit ovat perusobjekteja, joista tietokanta koostuu.
Samantyyppiset yksilötyypit (entity) muodostavat entity-joukkon. Relaatiolla kuvataan entityjen välisiä yhteyksiä. Relaatiomalleja kuvataan relaatiokaavioin. Yksilötyypit merkitään kaavioissa suorakaiteilla. Joukkojen yhteenkuuluvuus ilmaistaan viivoilla. Yksilötyypillä on lisäksi ominaisuuksia ja näiden arvoja, joista ominaisuuksien nimet kirjoitetaan kaavioon.
Yksilötyyppijoukko voi olla myös toisen yksilötyypin osajoukko. Kun osajoukko ei voi olla olemassa ilman ympäröivää joukkoa on osajoukko riippuva osajoukko. Joukon osajoukkoja merkitään ER-kaavioissa suorakaiteilla ja viivalla sen vasemmassa reunassa. Riippuvissa osajoukoissa viiva piirretään suorakaiteen yläreunaan [48].
Riippuvia osajoukkoja ovat kartoissa karttakuva, joka ei voi olla olemassa
kuva 10.2. Karttojen ja karttakuvien kuvaus ER-kaaviolla.
Relaatiokaavioista muodostetaan relaatiotaulut normaalisointisääntöjen mukaisesti. Riippuvien osajoukkojen tapauksessa relaatiotaulut muodostetaan yhdistelmäavainten avulla. Riippuvan osajoukon avaimeksi tulee dominoivan joukon ja riippuvan joukon avaimen yhdistelmä.
Relaatiotauluissa sarakkeet nimetään ER-kaavion attribuuttien nimen perusteella ja kukin rivi vastaa yhtä yksilötyyppiä [48].
Relaatiotauluja käsitellään standardin SQL-kielen (SQL = Standard Query Language) avulla. Lisäyksiin käytetään INSERT-lauseketta ja hakuihin SELECT-lauseketta:
• INSERT INTO TABLE taulun_nimi VALUES (’1’,’1’,’2’); -- lisää arvoja tauluun
• SELECT *FROM TABALE taulun_nimi; -- valitsee arvoja taulusta
Valintakomentoihin liitetään ehtoja WHERE-lausekkeen avulla. Samalla SELECT-lausekkeella voidaan valita useammasta eri taulusta.
10.1.2. OLIORELAATIOMENETELMÄ
Oliorelaatiotietokantoihin kehitetään standardia kyselykieltä SQL3:ta ANSI X3/H2-ryhmän toimesta (ANSI = American National Standards Institute).
SQL3 on perinteisen SQL:n laajennus. Oliorelaatiotietokantamenetelmässä käytetään olioperustaista ohjelmointikieltä SQL3:n kanssa ja JDBC-ajurin version 2.x avulla.
SQL3:n osat, jotka antavat perustan objektiorientoituneille rakenteille ovat Manolan mukaan [49]:
• Käyttäjän määrittelemät tyypit
• Tyyppien konstruktoijat rivityypeille
• Tyyppien konstruktoijat kokoelmatyypeille
• käyttäjän määritelmät funktiot ja proseduurit
• Suurten objektien tuki.
Käyttäjän määrittelyssä olevia tyyppejä ovat abstraktit tietotyypit (ADT = Abstract Data Type), rivityypit (row types) ja erilliset tyypit (distinct type).
Abstractit tietotyypit vastaavat olio-ohjelmoinnin luokkamäärittelyjä kapselointeineen (encapsulation).
Esimerkiksi Aiheet-tyyppi abstraktina tietotyyppinä:
CREAT TYPE Kartat
FUNCTION kesto (alkuaika int, loppuaika int) RETURNS int (return loppuaika-alkuaika)
)
Tietojen väliset riippuvuudet ovat oliorelaatiomenetelmää käyttävässä tietokannassa kuten relaatiomenetelmässä ja sovellusohjelmassa kuten oliomenetelmässä. Tiedot lisätään INSERT-lausekkeilla ja haetaan SELECT-lausekkeilla.
10.1.3. OLIOMENETELMÄT
Oliotietokannan muodostavat objektimalli, objektien määrittelykieli, objektien kyselykieli ja liittäminen ohjelmointikieliin [34].
Objektimalli vastaa käyttötarkoitukseltaan relaatiotietokantojen tietomallia.
Objektimallin perustana on OMG:n (Object Oriented Management Group) kehittämä objektimalli, joka on laajennettu käsittämään oliotietokantojen vaatimuksia. Näitä ovat esimerkiksi objektien säilyvyys (presistence), joka tarkoittaa niiden tallettamista pysyvään muistiin. Käytännössä säilyvyys toteutetaan määrittelemällä objektit säilyvien luokkien instansseiksi.
Objektien määrittelykieli (ODL = Object Definition Language) vastaa käyttötarkoitukseltaan relaatiotietokantojen tiedon määrittelykieltä (DDL = Data Definition Language). Objekteja lisätään tietokantaan ja haetaan tietokannasta OML:n avulla [34].
Objektien kyselykielen (OQL) avulla voidaan tehdä assosiatiivisia hakuja.
Assosiatiiviset haut perustuvat objektien ominaisuuksien arvoihin, eivätkä objektien nimiin tai objektitunnisteisiin (OID 0 Object Identifier). Nimiin tai objektitunnisteisiin perustuvat haut ja lisäykset tehdään samoin kuin olio-ohjelmoinnissa ilman tietokantoja [34, 50].
Olio-ohjelmoinnissa käytetään suunnittelussa UML-kaavioita. Luokkakavioilla kuvataan olio-ohjelmoinnin luokkia ja niiden välisiä suhteita. Assosiaatio edustaa jotain sellaisten luokkien välistä suhdetta, jolla on tietty pysyvyys.
Assosiaatio kuvataan viivalla ja täytetyllä kolmiolla. Periytyminen kuvaa erikoistus/yleistys-suhteen kahden luokan välillä. Suhde piirretään paksukärkisenä yliluokkaan osoittavana nuolena. Erityinen assosiaatiolaji on kooste (aggregation). Kooste esittää suhteen ”on-osa” tai ”kuuluu” luokkien välillä. Kooste piirretään luokkien välille viivalla ja vinoneliöllä sisältävässä päässä [51]. Esimerkiksi kartta koostuu karttakuvista. (kuva 10.3)
kuva 10.3. Kokoelma
Luokkien väliset riippuvuudet määritellään relationship-inverse operaatioparilla [52] esim.
class ohjelma {
…
relationship Set <Aihe> koostuu inverse Aihe::::on_osa
Komponenttipohjaisen järjestelmän riippuvuus muista metatiedoista on oliopohjaisissa järjestelmissä monitasoinen kokoelma (multilevel collection).
Yhdistelmien (composite object), joiden erikoistapaus kokoelma on, toteuttaminen on oliopohjaisissa järjestelmissä kesken. Muun muassa eheysrajoitteita ei huomioida tässä tapauksessa jos käytetään normaalia assosiaatiota riippuvuuden kuvaamiseen [52].
10.1.4. TEKSTITIETOKANNAT (IR)
Tekstitietokanta sisältää alkuperäislähteen koko tekstin, esim.
uutistoimistojen sähkeitä, sanoma- ja aikakauslehtien artikkeleita jne.
Tekstitietokannoissa tekstin sanoista muodostetaan hakemisto, jolloin haettaessa tekstistä ei tarvitse käydä koko tekstiä läpi ja saadaan aikaan nopeita hakuja. Hauissa tarpeettomat sanat voidaan sulkea pois tallettamalla ne erilliseen, tätä tarkoitusta varten olevaan tiedostoon [53].
Menetelmässä käytetään tesauruksia (Thesaurus of Sociological Indexing Terms) yms. apuvälineitä, joiden avulla haetaan hakulausekkeen sanaa vastaavia synonyymejä ja lyhenteitä sekä voidaan verrata hakulausekkeessa perusmuodossa olevaa sanaa tietokannassa taivutettuna olevaan sanaan.
Tekstihakumenetelmällä on mahdollisuus myös huomioida isojen ja pienten kirjainten ero haussa (case sensitivity), sanojen rungot (perusmuodot), synonyymit ja lyhenteet sekä muodostaa hakusanoista hakulausekkeita [54].
Tekstitietokannoissa haut voivat olla joko täsmällisiä Boolen logiikkaan perustuvia tai kyselyyn osittain täsmääviä. Osittain täsmääviä menetelmiä ovat vektorimalliin (vector space model), sumeisiin joukkoihin (fuzzy set), todennäköisyyslaskelmiin (probablity based) ja nimikirjoitustiedostoihin (signature-file) perustuvat menetelmät. Osittain täsmääviä menetelmiä perustellaan sillä, että tiedontarvetta voidaan harvoin esittää yksikäsitteisesti hakuavaimen avulla. Näissä suoritetaan hakusanan esiintymistiheyteen perustuva dokumentin oleellisuuden arviointi [55, 56].
Tietojen väliset riippuvuudet ja rakenteellisuus on näissä järjestelmissä toteutettava ohjelmallisesti käyttäjän sovellusohjelmassa. Fulcrum-tekstitietokannassa eri tiedostoissa olevia ja eri tunnistein merkittyjä tekstejä on mahdollista indeksoida eri tauluihin [57]. Tällöin esimerkiksi koko ohjelmaa ja koko aihetta koskevat tiedot ovat omissa tiedostoissaan ja näiden sisältämät tiedot talletetaan ohjelmat ja aiheet-tauluihin. Talletuksen tauluihin tekstitietokanta hoitaa automaattisesti käyttäjän antamien määrittelyjen mukaan ns. rakenteellisten tekstien lukijalla. Tällä annetaan tiedoston tunnistetiedon (metatiedon, esim. XHTML tai XML:n tunnisteet) alku- ja loppu merkkijonoa sekä taulukon sarakenumero. Tunnistetiedon
väliin jäävä tieto talletetaan taulukkoon sarakenumeron määräämään sarakkeeseen.
Tekstitietokannan kyselykielen avulla on kerrallaan haettavissa tietoa vain yhdestä taulusta, eikä taulutietoja voi tallettaa muuttujiin. Ketjuttamalla kyselyt sovellusohjelmassa koskemaan ensin aihetaulua ja muodostamalla sovellusohjelmassa uuden kyselyn edellisen vastausten perusteella saadaan yhdistettyjä tiedot eri tauluista (kuva 10.4.).
1. Sovellusohjelmasta tehdään ohjelmaa koskeva kysely 2., 4., 6. Tietokannasta palautetaan vastaus edelliseen kyselyyn
3. Sovellusohjelmassa muodostetaan uusi kysely aiheisiin, käyttäen edellisessä vaiheessa saatuja ohjelmaa koskevia tietoja
5. Sovellusohjelmassa muodostetaan uusi kysely aiheisiin, käyttäen edellisessä vaiheessa saatuja ohjelmaa, aiheita ja aiheosuuksia koskevia tietoja
7. Sovellusohjelmassa muodostetaan uusi kysely otoksiin, käyttäen edellisessä vaiheessa saatuja ohjelmaa, aihetta ja aiheosuuksia koskevia tietoja
kuva 10.4. Tiedonhaku tekstitietokannasta kun tiedot sijaitsevat toisistaan riippuvaisissa tauluissa.