Puolistrukturoitu

Puolistrukturoitu tarkoittaa tietoa, jolla on joitain rakenteellisia osia, mutta ei kiinteää, kaikenkattavaa skeemaa. Tällainen data sisältää avain-arvopareja, tunnisteita tai sisäkkäisiä rakenteita, joiden määrä tai muoto voi vaihdella kohteesta toiseen. Puolistrukturoitu data on joustavaa ja usein helposti luettavaa ihmisille sekä koneille, mutta se ei ole yhtä tiukasti määritelty kuin täysin strukturoitu data.

Esimerkkejä puolistrukturoidusta datasta ovat XML-, JSON- ja YAML-tiedostot sekä osittain rikastetut HTML-sivut ja lokitiedostot, joissa tapahtumilla on tietyt avainkentät, mutta kenttien olemassaolo tai järjestys vaihtelee. Nämä muodot mahdollistavat sekä tulkinnan että laajat muokkaukset, mutta vaativat joustavia käsittelytapoja, kun dataa yhdistetään eri lähteistä.

Ominaisuudet ja käsittely: Puolistrukturoitu data on usein self-describing, eli sen rakenne on nähtävissä datasta itsestään ilman erillistä skeemaa. Sen hakemiseen käytetään polku- tai avainperusteisia kyselytyökaluja kuten XPath ja JSONPath sekä dokumenttivarastoja kuten MongoDB tai Couchbase. Käsittely voidaan toteuttaa schema-on-read -lähestymistavalla, jolloin skeema määritellään vasta käytön yhteydessä.

Käyttökohteita: puolistrukturoitua dataa esiintyy paljon web-rajapinnoissa, verkkosivujen metatiedoissa, lokitiedostoissa sekä konfiguraatio- ja integraatioratkaisujen tiedoissa. Sen ansiosta tieto voidaan kerätä nopeasti eri lähteistä ja yhdistää ennen tiukkaa muotoilua.

Haasteet: muuttuva rakenne, epäyhtenäiset kentät ja tietojen epäyhtenäisyys voivat vaikeuttaa validointia ja suorituskykyä. Puolistrukturoidun datan hallinta vaatii joustavia validointimenetelmiä sekä sopivia kyselykieliä ja työkaluja.