puolistrukturoidut

Puolistrukturoidut, tai semi-structured data, ovat tietotyyppejä, joissa tiedot eivät noudata täysin jäykkää relaatiotietokantojen taulukkomuotoista rakennetta, mutta niillä on jäsennelty rakenteensa ja usein itseään kuvaava metatieto. Ne ovat rakenteeltaan joustavia: kentät voivat puuttua tai uusiutua, ja data voi sisältää sisäkkäisiä rakenteita sekä avain–arvopareja. Tämä tekee puolistrukturoiduista tiedoista joustavasti muokattavia ja helposti yhdistettäviä erilaisten lähteiden kanssa.

Yleisiä esimerkkejä ovat XML, JSON ja YAML, joissa tiedot on merkitty tunnisteilla tai avaimilla ja joissa esiintyy hierarkiaa. Puolistrukturoitua dataa esiintyy myös lokitiedostoissa, metatiedoissa verkkosisällöissä, konfiguraatiotiedostoissa sekä API-pyyntöissä ja -vastauksissa. Tietovarastoinnissa ja hakuratkaisuissa puolistrukturoitua dataa käsitellään usein dokumenttitekoisissa tai hakukäyttöön tarkoitetuissa järjestelmissä, kuten MongoDB, Couchbase, Elasticsearch tai vastaavat.

Käytännössä puolistrukturoiduilla tiedoilla on sekä etuja että haasteita. Etuina on rakenteen joustavuus ja parempi kyky integroida erilaisia lähteitä sekä tukea sisäkkäisiä ja vaihtelevia kenttiä. Haasteina ovat epäyhtenäinen data, validadioinnin vaikeus, monimutkaisempi kysely ja huomattavampi resurssien tarve indeksoinnissa sekä suorituskyvyn hallinnassa. Usein sovelletaan semanttista kuvausta ja schema-on-read -lähestymistapaa, jolloin rakenne voidaan tulkita vasta tiedon käyttökontekstissa.