semistrukturoituja

Semistrukturoituja tietoja ovat tiedot, joiden rakenne on joustavampi kuin perinteisissä relaatiotietokannoissa käytetty malli, mutta ei täysin vapaasti unstructured data. Ne sisältävät rakenteellisia osia ja metatietoja, jotka antavat sisällölle jäsennyksen ja mahdollistavat tehokkaan hakemisen ilman kiinteää skeemaa.

Ominaisuudet: skeeman joustava olemus, itse kuvaava rakenne sekä usein avain-arvo- tai hierarkkinen asettelu. Tiedot voivat sisältää erilaisia kenttiä eri tietueisiin. Esimerkkejä ovat JSON, XML ja YAML sekä monien sähköpostiviestien ja lokitiedostojen muodot.

Käyttö ja teknologiat: semistrukturoitua dataa käsitellään yleisesti NoSQL-tietokannoissa, kuten dokumenttivarastoissa ja JSON-tietokannoissa, sekä XML-pohjaisissa järjestelmissä. Kyselyissä käytetään kieliä kuten JSONPath, XPath/XQuery sekä SQL:n laajennuksia JSON:lle. Usein sovelletaan schema-on-read -periaatetta.

Sovelluskohteita ovat verkkopalveluiden tuotetietojen hallinta, sähköpostiviestit, lokitiedot sekä muut muuttuvia ominaisuuksia sisältävät aineistot. Haasteina ovat tiedon laatu, epäyhtenäiset rakenteet, indeksoinnin vaikeudet sekä skeeman evoluutio hallittavaksi.

Historia: käsitteen kehitys nojaa 1990-luvun tietokanta- ja dokumenttiteknologian kehitykseen XML:n sekä myöhemmin JSONin myötä. Semistrukturoidu data on yleisesti tunnistettu vaihtoehtona sekä täysin rakenteiselle että täysin epästrukturoidulle datalle.