Halbstrukturierte

Halbstrukturierte Daten bezeichnet man als semi-strukturiert, also als Daten mit einer teilweise organisierten Struktur, die kein festes relationales Schema wie bei Tabellen aufweist. Im Gegensatz zu klar strukturierten Daten und zu unstrukturierten Daten, die keine erkennbare Struktur besitzen, enthalten halbstrukturierte Daten Markierungen oder Labels, die Felder kennzeichnen. Typische Beispiele sind self-describing Formate wie XML, JSON, YAML oder CSV-Dateien mit Metadaten. Diese Formate ermöglichen eine flexible Modellierung von Feldern, die sich von Datensatz zu Datensatz unterscheiden können, und unterstützen verschachtelte Hierarchien.

Charakteristisch ist ein flexibles, oft hierarchisches Schema oder sogar das Fehlen eines expliziten Schemas. Felder können fehlen oder in unterschiedlicher Tiefe auftreten; Metadaten verleihen den Daten Selbstbeschreibung. Dennoch existieren Orientierungspunkte wie Tags, Keys oder Attribute, die das Parsen und Interpretieren erleichtern.

Der Umgang mit halbstrukturierten Daten erfordert spezialisierte Werkzeuge. Abfragen können mit XQuery oder XPath für XML, JSONPath oder angepasstes SQL für JSON/XML erfolgen. Speichersysteme wie dokumentbasierte NoSQL-Datenbanken (eine gängige Wahl ist MongoDB) oder Big-Data-Plattformen unterstützen semi-strukturierte Daten. Vorteile sind Flexibilität, der einfache Import heterogener Quellen und geringerer Initialaufwand für Schemaänderungen; Herausforderungen betreffen inkonsistente oder wiederholte Felder, komplexe Abfragen, Indexierung und Leistungsoptimierung.

In Anwendungen finden sich halbstrukturierte Daten häufig in API-Nutzungen, Protokolldaten, Konfigurationsdateien, Integrationsszenarien und in Bereichen wie Webinhalten oder sozialen Netzwerken, wo sich Struktur im Verlauf der Zeit weiterentwickelt.