semiostrukturerad

Semiostrukturerad avser data som inte följer ett strikt tabellbaserat schema men som ändå innehåller markörer, nycklar eller taggar som ger viss struktur och mening. Denna typ av data är ofta hierarkisk eller flernivåformad, och olika poster kan ha olika uppsättningar attribut. Markörerna gör det möjligt att extrahera information utan att varje post följer samma kolonner.

Vanliga exempel på semiostrukturerad data är XML, JSON och YAML. Andra fall är e-postmeddelanden, HTML-dokument, loggfiler och bibliografiska poster där fält som författare, datum eller rubrik kan variera i varje dokument. Den semiostrukturerade formen underlättar snabb insamling och integration av data från olika källor men kräver oftast tolkning och normalisering vid analys.

Förhållandet till andra datatyper skiljer sig genom hur strikt schemat är. Strukturera data följer vanligtvis ett fast schema i förväg, medan semiostrukturerad data saknar ett fullständigt gemensamt schema men innehåller gemensamma element som gör jämförelse möjlig. Ofrs.

Behandling och lagring sker ofta i NoSQL-dokumentdatabaser eller data lakes som kan hantera ostrukturerad och semiostrukturerad information. Vanliga frågesättningar inkluderar XPath/XQuery för XML och JSON-sökning med JSONPath eller SQL-utökningar som stöder semistrukturerad data. Andra angreppssätt är schema-on-read och användning av metadata för att förbättra sökbarhet och governance.

Användningsområden inkluderar dataintegration, logghantering, metadatahantering och innehållsbeskrivningar där flexibilitet och snabb förändring av datamodell är fördelar, samtidigt som dericeras behov av datakvalitet och konsekvens beaktas.