半结构化和文档模型

半结构化和文档数据模型将数据表示为自描述的、不规则结构的树或嵌套对象——如XML和JSON——其中结构与数据一起携带，而不是由严格的模式固定。

Definition

半结构化数据是指具有一定组织结构但又不符合固定模式的数据，通常建模为带标签的树或嵌套的键值对象；文档模型将此类数据存储为自包含的文档（通常是JSON或XML），而不是固定表中的行。

Scope

本主题涵盖放宽统一模式关系要求的数据模型：树形和图形的半结构化数据、带有DTD和模式的XML，以及文档存储使用的基于JSON的文档模型。它涉及嵌套、可选和重复字段、模式灵活性，以及在其上操作的路径和树形查询语言（如XPath和XQuery）。它不包括NoSQL系统和一致性模型的更广泛工程，这些内容在大数据和NoSQL领域中有所涵盖。

Core questions

• 自描述、模式灵活的数据与严格的关系表有何不同？
• XML和JSON如何用于表示嵌套和不规则数据？
• 可选模式（DTD、XML Schema、JSON Schema）扮演什么角色？
• XPath和XQuery等路径和树查询语言如何导航数据？
• 文档模型与关系模型之间的权衡是什么？

Key concepts

• 半结构化（树/图）数据
• XML和DTD/XML Schema
• JSON和文档存储
• 嵌套和重复字段
• 读时模式与写时模式
• XPath和XQuery
• 自描述数据
• 模式演进

Key theories

自描述树结构数据

半结构化数据被建模为带标签的树或图，其中结构与值一起编码，允许缺失、可选和异构字段，而无需预定义模式。

模式灵活性与模式强制

文档和半结构化模型以牺牲固定模式的完整性和查询保证为代价，换取灵活性和易于演进，当需要更强的保证时，可以选择根据XML Schema或JSON Schema等模式进行验证。

基于路径的查询

XPath和XQuery等语言通过导航路径和模式来选择和转换树结构文档的部分，提供了一种适用于嵌套、不规则数据的查询模型。

Clinical relevance

半结构化和文档模型是网络数据交换和现代应用开发的基础：XML和JSON是API、配置和消息传递的主要格式，文档数据库为网络、移动和内容管理系统存储灵活、不断演进的数据，而这些系统中严格的关系模式会显得笨拙。

History

半结构化数据出现于20世纪90年代，用于描述不适合固定模式的异构网络和集成数据。XML于1998年成为W3C标准，并带有相关的查询语言XPath和XQuery；JSON后来成为网络API的轻量级事实标准格式，文档数据库推广了直接存储JSON文档，从而复兴并扩展了半结构化传统。

Key figures

• Serge Abiteboul
• Peter Buneman
• Dan Suciu

Seminal works

• abiteboul2000
• garciamolina2008

Frequently asked questions

文档模型是否等同于没有模式？

不完全是。文档模型是模式灵活的，而不是无模式的：单个文档携带自己的结构，并且可以应用可选模式（如JSON Schema或XML Schema）进行验证。与关系模型的区别在于，结构不要求在所有记录中都是统一的。

何时文档模型优于关系表？

文档模型适用于自然嵌套、异构或快速演进的数据——例如用户配置文件、目录条目或日志事件——在这些情况下，强制统一的表模式会很笨拙。当数据规则且需要强大的多记录完整性和复杂连接时，关系模型仍然更优。