Vorbereitung der Portierung der Stoffdatenbank GSBL in eine NoSQL-Datenstruktur anhand der dokumentorientierten Datenbank: MongoDB

Das Thema dieser Arbeit orientiert sich am Bedarf des Umweltbundesamtes, die Stoffdatenbank GSBL weiter zu entwickeln, die Speichersrtuktur der GSBL zu moderniesieren und die Möglichkeit seiner Nutzung für verschiedene Anwendergruppen zu verbessern. Die heutige Datenhaltunf´g basiert auf einer relationalen Speicherung und wird transponiert gelöst.Transponierung in Bezug auf eine relationale Speicherung bedeutet, dass Spalten und Zeilen einer Tabelle getauscht werden. Die Tabelle mit GSBL-Daten ist derart gesataltet, dass die Eigenschaften der chemischen Stoffe als Zeilenbezeichnungen statt als Spaltenüberschriften aufgefasst werden, wie es üblich bei einer relationalen Speicherung ist. In dieser Arbeit wird ein Überblick über verschiedene Datenmodelle, ihre Vorteile und Nachteile im Hinblick auf die spezielle Problematik der Stoffdatenbanken gegeben. Die Eigenschaften von MongoDB werden in Bezug auf eine konkrete Problemstellung getestet und bewertet. Diese Arbeit soll in Bezug auf eine mögliche Portierung des GSBL (oder ähnlicher Stoffdatenbanken) zu NoSQL eine Hilfe zur Verfügung stellen.

Relevanz von Änderungen für Datenbestände mobiler Clients

Aufgrund der Entwicklungen auf dem Sektor der Mobiletelefone ist davon auszugehen, dass die Anzahl kleiner, leichtgewichtiger mobiler Endgeräte, welche als Clients von Datenbanksystemen genutzt werden, weiter ansteigt. Ein wesentliches Problem in diesem Szenario ist die langsame und teure Datenübertragung in Funknetzwerken. Aus Sicht der Nutzer derartiger Technologien ist es somit nicht sinnvoll bzw. wünschenswert, Daten, welche keinen direkten Nutzen für sie bieten, auf das Mobilgerät zu übertragen. Des Weiteren werden einmal empfangene Daten lokal gespeichert und wiederverwendet (Caching). Ändern sich Daten auf dem Server des Informationssystems, müssen die mobilen Clients, welche von einer Änderung betroffen sind, ermittelt und darüber informiert werden. Im Rahmen dieser Dissertation wird gezeigt, dass eine derartige exakte Relevanzprüfung nur mithilfe der Daten in der Datenbank realisiert werden kann. Andere Verfahren, welche das Problem auf semantischer Ebene adressieren, funktionieren nur, wenn die unterstützte Anfragesprache stark eingeschränkt wird und können selbst dann zur falschen Feststellung einer Relevanz führen. Insbesonderen in Informationssystemen mit einer großen Anzahl mobiler Clients kommt es dazu, dass verschiedene Nutzer gleiche oder zumindest ähnliche Anfragen stellen. Diese Eigenschaft wird hier genutzt, um basierend auf einer speziellen Anfragenotation syntaktisch gleiche Teile mehrerer Anfragen gemeinsam auf Relevanz zu testen. Hierzu werden die Anfragen in einem Anfragebaum gespeichert, welcher die IDs der Clients referenziert. Die Relevanzprüfung erfolgt durch Traversieren des Baumes. In der vorliegenden Arbeit werden verschiedene Anfrageindexstrukturen diskutiert und die Menge der notwendigen Relevanztest formal auf der Basis der Relationenmodells hergeleitet. Abschließend werden die theoretisch erarbeiteten Techniken evaluiert und Vorschläge für ihre Optimierung diskutiert.

On propositionalization for knowledge discovery in relational databases

Propositionalization, Inductive Logic Programming, Multi-Relational Data Mining