3.1.1 數(shù)據(jù)集成

數(shù)據(jù)集成是把不同來源、格式、特點性質(zhì)的數(shù)據(jù)在邏輯上和物理上有機地集中，從而為用戶提供全面的數(shù)據(jù)共享。實現(xiàn)數(shù)據(jù)集成的系統(tǒng)稱作數(shù)據(jù)集成系統(tǒng)，它為用戶提供統(tǒng)一的數(shù)據(jù)源訪問接口，執(zhí)行用戶對數(shù)據(jù)源的訪問請求。

目前，開發(fā)信息集成系統(tǒng)可采用多種方法，但其基本方法可分為兩類：物化方法（Materialized，也稱數(shù)據(jù)倉庫法）和虛擬方法（Virtual，也稱中間件法）。

物化方法指在客戶端與數(shù)據(jù)源（服務(wù)器）之間增加一層，稱為數(shù)據(jù)倉庫，用來存儲來自各數(shù)據(jù)源的待集成數(shù)據(jù)，系統(tǒng)提供對這個數(shù)據(jù)倉庫的查詢機制。這種方法存在的問題是當(dāng)信息源的數(shù)據(jù)發(fā)生變化時，數(shù)據(jù)倉庫中的數(shù)據(jù)也要做相應(yīng)的修改。因此，這種間接訪問方式的最大缺點是數(shù)據(jù)更新不及時、數(shù)據(jù)重復(fù)存儲。物化方法通常需要一些新的技術(shù)，如有效地數(shù)據(jù)加載和增量更新維護等。

虛擬方法使用與數(shù)據(jù)倉庫法完全不同的結(jié)構(gòu)。在該方法中數(shù)據(jù)仍保存在各數(shù)據(jù)源上，集成系統(tǒng)僅提供一個虛擬的集成視圖（即全局模式）和對該集成視圖查詢的處理機制。系統(tǒng)能自動地將用戶對全局模式的查詢請求轉(zhuǎn)換成對各異構(gòu)數(shù)據(jù)源的查詢，它依賴于兩類軟件組件：封裝器（Wrappers）和中間件（Mediators）。封裝器包裝數(shù)據(jù)源，把底層的數(shù)據(jù)對象轉(zhuǎn)換為統(tǒng)一的數(shù)據(jù)模型；在某種程度上，中間件是信息源中數(shù)據(jù)的一個視圖，其中并沒有數(shù)據(jù)。用戶可以對中間件進行查詢，對于每一個用戶的查詢模式需要一個中間件，不同中間件結(jié)果之間一般沒有一致性約束。中間件從包裝器或其他中間件獲取信息，通過集成不同數(shù)據(jù)源信息，并解決它們之間的沖突來提煉信息，然后把信息或者提供給用戶，或者提供給其他的中間件。由于該方法不需要重復(fù)存儲大量數(shù)據(jù)，并能保證查詢到最新的數(shù)據(jù)，因此比較適合高度自治、集成數(shù)量多且更新變化快的異構(gòu)信息源集成。虛擬方法中的技術(shù)涉及更多的查詢上的代數(shù)操作。首先，中間件應(yīng)當(dāng)確定出哪個信息源對給定的查詢有用，當(dāng)需要集成的信息源巨大時，這一問題是非常重要的；其次，一旦確定了有關(guān)的信息源，中間件應(yīng)當(dāng)執(zhí)行源到源的查詢變換，該過程有時稱為查詢重寫（Query Rewriting）。當(dāng)從兩個或多個信息源抽取數(shù)據(jù)時，中間件還需要生成一個全局的執(zhí)行計劃，以確定用何種順序?qū)π畔⒃催M行查詢。