Adaptability in XML-to-Relational Mapping Strategies

Abstract

Jednou z možností jak pracovat s XML dokumenty je využití (objektově-)relačních databází. Nejdůležitějším úkolem je v tomto případě nalezení optimálního mapování mezi XML a databází, tedy způsobu jak ukládat XML data do relací. Aktuálně nejefektivnější řešení, tzv. adaptivní metody, prohledávají prostor možných řešení a vybírají to, která nejlépe vyhovuje příkladům dokumentů a dotazů. V této práci řešíme prblém mapování XML do relací pomocí heuristiky zvané Optimalizace pomocí kolonií mravenců (ACO). Navržený algoritmus jsme také adaptovali pro použití v dynamické verzi problému. Vlastnosti obou algoritmů jsou ověřeny v řadě experimentů, ze kterých vyplývá, že algoritmy založené na ACO jsou nejen vhodné pro daný problém, ale umožňují i řešení jeho dynamické verze.

One of the ways how to manage XML documents is to exploit tools and functions o ered by (object-)relational database systems. The key aim of such techniques is to nd the optimal mapping strategy, i.e. the way the XML data are stored into relations. Currently the most efficient approaches, so-called adaptive methods search a space of possible mappings and choose the one which suits the given sample data and query workload the most. In the thesis we exploit a general heuristic method called Ant Colony Optimization (ACO) to solve the XML-to-Relational mapping problem. We also adapt the algorithm so it can be used on a dynamic variant of the problem. The algorithms are evaluated in a set of experiments with a conclusion that the ACO-based algorithms are suitable for the problem and can be even used as a basis of a dynamic mapping mechanism.