Professional Documents
Culture Documents
* IMIE
PESEL
ID_PRACOWNIKA_PRZELOZONEGO
Data_sprzedazy
Czy_roboczy
Czy_swiateczny
Dzien_tygodnia
DATE
CHAR (1 CHAR)
CHAR (1 CHAR)
NUMBER (1)
PR_PK (Id_produktu)
I nie byÊ w ogóle ustanowione
I byÊ ustanowione z klauzulπ RELY DISABLE NOVALIDATE1 – wówczas
SPZ_PR_FK_IDX (Id_produktu)
I sπ brane pod uwagÍ przy tzw. przepisywaniu zapytaÒ,
I sπ widoczne w s≥owniku danych, mogπ wiÍc byÊ uøyte przez narzÍdzia
do budowy zapytaÒ
I Przekszta≥cenie na strukturÍ tabel i kolumn jak w OLTP I ale nie sπ sprawdzane – nie obciπøajπ wydajnoúci ≥adowania danych
I WiÍzy i indeksy projektowane specyficznie dla struktury
wielowymiarowej – dalej
1 Oracle
T. Traczyk IAiIS PW Bazy danych 22/29 T. Traczyk IAiIS PW Bazy danych 23/29
BD.6 – Hurtownie danych, OLAP BD.6 – Hurtownie danych, OLAP
årodki techniczne dla w ROLAP årodki techniczne dla w ROLAP
Indeksy bitowe i z≥πczeniowe
Indeksowanie w strukturze gwiaüdzistej Indeksy bitowe (Bitmap indexes)
I Klucz indeksowania zawiera niewiele róønych wartoúci o dowolnej
czÍstoúci
I W zapytaniach wiele warunków równoúciowych
I Indeks bitowy to binarna macierz rzadka
ROLAP = Relational OLAP I Macierz tÍ przechowuje siÍ na dysku w postaci skompresowanej
I Operatory logiczne na warunkach równoúciowych realizuje siÍ jako
I Klucze g≥ówne sπ indeksowane jak w OLTP operacje logiczne na bitach odpowiednich kolumn macierzy indeksów
I Klucze obce takøe powinny byÊ indeksowane, ale uøyÊ do tego bitowych
moøna specjalnych typów indeksów – zaleønie od uøytego DBMS –
np. indeksów bitowych i/lub indeksów z≥πczeniowych
# Id ... Oczy Płeć N P Z K M N&K
... ... N K 1 0 0 1 0 1
... ... N M 1 0 0 0 1 0
... ... P M 0 1 0 0 1 ! 0
... ... P K 0 1 0 1 0 0
... ... Z M 0 0 1 0 1 0
T. Traczyk IAiIS PW Bazy danych 24/29 T. Traczyk IAiIS PW Bazy danych 25/29
BD.6 – Hurtownie danych, OLAP BD.6 – Hurtownie danych, OLAP
årodki techniczne dla w ROLAP årodki techniczne dla w ROLAP
Indeksy bitowe i z≥πczeniowe Indeksy bitowe i z≥πczeniowe
Indeksy z≥πczeniowe (Join indexes)
I Indeksuje siÍ tabelÍ faktów wartoúciami z tabeli wymiarów, np.
Cechy indeksów bitowych CREATE BITMAP INDEX sprzedaz towar idx
I Zastosowanie w zasadzie wy≥πcznie w bazach analitycznych: ON sprzedaz(towary.nazwa)
indeksowanie tabel faktów po wymiarach FROM sprzedaz, towary
WHERE sprzedaz.id towaru = towary.id towaru
I Zalety
I Przeznaczone do uøycia w bazach analitycznych (struktury
I niewielkie rozmiary indeksów na dysku — szybki odczyt
gwiaüdziste)
I wykorzystanie wielu indeksów do tej samej tabeli w jednym zapytaniu
I dobre dzia≥anie przy niskiej selektywnoúci klucza indeksowania I Indeksuje siÍ tabelÍ faktów wartoúciami z tabeli wymiarów
I Wady I Stosowane, gdy wyszukania dotyczπ deskryptora, a nie identyfikatora
I bardzo spowalniajπ DML wymiaru
I nie przyspieszajπ sortowania
I zwykle nie nadajπ siÍ do warunków zakresowych
T. Traczyk IAiIS PW Bazy danych 26/29 T. Traczyk IAiIS PW Bazy danych 27/29
BD.6 – Hurtownie danych, OLAP BD.6 – Hurtownie danych, OLAP
årodki techniczne dla w ROLAP Podsumowanie
Optymalizacja zapytaÒ w ROLAP
Optymalizacja zapytaÒ w ROLAP Podsumowanie
I Przetwarzanie analityczne, s≥uøπce do wspomagania decyzji, powinno mieÊ
inne cechy niø przetwarzanie transakcyjne
I Dlatego do takiego przetwarzania potrzebne sπ osobne, inaczej
skonstruowane systemy informacyjne
I Optymalizacja zapytaÒ gwiaüdzistych I W zbiorczej bazie danych dane pochodzπ z wielu üróde≥ i sπ
I stosowane do zapytaÒ do tabeli faktów ze z≥πczeniami do wymiarów przechowywane w uk≥adzie sprzyjajπcym efektywnym analizom
I automatyczne przepisywanie zapytaÒ – unikniÍcie „prawdziwego” I Dane do hurtowni danych ≥adowane sπ wsadowo i przyrostowo przez
z≥πczenia: proces ETL, który je scala i sprawdza, i nie ulegajπ dalszym zmianom
I podzapytanie do tabeli faktów z uøyciem indeksów bitowych lub
I Nie ma zatem niebezpieczeÒstwa anomalii modyfikacji, moøna wiÍc úmia≥o
z≥πczeniowych (bez z≥πczenia!)
I po≥πczenie (semi-join) wyniku tego podzapytania z tabelami stosowaÊ denormalizacjÍ
wymiarów (ma≥ymi) I Podstawowym rodzajem analiz w hurtowniach sπ analizy wielowymiarowe
I CzÍsta w hurtowniach struktura gwiazdy jest dostosowana do takich analiz
I Zarzπdzanie zasobami DBMS – przeciwdzia≥anie runaway queries I Projektowanie hurtowni nie jest ≥atwe g≥ównie ze wzglÍdu na trudnoúÊ
sformu≥owania celu biznesowego hurtowni
I Od strony technicznej trudne jest budowanie procesów ETL
I By zapewniÊ dostatecznπ wydajnoúÊ analiz w hurtowni trzeba stosowaÊ
specjalne úrodki techniczne dedykowane dla baz analitycznych oraz VLDB
T. Traczyk IAiIS PW Bazy danych 28/29 T. Traczyk IAiIS PW Bazy danych 29/29
BD.7 – VLDB; nierelacyjne bazy danych BD.7 – VLDB; nierelacyjne bazy danych
VLDB VLDB
Kompresja i specjalne sposoby zapisu tabel
VLDB årodki techniczne wspomagajπce VLDB (przyk≥ady)
I VLDB – Very Large Database Kompresja tabel
I Dzia≥anie
I Granica p≥ynna i zmienia siÍ – obecnie od wielu TB
I „odzysk” miejsca po wartoúciach pustych (NULL, 0 itp.)
I prawdziwa kompresja (ca≥ych tabel lub wybranych partycji)
Problemy z VLDB
I Problemy z wydajnoúciπ zapytaÒ I Zastosowanie g≥ównie w bazach analitycznych
I K≥opotliwe operacje administracyjne, np. backup I Zalety: zmniejsza uøycie przestrzeni dyskowej i pamiÍci operacyjnej
I Duøe przyrosty danych – pogorszenie zachowania systemów I Wady: zwiÍksza uøycie CPU, wyraünie spowalnia operacje DML
I Koszty sprzÍtu: pamiÍci dyskowej, szybkich serwerów, urzπdzeÒ do I Kompresja wskazana, gdy w tabeli jest duøo wartoúci pustych
backupów i powtórzeÒ (np. liczne powtórzenia d≥ugich kluczy obcych)
I Kompresja niewskazana, gdy przewiduje siÍ duøo operacji DML
T. Traczyk IAiIS PW Bazy danych 2/21 T. Traczyk IAiIS PW Bazy danych 3/21
BD.7 – VLDB; nierelacyjne bazy danych BD.7 – VLDB; nierelacyjne bazy danych
VLDB VLDB
Partycjonowanie danych Partycjonowanie danych
Partycjonowanie danych
I PartycjonowaÊ moøna Wykorzystanie partycjonowania danych
I poszczególne tabele i ich indeksy I Optymalizator zapytaÒ moøe umieÊ
I ca≥π bazÍ danych (partycje tabel przypisuje siÍ do partycji bazy)
I zidentyfikowaÊ potrzebne partycje, np. na podstawie warunków
I Podzia≥ na partycje zwykle zaleøy od wartoúci wybranych kolumn w zapytaniu
I podzia≥ zakresowy, np. wg zakresów dat I wykonaÊ eliminacjÍ zbÍdnych partycji (partition pruning ) – pozwala
I podzia≥ wg listy (enumeratywny) to wykonaÊ efektywnie nawet full scan
I podzia≥ automatyczny: funkcja mieszajπca (hash function) I wykorzystywaÊ partycje w realizacji z≥πczeÒ (partition-wise joins)
I partycjonowanie dwupoziomowe I Partycjonowanie upraszcza takøe operacje administracyjne
I Celem podzia≥u jest uzyskanie partycji (np. backup)
I o rozsπdnych rozmiarach
I o podobnej wielkoúci
I zawierajπcych dane, które zwykle bÍdπ uøywane razem
T. Traczyk IAiIS PW Bazy danych 4/21 T. Traczyk IAiIS PW Bazy danych 5/21
BD.7 – VLDB; nierelacyjne bazy danych BD.7 – VLDB; nierelacyjne bazy danych
VLDB VLDB
Partycjonowanie danych Partycjonowanie danych
Partycjonowanie danych – przyk≥ady
Partycjonowanie danych – zalety i wady
CREATE TABLE sprzedaz ...
PARTITION BY RANGE(data sprzedazy) I Zalety
( I przezroczyste dla aplikacji
PARTITION sp2005 VALUES LESS THAN (TO_DATE(2006, ’YYYYY’)), I zapewnia znakomitπ skalowalnoúÊ
PARTITION sp2006 VALUES LESS THAN (TO_DATE(2007, ’YYYYY’)), I wydajnoúÊ wielu zapytaÒ niemal uniezaleøniona od przyrostu danych
PARTITION sp rest VALUES LESS THAN (MAXVALUE)
) – zalecane dla danych intensywnie przyrastajπcych
I operacje administracyjne wykonywane na kaødej partycji osobno
CREATE TABLE sprzedaz ... I moøliwe zrównoleglenie operacji na partycjach tej samej tabeli
PARTITION BY LIST(id koloru) I Wady
PARTITION sp1 VALUES (’zielony’, ’niebieski’),
PARTITION sp2 VALUES (’czerwony’, ’øó≥ty’), I doúÊ trudne poprawne zaprojektowanie (partycjonowanie powinno
PARTITION sp0 VALUES (DEFAULT) byÊ uwzglÍdnione juø w czasie projektowania struktur danych)
I spory dodatkowy koszt licencji
CREATE TABLE sprzedaz ...
PARTITION BY HASH(id sprzedazy)
PARTITIONS 4 STORE IN (sp1, sp2, sp3, sp4)
T. Traczyk IAiIS PW Bazy danych 6/21 T. Traczyk IAiIS PW Bazy danych 7/21
BD.7 – VLDB; nierelacyjne bazy danych BD.7 – VLDB; nierelacyjne bazy danych
Obiektowy model danych Obiektowy model danych
Podstawy modelu obiektowego Podstawy modelu obiektowego
Obiektowy model danych Obiektowy model danych, c.d.
I Cechy podstawowe
I obiekt w bazie reprezentuje obiekt w úwiecie zewnÍtrznym I Zalety modelu
I typ obiektowy (klasa) I doúÊ naturalna reprezentacja úwiata – zgodna z ludzkim sposobem
I z≥oøony typ danych (moøe zawieraÊ inne typy obiektowe lub ich myúlenia
kolekcje) I model bardziej dostosowany do natury opisywanej rzeczywistoúci
I procedury (metody) i operatory do manipulowania tymi danymi I ≥atwoúÊ dzia≥ania na z≥oøonych obiektach (i lepsza wydajnoúÊ)
I toøsamoúÊ obiektu – niezaleøna od wartoúci danych
I duøa podatnoúÊ na zmiany
I dziedziczenie (inheritance)
I strukturalne – potomek dziedziczy strukturÍ danych I Znaczenie praktyczne
I behawioralne – potomek dziedziczy metody i operatory I wielkie znaczenie w rozwoju jÍzyków programowania
I Cechy dodatkowe I obiektowe bazy danych nie przyjÍ≥y siÍ – raczej tylko
I enkapsulacja – wnÍtrze obiektu dostÍpne jedynie w sposób w nim w zastosowaniach naukowych lub eksperymentalnych
I wiÍksze szanse ma ewolucja baz relacyjnych w kierunku
zdefiniowany (zwykle nie stosowana w obiektowych b.d.)
I polimorfizm – tak samo nazwane metody i operatory dzia≥ajπ obiektowo-relacyjnych
swoiúcie w zaleønoúci od klasy obiektu
T. Traczyk IAiIS PW Bazy danych 8/21 T. Traczyk IAiIS PW Bazy danych 9/21
BD.7 – VLDB; nierelacyjne bazy danych BD.7 – VLDB; nierelacyjne bazy danych
Obiektowy model danych Obiektowy model danych
Obiektowe bazy danych Obiektowe bazy danych
Motywacja dla obiektowych b.d. Obiektowe bazy danych (OODBMS – Object-oriented DBMS)
I S≥aboúci modelu relacyjnego
I problemy z reprezentacjπ z≥oøonych typów (przyk≥ad: GIS) Idea
I nienaturalna reprezentacja danych (przyk≥ad: podtypy) I Baza danych jest sk≥adnicπ trwa≥ych obiektów
I brak toøsamoúci obiektów
I I Obiekty te majπ cechy w≥aúciwe dla paradygmatu programowania
s≥aba wydajnoúÊ dla z≥oøonych struktur
I ma≥a podatnoúÊ na zmiany – sztywny system kluczy
obiektowego
g≥ównych-obcych I z≥oøone typy danych (takøe kolekcje) i metody
I wbudowanπ trwa≥π identyfikacjÍ obiektów
I Zalety obiektowej b.d.
I dziedziczenie
I bezpoúrednia reprezentacja obiektów z obiektowego jÍzyka
I Model bazy danych zgodny z modelem danych obiektowych jÍzyków
programowania
I lepsza wydajnoúÊ dla z≥oøonych struktur programowania
I znaczna podatnoúÊ na zmiany – trwa≥e identyfikatory I powinno to przezwyciÍøyÊ tzw. „niezgodnoúÊ impedancji” miÍdzy
I Potencjalne zastosowania dla OODBMS b.d. a jÍzykiem programowania
I multimedia i hipertekst
I SQL zastπpiony obiektowym jÍzykiem zapytaÒ, np. OQL
I systemy inform. przestrzennej (GIS) I Z≥πczenia zastπpione przez tzw. wyraøenia úcieøkowe, np.
I wspomaganie projektowania (CAD) SELECT p.nazwisko, p.przelozony.nazwisko as szef FROM pracownicy p
I zarzπdzanie sieciami
T. Traczyk IAiIS PW Bazy danych 10/21 T. Traczyk IAiIS PW Bazy danych 11/21
BD.7 – VLDB; nierelacyjne bazy danych BD.7 – VLDB; nierelacyjne bazy danych
Obiektowy model danych Obiektowy model danych
Obiektowe bazy danych Relacyjno-obiektowe bazy danych
Relacyjno-obiektowe bazy danych
Realizacje
I Standardy wypracowane przez organizacje OMG (Object I Idea relacyjno-obiektowej b.d.
Management Group) i ODMG (Object Data Management Group) – I Struktury relacyjne sπ nadal podstawπ budowy b.d.
bardzo porzπdne, ale zwykle doúÊ stare (poczπtek wieku) I W tabelach relacyjnych moøna umieszczaÊ z≥oøone obiekty
I Te obiekty majπ cechy w≥aúciwe dla OODBMS
I Wiele produktów: Gemstone, O2, Objectivity/DB, Jasmine; Caché,
I SQL jest rozszerzony o moøliwoúÊ dzia≥ania na takich obiektach
Db4o, Versant Object Database, ObjectStore itd.
I Zalety relacyjno-obiektowej b.d
I Bez znaczenia przemys≥owego, wiÍkszoúÊ producentów juø nie istnieje
I Pe≥na kompatybilnoúÊ z rozwiπzaniami relacyjnymi
I MoøliwoúÊ wykorzystania czÍúci zalet obiektowoúci w po≥πczeniu
Mimo nieustajπcego uznania ze strony úrodowisk naukowych, model ten
z zaletami bazy relacyjnej
nie uzyska≥ nigdy znaczπcej roli praktycznej I Ewolucyjne przejúcie do obiektowoúci
T. Traczyk IAiIS PW Bazy danych 12/21 T. Traczyk IAiIS PW Bazy danych 13/21
BD.7 – VLDB; nierelacyjne bazy danych BD.7 – VLDB; nierelacyjne bazy danych
Obiektowy model danych Bazy NoSQL
Relacyjno-obiektowe bazy danych
Bazy NoSQL (Not only SQL)
Przyk≥ad: Oracle RODBMS
I Co zrealizowano? I Wspólne okreúlenie róønych pomys≥ów majπcych zastπpiÊ relacyjne
I MoøliwoúÊ definiowania z≥oøonych typów danych bazy danych1
I WewnÍtrznπ identyfikacjÍ obiektów (OID – object identifiers) I Motywacja
i referencje obiektowe I potrzeba przechowywania nie tylko danych strukturalnych
I MoøliwoúÊ wyposaøenia obiektów w metody I poøπdana rezygnacja ze z≥πczeÒ
I Przeciπøanie operatorów I ponoÊ koniecznoúÊ rezygnacji z niektórych postulatów ACID
I Dziedziczenie I dπøenie do ≥atwej i taniej skalowalnoúci, g≥ównie przez tzw.
I Czego nie zrealizowano? rozbudowÍ poziomπ, tj. powiÍkszanie liczby serwerów
I Hermetyzacja I Zastosowania
I Obiekty w bazie danych I us≥ugi internetowe: serwisy spo≥ecznoúciowe, wyszukiwarki itp.
I Tabele obiektów (row objects) I us≥ugi dzierøawione (hosted services)
I Kolumny typu obiektowego w tabelach relacyjnych (column objects) I Big Data
I Perspektywy obiektowe (object views)
I Specjalne tzw. metody porównujπce, umoøliwiajπce porównywanie I Temat modny: dziesiπtki produktów, ale wiÍkszoúÊ bez
i sortowanie obiektów ugruntowanej pozycji
1 Niektóre üród≥a do baz NoSQL zaliczajπ takøe bazy XML-owe
T. Traczyk IAiIS PW Bazy danych 14/21 T. Traczyk IAiIS PW Bazy danych 15/21
BD.7 – VLDB; nierelacyjne bazy danych BD.7 – VLDB; nierelacyjne bazy danych
Bazy NoSQL Bazy NoSQL
Rodzaje baz NoSQL
Cechy baz NoSQL
Bazy klucz-wartoúÊ (key-value)
I Istotne zalety I Zasada dzia≥ania
I moøliwoúÊ przechowywania danych bez z góry okreúlonej struktury I tabela zawierajπca pary klucz-wartoúÊ (w niektórych rozwiπzaniach
– rezygnacja ze úcis≥ych schematów danych wartoúÊ moøe byÊ tablicπ lub listπ)
I ≥atwe i tanie skalowanie I bardzo szybkie dzia≥anie
I niskie koszty (liczne produkty darmowe)
I Produkty: Redis (VMWare), Riak, BerkeleyDB, Oracle NoSQL
I Wπtpliwe przewagi
I przetwarzanie wielkich wolumenów danych Bazy kolumnowe (Wide Column Stores)
I brak z≥πczeÒ, transakcji itp. I Zasada dzia≥ania
I unikanie pojedynczego punktu awarii I rozbudowane tabele klucz-wartoúÊ: klucz sk≥ada siÍ z wielu kolumn
I Wady prowadzπcych do jednej wartoúci
I technologie ma≥o znane i s≥abo sprawdzone I „rodzina kolumn” (Google): zbiór wierszy z wielu takich tabel
I wiÍkszoúÊ produktów oferowana przez ma≥o znanych dostawców o jednakowych wartoúciach w poczπtkowych kolumnach klucza
I brak ustandaryzowanych interfejsów i jÍzyków dostÍpu do danych – symuluje to tabele o zmiennej strukturze
I tworzenie zapytaÒ zwykle jedynie niskopoziomowo I takie struktury moøna bardzo efektywnie kompresowaÊ
I Produkty: Apache Cassandra (uøywana w Facebooku), HBase,
Hypertable, Bigtable (Google)
T. Traczyk IAiIS PW Bazy danych 16/21 T. Traczyk IAiIS PW Bazy danych 17/21
BD.7 – VLDB; nierelacyjne bazy danych BD.7 – VLDB; nierelacyjne bazy danych
Bazy NoSQL Bazy NoSQL
XML-owe bazy danych (Native XML databases)
Bazy dokumentowe I Zasada dzia≥ania
I Stary pomys≥ pod nowπ nazwπ I dokumenty XML sπ g≥ównym typem obiektów w bazie
I istnieje formalny model dokumentu XML
I Zasada dzia≥ania I zwykle istnieje jakiú rodzaj kolekcji dokumentów
I przechowywanie dokumentów I moøliwe jest wyszukiwanie za pomocπ specjalnego XML-owego
I róøne formaty, np. tekst, JSON (tekstowy format zapisu z≥oøonych jÍzyka zapytaÒ, np. XPath lub XQuery
obiektów zwiπzany z jÍzykiem JavaScript), XML I istniejπ interfejsy do jÍzyków programowania, np. XQJ (XQuery API
I organizowanie dokumentów za pomocπ: kolekcji, znaczników (tags), for Java)
metadanych, hierarchii katalogów itp.
I Produkty (liczne): MarkLogic, Tamino (Software AG), Sedna XML
I Produkty: Lotus Notes (IBM), MongoDB, Apache CouchDB, Database, BaseX, eXist-DB, Apache Xindice, X-Hive/DB
RavenDB, FleetDB (MIT)
I Ze wzglÍdu na szybkie pojawienie siÍ wsparcia dla XML w g≥ównych
RDBMS, produkty te nie zdoby≥y znaczπcej pozycji
T. Traczyk IAiIS PW Bazy danych 18/21 T. Traczyk IAiIS PW Bazy danych 19/21
BD.7 – VLDB; nierelacyjne bazy danych BD.7 – VLDB; nierelacyjne bazy danych
Bazy NoSQL Podsumowanie
Bazy grafowe Podsumowanie
I Zasada dzia≥ania I Wielkie bazy danych (VLDB) wymagajπ specjalnych úrodków
I wyspecjalizowane do przechowywania grafów technicznych, by zapewniÊ odpowiedniπ wydajnoúÊ dzia≥ania i wydolnoúÊ
I wÍz≥y i ≥uki tych grafów zwykle mogπ mieÊ wiele w≥aúciwoúci operacji administracyjnych
I szybkie wyszukiwanie w grafie, np. szukanie najkrótszej úcieøki I Niektóre úrodki techniczne, jak np. partycjonowanie, majπ zastosowanie
I Produkty: Neo4J, OrientDB, DEX, InfoGrid uniwersalne, inne, jak kompresja tabel, nadajπ siÍ tylko do zastosowaÒ
gdzie nie ma wielu modyfikacji danych, g≥ównie do baz analitycznych
I Obiektowy model danych, powszechnie stosowany w programowaniu,
Bazy RDF
mimo wielu istotnych zalet w bazach danych siÍ nie przyjπ≥
I Zasada dzia≥ania I Model relacyjno-obiektowy, mogπcy stanowiÊ ewolucyjne przejúcie do
I RDF (Resource Description Framework) to stworzony przez W3C obiektowoúci, ma wprawdzie implementacje w powszechnie uøywanych
uniwersalny model metadanych do opisu zasobów (internetowych) DBMS, ale jego uøycie nie jest popularne
I bazuje na tzw. trójkach RDF: podmiot – predykat (orzeczenie) – I NoSQL nie jest to nazwa jakiejú konkretnej technologii, ale termin
obiekt (dope≥nienie), np. Adam – jest mÍøem – Ewy marketingowy oznaczajπcy bardzo róøne rozwiπzania nierelacyjne
I odpowiada to modelowi grafu skierowanego: podmioty i obiekty sπ I Wúród rozwiπzaÒ NoSQL sπ i bardzo stare, i ca≥kiem nowatorskie
wÍz≥ami, predykaty – ≥ukami I Bazy NoSQL mogπ stanowiÊ dobrπ, niekiedy taniπ, alternatywÍ dla baz
I baza danych przechowuje informacjÍ w RDF i umoøliwia zapytania, relacyjnych w specyficznych i nietypowych zastosowaniach
np. w jÍzyku SPARQL (W3C) lub RDQL I Bazy te nie sπ jednak uniwersalne, na ogó≥ nie majπ ugruntowanej pozycji
rynkowej, pewnych dostawców zapewniajπcych wsparcie techniczne itp.
I Produkty: Jena, Sesame, AllegroGraph, 4Store I Dlatego w typowych zastosowaniach ciπgle dominujπ bazy relacyjne
T. Traczyk IAiIS PW Bazy danych 20/21 T. Traczyk IAiIS PW Bazy danych 21/21