ads:
UNIVERSIDADE FEDERAL DE GOIÁS
INSTITUTO DE INFORMÁTICA
ROGÉRIO ARANTES GAIOSO
Integrate: Infra-Estrutura para
Integração de Fontes de Dados
Heterogêneas
Goiânia
2007
ads:
Livros Grátis
http://www.livrosgratis.com.br
Milhares de livros grátis para download.
ROGÉRIO ARANTES GAIOSO
Integrate: Infra-Estrutura para
Integração de Fontes de Dados
Heterogêneas
Dissertação apresentada ao Programa de Pós–Graduação do
Instituto de Informática da Universidade Federal de Goiás,
como requisito parcial para obtenção do título de Mestre em
Computação.
Área de concentração: Ciência da Computação.
Orientador: Prof. Fábio Nogueira de Lucena
Co–Orientador: Prof. João Carlos da Silva
Goiânia
2007
ads:
ROGÉRIO ARANTES GAIOSO
Integrate: Infra-Estrutura para
Integração de Fontes de Dados
Heterogêneas
Dissertação defendida no Programa de Pós–Graduação do Instituto de
Informática da Universidade Federal de Goiás como requisito parcial
para obtenção do título de Mestre em Computação, aprovada em 03 de
Dezembro de 2007, pela Banca Examinadora constituída pelos profes-
sores:
Prof. Fábio Nogueira de Lucena
Instituto de Informática – UFG
Presidente da Banca
Prof. João Carlos da Silva
Instituto de Informática – UFG
Prof. Hans Kurt Edmund Liesenberg
Instituto de Computação – UNICAMP
Prof. Cedric Luiz de Carvalho
Instituto de Informática – UFG
Todos os direitos reservados. É proibida a reprodução total ou parcial do
trabalho sem autorização da universidade, do autor e do orientador(a).
Rogério Arantes Gaioso
Graduou-se em Processamento de Dados nas Faculdades Objetivo. Obteve os
títulos de Especialista em Sistemas Distribuídos e Orientação a Objetos pela
Universidade Federal do Ceará e o de Especialista em Bancos de Dados pela
Universidade Federal de Goiás. Atualmente atua como analista em Ciência e
Tecnologia no IBGE, no suporte a usários e no desenvolvimento de sistemas.
À minha esposa Nezilda, pela compreensão e paciência, principalmente na
educação e trato dos nossos filhos com minha constante ausência.
Agradecimentos
Agradeço principalmente ao meu orientador, prof. Fábio, pela oportunidade, pela
confiança, pela sabedoria. Sua capacidade técnica sempre compartilhada, sua amizade,
respeito e simplicidade, as aulas e conversas, combinadas com exemplos divertidos mas
sempre pertinentes, são apenas alguns dos elementos que compõem uma pessoa a quem
aprendi a admirar.
Agradeço aos demais professores do instituto pela dedicação e pelo conheci-
mento a nós repassado, sobretudo ao prof. Humberto, pela atenção e colaboração.
Dedico um abraço aos colegas pela convivência ao longo destes meses, e pelas
novas amizades conquistadas. Um abraço especial à colega Luciana Nishi, como reco-
nhecimento à sua amizade e dedicação a todos os colegas, com quem sempre podíamos
contar.
Agradeço também aos colegas do IBGE, cujo o apoio e compreensão me permi-
tiram conquistar este objetivo.
Agradeço especialmente a meus pais, pela formação e estabilidade que sempre
me deram, sustentáculo essencial para uma conquista como esta.
Um agradecimento especial a Deus, pelo dom da vida, pela oportunidade de
conhecer pessoas tão especiais, pela disposição e energia para não esmorecer durante
a caminhada, e principalmente pela família que me permitiu construir. Meus filhos, tão
maravilhosos, que de tão pequenos, ainda não sabem a atenção exclusiva que não pude
dedicar a eles, e a falta que me fizeram durante este tempo.
“E nossa estória não estará pelo avesso assim, sem final feliz. Teremos
coisas bonitas para contar. E até lá, vamos viver. Temos muito ainda por fazer.
Não olhe para trás, apenas começamos. O mundo começa agora. Apenas
começamos.”
Renato Russo,
Metal Contra as Nuvens.
Resumo
Gaioso, Rogério Arantes. Integrate: Infra-Estrutura para Integração de Fon-
tes de Dados Heterogêneas. Goiânia, 2007. 104p. Dissertação de Mestrado.
Instituto de Informática, Universidade Federal de Goiás.
Uma aplicação geralmente é produzida para usar uma fonte de dados, estabelecendo
forte dependência entre ambas, na qual mudanças em uma repercutem na outra. Este
trabalho propõe uma infra-estrutura, na forma de framework
a
, para integrar informações
mantidas em fontes de dados heterogêneas, a partir de aplicações existentes, sem exigir
modificações, quer sejam nas aplicações ou nas fontes de dados. As fontes podem incluir
SGBDs, arquivos texto, planilhas e outros formatos. Estudos de caso e trabalhos futuros
ressaltam como esta infra-estrutura pode ser estendida para contemplar algumas das
restrições impostas.
a
Este termo é encontrado em trabalhos na área sem tradução. Uma tradução poderia ser “arcabouço”.
Palavras–chave
Integração, dados heterogêneos, JDBC, mediador, tradutor
Abstract
Gaioso, Rogério Arantes. Integrate: Infrastructure to Integration of Hetero-
geneous Data Sources. Goiânia, 2007. 104p. MSc. Dissertation. Instituto de
Informática, Universidade Federal de Goiás.
An application generally is designed to use a data source, establishing strong dependence
between both, in which changes in one reflect in the other. This work defines an infras-
tructure, in the form of a framework, to integrate information registered in heterogeneous
data sources, from existing applications, without demanding modifications neither in the
applications or in the data sources. The data sources can include RDBMSs, text files, spre-
adsheets and other formats. Cases presented give some orientations to overcome current
limitations.
Keywords
Integration, heterogeneous data sources, JDBC, mediator, wrapper
Sumário
Lista de Figuras 11
Lista de Códigos de Programas 13
1 Introdução 13
1.1 Motivação 15
1.2 Este trabalho 16
1.3 Organização do texto 19
2 Fundamentos 21
2.1 Framework: definição e desenvolvimento 21
2.1.1 Organização e classificação 22
2.1.2 Metodologias de desenvolvimento de frameworks 22
2.1.3 Especificação 23
2.1.4 Processo 23
2.2 Sistemas de integração de dados 24
2.3 Arquitetura mediador/tradutor 25
2.3.1 Consultas a esquemas mediados 27
2.4 Integração de esquemas 28
2.5 Modelagem de fontes de dados 29
2.6 Ontologias 30
2.7 Propostas para integração 31
2.7.1 Integra 32
2.7.2 MOMIS 32
2.7.3 CoDIMS 33
2.7.4 Garlic 34
2.7.5 TSIMMIS 35
2.7.6 LORIS 36
2.7.7 XQuare 37
2.7.8 XMF 37
2.7.9 Unicorn Workbench 37
2.7.10 Outras ferramentas 38
3 Integrate - Solução conceitual 39
3.1 Objetivos 39
3.2 Principais decisões 40
3.2.1 Modelo de solução (D1) 40
3.2.2 Modelo de dados (D2) 45
3.2.3 Troca de mensagens (D3) 45
3.2.4 Protocolos (D4) 45
3.2.5 Definição do esquema global (D5) 47
3.2.6 Integração de esquemas, consultas e resultados obtidos (D6) 47
3.2.7 Tipos de sentenças (D7) 47
3.2.8 Definição de um framework (D9) 47
3.3 Escopo 48
3.3.1 Funcionalidades 49
3.4 Exemplos de uso 50
3.4.1 Obter esquemas das fontes de dados 50
3.4.2 Executar consulta (cenário genérico) 51
3.4.3 Executar consulta (cenário estendido) 52
3.5 Requisitos de software 56
3.5.1 Requisitos funcionais 56
3.5.2 Considerações sobre requisitos 57
3.6 Processo de uso 58
3.6.1 Papéis 58
3.6.2 Processo de instanciação 58
4 Integrate - Projeto e implementação 60
4.1 Arquitetura de software 60
4.2 Implementação dos módulos 63
4.2.1 Metadados 63
4.2.2 Controlador 68
4.2.3 Tradutor 71
4.2.4 Lookup 73
4.2.5 Interceptador 73
4.2.6 Mediador 74
4.3 Ferramentas de apoio 75
5 Estudo de caso 76
5.1 Definições 76
5.1.1 Fontes de dados 76
5.1.2 Arquivos de configuração 77
5.2 Simulando mediadores 79
5.2.1 Lookup 79
5.2.2 Consultas integradas 81
5.2.3 Manipulação de erros 82
5.3 Integração sem a alteração da aplicação 83
5.3.1 Cenário 83
5.3.2 Simulação de integração 84
6 Conclusão 86
6.1 Contribuições 87
6.2 Trabalhos futuros 87
Referências Bibliográficas 90
A Trechos de código 104
Lista de Figuras
1.1 Sistema de informação típico 17
1.2 Camada de transporte 18
1.3 Cenários real e desejado 18
2.1 Arquitetura mediador/tradutor 25
2.2 Arquitetura do Integra (obtido de [60], pág. 28) 32
2.3 Arquitetura do MOMIS (obtido de [105]) 33
2.4 Arquitetura do CoDIMS (obtido de [5], pág. 15) 34
2.5 Arquitetura do Garlic (obtido de [88], pág. 3) 35
2.6 Arquitetura do LORIS (obtido de [69], pág. 3) 36
3.1 Modelo de solução 41
3.2 Modelo de solução estendido 41
3.3 Conversão de formatos durante a consulta 43
3.4 Solução transparente para o cliente 44
3.5 Escopo da solução 48
3.6 Diagrama de seqüência - consulta integrada 54
4.1 Perspectiva lógica 61
4.2 Perspectiva de processos 61
4.3 Perspectiva física 62
4.4 Diagrama de componentes 62
4.5 Diagrama de implantação 63
4.6 Perspectiva de desenvolvimento 64
4.7 Dependências entre arquivos de configuração 65
4.8 Implementação do Controller 68
4.9 Interface para conversão de tipos entre XML Schema e JDBC 70
4.10 Interface para tradutores 72
4.11 Driver JDBC para arquivos CSV 73
4.12 Interface para o serviço de lookup 74
4.13 Interface para o mediador 74
5.1 Consulta feita no HSQLDB, com os registros originais 77
CAPÍTULO 1
Introdução
O crescimento da internet não tem somente viabilizado o acesso às bases de in-
formação
1
existentes, mas também motivado a criação de novas fontes. Este crescimento
tornou mais evidente as limitações atuais para encontrar, extrair e integrar informações
distribuídas em fontes de dados heterogêneas. Integração de informações disponíveis na
Web é um assunto atual e uma questão em aberto na comunidade científica. A Web Se-
mântica
2
recentemente renovou o interesse nesta área.
Uma classificação dos diferentes tipos de problemas decorrentes de tais limita-
ções identifica os níveis de heterogeneidade [93]: em termos de sistema, sintaxe, estrutura
e semântica. O nível de sistema inclui incompatibilidades de hardware e de sistemas ope-
racionais; o nível sintático refere-se às diferenças de linguagens e representações de dados
(terminologias diferentes podem fazer com que conceitos semanticamente idênticos se-
jam nomeados diferentemente); o nível estrutural inclui diferenças de modelos de dados
(a informação pode estar estruturada de acordo com diferentes paradigmas, como tabelas
relacionais, ou árvores em XML); e o nível semântico refere-se ao significado dos termos
(termos similares podem ter diferentes significados, por exemplo, os homônimos). Outra
classificação destas diferenças é abordada em [15].
Segundo [93], o crescimento na adoção de padrões resultou em progresso na
solução de interoperabilidade nestes diferentes níveis. O uso da internet como padrão
para a interconexão entre sistemas e a evolução de infra-estrutura e de middleware que
oferecem suporte à computação distribuída (como RMI [100], CORBA [78] e DCOM
[66]) e à conectividade de bancos de dados (como ODBC e JDBC [101]) tiveram
impacto positivo e significativo na solução nos níveis de heterogeneidade de sistema. As
interoperabilidades no nível sintático foram atendidas através da formatação e troca de
dados proporcionadas por padrões como o HTML [111]. A padronização na modelagem
1
Neste texto, dados são símbolos que ainda não foram interpretados, enquanto que informação são dados
com significado [108].
2
Web Semântica é uma extensão da web atual, que possibilita que documentos possam ser compreendi-
dos por humanos (através de navegadores), mas que também possam ser processados por aplicações, através
de meta-informações inseridas nos documentos [2].
14
de dados (como ANSI SQL [51]) e na modelagem de objetos (como ODMG [75] e
UML [77]) são iniciativas no nível estrutural. Ainda no nível estrutural, uma forma de
interoperabilidade semântica tem sido resolvida pela adoção de padrões de metadados
3
de propósito geral, como o Dublin Core [32], OWL [113] e o RDF/XML [112].
As padronizações proporcionadas nos níveis de sistema, sintático e estrutural
contribuem com a solução de problemas decorrentes das limitações identificadas anteri-
ormente. O principal desafio da integração de dados, contudo, está localizado no nível
semântico. A expectativa é que programas auxiliem não apenas na perspectiva de dados,
mas também na de informação, contribuindo com o aumento do conhecimento [93]. A so-
lução para os problemas de heterogeneidade semântica exige a habilidade de compartilhar
e trocar informações de uma maneira semanticamente consistente. Porém, dados sintáti-
cos e metadados não fornecem semântica suficiente para todas as propostas potenciais de
integração [71].
Conforme [2], “quando uma nova aplicação é introduzida em uma empresa, esta
tipicamente fará uso de dados já existentes em algum lugar na organização. Além de ser
difícil de localizar estes dados, também é difícil obter seu significado (semântica) correto.
Isto ocorre porque bancos de dados são criados do ponto de vista de uma aplicação em
particular, e não do ponto de vista da empresa como um todo, sem se preocupar com as
dificuldades de reutilização entre diferentes aplicações”.
Ainda segundo [2], não há uma melhor prática adotada universalmente na
integração de dados, pois cada projeto de integração tem suas peculiaridades. É comum
o emprego de soluções ad-hoc, com a criação de mapeamentos e transformações entre os
formatos, ou até aplicações específicas conforme a necessidade do projeto [2, 116]. Além
de envolver consideráveis recursos, soluções ad-hoc não podem ser reutilizadas.
Uma possível solução, adotada em passado recente, seria mover os dados para
um novo sistema integrado, criado para prover uma visão unificada de dados de diferentes
tipos. A desvantagem desta solução é que estes dados já são adequadamente manipulados
pelos sistemas legados, e algumas aplicações necessitariam ser reescritas para trabalhar
com este novo sistema integrado, o que não é considerado prático [88]. Esta proposta,
ainda envolve riscos, custos e tempo que podem ser proibitivos [5].
Outra solução seria escrever código que traduza as terminologias entre cada
possível par de sistema. Tal alternativa é viável apenas para um número restrito de fontes
de informação, pois o número de mapeamentos um-para-um que precisam ser mantidos é
da ordem de O(n
2
) [2], isto é, não é escalável e dificulta a manutenção à medida que mais
fontes de dados são adicionadas e o grau de heterogeneidade semântica aumenta [24].
3
De acordo com a literatura, metadados representam dados sobre os dados. Mais detalhes e uma
classificação dos tipos de metadados pode ser encontrada em [93].
1.1 Motivação 15
Embora o uso de XML [110] não elimine os problemas de heterogeneidade
semântica (principalmente porque não garante o uso consistente dos dados contidos em
diferentes fontes que usam o mesmo conjunto de termos [24]), sua aplicação tem sido
aceita como uma forma de fornecer uma sintaxe comum para a troca de informações entre
fontes heterogêneas. Além de ser um formato inteligível por seres humanos, XML facilita
a troca de informação com outras aplicações [23]. Propostas apresentadas recentemente
são conhecidas como XML-based mediation
4
[7, 24, 41, 57, 60, 71, 92, 103, 118].
Diversas propostas de solução do problema de integração são normalmente es-
pecíficas, atendendo a uma única aplicação, ou genéricas, para atender diversas situações
de integração [5]. Novos sistemas de integração são constantemente propostos e resultam
de trabalhos isolados, onde não se identifica uma abordagem padronizada que, por exem-
plo, facilite a interação entre grupos distintos com trabalhos similares e, especialmente, a
reutilização. O presente trabalho identifica similaridades entre abordagens geralmente em-
pregadas, propõe uma infra-estrutura que facilite a implementação delas e, dessa forma,
potencializa a reutilização.
1.1 Motivação
A integração de informações é um tópico de significativo interesse. De acordo
com estudos [2], no futuro, mais de 30% gasto em tecnologia de informação será com
ferramentas do tipo EAI
5
.
Entre os grandes desafios da pesquisa em computação no Brasil [90] encontra-se
o tratamento, a recuperação e a propagação de informação a partir de volumes de dados em
formatos heterogêneos exponecialmente crescentes, mais visíveis com a disseminação da
internet. O grande desafio é a integração destas informações. Entre os problemas técnicos
e científicos, [90] cita “estudos em modelos e mecanismos de conciliação e integração
de dados altamente heterogêneos” (incluindo dados multimídia) e “estudos de formas
alternativas de disponibilização da informação”.
Conforme [120], a adaptação de um sistema para torná-lo “consumidor” de mais
dados do que aqueles para os quais foi inicialmente desenvolvido pode ser inviável. Parece
ainda mais inverossímil uma iniciativa com o propósito de modificar estes dados, ou seja,
“normalizá-los” de tal forma a facilitar o uso por futuras aplicações.
A manutenção em sistemas e fontes de dados existentes é, em geral, uma
atividade onerosa [50]. Quando uma alteração é efetuada, alterações conseqüentemente
substanciais ocorrem, não somente no código em si, mas também na documentação,
4
Mediadores baseados em XML
5
Enterprise Application Integration - Integração de Aplicações de Empresas
1.2 Este trabalho 16
projeto e conjuntos de teste. Isto é chamado de efeito dominó [10]. Segundo [95],
os custos de manutenção são 2 a 100 vezes maiores do que os custos do próprio
desenvolvimento do sistema. A alteração em uma fonte de dados, por exemplo, pode
exigir mudanças em muitos sistemas que o utilizam. Em sistemas legados este cenário
ainda pode ser agravado pela ausência de documentação, o que dificulta a mudança em
código-fonte, se este estiver disponível.
Uma alternativa é criar uma camada intermediária que forneça uma visão inte-
grada de dados legados heterogêneos sem alterar como ou onde estes dados se encontram
[88]. Esta camada criaria um esquema unificado e uma interface comum para ser acessada
por novas aplicações sem perturbar o acesso das aplicações existentes.
Em recente estudo do Gartner [42] é avaliada a maturidade, o impacto e a veloci-
dade de adoção de uma variedade de tecnologias e tendências. Entre as tecnologias rela-
cionadas, o tema de arquitetura de aplicações cita o uso de linguagens semânticas, como
RDF/XML e linguagens relacionadas a ontologias para reduzir os custos e aprimorar a
qualidade do gerenciamento de conteúdo web, acesso a informação, interoperabilidade
de sistemas, integração de base de dados e qualidade de dados. Segundo o estudo, essas
tecnologias devem ganhar mercado dentro de cinco a dez anos.
Na comunidade de bancos de dados, o problema de integração de diferentes es-
quemas é antigo e possui soluções bem-sucedidas, como o uso de conversores, mediadores
e técnicas de mapeamento. Soluções específicas para ontologias já existem. Uma compa-
ração feita em [
2] diz que “esquemas relacionais são tipicamente desenvolvidos para um
conjunto limitado de aplicações, enquanto que uma ontologia deve ter a concordância
de muitos parceiros ”. Em [68], por exemplo, é proposta uma arquitetura geral para inte-
gração semântica de sistemas de informação baseados na linguagem de ontologia OWL,
onde as formas de obtenção e extração de ontologias são identificadas com ênfase em
sistemas de banco de dados.
Diversas propostas para a integração de dados são encontrados na literatura,
algumas comentadas em capítulo específico deste texto. Apesar de inúmeros esforços,
não existe uma solução que seja adequada ou que se ajuste aos diversos problemas de
integração, o que pode ser constatado pelo contínuo surgimento de novas propostas.
1.2 Este trabalho
No contexto da integração de fontes de dados heterogêneas, este trabalho
concentra-se em cenários nos quais se deseja manter intactas as aplicações e as fontes
de dados existentes. O restante desta seção esclarece este foco.
Um sistema de informação típico pode ser modelado como na figura 1.1. Em um
determinado domínio (Domínio), as informações pertinentes (Informação), manipuladas
1.2 Este trabalho 17
Figura 1.1: Sistema de informação típico. Em um determi-
nado domínio (Domínio), as informações pertinen-
tes (Informação), manipuladas por um sistema de
informação (Aplicação), são registradas em uma
base de dados (BD X, geralmente, um SGBD rela-
cional) em um determinado formato (Esquema X).
A Aplicação usa JDBC para manipular BD X. A
Aplicação depende de JDBC e do Esquema X,
enquanto que Esquema X e BD X são interdepen-
dentes.
por um sistema de informação (Aplicação), são registradas em uma fonte de dados (BD
X) em um determinado formato (Esquema X). Sem perda de generalidade, a Aplicação
faz uso de JDBC [101] por meio da qual a fonte de dados BD X é manipulada pela
execução de serviços oferecidos, geralmente, por um SGBD relacional.
JDBC é uma interface para a manipulação de fontes de dados relacionais. Isto é
possível através da disponibilidade de um driver (Driver JDBC) específico para o SGBD
empregado. JDBC não oculta da aplicação o formato em que os dados estão registrados,
mas apenas o servidor empregado para manipulá-los. Em conseqüência, a Aplicação
depende de JDBC e do Esquema X. O Esquema X e a BD X são interdependentes, ou seja,
qualquer alteração em um provoca alteração no outro e vice-versa.
Um usuário que deseje manipular as informações do domínio necessariamente
o fará através da Aplicação. Esta aplicação, conforme comentado, depende tanto de
JDBC quanto do Esquema X. JDBC pode ser interpretado como “meio universal” de
acesso a fontes de informações, um mecanismo de transporte das requisições e resultados
correspondentes. Dado que a Aplicação não irá implementar estes serviços, alguém
terá que fazê-lo e, para tal, será preciso um meio para que as requisições possam ser
construídas e transferidas a quem irá executá-las.
1.2 Este trabalho 18
BD1
A
Transporte
JDBC, ODBC,
API proprietária, ...
Figura 1.2: Camada de transporte dos dados entre a aplicação e a
fonte de dados.
Como não há maneira de eliminar a dependência por algum mecanismo de
transporte de requisições, conforme sugere a figura 1.2, a dependência da Aplicação
para JDBC é considerada “aceitável”, neste trabalho. A dependência da Aplicação para o
formato em que os dados estão registrados (Esquema X) é mais “nociva”, pois impede que
aplicações existentes, sem alterações, empreguem outras bases mesmo quando aplicações
e bases pertencem a um domínio particular, conforme esclarece o parágrafo abaixo.
BD1
A
Select * from ALUNOS
João Oliveira
BD2
B
Select NOME, SOBRENOME
from PESSOAS
where tipo = 4
Pedro Silva
Maria Pereira
BD2
A
Pedro Silva
Maria Pereira
(a)
(b)
Select * from ALUNOS
BD1
CREATE TABLE ALUNOS(
NOME VARCHAR (50)
)
BD2
CREATE TABLE PESSOAS(
NOME VARCHAR (25),
SOBRENOME VARCHAR (25),
TIPO INTEGER
)
Figura 1.3: (a) Cenário real: aplicações A e B interagem com as
fontes de dados BD1 e BD2, respectivamente, para as
quais foram exclusivamente desenvolvidas. (b) Cená-
rio desejado: aplicação A acessa BD2 diretamente,
sem alterações, o que na prática não ocorre.
Observe o cenário ilustrado na figura 1.3, onde as bases de dados BD1 e
BD2 possuem esquemas diferentes (também exibidos na figura). As aplicações A e B,
construídas de maneira dependente dos esquemas de BD1 e BD2, respectivamente, para
interagir com estas bases, necessitam executar as consultas
6
exibidas na figura 1.3 (a)
6
Neste trabalho, as expressões “requisição”, “sentença” e “consulta” são utilizadas com a mesma
acepção. Quando for necessário, o texto distingüe entre sentenças de consulta e/ou de alteração da fonte
de dados.
1.3 Organização do texto 19
para obter a relação de alunos em cada uma delas. Para contornar a dependência que a
aplicação A tem do esquema de BD1 para que possa acessar as informações de BD2, as
maneiras possíveis seriam (a) alterar a aplicação A ou (b) migrar os dados de BD2 com as
devidas transformações para um esquema correspondente a BD1. Ou seja, a aplicação A,
sem sofrer alterações, assim como o transporte por ela empregado (figura 1.2), não tem
como fazer uso de BD2 naturalmente, conforme ilustrado na figura
1.3 (b).
O inconveniente da dependência pelo esquema torna a reutilização de dados
entre sistemas de informação distintos, conforme registrados, praticamente inviável. Cada
aplicação, mesmo que organizada conforme “boas” práticas, possui uma camada de
persistência que terá que ser substituída por outra caso o formato dos dados seja alterado.
Isto procede tanto para fontes de dados de um mesmo domínio quanto para domínios
diferentes, mas que armazenam informações compatíveis
7
.
Observa-se que ambas as alternativas apontadas acima (a alteração da aplicação
ou a migração dos dados) se tornam ainda mais distantes quando considerado um cenário
mais complexo, onde várias aplicações clientes legadas dependem de um esquema de
dados. Necessidades de alteração neste esquema forçam também a necessidade de se
reescrever estas aplicações legadas.
Ambas as alternativas são, em geral, impraticáveis pelos custos decorrentes, e,
neste trabalho, consideradas insatisfatórias. Ao contrário destas alternativas, este trabalho
investiga o domínio de integração de dados, seleciona um modelo “freqüente” entre
soluções de integração, e propõe um framework (ver conceitos na seção 2.1).
A proposta aqui apresentada visa facilitar a implementação de uma solução de
um problema de integração de dados onde uma aplicação A possa fazer uso de uma base
de dados BD2, diferente em vários níveis da base BD1 para a qual foi construída, sem que
esta precise ser modificada, ou seja, não é necessário acesso ao código-fonte de A nem a
migração dos dados de BD2 para um formato semelhante ao de BD1.
1.3 Organização do texto
Este texto encontra-se organizado em capítulos. O Capítulo 2 apresenta noções
de frameworks e fundamentos pertinentes à integração de dados, além de apresentar algu-
mas propostas que forneceram insumos para o presente trabalho. O Capítulo 3 apresenta o
Integrate, proposta de apoio ao desenvolvimento de soluções de integração de dados deste
trabalho. Tal capítulo inclui o modelo de solução adotado, objetivos, principais decisões,
escopo, e exemplos de cenários de uso. Requisitos de software também são apresentados.
7
Por exemplo, uma fonte de dados de uma universidade e outro de uma construtora pertencem a
domínios diferentes, mas as informações referentes a pessoas podem ser integradas.
1.3 Organização do texto 20
O Capítulo 4 descreve as decisões de projeto de software do Integrate e documenta a im-
plementação produzida por este trabalho, dos requisitos estabelecidos no capítulo anterior.
O Capítulo 5 apresenta dois exemplos de uso do Integrate. Os exemplos permitem ilustrar
os benefícios, os recursos oferecidos e, sobretudo, orientar futuras experimentações da
ferramenta em outros cenários. Finalmente, o Capítulo 6 resume o que foi realizado, as
contribuições obtidas e ressalta oportunidades de trabalhos futuros.
A solução proposta, após devidamente configurada, permite que requisições de
uma aplicação, sem que esta seja alterada, consigam manipular outra fonte de dados, com
esquema diferente daquele originalmente manipulado. Estas requisições, que no cenário
original são enviadas diretamente à fonte de dados, são interceptadas e convertidas em
outras compatíveis com as fontes de dados heterogêneas desejadas. O resultado parcial
de cada fonte de dados é então integrado e convertido para o formato conhecido pela
aplicação requisitante. Este processo ocorre de forma transparente para a aplicação.
A utilização parcial dos módulos implementados permite que a solução proposta seja
utilizada em outros cenários mais genéricos, sem a necessidade de se interceptar as
requisições da aplicação cliente.
CAPÍTULO 2
Fundamentos
Integração de dados é um assunto vasto tanto em conceitos quanto em aborda-
gens utilizadas. Neste capítulo é apresentado um subconjunto deste conhecimento com o
propósito de esclarecer a origem e a motivação de decisões adotadas no Integrate (fra-
mework proposto nesta dissertação). Boa parte do capítulo apresenta ferramentas e as
correspondentes estratégias utilizadas para a integração de dados. Antes, porém, segue
uma breve discussão sobre frameworks.
2.1 Framework: definição e desenvolvimento
Este trabalho tem como principal produto o framework denominado Integrate.
Em conseqüência, a definição de framework e metodologias de desenvolvimento de tais
ferramentas, dentre outras, são questões relevantes. As informações fornecidas têm o
propósito de apresentar brevemente a abordagem empregada na realização do presente
trabalho.
Framework é uma arquitetura semi-completa que pode ser instanciada para
produzir aplicações personalizadas, permitindo a reutilização
1
de análise, de projeto e
de código [5], auxiliando a construção de aplicações inseridas em um domínio particular.
Segundo Carey e Carlson [18], “é um conjunto cooperativo de classes que fazem um
projeto reutilizável para um domínio de aplicação específico”. Outros conceitos são
apresentados em [20, 122].
Um framework pode ser visto como uma composição de classes concretas e
abstratas, cuja instanciação consiste da composição de novas classes e a extensão de
classes abstratas predefinidas [
14]. Sua utilização minimiza o esforço no desenvolvimento
de aplicações ao permitir que o desenvolvedor se abstraia de preocupações na definição da
1
Reutilização de software é uma abordagem que visa a redução do esforço de desenvolvimento e, quando
aplicado eficientemente, pode evitar que sejam recriadas e revalidadas soluções comuns para os requisitos
de aplicações recorrentes [5].
2.1 Framework: definição e desenvolvimento 22
arquitetura do sistema [102]. Sua documentação deve ser feita de forma que seus usuários
saibam utilizá-lo sem a necessidade de conhecer detalhes internos [16, 55].
2.1.1 Organização e classificação
Um framework pode ser formado por frozen spots e hot spots [83]. Frozen
spots determinam a arquitetura global de um sistema, seus componentes básicos e os
relacionamentos entre eles, ficando imutáveis em qualquer instanciação do framework.
Já os hot spots são partes específicas para cada sistema e são projetados para serem
genéricos e adaptados de acordo com as necessidades da aplicação. Assim, um framework
reutiliza código pois permite a construção de uma aplicação a partir de uma biblioteca de
componentes, que podem ser facilmente integrados uns aos outros por utilizar interfaces
comuns [83].
Há dois tipos de frameworks da perspectiva de personalização [54]: caixa branca
e caixa preta. Personalizações do tipo caixa branca exigem herança das classes existentes
e requerem um conhecimento da estrutura interna do framework. Já personalizações
caixa preta são feitas utilizando composição de componentes existentes, através de
um protocolo predefinido. Assim, aqueles frameworks do tipo caixa branca demandam
mais tempo para o aprendizado e requerem mais esforço para serem utilizados. O
desenvolvimento de um framework evolui de caixa branca para caixa preta à medida
que aumenta o conhecimento do domínio por parte do seu desenvolvedor. Dado que
criar um framework caixa preta nos estágios iniciais é extremamente difícil, a maioria
inicia seu ciclo de vida como caixa branca e posteriormente evolui para caixa preta, à
medida que seu desenvolvimento de torna mais refinado [54]. Um framework “torna-se
mais reutilizável à medida que o relacionamento entre suas partes seja definido em termo
de um protocolo, em vez do uso de herança” [54].
As principais vantagens do emprego de frameworks são a reutilização e a flexibi-
lidade, por permitir a construção de sistemas configuráveis que possam ser adaptados com
maior rapidez e facilidade [5]. Uma das dificuldades da utilização de um framework está
na sua curva de aprendizado [55, 122], que depende de como o mesmo foi documentado.
2.1.2 Metodologias de desenvolvimento de frameworks
Algumas metodologias para o desenvolvimento de frameworks são apresentadas
em [
36]:
• Bottom-Up. Constróem-se aplicações no domínio do framework até ser desenvol-
vida a primeira versão caixa branca (do framework). O framework é produzido
através de um processo iterativo até ser capaz de manipular todas as aplicações
do domínio [122].
2.1 Framework: definição e desenvolvimento 23
• Top-Down. Através da análise do domínio do framework, suas características são
capturadas para a definição de sua arquitetura, enquanto que componentes podem
ser personalizados durante o desenvolvimento das aplicações [122].
• Generalização de hot spots. Faz-se o planejamento de todas as aplicações antes de
se iniciar a construção do framework, usando um modelo de objetos para capturar
conhecimentos especifícos do domínio. A diversidade entre modelos identifica-se
como um hot spot, e são tratados como subsistemas. A estrutura de classes do
framework é “generalizada” da estrutura de classes das aplicações [122].
• Dirigido a casos de uso. Descreve-se a visão externa do comportamento de um
sistema, com a análise e organização em casos de uso [77].
Johnson [53] sugere uma maneira de se desenvolver um framework: (a) analisar o
domínio do problema com as aplicações existentes; (b) construir abstrações que podem ser
especializadas para cobrir estas aplicações; (c) testar o framework usando-o para construir
aplicações deste domínio, proposição esta que se relaciona com a visão Bottom-up citada
acima.
2.1.3 Especificação
Frameworks podem ser especificados através de modelos [122]:
• Modelo de características. Fornece uma visão geral dos requisitos, identificando
e organizando as características comuns e as variáveis de um framework, relacio-
nando as dependências entre elas. Exemplos de modelos são descitos em [122].
• Modelo de casos de uso. Captura os requisitos, definidos do ponto de vista dos
usuários, sem expor detalhes de projeto ou de implementação desnecessários.
• Modelo arquitetural. Especifica o projeto em alto nível, em termos de camadas
e subsistemas. O modelo “4+1 View” [56] tem atraído interesse tanto da indústria
quanto da academia, e ilustra tal modelo.
• Modelo de projeto. Ilustra as interações de classes e objetos.
• Código-fonte. A implementação propriemante dita.
2.1.4 Processo
Modelos de processo de software são visões gerais de como organizar um projeto
de software em uma seqüência de atividades, para serem seguidos pelos desenvolvedores
durante a execução do trabalho [12], e o clássico modelo Waterfall [89] tornou-se base
para a maioria dos modelos propostos.
2.2 Sistemas de integração de dados 24
Segundo Xu [122], projetos de frameworks enfatizam a elicitação da flexibili-
dade desejada. As propostas por ele verificadas incluem uma análise do domínio, mas
poucas delas têm prescritas claramente uma maneira de identificar e organizar o resultado
desta análise. Seu estudo identifica três características importantes no desenvolvimento
de frameworks:
• Identificação da variabilidade esperada de um framework. A rastreabilidade dos
requisitos é essencial para garantir a realização desta identificação.
• Evolução
2
do framework. Desenvolver um framework caixa preta logo de início é
extremamente caro e difícil. Normalmente seu desenvolvimento inicia-se em caixa
branca, que evolui para caixa preta em processos iterativos.
• Documentação do framework. Um framework não deve ser complexo de ser com-
preendido pelo ponto de vista de quem vai reutilizá-lo. Portanto, uma documentação
apurada e compreensível é essencial. Esta documentação deve conter pelo menos
três partes [55]: (a) sua proposta (a quem o framework se destina); (b) como usá-lo;
(c) os detalhes do projeto. Porém, poucas metodologias têm fornecido modelos de
como documentar um framework. Estudos afirmam que este tópico é uma área de
pesquisa em aberto [36]. Uma proposta é apresentada em [122].
2.2 Sistemas de integração de dados
A principal função de um sistema de integração de dados é disponibilizar uma
interface capaz de atender requisições que normalmente requerem extração e combinação
de dados originários de múltiplas fontes distintas e heterogêneas [120]. Tais sistemas
normalmente seguem duas abordagens [15]: virtual ou materializada.
A abordagem virtual obtém informações diretamente das fontes (nenhum repo-
sitório “intermediário” é construído). Vários trabalhos [19, 57, 65, 67, 73, 84, 88, 97,
104, 105] inspiram-se nos conceitos de tradutores e mediadores (veja seção seguinte para
detalhes) para implementar esta abordagem.
A abordagem materializada recupera, integra e armazena informações das várias
fontes em um repositório central, que posteriormente é consultado (não há acessos diretos
às fontes de dados). Data warehouse faz uso desta técnica [15].
A abordagem virtual é mais vantajosa quanto mais numeroso for o conjunto
de fontes de dados e mais freqüentes as atualizações. Por outro lado, a abordagem
materializada oferece melhor desempenho, pois não gera esforço adicional de acesso às
fontes de dados originais, apesar de ter o ônus da replicação dos dados [5].
2
Evolução de um software é “o comportamento dinâmico de um sistema enquanto este é mantido e
avança durante seu tempo de vida” [8].
2.3 Arquitetura mediador/tradutor 25
2.3 Arquitetura mediador/tradutor
Neste texto é empregado o termo mediador com a acepção de mediator e tradutor
com a acepção de wrapper. Os termos em inglês são amplamente empregados na literatura
especializada. A arquitetura mediador/tradutor é ilustrada na figura 2.1. Conceitualmente
é dividida em três camadas [119, 120]: (a) aplicações clientes, (b) mediador e (c)
tradutores.
Aplicação 1 Aplicação 2 Aplicação n
...
Mediador
Tradutor 1 Tradutor 2 Tradutor n
...
Fonte de
dados 1
Fonte de
dados 2
Fonte de
dados n
...
c
r
c1
r1
c2
r2
cn
rn
c1 r1 c2
r2
cn rn
Tradutor n + 1 Tradutor k
...
Fonte de
dados n + 1
Fonte de
dados k
...
cn + 1
rn + 1
ck rk
fontes de dados não relevantes para “c”
Figura 2.1: Arquitetura mediador/tradutor (adaptado de [60],
pág. 11). As aplicações requisitam o acesso aos dados
através do mediador, que gera as subconsultas e as re-
passa aos tradutores correspondentes. No exemplo, a
consulta “c” originalmente enviada pela Aplicação 1
é convertida pelo mediador nas subconsultas c
1
, ..., c
n
.
Observe que algumas fontes de dados não são relevan-
tes para a consulta “c”, e nem todas são acessadas.
Quem faz esta definição é o mediador, que conhece os
esquemas e as integrações necessárias.
O mediador fornece uma visão única e integrada de várias fontes de dados para
as aplicações cliente. Trata-se de “uma camada intermediária entre a camada das apli-
cações e a camada das fontes de dados, tendo como função a aplicação de conhecimento
especializado a um domínio específico para agregar valor” [120]. Mediadores são espe-
cializados para domínios específicos [59, 119].
A visão única e integrada oferecida às aplicações cliente exige do mediador a
execução de várias tarefas:
1. Exportar um esquema integrado que representa as fontes de dados.
2. Receber consultas de uma aplicação cliente sobre o esquema integrado.
2.3 Arquitetura mediador/tradutor 26
3. Converter cada consulta de uma aplicação cliente em subconsultas correspondentes
e compatíveis com as fontes de dados. Em geral, uma dada consulta c será conver-
tida nas subconsultas c
1
, c
2
, . . . , c
n
onde n ≤ k e k é o número de fontes de dados.
Ou seja, a consulta c é reformulada para cada fonte de dados relevante.
Observe que não necessariamente todas as fontes de dados contribuem com deter-
minada consulta e, portanto, n ≤ k. Ainda convém destacar que c
i
é uma sentença no
esquema integrado que contempla o conjunto de informações disponíveis na fonte
de dados i para 1 ≤ i ≤ n.
A reescrita de consultas pode possibilitar que sentenças operantes em uma fonte
de dados possam agir de maneira limitada em outra. Conforme [81], as consultas
reescritas podem ser reconhecidas pela fonte de dados de três maneiras: (a) direta-
mente reconhecida (sintaticamente semelhante à sentença original); (b) logicamente
reconhecida (que produz os mesmos resultados que uma sentença diretamente re-
conhecida); e (c) indiretamente reconhecida (após a aplicação de uma sentença di-
retamente reconhecida, usa-se um filtro sobre o resultado). Esta classificação é em-
pregada no referido trabalho na identificação de possíveis limitações de sentenças
em uma fonte de dados, assunto também tratado em [49].
Para exemplificar, se a consulta é “todos os alunos que possuem mais de 20 anos e
nasceram em Goiânia”, então pode-se ter subconsultas como “todos os alunos que
possuem mais de 20 anos” e “todos os alunos que nasceram em Goiânia”, o que
contemplaria fontes de dados que possuem apenas parcialmente as informações
requisitadas. Discussões sobre capacidade de consultas
3
são encontradas em [46,
58, 88]. Reconhecendo estas possíveis limitações, os trabalhos presentes em [46,
81] comentam como tratar a reescrita de uma consulta para obter o máximo de
registros.
4. Repassar cada uma das subconsultas geradas (c
1
, c
2
, . . . , c
n
) ao tradutor correspon-
dente, ou seja c
i
será enviada ao tradutor i para 1 ≤ i ≤ n.
5. Receber as respostas de cada tradutor (r
1
, r
2
, . . . , r
n
) e compilá-las na resposta r.
6. Entregar a resposta r à aplicação cliente.
Os tradutores lidam com a diversidade das fontes de dados [105]. Cada fonte de
dados possui o seu próprio esquema e sua capacidade de consulta [88]. Em conseqüência,
deve existir um tradutor para cada fonte de dados. O tradutor é encarregado de converter
dados e consultas entre o modelo de dados comum usado pelo mediador (componente
3
Tipo de consulta que a fonte de dados pode responder, podendo afetar no custo de retornar estas
respostas [58].
2.3 Arquitetura mediador/tradutor 27
que possui o conhecimento semântico) e aquele empregado pela fonte de dados corres-
pondente [82, 120].
Uma consulta de uma aplicação cliente dá origem a subconsultas enviadas aos
tradutores pelo mediador (veja figura 2.1). Cada tradutor faz a conversão do modelo
comum para o modelo específico da fonte de dados por ele manipulado. Ao receber o
retorno da fonte de dados, o tradutor é responsável por converter os dados para o modelo
comum, e entregar o resultado ao mediador.
A comunicação entre mediador e tradutor pode ocorrer em níveis distintos de
abstração. Dependendo do nível, o mediador pode ficar impossibilitado de usufruir do
poder de consulta nativo de fontes de dados mais sofisticadas. Em outro extremo, a
complexidade de se produzir um tradutor para fontes de dados mais simples pode ser
impraticável [88]. A necessidade de criação de um tradutor específico para cada fonte
de dados, mesmo tendo funções em comum, é citado como uma desvantagem do uso de
tradutores [117].
Em sistemas integrados, as aplicações cliente não precisam localizar as fontes
de dados, interagir com cada uma delas e combinar os múltiplos resultados. Aplicações
cliente em tais sistemas não submetem consultas sobre o esquema real das fontes de
dados, mas no esquema integrado (fornecido pelo mediador). Este esquema integrado
é formado por um esquema (compartilhado entre as aplicações cliente) juntamente com
mapeamentos semânticos entre este esquema comum e os esquemas reais [46]. A seção
2.4 aborda tais mapeamentos.
Atualmente, mediadores têm sido empregados para o acesso integrado a infor-
mações em múltiplas bases de dados. É de grande interesse, contudo, que também sejam
utilizados para a atualização das fontes de informação. Conforme ressaltado em [49], este
uso está restrito a uma classe limitada de sentenças, dado que certas sentenças de alteração
requerem mais semântica do que o suficiente para sentenças de consultas. Atualizações
em sistemas mediados e uma comparação com atualizações feitas em visões de esquemas
são abordados em [59].
Extensa cobertura da arquitetura mediador/tradutor é encontrada em [120, 121].
2.3.1 Consultas a esquemas mediados
Reformular requisições sobre um esquema mediado (integrado) em outra(s) que
faz(em) uso de um esquema específico de uma fonte de dados pode ser visto como o
problema de responder consultas utilizando visões. Desta maneira, sistemas de integração
tornam-se casos extremos de ter que manter a independência lógica e física das fontes de
dados [46]. O referido trabalho fornece o estado da arte nesta área, classifica os trabalhos
2.4 Integração de esquemas 28
relacionados, descreve os problemas que motivam o estudo de maneira formal e propõe
algoritmos.
Ainda de acordo com [46], no contexto de integração de dados, o foco é dado na
tradução de requisições e a saída produzida é uma requisição reformulada. Para responder
consultas, a solução deve conter um conjunto de descrições dos esquemas das fontes de
dados, que especificam o seu conteúdo. O trabalho também considera o problema de
otimização de consultas.
Deve-se considerar que o problema de responder sentenças utilizando visões é
computacionalmente difícil [35]. Limitações para consultas envolvendo projeção, seleção
e junção são abordadas em [46] e outras considerações são feitas em [22].
Em sistemas de integração tradicionais, os mediadores podem transmitir sub-
consultas aos tradutores que não podem ser respondidas. Garlic (ver seção 2.7.4) é uma
proposta que assume uma resposta do tradutor para todas as variáveis envolvidas em uma
requisição. Em tais cenários, o mediador deve manipular as diferenças e limitações das
capacidades de resposta dos tradutores, e garantir que estes receberão apenas sentenças
que possam ser atendidas por eles [82]. O trabalho apresentado em [104] sugere soluções
para este problema.
2.4 Integração de esquemas
Há duas propostas clássicas para a integração de esquemas: combinação de es-
quemas (schema matching) e mapeamento de esquemas (schema mapping). O mapea-
mento de esquemas, contudo, depende da combinação de esquemas.
A combinação de esquemas identifica as inter-relações entre esquemas e cria
um esquema global, com uma representação unificada. Tais correspondências são depois
elaboradas para gerar o mapeamento [29]. A combinação pode ser de dois tipos. O
primeiro, combinações um-para-um, é uma técnica comumente aplicada na qual é feita
uma correspondência entre um par de atributos. O segundo, combinações complexas,
especifica a correspondência de mais de um atributo de um esquema para um ou mais
em outro esquema [29]. Características e comparações de sistemas que executam este
tipo de integração podem ser encontrados em [30, 86, 94].
A técnica de mapeamento de esquemas mapeia o esquema de uma fonte de dados
de origem em um esquema de destino diferente, sem fazer transformações de um formato
para outro. O objetivo do mapeamento de esquemas é descobrir uma consulta (ou conjunto
de consultas) que mapeie a fonte de dados de origem para uma nova estrutura [47].
Aplicado a um par de esquemas (origem e destino), ambos permanecem inalterados e as
correspondências permitem o fluxo de dados em ambas as direções, deixando transparente
as diferenças entre eles [103].
2.5 Modelagem de fontes de dados 29
Uma estratégia de computar mapeamentos entre esquemas sem se preocupar com
a semântica das fontes de dados pode ser vista em [118]. Em [31] é apresentada estratégia
de propósito similar que faz uso de ontologias (veja seção
2.6 para detalhes).
Os elementos dos esquemas são definidos através de metadados. Logo, mapea-
mentos de esquemas invariavelmente resultam de mapeamentos entre metadados [103].
Como executar estes mapeamentos e/ou combinações é uma tarefa tediosa e pro-
pensa a erros [29], ambas as técnicas têm sido automatizadas, mas não totalmente, já que
as representações sintáticas dos esquemas e dos dados não exprimem completamente a se-
mântica das suas diferenças. Em geral são desenvolvidas ferramentas semi-automáticas,
que exigem a intervenção de um especialista na finalização da tarefa. Um exemplo é [47].
Uma classificação dos diferentes tipos de integração de dados e as dificuldades
pertinentes são fornecidas em [2].
2.5 Modelagem de fontes de dados
Descrições de fontes de dados são necessárias porque relações de esquemas
mediados normalmente não combinam as relações de maneira um-para-um, por duas
razões. A primeira é que os esquemas envolvidos contêm diferentes níveis de detalhes
entre eles e o esquema mediado. Outra razão é que, se diferentes esquemas modelam as
mesmas informações, eles podem dividir os atributos de diferentes maneiras [38].
Os principais paradigmas utilizados para modelar os mapeamentos entre o es-
quema integrado e a fonte de dados são GAV e LAV.
Na abordagem GAV (global-as-view), regras definem as relações do esquema
mediado em função dos esquemas de origem [38], e assim as consultas vêem as fontes de
dados como um todo [15]. Ou seja, um esquema global deve ser expresso em termos
das fontes de dados, isto é, cada elemento do esquema global é associado com uma
visão (consulta) sobre as fontes de dados [60]. As consultas relacionam um elemento
do esquema global para uma consulta no esquema local [35].
Na abordagem inversa, conhecida como LAV (local-as-view), as relações das
fontes de dados são definidas como expressões sobre as relações do sistema mediado
[38], de maneira independente das fontes de dados [60], ou seja, as consultas vêem os
esquemas locais [15]. Segundo [35], as consultas relacionam um elemento do esquema
local com uma consulta sobre o esquema global. Isso facilita a inserção de novas fontes
de dados ou a alteração das existentes [15].
A abordagem LAV permite que cada fonte de dados seja modelada de maneira
independente. Novas fontes podem ser adicionadas ou modificadas sem ter que alterar
o modelo integrado [4]. Porém, o esquema integrado deve conter todos os atributos
compartilhados por múltiplas relações, a não ser que estes não sejam do interesse da
2.6 Ontologias 30
aplicação de integração [38]. Outra desvantagem é que a reformulação de consultas é
complexa [4, 22, 60].
A abordagem GAV permite que as fontes requisitadas para prover os dados para
uma específica classe de informação possam ser determinadas simplesmente buscando na
definição do domínio da classe [4]. A grande desvantagem é a dificuldade de construir
e manter o modelo integrado. As relações do esquema mediado devem conter todas as
relações presentes nas fontes de dados, ou então consultas conjuntivas sobre elas [38],
ou seja, consultas que correspondam a elementos de pelo menos uma das fontes. Como
o sistema é dependente dos esquemas, alterações nos esquemas reais tornam complexa
a manutenção dos mapeamentos entre o esquema global e os esquemas reais. O trabalho
apresentado em [60] propõe minimizar esta desvantagem.
O paradigma GLAV (global-and-local-as-view), proposto em [
38], combina o
poder de expressão dos paradigmas acima, permitindo definições de esquemas mais
flexíveis e independentes de detalhes particulares das fontes de dados. Outra proposta
híbrida é exibida em [4]. Segundo a referência, “combina a flexibilidade do paradigma
LAV com a eficiência em tempo de execução do processamento de consulta do GAV”.
Segundo [41], “LAV é mais apropriado para combinar uma dada ontologia a
um dado domínio, enquanto GAV é mais fácil onde os esquemas já existem”. Outra
comparação entre estes paradigmas pode ser encontrada em [22].
2.6 Ontologias
Em arquiteturas de mediação, quando novas fontes de dados são inseridas, a
quantidade de informação a ser modelada aumenta, freqüentemente gerando inconsistên-
cias, ambigüidades e conflitos. Uma maneira de eliminar este problema é definir o domí-
nio através de ontologias
4
[13, 45, 106, 107], especificando o significado da terminologia
de cada sistema e definindo uma tradução entre cada uma delas e uma terminologia inter-
mediária.
Conforme [67], “a base para a ligação entre as brechas semânticas existen-
tes entre fontes heterogêneas são as ontologias para as fontes de conhecimento envolvi-
das”. Desta forma, as informações de um determinado domínio poderiam ser descritas
por meio de suas ontologias, que no contexto aqui proposto, seriam utilizadas pelo me-
diador. Quando o significado dos dados e dos esquemas é explicitado em uma ontologia,
aplicações podem ser desenvolvidas explorando estas semânticas [24, 106].
4
A aplicação de ontologias propõe a definição de conceitos e relacionamentos que podem existir em
um determinado domínio, através de uma especificação formal [44]. Pode ser entendida como um formato
neutro para a troca de informações [6].
2.7 Propostas para integração 31
Segundo [2, 31], uma ontologia central é criada baseada nos esquemas de dados.
Estes esquemas são então mapeados para esta ontologia, deixando o significado dos
conceitos nos esquemas explícitos relacionando uns aos outros, o que possibilita uma
visão unificada das fontes de dados.
Um comparativo que ressalta as diferenças e as similaridades entre ontologia
e modelos de dados é feito em [96]. Diferente de modelo de dados, a vantagem funda-
mental das ontologias é sua relativa independência de aplicações particulares, isto é, uma
ontologia consiste de “conhecimento relativamente genérico que pode ser reutilizado por
diferentes tipos de tarefas e aplicações”. Regras de domínio restringem a semântica de
conceitos e seus relacionamentos em um domínio específico e estas regras devem ser sa-
tisfeitas por todas as aplicações que querem utilizar uma ontologia. Um modelo de dados,
pelo contrário, representa a estrutura e a integridade dos dados de uma aplicação especí-
fica, onde ele será usado. Ou seja, a conceituação e o vocabulário de um modelo de dados
não são definidos, pelo menos a priori, para ser compartilhado por outras aplicações.
Ainda segundo [96], a dificuldade está na definição das ontologias. Adicionar
mais regras à ontologia, para viabilizar a interoperabilidade entre as aplicações, pode
limitar sua generalidade. Porém, ontologias reduzidas, que manipulam poucas regras de
domínio, não são efetivas para a comunicação entre agentes de software autônomos.
Em [103], os autores consideram os metamodelos de domínio específico como
“ontologias especializadas”, e o seu framework como um sistema de ontologia híbrido,
com o metamodelo fornecendo uma ontologia global e os metadados dos esquemas agindo
como ontologias locais. Segundo os autores, enquanto ontologias e taxonomias podem
ser extensas e complexas, a proposta de metamodelos de domínio específico se parecem
mais com os modelos de dados da modelagem conceitual tradicional. Acrescentam ainda
que “definir um metamodelo de domínio específico não é uma tarefa fácil, mas construir
uma ontologia completa para um domínio inteiro é desanimador, e o metamodelo é mais
intuitivo de se definir em termos das estruturas de esquemas relacionais”.
Características e comparações entre sistemas de integração que utilizam ontolo-
gias como suporte no processo de integração podem ser encontradas em [116].
2.7 Propostas para integração
Esta seção apresenta um subconjunto relevante e suficiente de propostas de
sistemas de integração para que relações possam ser apresentadas entre estes e a proposta
do presente trabalho. Em [2, 30, 31, 60, 86, 94] são fornecidas comparações entre algumas
propostas.
2.7 Propostas para integração 32
Figura 2.2: Arquitetura do Integra (obtido de [60], pág. 28)
2.7.1 Integra
O Integra [60], cuja arquitetura é exibida na figura 2.2, é um sistema para in-
tegração de informações distribuídas em fontes de dados na web baseado em mediação.
Adota conceitos de ontologias e metadados na resolução da heterogeneidade da informa-
ção. Estes conceitos são utilizados para identificar correspondências e resolver conflitos
semânticos entre informações de diversas fontes de dados heterogêneas.
O sistema possui uma arquitetura baseada em mediação que adota a abordagem
GAV (ver seção 2.5). Utiliza a linguagem XML como modelo comum para intercâmbio
de dados e XML Schema [
114] como representação padrão para o esquema de mediação
e esquema das fontes de dados. Propõe o modelo chamado X-Entity [62], que é uma
extensão do Modelo Entidade-Relacionamento, adaptando-o para XML Schema.
2.7.2 MOMIS
O MOMIS [22, 23, 87, 105], acrônimo de Mediator envirOnment for Multiple
Information Sources, é um conjunto de ferramentas e técnicas associadas que auxiliam
na definição de integração semântica de maneira semi-automática, ou seja, dependente
2.7 Propostas para integração 33
Figura 2.3: Arquitetura do MOMIS (obtido de [105])
de um especialista do domínio sobre o qual a integração é realizada. O sistema executa
processamentos semânticos e o resultado passa pela avaliação de um especialista que
conhece as regras do domínio, que aceita as integrações feitas pelo sistema ou faz ajustes.
Suas ferramentas criam uma visão virtual global baseada em ontologias e dis-
ponibilizam uma interface para consultas que acessa esta visão. Sua arquitetura é exibida
na figura 2.3. Os tradutores do MOMIS traduzem os esquemas das fontes de dados em
uma linguagem proprietária chamada ODLi3 (linguagem orientada a objeto derivada do
padrão da ODMG [75]). Posteriormente, as consultas são convertidas para os formatos
reais das fontes de dados.
2.7.3 CoDIMS
O CoDIMS [5] (acrônimo de Configurable Data Integration Middleware Sys-
tem) permite a construção de sistemas de integração configurados através da integração
de componentes, previamente selecionados e personalizados, voltados para uma aplicação
específica, buscando garantir flexibilidade através do uso de frameworks para o desenvol-
vimento dos componentes.
O sistema não implementa a arquitetura de mediadores, mas relaciona o trata-
mento semântico para a integração dos metatados como um trabalho futuro. Sua priori-
dade é a flexibilidade de configuração dos módulos existentes.
Os tradutores têm a função de transformar os esquemas das fontes de dados em
um modelo de dados comum, que posteriormente são integrados em um esquema único.
2.7 Propostas para integração 34
Figura 2.4: Arquitetura do CoDIMS (obtido de [5], pág. 15)
A arquitetura é exibida na figura 2.4. A essência do ambiente é o componente
“Controle”, que permite definir e validar a configuração estática e gerenciar a invocação
dos serviços durante a execução do sistema configurado, de acordo com uma ordem pré-
estabelecida dos serviços que serão executados.
O componente “Gerência de Metadados” é responsável por armazenar, gerenciar
e viabilizar o acesso às meta-informações do sistema integrador. Cada fonte de dados
possui seu próprio esquema, e todos são integrados em um esquema global.
O componente “Processamento de Consulta” transforma uma consulta escrita em
uma linguagem disponibilizada pelo sistema integrador, considerando as características
das fontes de dados. A consulta é decomposta em subconsultas, que serão submetidas a
cada uma das fontes de dados, baseado em um plano de execução global otimizado. Este
módulo também executa a composição dos resultados. Outra tarefa deste componente é a
reescrita da consulta, de acordo com o formato nativo da fonte de dados.
O componente “Acesso aos Dados” faz a comunicação com as fontes de dados.
Para isso, tradutores específicos são definidos. O tradutor converte a subconsulta, que está
na linguagem utilizada pelo sistema, para a linguagem nativa da fonte de dados.
2.7.4 Garlic
O Garlic [19, 88], cuja arquitetura é exibida na figura 2.5, adota o esquema
global, com um tradutor para cada fonte de dados, além de um repositório de metadados.
Em vez de criar um modelo de dados próprio, emprega o padrão de objetos da ODMG
[75].
Cada objeto Garlic tem uma interface que descreve de maneira abstrata o
comportamento do objeto, além de uma implementação desta interface, cujas instâncias
são armazenadas em um repositório interno.
2.7 Propostas para integração 35
Figura 2.5: Arquitetura do Garlic (obtido de [88], pág. 3)
A linguagem de consulta é uma extensão de SQL (chamada GDL - Garlic Data
Language). O processador de consultas decompõe as consultas e as envia aos tradutores.
Uma máquina de execução controla a execução de cada consulta e faz a fusão dos
resultados antes de entregá-los ao solicitante.
A arquitetura dos tradutores [88] permite a adição de novos tradutores, flexibili-
zando a adição de novas fontes de dados ao sistema.
2.7.5 TSIMMIS
O TSIMMIS [40, 81, 97] disponibiliza um sistema que facilita a integração
de fontes de dados heterogêneas (dados estruturados e semi-estruturados), traduzindo
consultas e combinando informações de diferentes fontes, por meio da abordagem de
combinação de padrões (pattern matching) para executar uma conjunto predefinido de
consultas baseadas em modelos [23]. O conceito de combinação de padrões não se
confunde com as propostas para integração de esquemas apresentadas na seção 2.4.
O projeto TSIMMIS tem como objetivo fornecer ferramentas para auxiliar as
atividades de integração e processamento de informações. Utiliza um mediador para
combinar informações de várias fontes de dados, que são encapsuladas usando tradutores
que convertem os dados e as requisições para um modelo comum (OEM - Object
Exchange Model [80]). O mediador redireciona subconsultas para as fontes de dados
apropriadas e compila os resultados. Tanto tradutores quanto o mediador recebem como
entrada consultas em OEM-QL e retornam objetos OEM.
O sistema espera que aplicações sejam escritas para requisitar objetos OEM ou
então o uso de uma ferramenta por eles desenvolvida para navegar por estes objetos.
2.7 Propostas para integração 36
2.7.6 LORIS
LORIS (Learning Objects Repositories Integration System) [28, 69] é um sis-
tema para integração de fontes de dados de objetos de aprendizagem. Implementa uma
arquitetura de mediadores, tradutores e mapeadores, baseada na tecnologia de serviços
web e ontologias, exibida na figura 2.6.
Figura 2.6: Arquitetura do LORIS (obtido de [69], pág. 3)
A camada de aplicação provê uma interface de consulta comum (mas outras
podem ser criadas pelo usuário), permitindo que as aplicações clientes obtenham acesso
à camada de mediação, a qual é encarregada de oferecer os serviços de consulta.
Já a camada de mediação representa um papel intermediário entre a camada de
aplicação e o acesso aos dados das fontes, podendo ser vista como uma provedora de
serviços. Para o seu funcionamento foram definidos um modelo de dados, uma linguagem
de representação e um protocolo de comunicação. O uso do mediador possibilitou a
redefinição da consulta principal em várias subconsultas, que são repassadas às fontes
de dados. Posteriormente, o resultado é integrado.
A camada de acesso aos dados é responsável pela interface entre as ferramentas
que acessam a informação e as bases de dados operacionais. Esta camada consiste de
tradutores que são responsáveis por se comunicarem com diversas fontes de dados, sejam
elas SGBDs ou sistemas de arquivos.
Para que seja possível a comunicação entre as fontes e o mediador é necessário
que haja uma linguagem comum de consulta. O LORIS define um esquema (em XML
2.7 Propostas para integração 37
Schema) para a representação da linguagem de consulta em um documento XML.
Os tradutores recebem consultas em XML (derivadas do mediador) e as conver-
tem para o formato nativo da fonte de dados. Após obter o resultado, estes são convertidos
para XML e devolvidos ao mediador. O mediador faz, então, a integração de todos os re-
sultados obtidos separadamente e repassa o resultado final à aplicação cliente.
2.7.7 XQuare
O projeto XQuare [74] (originalmente chamado de XQuark [26]) emprega a ar-
quitetura mediador/tradutor e faz a integração de múltiplas fontes de dados heterogêneas e
distribuídas. Através de integração baseada em XML, o sistema fornece visões que podem
ser consultadas através de XQuery para produzir documentos XML como resultado.
Um dos seus módulos expande as funcionalidades de fontes de dados relacionais
através de uma extensão da álgebra relacional, disponibilizando a extração e a publicação
de dados relacionais em documentos XML. A comunicação dos seus módulos com as
aplicações e as fontes de dados é feita através de uma API proprietária (denominada
XML/DBC), que estende a API JDBC para manipular XQuery.
2.7.8 XMF
O XMF [57], acrônimo de XML-Based Mediation Framework, responde consul-
tas que extraem e combinam dados de fontes heterogêneas, empregando a arquitetura de
mediadores e tradutores e um esquema global.
Esta solução de integração fornece uma visão global integrada das fontes de
dados, resolvendo o problema da heterogeneidade entre os formatos das fontes de dados
usando os padrões abertos da internet. A solução descreve as fontes de dados e as regras
de mapeamento usando XML como modelo de dados. Os tradutores oferecem suporte a
protocolos como HTTP e JDBC para o transporte dos dados, e usa XPath como linguagem
de consulta. Uma API é disponibilizada para que o usuário possa criar suas aplicações de
acesso à solução de integração.
2.7.9 Unicorn Workbench
Este sistema [2] cria uma ontologia global e disponibiliza uma interface para
que o usuário crie os mapeamentos das fontes de dados para esta ontologia. O usuário
escolhe uma entre as consultas predefinidas e a fonte de dados de destino, o sistema gera
a sentença de consulta nativa desta fonte e a repassa ao tradutor, para que este gere a
consulta no formato nativo.
2.7 Propostas para integração 38
2.7.10 Outras ferramentas
Esta seção comenta algumas ferramentas que apresentam certa proximidade com
o presente trabalho. Não comentadas nesta seção, mas que merecem referência, estão as
ferramentas Hydrate [25], DatabaseSpy [3], Clio [47], Enhydra Octopus [33], Ammentos
[
11], SINDEC [9] e RDF Gateway [41].
Jitterbit
Jitterbit [52] integra formatos de dados heterogêneos, entre eles bancos de dados
e documentos XML, fazendo transformações e automatizando processos entre aplicativos.
Funções do tipo assistente (wizard) são disponibilizadas ao usuário para a
definição das fontes de dados, dos mapeamentos entre estas e as ações a serem feitas
pela ferramenta, como, por exemplo, a transferência dos dados de uma fonte para outra
(com as devidas transformações).
OpenAccess SDK
OpenAccess SDK [79] é um middleware para a construção de drivers JDBC,
ODBC, OLE DB e .NET para acesso a bancos de dados relacionais e não-relacionais.
Oferece um conjunto de ferramentas que permitem acessar bases de dados. A aplicação
cliente se preocupa em requisitar os dados necessários e processar o resultado, através da
implementação de uma API.
Sequoia
O Sequoia [21] é um middleware que gerencia um cluster
5
de bancos de dados,
mesmo que heterogêneos, e permite que aplicações Java existentes acessem este cluster
via JDBC de maneira transparente.
Sua utilização permite o acesso ao cluster sem a alteração das aplicações ou das
fontes de dados. Possui um driver JDBC genérico, que funciona como um proxy [39, 43]
entre a aplicação e as fontes de dados.
5
Grupo de computadores que trabalham juntos mas que podem ser visualizados como se fossem um
único computador. São usualmente criados para melhorar o desempenho e a disponibilidade de um sistema.
Fonte: http://pt.wikipedia.org/wiki/Cluster
CAPÍTULO 3
Integrate - Solução conceitual
Integrate é uma proposta na forma de framework a ser empregada por desen-
volvedores de código de sistemas de integração de dados heterogêneos. O Integrate visa
oferecer serviços que facilitem a geração deste tipo de sistemas. A infra-estrutura for-
necida pode ser estendida para contemplar as especificidades do caso de integração em
questão, e se baseia na arquitetura de mediadores e tradutores. Este capítulo define os
objetivos e decisões que delimitam o escopo do Integrate, suas funções e requisitos de
software.
Na seqüência, são apresentados os objetivos definidos para o Integrate (seção
3.1) seguidos das principais decisões decorrentes (seção 3.2), que orientaram a definição
do modelo de solução adotado (seção 3.2.1). O escopo do Integrate é definido na
seção 3.3, com suas principais funcionalidades apresentadas na seção 3.3.1. A seção
3.4 apresenta os serviços oferecidos através de exemplos de uso. Tais serviços são
posteriormente refinados em requisitos funcionais e não funcionais (seção 3.5).
Convém ressaltar que os objetivos e decisões apresentados neste capítulo foram
obtidos a partir da análise de trabalhos anteriores (veja capítulo anterior) e de perspectivas
futuras de emprego do Integrate.
3.1 Objetivos
Diante do contexto que se pretende atender (seção
1.2), e baseado nos trabalhos
pertinentes à area de estudo (seção 2.7), os objetivos da proposta de integração Integrate
incluem:
1. Contribuição na área (O1): auxiliar pesquisas na área de integração de fontes de
dados heterogêneas, facilitando a experimentação de propostas de integração.
2. Contemplar abordagem recorrente (O2): contemplar uma abordagem comu-
mente empregada para integração, o que assegura uma maior aplicabilidade. A aná-
lise feita no capítulo 2 foi útil para identificar a arquitetura mediador/tradutores (ver
seção 2.3) como uma das mais empregadas.
3.2 Principais decisões 40
3. Facilidade de uso (O3): a proposta deve ser “fácil” de ser utilizada.
4. Facilidade de gerência (O4): a solução deve facilitar o monitoramento dos servi-
ços executados.
5. Aplicações originais (O5): a solução deve favorecer a integração, sem necessaria-
mente exigir alterações nas aplicações e nas fontes de dados. Assim, não é preciso
acesso ao código-fonte das aplicações clientes para que estas possam ter acesso a
outras fontes de dados diferentes daquela para a qual foram criadas. Este objetivo
não está presente na maioria das propostas pesquisadas (ver seção 2.7), já que estas
fornecem seus serviços aos usuários através de interfaces próprias.
Estes objetivos são semelhantes aos apresentados por Barbosa em [
5]: disponibi-
lizar “um ambiente flexível e configurável para a geração de sistemas configurados para
a integração de dados heterogêneos e distribuídos”. Barbosa acrescenta, de forma clara, a
necessidade de tal ambiente: “reduzir o tempo de implementação e de manutenção, com a
possibilidade de reutilização dos projetos e dos códigos já existentes, em vez de se recriar
os mesmos processos repetidamente”.
3.2 Principais decisões
Os objetivos acima podem ser perseguidos de várias formas. A definição do
Integrate baseou-se em decisões de alto nível fornecidas abaixo, decorrentes dos objetivos.
3.2.1 Modelo de solução (D1)
Diversas propostas de integração (ver seção
2.7), além de outros trabalhos
disponíveis em [7, 24, 41, 57, 71, 92, 103, 104, 118], ressaltam o significativo uso
de arquiteturas baseadas em mediadores e tradutores (ver seção 2.3, pág. 25), que têm
em comum a necessidade de acessar as fontes de dados após os devidos tratamentos
semânticos.
A maioria dos sistemas de integração pesquisados (ver seção 2.7) faz uso de uma
interface própria para a interação com seus usuários. Esta interface utiliza internamente o
modelo de dados do mediador e o esquema global definido por ele. O modelo de solução
aqui adotado (veja figura 3.1) é uma proposta compatível com este cenário. Detalhes de
cada um dos modelos são fornecidos adiante, nesta mesma seção.
Para permitir a integração de dados onde as fontes de dados e as aplicações
não sejam alteradas, este cenário fica inviabilizado. Para tentar solucionar este problema,
o modelo de solução acima foi estendido, incluindo um interceptador, que age entre a
aplicação cliente e o mediador, conforme a figura 3.2.
3.2 Principais decisões 41
Controlador
Aplicação
Cliente
Mediador
Tradutor
<<interface>>
Tradutor
SGBD
Tradutor
Excel
Tradutor
CSV
Tradutor
XML
<xs:element name="jmxEvent">
<xs:complexType>
<xs:sequence>
<xs:element ref="info"/>
<xs:element ref="source"/>
<xs:element minOccurs="0" maxOccurs>
</xs:sequence>
<xs:attribute name="version" type="xs:string">
</xs:complexType>
</xs:element>
Ontologias
Esquemas das
fontes de dados
Lookup
<<interface>>
Metadados
Tradutor
proprietário
<xs:element name="jmxEvent">
<xs:complexType>
<xs:sequence>
<xs:element ref="info"/>
<xs:element ref="source"/>
<xs:element minOccurs="0" maxOccurs>
</xs:sequence>
<xs:attribute name="version" type="xs:string">
</xs:complexType>
</xs:element>
Figura 3.1: Modelo de solução
Controlador
Aplicação
Cliente
Mediador
Tradutor
<<interface>>
<xs:element name="jmxEvent">
<xs:complexType>
<xs:sequence>
<xs:element ref="info"/>
<xs:element ref="source"/>
<xs:element minOccurs="0" maxOccurs>
</xs:sequence>
<xs:attribute name="version" type="xs:string">
</xs:complexType>
</xs:element>
Ontologias
Esquemas das
fontes de dados
Lookup
<<interface>>
Metadados
Interceptador
Tradutor
SGBD
Tradutor
Excel
Tradutor
CSV
Tradutor
XML
<xs:element name="jmxEvent">
<xs:complexType>
<xs:sequence>
<xs:element ref="info"/>
<xs:element ref="source"/>
<xs:element minOccurs="0" maxOccurs>
</xs:sequence>
<xs:attribute name="version" type="xs:string">
</xs:complexType>
</xs:element>
Tradutor
proprietário
<xs:element name="jmxEvent">
<xs:complexType>
<xs:sequence>
<xs:element ref="info"/>
<xs:element ref="source"/>
<xs:element minOccurs="0" maxOccurs>
</xs:sequence>
<xs:attribute name="version" type="xs:string">
</xs:complexType>
</xs:element>
Figura 3.2: Modelo de solução estendido
3.2 Principais decisões 42
No modelo proposto a sentença original é interceptada e reescrita pelo mediador,
uma para cada tradutor, e os resultados obtidos são integrados (também pelo mediador),
produzindo a resposta a ser retornada para a aplicação cliente.
Assim, com exceção do mediador, os demais módulos correspondem ao que foi
chamado anteriormente de transporte de requisições (ver seção 1.2, pág. 16).
Vários trabalhos [
1, 2, 5, 17, 21, 22, 23, 27, 33, 34, 43, 46, 57, 59, 60, 61, 69, 71,
76, 91, 105] contribuíram com a identificação do modelo de solução adotado. Nenhum
deles, contudo, foi utilizado em sua plenitude. Em geral, características avaliadas como
compatíveis com os objetivos identificados foram acomodadas no modelo adotado.
Segue uma breve descrição dos módulos do modelo adotado.
Controlador
É responsável pela interação entre o Mediador e os Tradutores, além de coorde-
nar o fluxo de atividades (workflow) entre os módulos, semelhante ao componente “Con-
trole”, proposto no CoDIMS (ver seção 2.7.3).
Mediador
Módulo responsável pelo processamento semântico. No modelo tradicional (fi-
gura 3.1), este módulo é responsável pela interface com a aplicação cliente, e requisita a
execução das subconsultas através dos serviços disponibilizados pelo Controlador, inte-
grando os resultados antes de retorná-los à aplicação. Neste cenário, o Mediador solicita
os serviços ao Controlador. No modelo estendido (figura 3.2), este módulo oferece servi-
ços de geração das subconsultas e de integração dos resultados parciais. Neste cenário, o
Controlador solicita os serviços ao Mediador.
Tradutor
Módulo que interage diretamente com as fontes de dados. Há um Tradutor para
cada fonte de dados. Arquivos de configuração são empregados para estabelecer esta
relação, semelhante ao sistema apresentado em [118].
Tradutores para alguns formatos mais comuns são fornecidos. O modelo de
solução, contudo, permite que outros sejam implementados, possibilitando a integração
de fontes de dados que fazem uso de outros formatos.
Interceptador
Este módulo é responsável pelo desvio de fluxo de controle entre a aplicação e a
fonte de dados original no modelo de solução estendido (figura 3.2). Após interceptar as
requisições da aplicação cliente, este módulo as redireciona ao Controlador, que as repassa
3.2 Principais decisões 43
ao Mediador, para que este gere as subconsultas para as fontes de dados de interesse.
Estas subconsultas são então direcionadas às respectivas fontes de dados por meio dos
Tradutores.
No sentido inverso, os resultados obtidos das fontes de dados são repassados ao
Mediador para que sejam integrados. O resultado é então entregue à aplicação cliente,
no modelo e formato esperados, conforme a fonte de dados original, ou seja, aqueles
empregados pela aplicação cliente.
A
BD1
(a) Cenário original
f_bd1
A
BD1
8
Interceptador
Mediador
3
4
Tradutor 1
Tradutor 2
BD2
5
6
5
6
7
7
(b) Consulta integrada
Controlador
2
1
8
6
5
6
5
Figura 3.3: A figura (a) exibe o cenário tradicional, com a apli-
cação acessando diretamente a fonte de dados no for-
mato definido por esta (f_bd1). Na figura (b), o Inte-
grate faz as conversões de formatos necessárias para
o acesso às duas fontes de dados, cada uma acessada
no seu respectivo formato.
A figura 3.3 e os passos abaixo ilustram este processo.
1. A aplicação A envia uma requisição no formato original para a qual foi construída
(no exemplo, f_bd1).
2. O Interceptador intercepta esta requisição e a repassa ao Controlador.
3. A requisição é redirecionada pelo Controlador ao Mediador.
3.2 Principais decisões 44
4. O Mediador retorna as subconsultas referentes às fontes de dados envolvidas nos
seus respectivos formatos (no exemplo, formatos f_bd1 e f_bd2).
5. As subconsultas são repassadas às fontes de dados correspondentes através dos
Tradutores.
6. O resultados parciais de cada fonte de dados retornam ao Controlador.
7. O Controlador repassa os resultados parciais ao Mediador, que executa a integração
dos resultados parciais no formato conhecido pela aplicação A (f_bd1) e retorna o
resultado integrado ao Controlador.
8. O resultado integrado é então entregue à aplicação pelo Interceptador.
Sistema de
Integração
BD1
BD2
BD1
(a)
(b)
Figura 3.4: No acesso tradicional (a), a aplicação cliente acessa
diretamente a fonte de dados. O acesso através de
um sistema de integração que utiliza o Integrate(b) é
transparente para a aplicação cliente, pois esta solu-
ção é responsável em acessar as várias fontes neces-
sárias e por devolver os dados integrados à aplicação.
Para a aplicação cliente, a consulta a fontes de dados diferentes daquela para a
qual foi produzida ocorre de forma transparente. A figura 3.4 ilustra (a) a percepção que
a aplicação cliente possui e (b) aquela que de fato corresponde a um possível cenário com
o emprego da proposta de integração Integrate.
Lookup
Interage com as fontes de dados para extrair os esquemas destas fontes. Dispo-
nibiliza uma API
1
extensível para permitir que novas fontes de dados possam ser adicio-
nadas, semelhante ao proposto em [
27].
1
Application Programming Interface
3.2 Principais decisões 45
Metadados
Módulo responsável por manipular os arquivos de configuração. Estes arquivos
descrevem quais as fontes de dados serão consultadas por uma dada aplicação, entre
outras.
3.2.2 Modelo de dados (D2)
É necessário definir uma forma de representação comum capaz de prover o
diálogo entre o mediador e as fontes de dados [59, 104], conforme técnica comumente
encontrada em trabalhos na área.
Vários estudos feitos na década de 90 utilizavam objetos como modelo de
dados [19, 88, 97, 104, 105]. Devido ao custo adicional e às conversões entre modelos
[
5], propostas recentes têm adotado XML ou suas variantes como modelo de dados
[7, 24, 28, 41, 57, 60, 71, 92, 103, 118], também chamadas de mediação baseada em XML
(XML-based mediation). Um comparativo do estado da arte das propostas que empregam
este tipo de modelagem [72] mostra que os estudos disponíveis na área ainda não atendem
a algumas características específicas esperadas para a modelagem baseada em XML.
O modelo de dados adotado é o relacional. Além da solidez, normalmente dados
a serem integrados estão armazenados em fontes de dados relacionais.
3.2.3 Troca de mensagens (D3)
A interação entre os módulos é feita através do modelo relacional. Em decor-
rência dos objetivos O1, O2 e O3, deve ser possível utilizar XML como formato das
mensagens trocadas entre o Controlador e o Mediador, assim como algumas ferramentas
estudadas [7, 24, 41, 57, 60, 71, 92, 103, 118]. Este formato oferece a flexibilidade para
representar dados estruturados e semi-estruturados, e facilidade de conversão de/para da-
dos relacionais [120].
Ainda convém ressaltar que linguagens baseadas em XML (como RDF/XML
[112] e OWL [113]) vêm se tornando padrão na comunidade envolvida com ontologias.
3.2.4 Protocolos (D4)
Os objetivos (seção 3.1) e o modelo do Integrate (decisão D1) ressaltam inte-
rações do Mediador com o Controlador, que podem variar de acordo com os cenários
exibidos nos modelos de dados. Cada uma destas interações dá origem a um protocolo.
3.2 Principais decisões 46
Protocolo Mediador/Controlador
Este protocolo é válido para o cenário da figura 3.1 (pág. 41).
Após receber as subconsultas enviadas pelo Mediador, o Controlador as repassa,
uma a uma, ao Tradutor correspondente. Cada Tradutor converte a sua respectiva subcon-
sulta recebida para o formato compatível com a fonte de dados por ele manipulada.
No sentido inverso, de acordo com a decisão D1, os registros retornados pela
consulta são devolvidos ao Mediador para que este providencie a integração e o retorno à
aplicação cliente.
Protocolo Interceptador/Controlador/Mediador
Este protocolo é específico do modelo estendido (figura 3.2, pág. 41).
Conforme o objetivo O5, as aplicações clientes não sofrem modificações para
contemplar outras fontes de dados, e continuam a enviar as sentenças no formato para o
qual foram concebidas.
As sentenças são interceptadas e repassadas ao Controlador. Diferente do proto-
colo descrito acima, neste cenário o Controlador é que requisita serviços ao Mediador. O
Mediador reescreve a sentença original em outras requisições, compatíveis com as fon-
tes de dados envolvidas, retornado-as ao Controlador, que se encarrega de solicitar os
resultados através dos Tradutores correspondentes.
No sentido oposto, após obter os resultados parciais de cada Tradutor, o Con-
trolador os repassa ao Mediador, que se encarrega de integrá-los. O resultado desta com-
binação é gerado no esquema compatível com a requisição feita pela aplicação cliente.
O Controlador devolve o resultado integrado à aplicação cliente através do Interceptador.
Este processo ocorre sem que a aplicação cliente tenha “consciência” de que várias fontes
de dados foram possivelmente consultadas.
Para a reescrita da consulta original, pode-se utilizar a técnica descrita na seção
2.3.1, com o propósito de atender à necessidade de intermediar uma requisição elaborada
sobre um esquema prévio que agora será feita sobre um esquema mediado, conforme
descrito em [46].
Este tipo de conversão de requisição (solicitada ao Mediador) é o trabalho típico
realizado pela ferramenta Clio [47], trabalho também realizado em outras propostas
[2, 60]. Outra ferramenta que executa conversões entre modelos relacionais e esquemas
XML em ambos os sentidos, identificando e alterando as diferenças entre eles pode ser
encontrada em [64].
Segundo [46], reescrever estas requisições não introduz dificuldades, pois é
possível criar visões sobre o esquema mediado que espelham precisamente o esquema
original. Porém, o trabalho apresentado em [60] cita esta reescrita de sentenças como
3.2 Principais decisões 47
um problema crítico para sistemas de integração, principalmente em cenários onde há
alterações dos esquemas após a integração dos mesmos.
3.2.5 Definição do esquema global (D5)
Devido à semântica exigida, a definição do esquema global integrado é de
responsabilidade do Mediador. Estudos recentes mostram que o uso de ontologias tem
auxiliado na eliminação das diferenças semânticas entre os esquemas.
3.2.6 Integração de esquemas, consultas e resultados obtidos (D6)
Também devidos às questões semânticas inerentes, as integrações dos esquemas,
das consultas e dos resultados parciais obtidos ficam a cargo do Mediador.
O Mediador é responsável pela integração dos esquemas e dos resultados con-
sultados, gerando as subconsultas que são repassadas aos Tradutores e provendo as infor-
mações integradas no formato aguardado pelas aplicações clientes.
3.2.7 Tipos de sentenças (D7)
Como o Integrate atua como um proxy [
39, 43], intermediando o repasse de
sentenças e resultados entre o Mediador e os Tradutores, o mesmo não interfere nos
tipos de sentenças feitas pela aplicação cliente, podendo ser tanto de consulta quanto
de alteração das fontes de dados.
Qualquer limitação no tipo de sentença será causada por limitação do Mediador
desenvolvido ou do Tradutor utilizado.
Vale ressaltar que dos trabalhos levantados, alguns não citam limitações quanto
ao tipo de sentença, mas outros limitam-se à sentenças apenas de consulta. Veja seção
2.3
sobre sentenças de alteração e sobre alterações feitas nos esquemas das fontes de dados.
3.2.8 Definição de um framework (D9)
Os objetivos definidos na seção 3.1 e o modelo de solução proposto na seção
3.2.1 naturalmente conduzem à definição de um framework como instrumento de realiza-
ção dos objetivos e das decisões estabelecidos anteriormente. Definição e outros aspectos
pertinentes a framework foram fornecidos na seção 2.1.
3.3 Escopo 48
3.3 Escopo
O principal resultado esperado do Integrate é disponibilizar uma infra-estrutura
tecnológica, por meio de um framework que facilite o desenvolvimento de sistemas de
integração que acessem informações registradas em fontes de dados heterogêneas.
Na solução aqui proposta, há ênfase nas funções atribuídas aos Tradutores e na
interação entre estes e o Mediador. Em conseqüência, mediadores propriamente ditos,
ontologias e outras questões correlatas estão além do escopo do Integrate. Noutras
palavras, esta seção fornece detalhes dos recursos oferecidos pelo Integrate para apoiar
integrações que se baseiem no modelo de solução apoiado.
Os serviços disponibilizados pelo Integrate permitem a criação de mediadores
sem que estes conheçam necessariamente os detalhes de acesso às fontes de dados a serem
integradas. Cabe ao Mediador as questões semânticas e a interação com as aplicações
clientes, no cenário da figura 3.1. No caso do cenário estendido (figura 3.2), cabe ao
Integrate intermediar as conversões entre o Mediador e as fontes de dados, além da
interação com as aplicações clientes,.
Buscando propor uma solução para o problema apresentado na seção 1.2, o
escopo do Integrate contempla o cenário estendido (figura 3.2).
Controlador
Aplicação
Cliente
Mediador
Tradutor
<<interface>>
Tradutor
SGBD
Tradutor
Excel
Tradutor
XML
Tradutor
proprietário
<xs:element name="jmxEvent">
<xs:complexType>
<xs:sequence>
<xs:element ref="info"/>
<xs:element ref="source"/>
<xs:element minOccurs="0" maxOccurs>
</xs:sequence>
<xs:attribute name="version" type="xs:string">
</xs:complexType>
</xs:element>
Ontologias
Esquemas das
fontes de dados
Lookup
<<interface>>
Metadados
Interceptador
Tradutor
SGBD
Tradutor
Excel
Tradutor
CSV
Tradutor
XML
<xs:element name="jmxEvent">
<xs:complexType>
<xs:sequence>
<xs:element ref="info"/>
<xs:element ref="source"/>
<xs:element minOccurs="0" maxOccurs>
</xs:sequence>
<xs:attribute name="version" type="xs:string">
</xs:complexType>
</xs:element>
Tradutor
proprietário
<xs:element name="jmxEvent">
<xs:complexType>
<xs:sequence>
<xs:element ref="info"/>
<xs:element ref="source"/>
<xs:element minOccurs="0" maxOccurs>
</xs:sequence>
<xs:attribute name="version" type="xs:string">
</xs:complexType>
</xs:element>
Figura 3.5: Escopo da solução
Os módulos destacados na figura 3.5 estabelecem o escopo do framework Inte-
grate, que engloba a definição e a implementação do Interceptador, do Controlador, do
3.3 Escopo 49
Tradutor, do Lookup e do acesso aos metadados.
Assim, como está definido, um desenvolvedor que pretende utilizar o Integrate,
além de implementar o mediador conforme o cenário desejado, deverá também imple-
mentar o Tradutor, caso as fontes de dados desejadas não forem contempladas pelas im-
plementações fornecidas pelo framework. Neste caso, se este desenvolvedor pretender
utilizar as funções de lookup, também deverá implementar o respectivo Lookup.
A subseção seguinte descreve as principais funcionalidades oferecidas pelo
framework.
3.3.1 Funcionalidades
Esta seção refina o escopo ressaltado na figura 3.5 por meio das principais
funções do Integrate, que se baseiam nos objetivos e decisões relacionados nas seções
3.1 e 3.2, respectivamente.
Obter esquemas das fontes de dados (F1)
É função dos tradutores implementar uma metodologia para extrair e representar,
de maneira explícita, os esquemas conceituais das fontes de dados que estão sendo
integradas [105]. O Integrate auxilia na obtenção dos esquemas das fontes de dados a
serem integradas, semelhante ao que é feito pelo serviço de lookup apresentado em [60] e
detalhado em [27]. Este serviço é similar ao disponibilizado pela arquitetura de tradutores
descrita em [88] e pelo serviço de extração de estrutura de dados discutido em [105].
O Integrate deve oferecer meio de extensão por meio do qual novos extratores de
metadados possam ser construídos.
Execução de consulta (F2)
Um tradutor é disponibilizado para cada fonte de dados. Como observado em
[81], construir um tradutor envolve esforço significativo, onde boa parte do trabalho
envolve tarefas comuns, como armazenamentos temporários e comunicação com outras
camadas, dentre outras.
A camada de tradutores também deve ser extensível, permitindo que novos
tradutores sejam adicionados, similar à arquitetura proposta pelo MOMIS (seção 2.7.2) e
pelo Garlic (seção 2.7.4).
Arquivos de configuração (F3)
Arquivos de configurações definem detalhes e informações sobre as fontes de
dados reais, como por exemplo, o URL real necessária para acessar uma fonte de dados via
3.4 Exemplos de uso 50
JDBC. O Integrate deve oferecer serviços para validar e gerir o conteúdo destes arquivos.
Sincronismo de acesso (F4)
Mediador pode fazer requisições ao controlador e ficar aguardando o retorno ou,
de forma assíncrona, fazer requisições ao Controlador e prosseguir sem ser bloqueado.
3.4 Exemplos de uso
Esta seção descreve os principais exemplos de uso de um sistema de integração
que emprega o Integrate, e fornece uma descrição das responsabilidades que devem
ser cumpridas, de acordo com as decisões e funcionalidades relacionadas nas seções
anteriores.
3.4.1 Obter esquemas das fontes de dados
Contexto
O Lookup fornece os esquemas das fontes de dados ao Mediador. Estes esquemas
são empregados opcionalmente pelo Mediador, entre outras coisas, para definir o esquema
global do ambiente que se deseja integrar.
Suposições e restrições
Supondo que o Integrate esteja devidamente configurado, a seqüência de passos
abaixo fornece ao Mediador uma coleção de metadados, que descrevem as características
das fontes de dados que se deseja integrar.
Fluxo básico
1. O Mediador requisita ao Controlador os esquemas das fontes de dados.
2. O Controlador acessa e valida os arquivos de configuração.
3. Para cada fonte de dados configurada, o Controlador cria uma instância de Lookup
(D1).
4. O Controlador requisita, por meio de cada instância de Lookup criada, as caracte-
rísticas da fonte de dados em questão.
5. Cada implementação acessa a fonte de dados que manipula e retorna os metadados.
6. O Controlador monta a coleção de metadados e os retorna ao Mediador (D4, D6).
3.4 Exemplos de uso 51
7. O Mediador solicita o encerramento das conexões com as fontes de dados, através
de serviço oferecido pelo Controlador.
Extensões
No passo 1, o Mediador pode apenas solicitar um arquivo XML que representa
a coleção de metadados (D3). Para esta tarefa, o Controlador executa os passos descritos
acima e monta o arquivo desejado.
Os passos de 3 a 5 podem ser realizados concorrentemente.
3.4.2 Executar consulta (cenário genérico)
Contexto
Seguindo o cenário genérico (ilustrado pela figura
3.1, pág. 41), a aplicação
cliente envia uma sentença ao Mediador, conforme protocolo Mediador/Controlador
definido na seção 3.2.4. O Mediador gera um conjunto de subconsultas após os devidos
tratamentos semânticos. Estas subconsultas são repassadas aos Tradutores, para que estes
as convertam nas sentenças específicas das fontes de dados, obtenham os dados e os
devolvam ao Mediador. Após a integração destes resultados, o Mediador providencia o
retorno à aplicação.
Suposições e restrições
Supõem-se que o Integrate esteja devidamente configurado. A seqüência de pas-
sos abaixo fornece ao Mediador uma coleção de resultados, cada um contendo registros
de uma fonte de dados, que são integrados e devolvidos à aplicação cliente.
Fluxo básico
1. Aplicação cliente requisita a execução de uma sentença ao Mediador, de acordo
com o protocolo definido entre eles.
2. O Mediador identifica as fontes de dados e gera as subconsultas, que seria a
sentença original com as devidas transformações semânticas.
3. O Mediador requisita ao Controlador uma consulta integrada, repassando as sub-
consultas.
4. O Controlador identifica e localiza as fontes de dados nos arquivos de configuração,
a partir da requisição enviada pelo Mediador.
3.4 Exemplos de uso 52
5. O Controlador cria instâncias dos Tradutores referentes às fontes de dados desejadas
(D4, pág. 45).
6. O Controlador repassa as subconsultas aos respectivos Tradutores para que sejam
executadas.
7. Cada Tradutor executa a sentença recebida e obtém o resultado da fonte de dados
por ele manipulada.
Lembrando que o modelo de dados é relacional, Tradutores para fontes de dados
não-relacionais devem converter a sentença recebida para o formato reconhecido
pela fonte de dados manipulada por ele.
8. Os resultados obtidos são retornados ao Controlador. Tradutores não-relacionais
fazem antes a conversão dos resultados obtidos do seu formato original para o
formato relacional.
9. Após receber os resultados parciais de cada Tradutor, o Controlador monta uma
coleção e a devolve ao Mediador.
10. O Mediador faz a integração dos registros retornados pelo Controlador (D6), e
retorna o resultado integrado à aplicação cliente.
11. O Mediador solicita o encerramento das conexões com as fontes de dados, através
de serviço oferecido pelo Controlador.
Extensões
No passo 3, a requisição pode ser feita através de mensagem em formato XML,
contendo as informações presentes nas subconsultas.
Observe que é possível a execução concorrente dos Tradutores nos passos 5 a 8.
A coleção retornada no passo 9 pode ser feita em um arquivo XML (D3).
Se preferir, o Mediador requisita este arquivo no passo 3. Para executar esta tarefa, o
Controlador executa os passos descritos acima e monta o arquivo desejado.
3.4.3 Executar consulta (cenário estendido)
Contexto
Seguindo o cenário extendido (figura 3.2, pág. 41), a aplicação envia uma
requisição que é interceptada. Um conjunto de subconsultas é gerado pelo Mediador
após os devidos tratamentos semânticos. Estas subconsultas são então repassadas aos
Tradutores, para que estes obtenham os dados.
3.4 Exemplos de uso 53
Suposições e restrições
Supõem-se que o Integrate esteja devidamente configurado. Supõem-se também
que qualquer sentença conhecida nas aplicações clientes possam ser transformadas pelo
Mediador.
A seqüência de passos abaixo fornece uma coleção de resultados, cada um
contendo registros de uma fonte de dados, que são integrados e devolvidos à aplicação
cliente.
Fluxo básico
1. A aplicação cliente utiliza o URL padronizado para o Integrate, em vez de usar
o URL original e acessar diretamente a fonte de dados para a qual foi construída
(D1). O URL de conexão do Integrate identifica a base de dados de origem e a(s)
de destino desejada(s) pela aplicação cliente.
2. Aplicação cliente requisita a execução da sentença S.
3. O Interceptador, que intercepta todas as requisições, recebe S e a repassa ao
Controlador.
4. O Controlador repassa S ao Mediador, informar também as fontes de dados de
destino desejadas.
5. O Mediador identifica as fontes de dados e gera as subconsultas, que seria a sen-
tença S com as devidas transformações semânticas (D4), e as retorna ao Intercepta-
dor.
Convém ressaltar que as subconsultas desempenham um “papel semelhante” ao que
S desempenha na base original para a qual foi definida.
Formalmente, se S é a sentença original empregada pelo cliente para a base B, então
obtêm-se o conjunto de sentenças s1, s2, ..., sn, para i = 1...n, onde si é a sentença
correspondente a S para a base Bi. Ou seja, si desempenha para a base Bi o mesmo
efeito que S desempenha para a base B.
6. O Inteceptador requisita ao Controlador uma consulta integrada, repassando a este
as fontes de dados de destino e suas respectivas subconsultas.
7. O Controlador identifica e localiza as fontes de dados nos arquivos de configuração,
a partir da requisição.
8. O Controlador cria instâncias dos Tradutores referentes às fontes de dados desejadas
(D1, D4).
3.4 Exemplos de uso 54
Figura 3.6: Diagrama de seqüência - consulta integrada
3.4 Exemplos de uso 55
9. O Controlador repassa uma subconsulta si para o respectivo Tradutor para que seja
executada.
10. O Tradutor executa a sentença si recebida na fonte de dados por ele manipulada e
obtém o resultado.
Lembrando que o modelo de dados é relacional, Tradutores para fontes de dados
não-relacionais devem converter a sentença recebida para o formato reconhecido
pela fonte de dados manipulada por ele.
11. Os resultados obtidos são retornados ao Controlador. Tradutores não-relacionais
devem fazer antes a conversão dos registros obtidos da fonte de dados do seu
formato original para o formato relacional.
12. Após receber os registros de cada Tradutor, o Controlador monta uma coleção
destes retornos e a repassa ao Mediador, para que este faça a integração dos
registros.
13. O Mediador faz a integração dos resultados de acordo com o esquema da fonte de
dados da aplicação cliente que solicitou a sentença, e devolve o resultado integrado
ao Controlador.
14. O Controlador envia o resultado integrado ao Interceptador, que o devolve à
aplicação cliente que fez a requisição S original (D1, D4).
15. Quando a aplicação cliente solicitar o encerramento da conexão que ela conhece,
o Interceptador solicita o encerramento de todas as conexões criadas, através de
serviço oferecido pelo Controlador.
O diagrama de seqüência da figura 3.6 (pág. 54) exibe de forma resumida o
processo descrito acima.
Extensões
Observe que é possível a execução dos passos de 8 a 11 de forma concorrente.
A requisição feita pelo Controlador no passo 12 pode ser feita através de
mensagem XML, com o resultado também sendo retornado neste formato. Nesta caso,
antes do passo 14, o Controlador converte o resultado integrado antes de devolvê-lo ao
Interceptador.
3.5 Requisitos de software 56
3.5 Requisitos de software
O escopo do Integrate foi apresentado em alto nível na seção 3.3, e o uso típico
foi ilustrado por exemplos de uso na seção
3.4. Nesta seção, o escopo é refinado em
requisitos de software úteis à implementação do Integrate.
Após cada requisito segue uma referência no formato [Fn, pág. x] para a funci-
onalidade atendida pelo requisito, onde n é o número da funcionalidade atendida e x o
número da página em que foi fornecida. O mesmo modelo de referência foi adotado para
[Dn, pág. x], onde Dn é o número da decisão que originou o requisito.
3.5.1 Requisitos funcionais
RF1. O Integrate deve abstrair do desenvolvedor do mediador a necessidade de conhecer
os formatos dos dados. Uma interface deve ser bem definida para interagir com o
tradutor [F2, pág. 49].
RF2. As trocas de mensagens devem ser feitas em formato relacional [D3, pág. 45],
implementado através de JDBC.
RF3. O Integrate deverá implementar um protocolo de comunicação com o Mediador
[D4, pág. 45].
RF3.1. A troca de mensagens entre o Controlador e o Mediador pode ser realizada
através de XML [D3, pág. 45].
RF3.2. Opcionalmente uma API deve disponibilizar ao Mediador as mesmas infor-
mações presentes no XML citado acima [F2, pág.
49] [D3, pág. 45].
RF4. O Integrate deve fornecer uma interface por meio da qual o Mediador tenha acesso
ao esquema dos dados [F1, pág.
49].
RF5. Para as aplicações clientes que não podem ser alteradas, o Integrate deve implemen-
tar um driver JDBC próprio, que desempenhará as funções do Interceptador [D4,
pág. 45].
RF6. O desenvolvedor do mediador deve implementar interface definida pelo Integrate,
para padronizar as requisições feitas pelo Controlador [D4, pág. 46].
RF7. As requisições do Mediador podem ser executadas de maneira síncrona ou assín-
crona [F4, pág. 50].
3.5 Requisitos de software 57
RF8. Tradutores para os formatos relacional e CSV
2
devem ser implementados pelo
Integrate, a partir de uma API que permita que outros componentes possam ser
adicionados. Ou seja, clientes que necessitem de acessar formatos proprietários ou
que não sejam cobertos pelo Integrate deverão criar seus próprios Tradutores [F2,
pág. 49].
RF9. O Tradutor deve disponibilizar informações sobre a execução das requisições
(tempo inicial, tempo final, duração).
RF10. Um serviço de armazenamento (log) das requisições solicitadas deve ser disponibi-
lizada pelo Integrate.
3.5.2 Considerações sobre requisitos
A facilidade de uso das API’s do produto deverá ser buscada através de projeto
adequado, sem necessidade de conhecimento da estrutura interna do modelo e sem
que sua implementação interfira nos componentes existentes, assim como proposto em
[60, 87, 88].
A relação abaixo lista algumas características não consideradas no projeto:
• As aplicações clientes e as bases de dados existentes não precisam necessariamente
ser alteradas para usufruir de integração apoiada pelo Integrate [O5, pág. 40].
• Por se tratar de um sistema que irá intermediar as requisições feitas por aplicações
clientes [F2, pág. 49], com consumo de recursos, aplicações existentes tendem a
apresentar queda de desempenho. Inicialmente, não está prevista nenhuma restrição
neste sentido.
• Um problema central de sistemas mediados é a otimização de consultas de maneira
eficiente, onde um conjunto de sentenças é usado para responder uma sentença
original e um plano de acesso que especifica a ordem do retorno e a manipulação
dos dados é gerado. Estas questões não serão tratadas neste trabalho.
• Como o Integrate funciona como um proxy [39, 43] entre a aplicação cliente e as
fontes de dados reais, o mesmo não se preocupa com questões como gerência de
transação (gerência e garantia das propriedades ACID
3
quando no caso de alteração
nas fontes de dados), controle de concorrência (mecanismo de controle quando da
ocorrência de pelo menos um pedido de atualização sobre um mesmo dado entre
2
Acrônimo de “comma-separated values”, ou seja, valores separados por vírgula. São arquivos texto
cujos valores são separados por vírgula. Outros caracteres podem ser usados como separador.
3
Atomicidade, consistência, isolamento e durabilidade.
3.6 Processo de uso 58
transações concorrentes) e gerência de regras (capacidade de reagir automatica-
mente à ocorrência de determinados eventos), pois espera-se que as fontes de dados
reais executem estas tarefas. Em sistemas de integração, devido à autonomia das
fontes de dados, implementar estes controles é tarefa complexa [5]. Logo, os mes-
mos não serão aqui especificados, devendo ser melhor estudados e detalhados em
outros trabalhos dirigidos para este fim, considerando a complexidade e especifici-
dade de tais linhas de pesquisa.
• Cálculos estatísticos sobre as requisições ou manutenção dos resultados obtidos das
fontes de dados (cache) não devem ser tratados.
• O presente trabalho não considera o tratamento de questões de controle de segu-
rança no acesso às fontes de dados.
3.6 Processo de uso
A definição do Integrate nas seções anteriores sugere um processo de uso, cujos
papéis pertinentes são listados abaixo. Em seguida é apresentado um cenário típico de
processo de instanciação do Integrate.
3.6.1 Papéis
• Desenvolvedor semântico - cria o Mediador que troca mensagens com o Integrate
através de um modelo de dados predefinido, realizando todo o processamento
semântico necessário. Opcionalmente, ontologias podem ser utilizadas.
• Desenvolvedor JDBC - cria Tradutores para acessar formatos de dados não cober-
tos pelo Integrate, ou seja, formatos proprietários ou que não disponham de um
Tradutor disponibilizado.
• Administrador do sistema de integração - por conhecer as aplicações e as fontes de
dados existentes, define as configurações do Integrate.
3.6.2 Processo de instanciação
1. O desenvolvedor semântico cria um Mediador projetado para utilizar os serviços do
Integrate, exigindo, então, que este conheça os serviços disponibilizados. Está além
do escopo do Integrate orientar esta criação.
2. Para a execução de sentenças, o Mediador utilizará os Tradutores disponibilizados
pelo Integrate ou outros, implementados por um desenvolvedor JDBC.
3.6 Processo de uso 59
2.1. Se o Tradutor para a fonte de dados desejada não for implementado pelo Inte-
grate, o desenvolvedor JDBC criará seus próprios Tradutores, implementando
a API específica. À semelhança do caso anterior, deve-se conhecer os serviços
oferecidos pelo Integrate e como utilizá-los.
3. O Adminitrador do sistema de integração, que conhece as fontes de dados e
as possibilidades de integração entre elas, define o arquivo de configuração do
Integrate que relaciona as integrações desejadas.
4. O Administrador do sistema altera a configuração da aplicação cliente para que
esta utilize o URL específica do Integrate, e executa uma das sentenças originais da
aplicação.
Exemplos são fornecidos no capítulo 5, e permitem ilustrar o conhecimento
necessário sobre o Integrate com o propósito de adequadamente empregá-lo.
CAPÍTULO 4
Integrate - Projeto e implementação
A descrição conceitual da proposta de solução Integrate para a integração de
fontes de dados heterogêneas foi fornecida no capítulo anterior. Em particular, o Integrate
adota um modelo de solução inspirado na arquitetura mediador/tradutor e oferece serviços
por meio de um framework.
Este capítulo apresenta o projeto de software do Integrate. A seção 4.1 discorre
sobre a arquitetura de software. A seção 4.2 apresenta alguns detalhes da implementação,
e, finalmente, a seção 4.3 comenta as ferramentas empregadas que auxiliaram a imple-
mentação.
4.1 Arquitetura de software
A arquietura de software é descrita por várias perspectivas, similar ao sugerido
em [56], registrado essencialmente por meio de diagramas UML [77]:
• A perspectiva lógica compreende os principais conceitos oferecidos pelo Integrate
e a relação entre eles (figura 4.1).
• A perspectiva de processo apresenta como os elementos funcionais estão organi-
zados em processos (ver diagrama 4.2), com enfoque nos aspectos dinâmicos do
modelo, descrevendo o comportamento em tempo de execução. Convém ressaltar
que a presença de SGBDs, possivelmente disponíveis de maneira distribuída sobre
uma rede, de forma autônoma uns dos outros, e a possibilidade do emprego de thre-
ads
1
para a execução concorrente de alguns dos serviços oferecidos pelo Integrate,
tornam a perspectiva de processos imprescindível.
• A perspectiva de desenvolvimento ressalta a organização do Integrate em módulos,
componentes ou subsistemas e a relação entre estes elementos. Esta perspectiva
1
Processo é um módulo executável único, que corre concorrentemente com outros módulos executáveis.
Thread, ou linha de execução, é uma forma de um processo dividir a si mesmo em duas ou mais tarefas que
podem ser executadas simultaneamente. Múltiplas threads podem ocorrer dentro de um mesmo processo.
Fonte: http://en.wikipedia.org/wiki/Thread
4.1 Arquitetura de software 61
Figura 4.1: Perspectiva lógica
Figura 4.2: Perspectiva de processos
4.1 Arquitetura de software 62
Figura 4.3: Perspectiva física
Figura 4.4: Diagrama de componentes
4.2 Implementação dos módulos 63
Figura 4.5: Diagrama de implantação
é particularmente útil para a alocação de requisitos aos elementos identificados
(figura 4.6).
• A perspectiva física apresenta o cenário típico de emprego do Integrate, onde os
elementos com capacidade de processamento são apresentados juntamente com as
relações entre eles. Esta perspectiva ressalta onde processos e threads apresentados
na perspectiva de processos são executados (figura 4.3). Os diagramas de compo-
nentes 4.4 e o de implantação 4.5 exibem as dependências entre os componentes de
software e a ligação deste software aos dispositivos físicos, respectivamente.
4.2 Implementação dos módulos
A figura 4.6 exibe todos os pacotes definidos e suas inter-relações, com comen-
tários nas subseções seguintes sobre as principais classes e interfaces
2
.
4.2.1 Metadados
Uma das principais tarefas executadas antes do uso do Integrate é o devido
preenchimento dos seus arquivos de configuração. Todos eles são devidamente validados
antes de serem processados. A validação de documentos pode ser feita por meio de
documentos DTD [115], ou XML Schema
3
[109, 114]. A validação no Integrate utiliza
arquivos XML Schema, assim como em [60, 118].
Todos os arquivos são convertidos em objetos em memória sob demanda, na
inicialização dos serviços que necessitem destas informações.
2
Os nomes de classes e de métodos aparecem em inglês, que foi a língua utilizada na confecção do
código-fonte implementado.
3
A principal diferença entre DTD e XML Schema é que DTDs não podem definir tipos e tipos derivados,
necessários em aplicações mais avançadas. Por outro lado, DTDs fornecem definições de entidades. Assim,
ambos podem ser usados para validar um documento XML [63].
4.2 Implementação dos módulos 64
Figura 4.6: Perspectiva de desenvolvimento
4.2 Implementação dos módulos 65
Os principais arquivos de configuração do sistema são:
• integrate-datasources.xml - Principal arquivo de configuração do sistema. Nele
são definidas informações como as classes que implementam as interfaces Wrapper
e Lookup e as informações de conexão dos drivers JDBC reais utilizados. Cada
fonte de dados contém um identificador único. Segue um exemplo do referido
arquivo para uma fonte de dados relacional cujo identificador é mysql:
<?xml version="1.0" encoding="UTF-8"?>
<datasources>
<datasource id="mysql" type="jdbc">
<wrapper>br.ufg.integrate.wrapper.WrapperJDBC</wrapper>
<lookup>br.ufg.integrate.lookup.LookupJDBC</lookup>
<typeConfFile>conf/MySQLTypeConf.xml</typeConfFile>
<typeConfClass>
br.ufg.integrate.xml.type.TypeJDBCConf
</typeConfClass>
<schema>department</schema>
<jdbc-driver>com.mysql.jdbc.Driver</jdbc-driver>
<url>jdbc:mysql://localhost/department</url>
<user>root</user>
<password>xxx</password>
</datasource>
</datasources>
• integration.xml - Define as integrações desejadas. Cada integração possui um
identificador, que corresponde ao que é utilizado no URL de conexão do driver
JDBC implementado pelo Interceptador (ver seção 4.2.5). Neste arquivo definem-
se as fonte de dados de origem a de destino que se deseja integrar, sendo uma única
de origem (a fonte de dados original para o qual a aplicação cliente foi inicialmente
desenvolvida) e uma ou mais de destino. Para isso, utilizam-se os identificadores
definidos no arquivo integrate-datasources.xml. Logo, há uma dependência entre
estes dois arquivos de configuração, conforme figura 4.7.
Figura 4.7: Dependências entre arquivos de configuração
Um exemplo de preenchimento deste arquivo é exibido abaixo. No exemplo, a
integração identificada por teste1 indica que para um cenário que originalmente
4.2 Implementação dos módulos 66
acessa a fonte de dados identificada como mysql (fonte de dados que originalmente
recebe a sentença), deseja-se que sejam integrados os resultados das fontes de
dados mysql e hsqldb. No caso do identificador teste2, deseja-se que a aplicação
cliente que originalmente acessa a fonte de dados mysql passe a acessar a fonte de
dados hsqldb. Neste exemplo, estes identificadores mysql e hsqldb devem estar
configurados no arquivo integrate-datasources.xml.
<?xml version="1.0" encoding="UTF-8"?>
<integrations>
<integration id="teste1">
<source>mysql</source>
<target>mysql</target>
<target>hsqldb</target>
</integration>
<integration id="teste2">
<source>mysql</source>
<target>hsqldb</target>
</integration>
</integrations>
• integrate-config.xml - Define configurações de operação do Integrate, como a
classe que implementa a interface Mediator e como reagir em situações de erro,
dentre outras. Abaixo, um exemplo de configuração:
<?xml version="1.0" encoding="UTF-8"?>
<config>
<dateFormat>dd-MM-yyyy h:mm a</dateFormat>
<stopOnError>true</stopOnError>
<printErrors>true</printErrors>
<printResultSet>true</printResultSet>
<printXMLSchema>true</printXMLSchema>
<mediatorImpl>example.MediatorImpl</mediatorImpl>
</config>
O parâmetro dateFormat define o formato de impressão da data/hora nos logs de
erro
4
. O parâmetro stopOnError define se o Integrate interrompe o processamento
em caso de erro ou se prossegue. O valor de printErrors define se o erro ocorrido
será impresso na saída padrão ou se somente no arquivo de log de erros do sistema.
O valor definido para printResultSet estipula se os registros obtidos são ou não
impressos na saída padrão, úteis para ambientes de teste. O mesmo serve para o
parâmetro printXMLSchema, que imprime ou não as requisições de metadados.
O valor de mediatorImpl indica a classe que implementa a interface Mediator,
para que o Controlador crie uma referência em tempo de execução.
4
São válidos os formatos definidos para a classe java.util.SimpleDateFormat.
4.2 Implementação dos módulos 67
• *TypeConf.xml - Um dos serviços disponibilizados pelo Integrate é o fornecimento
de um arquivo XML que contém os esquemas das fontes de dados que se deseja
integrar (ver seção 4.2.4). Para este serviço, é necessário fazer conversões entre os
tipos de dados de JDBC e de XML Schema [114]. A conversão dos tipos JDBC para
os tipos XML Schema é fixa, pois os tipos são bem definidos nas especificações
destas linguagens. O problema está na variedade de tipos específicos de cada
fonte de dados. Como não há uma padronização entre as fontes de dados (nem
mesmo entre os fornecedores de SGBD’s), cada uma disponibiliza seus próprios
tipos de dados. Para contornar este problema, o Integrate necessita de arquivos de
configuração que façam a correspondência um-para-um entre os tipos de dados
JDBC e os tipos definidos para a fonte de dados, arquivos estes que devem ser
configurados previamente, um para cada tipo de fonte de dados. Abaixo segue um
arquivo de exemplo.
<?xml version="1.0" encoding="UTF-8"?>
<TypeJDBCConf>
<DataSourceTypesClass>
br.ufg.integrate.xml.type.jdbc.datasource.MySQLTypes
</DataSourceTypesClass>
<JDBC2SQLVendorType>
<BIGINT>REAL</BIGINT>
<BINARY>TEXT</BINARY>
<BIT>SMALLINT</BIT>
<BLOB>BLOB</BLOB>
<BOOLEAN>INTEGER</BOOLEAN>
<CHAR>CHAR</CHAR>
<CLOB>NONE</CLOB>
<DATE>DATE</DATE>
<DECIMAL>DECIMAL</DECIMAL>
<DOUBLE>DOUBLE PRECISION</DOUBLE>
<FLOAT>FLOAT</FLOAT>
<INTEGER>INTEGER</INTEGER>
<LONGVARBINARY>BLOB</LONGVARBINARY>
<LONGVARCHAR>VARCHAR</LONGVARCHAR>
<NUMERIC>NUMERIC</NUMERIC>
<REAL>REAL</REAL>
<SMALLINT>SMALLINT</SMALLINT>
<TIME>TIME</TIME>
<TIMESTAMP>TIMESTAMP</TIMESTAMP>
<TINYINT>SMALLINT</TINYINT>
<VARBINARY>TEXT</VARBINARY>
<VARCHAR>VARCHAR</VARCHAR>
</JDBC2SQLVendorType>
</TypeJDBCConf>
Como supracitado, este arquivo mapeia a relação dos tipos de dados JDBC para os
tipos do MySQL [70] (elemento <JDBC2SQLVendorType>). O elemento <Data-
SourceTypesClass> indica a classe que fornece o mapeamento inverso, dos tipos
do MySQL para os tipos JDBC. O nome deste arquivo não é fixo, mas deve ser in-
4.2 Implementação dos módulos 68
formado no arquivo integrate-datasources.xml (ver os elementos <typeConfFile> e
<typeConfClass> no exemplo acima). Estes arquivos são lidos durante a inicializa-
ção do Integrate e armazenados em memória. A idéia e o formato deste arquivo foi
inspirado em [33, 74]. O MOMIS (ver seção 2.7.2) faz um tipo de conversão seme-
lhante [22], só que a conversão é feita para ODLi3 (modelo de dados definido por
este sistema). Os arquivos dos principais SGBD’s contendo os mapeamentos entre
os tipos já são fornecidos pelo Integrate. Novas versões destes SGBD’s ou novos
produtos ou de fontes de dados proprietárias necessitam da definição destes arqui-
vos. Implementadores de novos tradutores que executem o lookup também devem
implementar classes que os manipule (ver documentação).
4.2.2 Controlador
Inspirado no CoDIMS
5
(ver seção 2.7.3), este módulo intermedeia as trocas de
mensagens com o Mediador e também entre os demais módulos do Integrate. Este módulo
oferece serviços por meio da classe Controller.
Como supracitado, a interação com o Controlador é feita através do modelo
relacional. Para isso, as trocas de mensagens são executadas via JDBC.
Para garantir uma única instância na execução do framework, o Controlador
implementa o padrão de projeto
6
conhecido como Singleton [39]. A estrutura de classes
é exibida na figura 4.8.
Figura 4.8: Implementação do Controller
Configurações iniciais
Os principais serviços oferecidos pelo Integrate (lookup e consultas integradas)
são disponibilizados através de métodos da classe Controller. A execução destes métodos
5
Embora o referido sistema não implemente a arquitetura de mediadores.
6
Tradução para design pattern, expressão amplamente utilizada na comunidade.
4.2 Implementação dos módulos 69
internamente providencia a carga de objetos que representam os arquivos de configuração
(ver seção 4.2.1) de acordo com a demanda, criando objetos em memória para facilitar
sua manipulação.
Consultas integradas
Há dois tipos de serviços desta natureza disponibilizados pelo Controlador. Um
que retorna um java.sql.ResultSet e outro que retorna a coleção de resultados como texto.
Este texto pode ser salvo em um arquivo XML, através de outro serviço disponibilizado,
de acordo com esquema definido pelo Integrate. A primeira opção permite a comunicação
em JDBC puro, e a segunda permite que o Mediador acesse os resultados em formato
XML, sem a necessidade de manipular JDBC diretamente.
Na primeira opção, o Controlador recebe como argumentos a sentença SQL
original vinda da aplicação cliente e um identificador da integração desejada (ver seção
4.2.1, sobre arquivo integration.xml). Os ResultSet’s são inseridos em uma coleção,
posteriormente repassada ao Mediador para que este faça a integração dos resultados em
um ResultSet único, no formato esperado pela aplicação cliente.
Na segunda opção, o Controlador recebe os identificadores das fontes de dados e
suas respectivas subconsultas. Após obter os ResultSet’s, o Controlador cria uma estrutura
que compõe o conteúdo de um arquivo XML, onde cada ResultSet aparece de forma
isolada. Este conteúdo pode ser manipulado posteriormente pelo Mediador. O esquema
deste arquivo XML foi inspirado no trabalho apresentado em [34]. Um exemplo de
resultado gerado pode ser visualizado na seção 5.2.2, página 81.
Neste exemplo, o elemento id é o identificador configurado no arquivo integrate-
datasources.xml.
Para a execução de sentenças, o Controlador instancia uma interface (ver seção
4.2.3) para cada fonte de dados envolvida na integração desejada, instanciação feita em
tempo de execução de acordo com definição feita no arquivo integrate-datasources.xml
(ver o elemento <wrapper> no exemplo do referido arquivo).
Coleção de ResultSet’s
Conforme supracitado, os ResultSet’s, após obtidos, são inseridos em uma
coleção para serem posteriormente integrados pelo Mediador. O Integrate, ao processar
os arquivos de configuração na inicialização, ordena as referências das fontes de dados
pela ordem alfabética dos seus identificadores. Para inserir os ResultSet’s na coleção, o
Integrate usa os identificadores definidos na integração e os insere respeitando esta ordem.
4.2 Implementação dos módulos 70
Obtenção de esquemas
Para obter os esquemas das fontes de dados o Integrate usa um processo seme-
lhante ao descrito acima para consultas. Para cada fonte de dados uma classe que imple-
menta a interface Lookup (ver seção 4.2.4) é instanciada em tempo de execução. Esta
classe deve ser definida no arquivo integrate-datasources.xml (ver elemento <lookup> no
exemplo do referido arquivo).
O serviço retorna um java.sql.DatabaseMetaData. Para evitar a necessidade
deste conhecimento por parte do desenvolvedor do mediador, o Controlador disponibiliza
um serviço que gera estes esquemas em um arquivo XML. O formato do texto presente
neste arquivo contém os metadados dos esquemas convertidos em XML Schema. Esta
conversão e o modelo de arquivo gerado é semelhante ao proposto em [
27, 62, 103].
Este serviço varre a coleção de metadados obtidos, fazendo a conversão dos tipos de
dados de JDBC para os tipos definidos para XML Schema. Para executar esta conversão,
são necessários os arquivos *TypeConf.xml (ver seção 4.2.1) e uma implementação da
interface DataSourceTypes. O Integrate implementa esta interface para algumas fontes
de dados relacionais e para arquivos CSV, conforme ilustra a figura 4.9.
Figura 4.9: Interface para conversão de tipos entre XML Schema
e JDBC
Um exemplo do arquivo gerado pode ser visto no capítulo 5.
Coleção de esquemas
Uma coleção de objetos que representam os metadados é montada à medida que
estes são obtidos, seguindo a ordem alfabética dos identificadores das fontes de dados.
Serviços de gerenciamento
Entre os serviços prestados pelo Controlador há funções que buscam facilitar o
gerenciamento das operações executadas por ele. Entre elas está o cálculo do tempo de
4.2 Implementação dos módulos 71
duração de uma consulta integrada. Sempre que uma sentença é solicitada, internamente
o Integrate marca o tempo inicial e final da execução de cada subconsulta, e calcula o
tempo de duração total da consulta integrada. A chamada de um método específico após
a execução de uma sentença retorna a sua duração.
Mensagens de erro
Em uma das opções de configuração (arquivo integrate-config.xml), o sistema
interrompe todo o processo, caso haja algum erro, e retorna a exceção gerada. Outra con-
figuração permite que o processo de obtenção dos resultados parciais continue, desconsi-
derando os resultados da fonte de dados que gerou o erro.
Para os serviços que geram o resultado em arquivos XML, além da opção de
abortar todo o processo ou desconsiderar alguma fonte de dados, o sistema permite que
o XML gerado desconsidere a fonte de dados ou então imprima no arquivo a exceção
gerada, no local onde deveriam aparecer os resultados.
Acesso direto à conexão
O Integrate permite a conexão direta com a fonte de dados. Neste caso, o
Integrate apenas intermedeia a obtenção da conexão.
Encerrando os serviços
Após a utilização do Integrate é necessária a execução de um método do Contro-
lador que encerra os recursos utilizados durante a execução de requisições das aplicações
clientes, como por exemplo as conexões criadas.
4.2.3 Tradutor
A figura 4.10 exibe a interface Wrapper, que implementa o módulo Tradutor
descrito no capítulo 3. Novos tradutores podem ser criados, bastando implementá-la.
Como o modelo de dados do Integrate é o relacional, os tradutores que manipu-
lam fontes de dados relacionais, como a classe WrapperJDBC, podem utilizar os drivers
JDBC específicos para as fontes de dados, funcionando apenas como um proxy [39, 43],
repassando a sentença SQL à fonte de dados manipulada e devolvendo ao Controlador o
resultado obtido. Tradutores de outros formatos devem fazer as conversões necessárias,
através de classes que implementem a interface descrita acima.
Como pode ser visto na documentação do Integrate, os retornos dos métodos
getConnection() e executeQuery() retornam respectivamente um java.sql.Connection e
um java.sql.ResultSet. Ou seja, há dependência de JDBC, assim como conhecimento
4.2 Implementação dos módulos 72
Figura 4.10: Interface para tradutores
específico da fonte de dados para a qual esteja desenvolvendo e fazer a conversão deste
formato para os objetos JDBC. Implementar esta interface para formatos específicos é
praticamente implementar um driver JDBC para este formato.
Para simplificar a tarefa de implementar um driver JDBC para o desen-
volvedor, o Integrate disponibiliza classes nos pacotes br.ufg.intergrate.wrapper.jdbc
e br.ufg.intergrate.wrapper.jdbc.impl. Estas classes implementam parcialmente a API
JDBC, com alguns métodos abstratos. Assim, o desenvolvedor pode criar suas classes
que implementam parcialmente um driver JDBC apenas implementando alguns métodos.
Isso auxilia a implementação de drivers mais simples, sem toda a funcionalidade definida
pela API JDBC. Este conjunto de classes foi utilizado para definir o driver JDBC imple-
mentado para arquivos CSV. Esta implementação permitiu a manipulação deste formato
de dados de maneira relacional. A figura 4.11 exibe as classes deste driver.
Para facilitar a implementação, optou-se pela adaptação de um driver para
arquivos CSV existente [1], com algumas alterações.
Em versões futuras, quando novos modelos de dados forem propostos, a imple-
mentação da interface Wrapper será responsável em converter deste novo modelo para o
relacional, e também no sentido inverso. Isso permitirá que o Controlador mantenha uma
troca de mensagens com o Mediador com um maior nível de abstração.
Como supracitado, estes novos modelos de dados são normalmente baseados
em XML. Logo, a implementação desta interface será responsável em converter dados
relacionais para XML, como proposto pelos trabalhos feitos em [37, 71, 91].
4.2 Implementação dos módulos 73
Figura 4.11: Driver JDBC para arquivos CSV. Este driver foi
adaptdado de [1], e implementa a API JDBC parcial
definida pelo Integrate.
4.2.4 Lookup
O Integrate auxilia o Mediador na definição do esquema global, ao disponibilizar
serviços que facilitam a obtenção dos esquemas das fontes a serem integradas.
A figura 4.12 exibe interface com algumas implementações. Novamente, novas
classes podem ser implementadas a partir desta interface.
Da maneira como foi citado na subseção acima, a classe LookupJDBC age apenas
como um proxy [39, 43], repassando as requisições para o driver real e obtendo os detalhes
do esquema como objetos java.sql.DatabaseMetaData.
4.2.5 Interceptador
O conjunto de classes do pacote br.ufg.integrate.jdbc implementa o driver JDBC
(seguindo a especificação de JDBC da Sun [99, 101]) que intercepta as requisições feitas
por aplicações clientes.
Para a utilização do Interceptador, a aplicação cliente deve fazer uso do URL de
conexão específico do Integrate, no formato jdbc:integrate:id, onde o id é o identificador
da integração desejada, configurada no arquivo integration.xml (ver seção 4.2.1). Neste
4.2 Implementação dos módulos 74
Figura 4.12: Interface para o serviço de lookup
exemplo de URL, o identificador determina univocamente o cenário desejado pelo cliente
(origem e destino, driver JDBC real a ser utilizado, login e senha de acesso, etc.).
A requisição interceptada é repassada ao Controlador, junto com o identificador
da integração desejada, para que seja feita a integração dos resultados. Quando o ResultSet
integrado é retornado ao Interceptador, este o devolve à aplicação cliente.
4.2.6 Mediador
Figura 4.13: Interface para o mediador
A decisão D5 sugere o uso de ontologias para auxiliar as questões semânticas
realizadas pelo Mediador, porém nenhum suporte ao emprego de ontologias é oferecida
na versão corrente do framework. O emprego de ontologias fica a cargo do desenvolvedor
do mediador que utilizar o Integrate.
Para utilizar o Integrate no cenário 2 (ver seção 3.4.3), o desenvolvedor do me-
diador deve implementar a interface Mediator (ver figura 4.13). A classe que implementa
esta interface deve ser definida no arquivo integrate-config.xml do Integrate, para que o
Controlador possa armazenar internamente uma referência para esta implementação e uti-
lizar os serviços definidos.
Segue uma breve descrição dos métodos que devem ser implementados:
4.3 Ferramentas de apoio 75
• integrate() - solicita ao Mediador a integração da coleção de resultados obtidos das
fontes de dados.
• start() - dá ao Mediador a possibilidade de inicializar os recursos necessários para
o seu devido funcionamento.
• stop() - solicita ao Mediador o encerramento dos recursos inicializados.
• transformSQL() - a partir de um comando SQL informado como argumento, é
esperado deste método as subconsultas referentes a cada fonte de dados envolvida
no processo de integração.
Inicialmente o Integrate comunica-se com o Mediador através de JDBC puro (ver seção
3.2.4). Ou seja, o Integrate ainda exige do Mediador conhecimento de SQL e de JDBC.
Uma das propostas futuras do Integrate é definir um protocolo de mais alto nível, que
permita esta troca de informação através de mensagens que eximam do Mediador este
conhecimento.
4.3 Ferramentas de apoio
Para a confecção do código-fonte do Integrate, feito em Java, foram utilizadas
algumas ferramentas que auxiliaram os trabalhos.
A implementação do driver JDBC do Interceptador foi feita com adaptações
sobre o código do xlSQL [17], com sugestões do driver JDBC genérico apresentado em
[76] e com base na especificação da Sun [99, 101]. O driver para CSV citado na seção
4.2.2 foi adaptado do CvsJdbc [1]. O parser
7
empregado na manipulação dos arquivos
XML de configuração foi o Commons-Digester [85], que, apesar de não ter o melhor
desempenho entre os disponíveis, é de fácil programação. Para a execução dos estudos de
caso (ver capítulo 5), foi utilizado o banco de dados HSQLDB [48].
7
Parsing é o processo de analisar uma seqüência de texto para determinar sua estru-
tura gramatical. O parser é o componente de um compilador que executa esta tarefa. Fonte:
http://en.wikipedia.org/wiki/Parser.
CAPÍTULO 5
Estudo de caso
Este capítulo apresenta dois estudos de caso que experimentam a proposta de
integração baseada no Integrate.
A primeira seção exibe as fontes de dados e os arquivos de configuração defini-
dos para os estudos de caso. A seção 5.2 apresenta o primeiro estudo de caso, que exibe
alguns exemplos de uso dos serviços disponibilizados pelo Integrate, executados por um
mediador fictício. O segundo estudo de caso é exibido na seção 5.3, onde é demonstrada
uma solução para o problema apresentado na seção 1.2, que é a integração de duas fontes
de dados heterogêneas sem a alteração da aplicação cliente original.
Os códigos-fonte citados encontram-se no Apêndice A, página 104.
5.1 Definições
Nesta seção encontram-se as configurações básicas necessárias para a execução
dos estudos de caso, que são as fontes de dados e os arquivos que devem ser configurados
para a correta operação do Integrate.
5.1.1 Fontes de dados
Para os estudos de caso, foram utilizadas duas fontes de dados heterogêneas:
uma fonte de dados relacional (uma base de dados HSQLDB [48]) e um arquivo texto
(um arquivo CSV). Os esquemas das fontes são os seguintes:
HSQLDB
CREATE TABLE CLIENTES(
CODCLIENTE INTEGER NOT NULL PRIMARY KEY,
NOME VARCHAR(20) NOT NULL,
SOBRENOME VARCHAR(20) NOT NULL)
)
A figura 5.1 exibe os registros da fonte de dados HSQLDB, utilizando a ferra-
menta de consulta deste banco de dados.
5.1 Definições 77
Figura 5.1: Consulta feita no HSQLDB, com os registros originais
CSV
Esta fonte de dados contém registros separados por vírgula, na seguinte ordem:
CODDEPTO, NOMEDEPTO, CODCURSO, NOMECURSO, CODINSTRUTOR, NO-
MEINSTRUTOR, CELULARINSTRUTOR.
O conteúdo do arquivo CSV é exibido abaixo:
1,INF-UFG,1,Engenharia de software,1,Fabio Lucena,8410-1010
1,INF-UFG,2,Banco de Dados,2,Juliano Oliveira,x
1,INF-UFG,1,Engenharia de software,3,Juliano Oliveira,x
2,INF-Alfa,3,Banco de Dados,4,Rogerio Arantes Gaioso,9988-8989
1,INF-UFG,4,Introdução a Java,1,Fabio Lucena,8410-1010
5.1.2 Arquivos de configuração
Esta subseção exibe alguns arquivos configurados para esta instância do Inte-
grate, feita para os estudos de caso exibidos nas seções seguintes.
integrate-datasources.xml
Neste arquivo foram configuradas as duas fontes de dados, identificadas por
hsqldb e csv. Na configuração da fonte de dados CSV, no elemento <url>, a referência
ao arquivo CsvDmdExample.xml define os detalhes necessários para as informações de
metadados desta fonte de dados (uma das adaptações feitas no driver para CSV, descrito
na seção 4.2.3). Segue o arquivo configurado para a execução dos estudos de caso:
5.1 Definições 78
<?xml version="1.0" encoding="UTF-8"?>
<datasources>
<datasource id="hsqldb" type="jdbc">
<wrapper>br.ufg.integrate.wrapper.WrapperJDBC</wrapper>
<lookup>br.ufg.integrate.lookup.LookupJDBC</lookup>
<typeConfFile>conf/HSQLDBTypeConf.xml</typeConfFile>
<typeConfClass>br.ufg.integrate.xml.type.TypeJDBCConf</typeConfClass>
<schema>PUBLIC</schema>
<jdbc-driver>org.hsqldb.jdbcDriver</jdbc-driver>
<url>jdbc:hsqldb:file:testFiles/db-hsqldb/dep</url>
<user>sa</user>
<password></password>
</datasource>
<datasource id="csv" type="csv">
<wrapper>br.ufg.integrate.wrapper.WrapperCSV</wrapper>
<lookup>br.ufg.integrate.lookup.LookupCSV</lookup>
<typeConfFile>conf/CsvJdbcTypeConf.xml</typeConfFile>
<typeConfClass>br.ufg.integrate.xml.type.TypeCSVConf</typeConfClass>
<schema>depto</schema>
<jdbc-driver>br.ufg.integrate.wrapper.csv.CsvDriver</jdbc-driver>
<url>jdbc:integrate:csv?testFiles/db-csv/CsvDmdExample.xml</url>
<user></user>
<password></password>
</datasource>
</datasources>
integration.xml
<?xml version="1.0" encoding="UTF-8"?>
<integrations>
<integration id="all2hsqldb">
<source>hsqldb</source>
<target>hsqldb</target>
<target>csv</target>
</integration>
<integration id="all2csv">
<source>csv</source>
<target>hsqldb</target>
<target>csv</target>
</integration>
<integration id="csv2hsqldb">
<source>hsqldb</source>
<target>csv</target>
</integration>
<integration id="hsqldb2csv">
<source>csv</source>
<target>hsqldb</target>
</integration>
</integrations>
Neste arquivo, foram definidas as integrações desejadas. Como pode ser visto
acima, os identificadores hsqldb e csv referem-se aos definidos no arquivo integrate-
5.2 Simulando mediadores 79
datasources.xml. Conforme citado na seção 4.2.1, a configuração do arquivo integra-
tion.xml é dependente do arquivo integrate-datasources.xml.
Para a configuração acima, o identificador all2hsqldb define que a aplicação
cliente que originalmente acessa a fonte de dados identificada como hsqldb receberá os
registros tanto desta fonte de dados quanto daquela definida como csv.
integrate-config.xml
Os parâmetros são exibidos na seção 4.2.1. Algumas alterações destes parâme-
tros são comentadas quando pertinente.
5.2 Simulando mediadores
Este estudo de caso exibe possíveis exemplos de uso do Integrate no desenvol-
vimento de um mediador fictício, para demonstrar o comportamento do Integrate no uso
de suas principais funcionalidades, como o lookup, consultas integradas e também seu
comportamento na ocorrência de erros. Os trechos de código ilustram a flexibilidade ofe-
recida com o uso de poucas linhas de código e os resultados obtidos, e fazem parte da
documentação do Integrate.
5.2.1 Lookup
Os exemplos abaixo ilustram alguns dos serviços disponibilizados pelo Integrate
para as requisições dos esquemas das fontes de dados registradas no sistema, que podem
ser utilizados pelo Mediador para auxiliar na geração do esquema global.
Imprimindo esquemas JDBC
Uma das opções disponíveis é o trecho de código A.1. Este código gera uma
coleção de objetos do tipo java.sql.DatabaseMetaData, que representam os esquemas
das fontes de dados registradas no arquivo integrate-datasources.xml. A maior parte do
código apenas exibe a iteração nesta coleção. Para as fontes de dados registradas como
exemplo, as tabelas listadas seriam DEPTO e CLIENTES. Nota-se a necessidade de se
conhecer e manipular JDBC diretamente.
Imprimindo os esquemas
Para eliminar a necessidade de se manipular objetos da API JDBC, como
supracitado, pode-se utilizar um outro serviço, conforme exibido no código A.2.
5.2 Simulando mediadores 80
Este trecho de código gera um texto contendo os esquemas para as fontes de
dados configuradas, formatado em XML Schema, semelhante ao apresentado em [27].
Para este exemplo, a saída seria a seguinte:
<?xml version="1.0" encoding="UTF-8"?>
<xs:schema xmlns:xs="http://www.w3.org/2001/XMLSchema"
xmlns:xsh="http://www.integrate.ufg.br/schema/XMLSchema">
<xsh:integrate-schema id="csv" name="depto">
<xs:complexType name="depto.depto_Type">
<xs:sequence>
<xs:element name="CODDEPTO" type="xs:integer"
minOccurs="0" maxOccurs="unbounded">
<xs:key name="depto.depto_key">
<xs:selector xpath="depto.depto"/>
<xs:field xpath="CODDEPTO"/>
</xs:key>
</xs:element>
<xs:element name="NOMEDEPTO" type="xs:string"/>
<xs:element name="CODCURSO" type="xs:integer"
minOccurs="0" maxOccurs="unbounded">
<xs:key name="depto.depto_key">
<xs:selector xpath="depto.depto"/>
<xs:field xpath="CODCURSO"/>
</xs:key>
</xs:element>
<xs:element name="NOMECURSO" type="xs:string"/>
<xs:element name="CODINSTRUTOR" type="xs:integer"
minOccurs="0" maxOccurs="unbounded">
<xs:key name="depto.depto_key">
<xs:selector xpath="depto.depto"/>
<xs:field xpath="CODINSTRUTOR"/>
</xs:key>
</xs:element>
<xs:element name="NOMEINSTRUTOR" type="xs:string"/>
<xs:element name="CELULARINSTRUTOR" type="xs:string"/>
</xs:sequence>
</xs:complexType>
</xsh:integrate-schema>
<xsh:integrate-schema id="hsqldb" name="PUBLIC">
<xs:complexType name="PUBLIC.CLIENTES_Type">
<xs:sequence>
<xs:element name="CODCLIENTE" type="xs:integer"
minOccurs="0" maxOccurs="unbounded">
<xs:key name="PUBLIC.CLIENTES_key">
<xs:selector xpath="PUBLIC.CLIENTES"/>
<xs:field xpath="CODCLIENTE"/>
</xs:key>
</xs:element>
<xs:element name="NOME" type="xs:string"/>
<xs:element name="SOBRENOME" type="xs:string"/>
</xs:sequence>
</xs:complexType>
</xsh:integrate-schema>
</xs:schema>
5.2 Simulando mediadores 81
Esquemas individualizados
Assim como os exemplos citados, que geram os esquemas de todas as fontes
de dados registradas no arquivo integrate-datasources.xml, o Integrate pode fornecer o
esquema de apenas uma das fonte de dados registradas. Para tal, basta alterar os códigos
acima (A.1 e A.2) informando como argumento o identificador da fonte de dados.
Esquemas em arquivo
O Integrate disponibiliza opção de gravar o conteúdo obtido como texto nos
exemplos acima no sistema de arquivos, através do método saveSchemasToXMLFile().
5.2.2 Consultas integradas
Os próximos exemplos ilustram a execução de sentenças disponibilizadas pelo
Integrate.
Consultando uma fonte de dados específica
O trecho de código A.3 executa uma consulta em uma fonte de dados específica,
informando como argumentos o identificador da fonte de dados e o comando SQL
desejado. Vale lembrar que no estágio atual do Integrate, o Mediador necessita conhecer
SQL e enviar a consulta no formato conhecido pela fonte de dados. Projetos futuros
devem definir o envio desta requisição em um formato de mais alto nível, abstraindo
esta necessidade.
A execução do código citado gera o seguinte resultado:
<?xml version="1.0" encoding="UTF-8"?>
<results>
<result id=’hsqldb’>
<tuple>
<attribute name=’CODCLIENTE’>0</attribute>
<attribute name=’NOME’>ROGERIO</attribute>
<attribute name=’SOBRENOME’>ARANTES</attribute>
</tuple>
<tuple>
<attribute name=’CODCLIENTE’>1</attribute>
<attribute name=’NOME’>JOSÉ</attribute>
<attribute name=’SOBRENOME’>SILVA</attribute>
</tuple>
<tuple>
<attribute name=’CODCLIENTE’>2</attribute>
<attribute name=’NOME’>JOAO</attribute>
<attribute name=’SOBRENOME’>BATISTA</attribute>
</tuple>
</result>
</results>
5.2 Simulando mediadores 82
Consultando mais de uma fonte de dados
De maneira semelhante à exibida no exemplo anterior, pode-se consultar mais de
uma fonte de dados, bastando informar como argumento uma coleção de identificadores
e a coleção de suas respectivas sentenças, algo como no trecho de código A.4. Como
retorno, o Integrate gera o texto em formato XML com os resultados separados por
identificador.
Vale lembrar que este dois últimos exemplos podem ter o texto resultante
registrados em um arquivo através do método saveResultSetsToXmlFile().
Consulta usando arquivo XML
Uma opção disponibilizada pelo Integrate é o fornecimento da requisição através
de um arquivo passado como argumento, validado pelo Integrate antes de ser processado.
Um exemplo do referido arquivo é exibido abaixo:
<?xml version="1.0" encoding="UTF-8"?>
<query id="hsqldb_csv">
<target id="csv">
<sql>
SELECT CODINSTRUTOR, NOMEINSTRUTOR FROM DEPTO
</sql>
</target>
<target id="hsqldb">
<sql>
SELECT CODCLIENTE, NOME, SOBRENOME FROM CLIENTES
</sql>
</target>
</query>
Nota-se que o mesmo permite a execução de mais de uma sentença, separada
pelo identificador da fonte de dados.
Como supracitado, este formato de arquivo exige conhecimento de SQL. Uma
proposta futura é definir o formato de maneira a abstrair esta necessidade.
5.2.3 Manipulação de erros
O Integrate pode manipular a ocorrência de erros de acordo com configurações
feitas no arquivo integrate-config.xml.
Suponha que o parâmetro stopOnError esteja definido como true. Se, na execu-
ção do código A.4, a primeira consulta tiver o nome da tabela errada, a exceção é retornada
à aplicação cliente, e todo o processo é interrompido. Já se o parâmetro estiver definido
como false, o Integrate gera o resultado final, imprimindo o erro no arquivo XML gerado,
como pode ser visto no exemplo abaixo:
5.3 Integração sem a alteração da aplicação 83
<?xml version="1.0" encoding="UTF-8"?>
<results>
<result id=’csv’>
<errorMessage>
WrapperCSV: SQLException:
Cannot open data file ’testFiles/db-csv/DEPT.csv’ !
</errorMessage>
</result>
<result id=’hsqldb’>
<tuple>
<attribute name=’CODCLIENTE’>0</attribute>
<attribute name=’NOME’>ROGERIO</attribute>
<attribute name=’SOBRENOME’>ARANTES</attribute>
</tuple>
<tuple>
<attribute name=’CODCLIENTE’>1</attribute>
<attribute name=’NOME’>JOSÉ</attribute>
<attribute name=’SOBRENOME’>SILVA</attribute>
</tuple>
<tuple>
<attribute name=’CODCLIENTE’>2</attribute>
<attribute name=’NOME’>JOAO</attribute>
<attribute name=’SOBRENOME’>BATISTA</attribute>
</tuple>
</result>
</results>
5.3 Integração sem a alteração da aplicação
Este estudo de caso descreve a solução proposta para o problema exposto na
seção 1.2, em que se deseja integrar fontes de dados sem alteração nem das fontes de
dados nem da aplicação cliente, que motivou todo este trabalho.
5.3.1 Cenário
A configuração dos arquivos do Integrate foi a mesma citada no início deste
capítulo, assim como as fontes de dados utilizadas.
Aplicação cliente
Para testar o ambiente e demonstrar a integração, foi preparada uma aplicação
cliente cujo código manipula especificamente a fonte de dados HSQLDB, como pode ser
visto no código A.5.
Neste código, após obter a conexão com a fonte de dados, a aplicação executa
uma consulta SQL específica do esquema (ver seção 5.1.1). Por ser uma aplicação
específica, a manipulação do ResultSet trata as duas colunas originalmente esperadas.
5.3 Integração sem a alteração da aplicação 84
Vale lembrar que a linha 4 do referido código exibe a obtenção dos parâmetros
de conexão necessários para se obter uma conexão JDBC, conforme boas práticas de
programação. Desta maneira, o URL definido neste arquivo de parâmetros é que será
alterado, ou seja, o código-fonte da aplicação não será alterado. Para este estudo de caso,
os parâmetros originais definidos neste arquivo são os seguintes:
driver=org.hsqldb.jdbcDriver
url=jdbc:hsqldb:file:testFiles/db-hsqldb/dep
user=sa
password=
Mediador fictício
Para a execução deste estudo de caso, foi necessária a confecção de um mediador
que implementasse a interface Mediator (ver seção 4.2.6).
Para facilitar o desenvolvimento, foi implementada uma classe sem o emprego
das técnicas de integração, como combinação de esquemas ou ontologias. O Mediador
criado apenas mantém uma tabela relacional que faz o mapeamento um-para-um de
cada sentença SQL necessária para o funcionamento da aplicação cliente, relacionada
também com o identificador de cada fonte de dados definido no Integrate. Ou seja, para
ser funcional, esta tabela deve ser alimentada antes com cada sentença SQL original e
todas as subconsultas para as demais fontes de dados que se deseja integrar.
O código criado também não se preocupa com a geração de esquemas integrados,
funções estas que exigem um maior conhecimento semântico embutido, o que está fora
do escopo do Integrate. Desta maneira, o código criado não demonstra o uso das funções
de lookup.
Para executar a integração dos ResultSet’s obtidos, o mediador mantém uma
fonte de dados interna com o mesmo esquema da fonte de dados original da aplicação
cliente. Para cada ResultSet recebido, o Mediador faz as devidas conversões (sem nenhum
conhecimento semântico), inserindo os valores nas colunas desta fonte de dados interna.
Finalmente, o Mediador executa a sentença enviada originalmente nesta fonte de dados
temporária e o ResultSet gerado é retornado ao Controlador.
O código-fonte deste Mediador está disponível na documentação do Integrate.
5.3.2 Simulação de integração
Usando a configuração original do arquivo de parâmetros, a aplicação cliente
escreve, na saída padrão, os registros presentes na tabela CLIENTES da fonte de dados
HSQLDB (ver figura 5.1).
Conforme definido no arquivo integration.xml, a integração identificada por
csv2hsqldb define que a aplicação que originalmente acessa a fonte de dados hsqldb
5.3 Integração sem a alteração da aplicação 85
passa a receber os registros da fonte de dados csv, mesmo com os nomes e sobrenomes
nesta fonte de dados estando armazenados em uma mesma coluna (ver esquema CSV).
Ou seja, com uma pequena alteração no arquivo de propriedades de conexão (alterando
o driver JDBC para br.ufg.integrate.jdbc.DriverImpl, que é a classe do driver JDBC
que intercepta as requisições, e o URL de conexão para jdbc:integrate:csv2hsqldb), o
Integrate retorna para a aplicação os registros do arquivo CSV:
Fabio Lucena
Juliano Oliveira
Juliano Oliveira
Rogerio Arantes Gaioso
Fabio Lucena
Da mesma maneira, mantendo o driver e alterando o URL para
jdbc:integrate:all2hsqldb, a execução da aplicação cliente passa a exibir os regis-
tros de ambas as fontes de dados, tanto os da tabela CLIENTES do HSQLDB quanto os
do arquivo CSV. Ou seja, serão impressos os seguintes registros:
ROGERIO ARANTES
JOSÉ MAURO
JOAO SILVA
Fabio Lucena
Juliano Oliveira
Juliano Oliveira
Rogerio Arantes Gaioso
Fabio Lucena
Isto demonstra a integração de fontes de dados heterogêneas sem a alteração da
aplicação cliente original.
CAPÍTULO 6
Conclusão
A literatura especializada disponibiliza diversas propostas de solução para o
problema de integração de fontes de dados heterogêneas. Em geral, a interação com o
usuário ocorre por meio de uma interface definida pela proposta de integração em questão.
Estes casos são incompatíveis com o cenário onde as fontes de dados e a aplicação cliente,
que faz uso destas fontes, não podem passar por modificações. Os motivos são vários, por
exemplo, custos e até mesmo a indisponibilidade de código fonte.
A proposta apresentada neste trabalho oferece serviços por meio de um fra-
mework, denominado Integrate, baseado na arquitetura mediador/tradutores, para auxiliar
desenvolvedores na construção de sistemas de integração de dados heterogêneos. Além
de oferecer serviços para a confecção de sistemas tradicionais que pretendam integrar da-
dos heterogêneos, ao contrário de várias outras abordagens, o Integrate é adequado onde
não se espera alteração no esquema das fontes de dados e/ou acesso ao código fonte das
aplicações que as empregam. Por exemplo, em um cenário em que várias aplicações de-
pendam do esquema de uma fonte de dados, alterações neste esquema para atender uma
certa aplicação podem comprometer o funcionamento das demais. Ou seja, dependendo
da alteração no esquema, seria necessário alterar todas as aplicações que dependem do
esquema original. O Integrate é particularmente útil neste caso, funcionando como uma
camada intermediária entre o novo esquema e estas aplicações, executando as devidas
transformações enquanto as aplicações não são alteradas.
O framework estabelece uma arquitetura de software para os sistemas que o
adotam. Isto inclui componentes como mediador e tradutores bem como as comunicações
entre estes componentes. Por exemplo, a interação do mediador com demais componentes
é realizada por meio de protocolo bem definido. O objetivo é facilitar a substituição
independente destes módulos por outros sem comprometer a comunicação entre eles.
Embora o emprego de um framework pareça natural para o contexto apresentado
acima, a motivação foi a definição de uma “infra-estrutura” que pudesse ser posterior-
mente estendida por meio de trabalhos futuros (veja seção correspondente neste capítulo).
Noutras palavras, o resultado obtido é visto como um passo sólido ou substrato sobre o
qual investigações posteriores naturalmente identificarão mudanças oportunas.
6.1 Contribuições 87
6.1 Contribuições
Uma das vantagens desta proposta está na definição dos serviços oferecidos, atra-
vés de uma abordagem recorrente entre as propostas conhecidas (baseada em mediado-
res), o que proporciona uma maior aplicabilidade e a reutilização de código e de projeto.
Estes serviços disponibilizam uma API que permite a evolução independente tanto de
quem a usa quanto de quem a implementa.
Por trabalhar internamente com o modelo relacional, o Integrate oferece seus
serviços através de JDBC. Para facilitar a sua utilização, o framework também fornece
seus serviços através de métodos que retornam mensagens no formato XML, formato
comumente utilizado pelas comunidades envolvidas com questões semânticas.
Outra contribuição da presente proposta está na disponibilização do código-
fonte produzido, o que a difere da maioria das propostas levantadas. O presente
trabalho, bem como o código-fonte e sua documentação, estão disponíveis em
http://integrate.sourceforge.net/.
6.2 Trabalhos futuros
O trabalho realizado foi analítico, ou seja, fruto da investigação sistemática de
um domínio e da síntese de serviços que visam facilitar a construção de aplicações para
este domínio. Não contou, portanto, com experiência prévia. Esta lacuna deverá ser pre-
enchida por experiências posteriores com o emprego do Integrate. Tais experimentações
permitirão identificar aspectos a serem melhorados, extensões a serem inseridas e elemen-
tos a serem removidos.
Ao longo do texto, várias destas extensões foram citadas. Segue abaixo uma
relação comentada destas extensões.
• O modelo de dados definido para o Integrate foi o relacional (ver seção 3.2.2),
principalmente devido à solidez deste modelo, além de que a maioria das fontes
de dados em produção estão armazenadas neste modelo. Isso exige conhecimento
deste modelo por parte do desenvolvedor do mediador que o utilizar. Como um
dos objetivos do Integrate é facilitar o desenvolvimento de mediadores, e como as
pesquisas nesta área tendem a adotar outros modelos de dados (ainda em fase de
definição), como OWL e RDF, uma das propostas futuras do Integrate é definir um
protocolo de nível mais alto, com mais abstração, que permita a troca de informação
entre o Integrate e o mediador eximindo deste o conhecimento de mais baixo nível,
como JDBC.
Um dos complicadores está na necessidade de se fazer a conversão de modelos,
do modelo relacional para o modelo baseado em XML. Desta maneira, devem ser
6.2 Trabalhos futuros 88
definidas mensagens em XML que abstraiam os conceitos relacionais por parte do
mediador, com o Integrate se responsabilizando pelas conversões entre os formatos,
sempre manipulando dados relacionais internamente e mensagens XML com o
mediador em um esquema previamente definido.
• Com a definição do modelo comentado no item anterior, seria possível definir uma
maneira do Mediador gerar as subconsultas para os Tradutores sem a necessidade
de conhecer SQL. Mensagens poderiam ser geradas reproduzindo as sentenças em
formato XML, por exemplo como o modelo empregado no LORIS [69].
• O Integrate atualmente aceita requisições de alteração de registros nas fontes de
dados manipuladas, porém de forma não-transacional. Uma alteração necessária é o
tratamento de forma atômica das subconsultas, ou seja, em caso de erro na execução
de alguma subconsulta, a ferramenta deve desfazer todas as alterações feitas pelas
demais subconsultas.
• O Integrate disponibiliza atualmente apenas Tradutores para o formato relacional.
Mesmo o Tradutor para arquivos CSV utiliza internamente um driver JDBC para
tal tarefa. Uma extensão necessária é a definição de novos Tradutores, para outros
formatos de dados.
• O comportamento do sistema de integração quanto ao acréscimo de novas fontes de
dados depende de como o mediador implementa o tipo de integração de esquema
(ver seção
2.5 sobre GAV e LAV). Alterações nos esquemas das fontes existentes
no sistema também são críticas para o mediador, conforme [60]. A adição de novas
fontes de dados ou a alteração das existentes não é tratada de maneira automática
pelo Integrate. Funcionalidades podem ser acrescidas para atender esta necessidade,
permitindo verificações dos esquemas dinamicamente, em tempo de execução.
• Atualmente o Integrate mantém conexões com as fontes de dados sob demanda.
A criação de uma coleção de conexões (pool de conexões) na inicialização do
Integrate permite ganhos de desempenho e um melhor aproveitamento dos recursos.
• Por enquanto o Integrate opera apenas localmente. Uma arquitetura que permita
acessos remotos deve ser definida, para possibilitar a utilização do framework em
ambiente distribuído.
• Questões de logging e de segurança não foram implementados. Em sistemas de
integração, devido à autonomia das fontes de dados, implementar tais serviços não
é trivial [5]. Trabalhos futuros podem ser dirigidos para este fim, considerando
a complexidade e especificidade de tais linhas de pesquisa. Uma sugestão é o
emprego de programação orientada a aspetos
1
.
1
Tradução para Aspect-oriented programming (AOP), este tipo de programação permite que o código
6.2 Trabalhos futuros 89
• Como em sua concepção não foram definidas facilidades para a definição de testes
de unidade, estas devem ser ainda implementadas.
Além da oportunidade de um entendimento mais amplo da definição e da criação
de um framework e de um driver JDBC, o presente trabalho propiciou um maior conhe-
cimento da área de integração de dados. Os primeiros estudos sobre as heterogeneidades
encontradas na integração de dados, unidos à vontade inicial de solucionar o problema
através do uso de ontologias e das linguagens envolvidas a este conhecimento, aos pou-
cos exibiram a complexidade entre os diferentes modelos de dados, e o campo de estudo
que se encontra aberto para pesquisa. A expectativa fica na utilização do framework pro-
duzido por desenvolvedores de sistemas de integração, para que suas reais necessidades,
unidas ao conhecimento adquirido, sirvam de insumo para um maior entendimento do
domínio estudado. Estudos de casos mais detalhados e a implementação dos trabalhos
futuros sugeridos possibilitam um maior envolvimento na definição de um mediador do-
tado de conhecimento semântico, o que permite a definição de novos serviços por parte
do framework.
seja dividido em componentes (aspectos), que podem ser injetados facilmente em locais abitrários do
programa. Chamadas de métodos podem ser interceptadas, alteradas ou redirecionadas, em alguns casos
sem alterar o código-fonte do programa [98]
Referências Bibliográficas
[1] ACKERMAN, J; BRIENEN, S; WADDINGTON, A; GUPTA, C; EVORA, J. D; BE-
DELL, J; MARAYA, M; SKUTNIK, T. CsvJdbc - a JDBC Driver for CSV Files.
2001. Disponível em http://csvjdbc.sourceforge.net/, acessado em 30/05/2007.
[2] ALEXIEV, V; BREU, M; DE BRUIJN, J; FENSEL, D; LARA, R; LAUSEN, H. Infor-
mation Integration with Ontologies: Ontology based Information Integration
in an Industrial Setting. John Wiley & Sons, Abril 2005.
[3] ALTOVA INC.. DatabaseSpy. 2006. Disponível em
http://www.altova.com/products/databasespy/database_tool.html, acessado em
30/10/2007.
[4] AMBITE, J. L; KNOBLOCK, C. A; MUSLEA, I; PHILPOT, A. G. Com-
piling Source Descriptions for Efficient and Flexible Information In-
tegration. J. Intell. Inf. Syst., 16(2):149–187, 2001. Disponível em
http://dx.doi.org/10.1023/A:1011289701371, acessado em 11/09/2007.
[5] BARBOSA, A. C. P. Middleware para Integração de Dados
Heterogêneos Baseado em Composição de Frameworks. PhD
thesis, PUC-Rio de Janeiro, Brasil, Maio 2001. Disponível em
http://codims.lprm.inf.ufes.br/arquivos/publicacoes/tese_alvaro.pdf, acessado
em 11/09/2007.
[6] BARRET, T; JONES, D; YUAN, J; SAWAYA, J; USCHOLD, M; ADAMS, T; FOLGER,
D. RDF Representation of Metadata for Semantic Integration of Corporate
Information Sources. In Proceedings of Real World RDF and Semantic Web
Applications Workshop held in conjunction with WWW-2002, 2002. Disponível em
http://www.cs.rutgers.edu/∼shklar/www11/final_submissions/paper3.pdf, acessado
em 11/09/2007.
[7] BARU, C; GUPTA, A; LUDÄSCHER, B; MARCIANO, R; PAPAKONSTANTINOU, Y;
VELIKHOV, P; CHU, V. XML-Based Information Mediation with MIX. In: SIG-
MOD ’99: Proceedings Of The 1999 Acm Sigmod International Conference On Ma-
Referências Bibliográficas 91
nagement Of Data, p. 597–599, New York, NY, USA, 1999. ACM Press. Disponível
em http://doi.acm.org/10.1145/304182.304590, acessado em 11/09/2007.
[8] BELADY, L. A; LEHMAN, M. M. A Model of Large Program Deve-
lopment. IBM Systems Journal, 15(3):225–252, 1976. Disponível em
http://www.research.ibm.com/journal/sj/153/ibmsj1503E.pdf, acessado em
11/09/2007.
[9] BENEVIDES, R; VIRAGINE, G. Projeto SINDEC. Java Magazine, Ed. 30, pags.
54-58, Dezembro, 2005.
[10] BENNETT, K. H. Software Maintenance: A Tutorial. IEEE Computer Society
Press, p. 289––303, 1996.
[11] BIOBYTES. Ammentos Lightweight Persistence Framework. 2005. Disponível
em http://ammentos.biobytes.it/, acessado em 30/10/2007.
[12] BOEHM, B. A Spiral Model of Software Development and Enhance-
ment. SIGSOFT Softw. Eng. Notes, 11(4):14–24, 1986. Disponível em
http://doi.acm.org/10.1145/12944.12948, acessado em 11/09/2007.
[13] BRAGA, R. M. M; MATTOSO, M; WERNER, C. M. L. The Use of Media-
tion and Ontology Technologies for Software Component Information Re-
trieval. In: SSR ’01: Proceedings of the 2001 Symposium on Software Reu-
sability, p. 19–28, New York, NY, USA, 2001. ACM Press. Disponível em
http://doi.acm.org/10.1145/375212.375229, acessado em 11/09/2007.
[14] BUSCHMANN, F; MEUNIER, R; ROHNERT, H; SOMMERLAD, P; STAL, M.
Pattern-oriented Software Architecture: a System of Patterns. John Wiley &
Sons, Inc., New York, NY, USA, 1996.
[15] BUSSE, S; KUTSCHE, R.-D; LESER, U; WEBER, H. Federated Information Sys-
tems: Concepts, Terminology and Architectures. Technical Report Forschungs-
berichte des Fachbereichs Informatik 99-9, Technische Universität Berlin, 1999. Dis-
ponível em http://cis.cs.tu-berlin.de/Dokumente/Papers/1999/BKLW99.ps.gz, aces-
sado em 11/09/2007.
[16] BUTLER, G; D’ENOMM’EE, P. Documenting Frameworks
Using Patterns. In: Object-Oriented Application Frameworks, New
York, NY, USA, 1998. John Wiley and Sons. Disponível em
http://www.umcs.maine.edu/∼ftp/wisr/wisr8/papers/butler/butler.html, acessado
em 11/09/2007.
Referências Bibliográficas 92
[17] CAPRIOLI, J. xlSQL Excel JDBC Driver. 2006. Disponível em
https://xlsql.dev.java.net/ , acessado em 30/10/2007.
[18] CAREY, J; CARLSON, B. Framework Process Patterns: Lessons Learned
Developing Application Frameworks. Addison-Wesley Longman Publishing Co.,
Inc., Boston, MA, USA, 2002.
[19] CAREY, M. J; HAAS, L. M; SCHWARZ, P. M; ARYA, M; CODY, W. F; FAGIN,
R; FLICKNER, M; LUNIEWSKI, A. W; NIBLACK, W; PETKOVIC, D; THOMAS,
J; WILLIAMS, J. H; WIMMERS, E. L. Towards Heterogeneous Multimedia
Information Systems: the Garlic Approach. In: RIDE ’95: Proceedings of the 5th
International Workshop on Research Issues in Data Engineering-Distributed Object
Management (RIDE-DOM’95), p. 124, Washington, DC, USA, 1995. IEEE Computer
Society. Disponível em http://portal.acm.org/citation.cfm?id=827880, acessado em
11/09/2007.
[20] CHRISTENSEN, H. B. A Tutorial on Object-Oriented Frameworks. 2002.
Disponível em
http://www.daimi.au.dk/∼ups/Patterns/materials/sp-4.pdf , acessado
em 29/06/2007.
[21] CONTINUENT INC.. Sequoia. 2006. Disponível em
http://sequoia.continuent.org/HomePage, acessado em 30/10/2007.
[22] CORIANI, S. MOMIS: Servizi di Wrapping per Sorgenti Relazionali JDBC.
PhD thesis, Universitá Degli Studi Di Modena e Reggio Emilia, Modena, Itá-
lia, 2001. Disponível em http://www.dbgroup.unimo.it/tesi/coriani.pdf, acessado em
11/09/2007.
[23] CORNI, A. Intelligent Information Integration: The MOMIS Project. PhD
thesis, Universitá Degli Studi Di Bologna, Bologna, Itália, 2000. Disponível em
http://www.dbgroup.unimo.it/tesi/phdCorni.pdf, acessado em 11/09/2007.
[24] CUI, Z; JONES, D. M; O’BRIEN, P. Semantic B2B Integration: Issues in
Ontology-Based Applications. SIGMOD Record, 31(1):43–48, 2002. Dispo-
nível em http://www.acm.org/sigmod/record/issues/0203/SPECIAL/7.cui.pdf, aces-
sado em 11/09/2007.
[25] D2SYSTEMS. Hydrate. 2006. Disponível em http://hydrate.sourceforge.net/,
acessado em 30/10/2007.
[26] DANG-NGOC, T. T; GARDARIN, G. Federating Heterogeneous Data Sources
With Xml. 2003. Disponível em http://dntt.free.fr/publi/iasted_iks2003.pdf , aces-
sado em 30/10/2007.
Referências Bibliográficas 93
[27] DE AMORIM, G. B. C. Ferramenta para Extração de Esquemas de Bases de
Dados Relacionais. Trabalho de Graduação, Universidade Federal de Pernambuco,
Brasil, 2003, disponível em http://www.cin.ufpe.br/∼tg/2003-1/gbca.doc, acessado
em 02/01/2007.
[28] DE MOURA, S. L. Uma Arquitetura para Integração de Repositó-
rios de Objetos de Aprendizagem baseada em Mediadores e Serviços
Web. 2005. Dissertação de Mestrado, PUC-Rio de Janeiro, disponível em
http://www2.dbd.puc-rio.br/pergamum/biblioteca/php/mostrateses.
php?open=1&arqtese=0310839_05_Indice.html, acessado em 11/09/2007.
[29] DHAMANKAR, R; LEE, Y; DOAN, A; HALEVY, A; DOMINGOS, P. iMap: Disco-
vering Complex Semantic Matches Between Database Schemas. In: Sigmod
’04: Proceedings Of The 2004 ACM SIGMOD International Conference On Mana-
gement Of Data, p. 383–394, New York, NY, USA, 2004. ACM Press. Disponível em
http://doi.acm.org/10.1145/1007568.1007612, acessado em 11/09/2007.
[30] DO, H. H; MELNIK, S; RAHM, E. Comparison of Schema Matching Evaluations.
In: Revised Papers from the NODe 2002 Web and Database-Related Workshops
on Web, Web-Services, and Database Systems, p. 221–237, London, UK, 2003.
Springer-Verlag. Disponível em http://portal.acm.org/citation.cfm?id=744063, aces-
sado em 11/09/2007.
[31] DRAGUT, E; LAWRENCE, R. Composing Mappings Between Schemas Using a
Reference Ontology. In: ODBASE ’2004: Proceedings of International Conference
on Ontologies, Databases and Application of SEmantics, 2004. Disponível em
http://www.springerlink.com/content/gdemec2fp7lfj96x/, acessado em 11/09/2007.
[32] DUBLIN CORE METADATA INITIATIVE. Dublin Core Metadata Ele-
ment Set, Version 1.1: Reference Description. 2004. Disponível em
http://dublincore.org/documents/dces/, acessado em 30/10/2007.
[33] ENHYDRA.ORG. Octopus. 2006. Disponível em
http://www.enhydra.org/tech/octopus/index.html, acessado em 30/10/2007.
[34] ESCOBAR, F. J. C; ESPINOSA, E. D. XML Information Retrieval Using
SQL2XQuery. In: Proceedings of Information and Knowledge Sharing (IKS),
2002. Disponível em http://www.actapress.com/PaperInfo.aspx?PaperID=25743,
acessado em 30/10/2007.
[35] FAGIN, R; KOLAITIS, P. G; MILLER, R. J; POPA, L. Data Exchange: Semantics
And Query Answering. Theor. Comput. Sci., 336(1):89–124, 2005. Disponível em
http://portal.acm.org/citation.cfm?id=1085304.1085309, acessado em 11/09/2007.
Referências Bibliográficas 94
[36] FAYAD, M. E; SCHMIDT, D. C; JOHNSON, R. E. Building Application Fra-
meworks: Object-Oriented Foundations of Framework Design. John Wiley &
Sons, Inc., New York, NY, USA, 1999.
[37] FERNÁNDEZ, M; TAN, W.-C; SUCIU, D. SilkRoute: Trading Between Relations
and XML. In: Proceedings of the 9th International World Wide Web Conference
on Computer Networks : the International Journal of Computer and Telecommuni-
cations Netowrking, p. 723–745, Amsterdam, The Netherlands, The Netherlands,
2000. North-Holland Publishing Co. Disponível em http://dx.doi.org/10.1016/S1389-
1286(00)00061-X, acessado em 11/09/2007.
[38] FRIEDMAN, M; LEVY, A; MILLSTEIN, T. Navigational Plans For Data
Integration. In: Aaai ’99/Iaai ’99: Proceedings Of The Sixteenth Nati-
onal Conference on Artificial Intelligence and the Eleventh Innovative Ap-
plications of Artificial Intelligence Conference, p. 67–73, Menlo Park, CA,
USA, 1999. American Association for Artificial Intelligence. Disponível em
http://portal.acm.org/citation.cfm?id=315149.315229, acessado em 11/09/2007.
[39] GAMMA, E; HELM, R; JOHNSON, R; ; VLISSIDES, J. Design Patterns: Elements
of Reusable Object-Oriented Software. Addison-Wesley, Boston, USA, 1995.
[40] GARCIA-MOLINA, H; PAPAKONSTANTINOU, Y; QUASS, D; RAJARAMAN, A; SA-
GIV, Y; ULLMAN, J; VASSALOS, V; WIDOM, J. The TSIMMIS Approach to Me-
diation: Data Models and Languages. J. Intell. Inf. Syst., 8(2):117–132, 1997. Dis-
ponível em http://dx.doi.org/10.1023/A:1008683107812, acessado em 11/09/2007.
[41] GARDARIN, G; DANG-NGOC, T. T. Mediating the Semantic Web.
In: 4èmes journées d’Extraction et de Gestion des Connaissances
(EGC 2004), Clermont-Ferrand, France, Jan. 2004. Disponível em
http://ieeexplore.ieee.org/iel5/9145/29024/01307577.pdf, acessado em 11/09/2007.
[42] GARTNER. 2006 Emerging Technologies Hype Cycle. 2006. Disponível em
http://www.gartner.com/it/page.jsp?id=495475, acessado em 30/10/2007.
[43] GEARY, D. Take Control With the Proxy Design Pattern. 2002. Disponível em
http://www.javaworld.com/javaworld/jw-02-2002/jw-0222-designpatterns.html, aces-
sado em 04/09/2007.
[44] GRUBER, T. What is an Ontology? 2001. Disponível em
http://www.ksl.stanford.edu/kst/what-is-an-ontology.html, acessado em 30/10/2007.
Referências Bibliográficas 95
[45] GUARINO, N; GIARETTA, P. Ontologies and Knowledge Bases: Towards a
Terminological Clarification. Towards Very Large Knowledge Bases, p. 25–
32, 1995. Disponível em http://www.loa-cnr.it/Papers/KBKS95.pdf, acessado em
11/09/2007.
[46] HALEVY, A. Y. Answering Queries Using Views: A Sur-
vey. The VLDB Jour nal, 10(4):270–294, 2001. Disponível em
http://www.springerlink.com/content/7e1nukftx5tevvvf/, acessado em 11/09/2007.
[47] HERNÁNDEZ, M. A; MILLER, R. J; HAAS, L. M. Clio: a Semi-Automatic Tool
for Schema Mapping. In: SIGMOD ’01: Proceedings of the 2001 ACM SIGMOD
International Conference on Management of Data, p. 607, New York, NY, USA, 2001.
ACM Press. Disponível em http://doi.acm.org/10.1145/375663.375767, acessado
em 11/09/2007.
[48] HSQLDB TEAM. HSQLDB. 2007. Disponível em http://hsqldb.org/, acessado em
09/11/2007.
[49] HULL, R. Managing Semantic Heterogeneity in Databases: a Theoretical
Prospective. In: Pods ’97: Proceedings of the Sixteenth ACM Sigact-Sigmod-
Sigart Symposium on Principles of Database Systems, p. 51–61, New York, NY,
USA, 1997. ACM Press. Disponível em http://doi.acm.org/10.1145/263661.263668,
acessado em 11/09/2007.
[50] IEEE COMPUTER SOCIETY. Software Maintenance. Software Engineering,
Volume I: The Development Process, p. 487–502, 1998.
[51] ISO - INTERNATIONAL ORGANIZATION FOR STANDARDIZATION. Database
Language SQL. Document ISO/IEC 9075. 2003.
[52] JITTERBIT INC.. Jitterbit Open Source Integration. 2006. Disponível em
http://www.jitterbit.com/, acessado em 30/10/2007.
[53] JOHNSON, R. E. How to Design Frameworks. Tutorial Notes,
OOPSLA’93, Washington, D.C. October 1993. Disponível em http://st-
www.cs.uiuc.edu/users/johnson/cs497/notes98/day18.pdf, acessado em
12/09/2007.
[54] JOHNSON, R. E; FOOTE, B. Designing Reusable Classes. Journal of
Object-Oriented Programming, 1(2):22-35, Junho/Julho 1988. Dsiponível em
http://www.laputan.org/drc/drc.html, acessado em 12/09/2007.
Referências Bibliográficas 96
[55] JOHNSON, R. E. Documenting Frameworks Using Patterns. In: OOPSLA ’92:
Conference Proceedings on Object-Oriented Programming Systems, Languages,
and Applications, p. 63–76, New York, NY, USA, 1992. ACM Press. Disponível em
http://doi.acm.org/10.1145/141936.141943, acessado em 11/09/2007.
[56] KRUCHTEN, P. The 4+1 View Model of Architecture. IEEE Software,
12(6):42–50, 1995. Disponível em http://dx.doi.org/10.1109/52.469759, acessado
em 12/09/2007.
[57] LEE, K; MIN, J; PARK, K. A Design and Implementation of XML-
Based Mediation Framework (XMF) for Integration of Internet Informa-
tion Resources. In: HICSS ’02: Proceedings of the 35th Annual Hawaii
International Conference on System Sciences (HICSS’02)-Volume 7, p. 202,
Washington, DC, USA, 2002. IEEE Computer Society. Disponível em
http://portal.acm.org/citation.cfm?id=820745.821144, acessado em 11/09/2007.
[58] LEE, M. L; BRESSAN, S; GOH, C. H; RAMAKRISHNAN, R. Integration of
Disparate Information Sources: A Short Survey. In Workshop on Logic Pro-
gramming and Distributed Knowledge Management, UK, April 1999. Disponível em
http://www.comp.nus.edu.sg/∼leeml/papers/lpkm99.ps, acessado em 11/09/2007.
[59] LÓSCIO, B. F. Atualização de Múltiplas Bases de Dados Através de Me-
diadores. Dissertação de Mestrado, Universidade Federal do Ceará, Brasil,
1998. Disponível em http://www.mcc.ufc.br/disser/BernadetteFarias.pdf, acessado
em 12/09/2007.
[60] LÓSCIO, B. F. Managing the Evolution of XML-based Mediation Queries. PhD
thesis, Universidade Federal de Pernambuco, Recife, Brasil, 2003. Disponível em
http://www.cin.ufpe.br/∼hjca/VersaoFinalTeseBerna.pdf, acessado em 11/09/2007.
[61] LÓSCIO, B. F; COSTA, T; SALGADO, A. C. Query Reformulation For an XML-
Based Data Integration System. In: SAC ’06: Proceedings of the 2006 ACM
Symposium on Applied Computing, p. 498–502, New York, NY, USA, 2006. ACM
Press. Disponível em http://doi.acm.org/10.1145/1141277.1141393, acessado em
11/09/2007.
[62] LÓSCIO, B. F; SALGADO, A. C; DO RÊGO GALVÃO, L. Conceptual Modeling of
XML Schemas. In: WIDM ’03: Proceedings of the 5th ACM International Workshop
on Web Information and Data Management, p. 102–105, New York, NY, USA, 2003.
ACM Press. Disponível em http://doi.acm.org/10.1145/956699.956722, acessador
em 11/09/2007.
Referências Bibliográficas 97
[63] MARCO, D; JENNINGS, M. Universal Meta Data Models. Wiley Publishing, 2004.
[64] MELNIK, S; RAHM, E; BERNSTEIN, P. A. Rondo: A Programming Platform For
Generic Model Management. In: Sigmod ’03: Proceedings Of The 2003 Acm Sig-
mod International Conference On Management Of Data, p. 193–204, New York, NY,
USA, 2003. ACM Press. Disponível em http://doi.acm.org/10.1145/872757.872782,
acessado em 11/09/2007.
[65] MENA, E; ILLARRAMENDI, A; KASHYAP, V; SHETH, A. P. OBSERVER: An
Approach for Query Processing in Global Information Systems Based on
Interoperation Across Pre-Existing Ontologies. Distrib. Parallel Databases,
8(2):223–271, 2000. Disponível em http://dx.doi.org/10.1023/A:1008741824956,
acessado em 11/09/2007.
[66] MICROSOFT CORPORATION. COM: Component Object Model Technologies.
2006. Disponível em http://www.microsoft.com/com/tech/DCOM.asp, acessado em
30/10/2007.
[67] MITRA, P; WIEDERHOLD, G; KERSTEN, M. L. A Graph-Oriented Mo-
del for Articulation of Ontology Interdependencies. In: EDBT ’00: Pro-
ceedings of the 7th International Conference on Extending Database Te-
chnology, p. 86–100, London, UK, 2000. Springer-Verlag. Disponível em
http://portal.acm.org/citation.cfm?id=645339.650198, acessado em 11/09/2007.
[68] MOREIRA, M. M. Integração Semântica de Sistemas de Informação. Dissertação
de Mestrado, PUC-Rio de Janeiro, Brasil, 2003. Disponível em http://bib-di.inf.puc-
rio.br/Theses/2003.htm, acessado em 12/09/2007.
[69] MOURA, S. L; DA SILVA, F. J. C; SIQUEIRA, S. W. M; MELO, R. N.
LORIS: Integrating Distributed and Heterogeneous Metadata Reposi-
tories of Learning Objects. In: 3rd PGL International Conference -
Consolidating eLearning Experiences, São Paulo, 2005. Disponível em
http://www.fgvsp.br/pgl2005/sec_arquivo/2005/artigos/A2005T00023.pdf, acessado
em 11/09/2007.
[70] MYSQL TEAM. MySQL. 2007. Disponível em http://www.mysql.com/, acessado
em 09/11/2007.
[71] NAM, Y.-K; GOGUEN, J. A; WANG, G. A Metadata Integration As-
sistant Generator for Heterogeneous Distributed Databases. In: On
the Move to Meaningful Internet Systems, 2002 - DOA/CoopIS/ODBASE
2002 Confederated International Conferences DOA, CoopIS and ODBASE
Referências Bibliográficas 98
2002, p. 1332–1344, London, UK, 2002. Springer-Verlag. Disponível em
http://portal.acm.org/citation.cfm?id=646748.704398, acessado em 11/09/2007.
[72] NE
ˇ
CASKÝ, M. Conceptual Modeling for XML: A Survey. In: Proce-
edings of the DATESO 2006 Annual International Workshop on Databases,
Texts, Specifications, and Objects, 2006. Disponível em http://ftp.informatik.rwth-
aachen.de/Publications/CEUR-WS/Vol-176/paper7.pdf, acessado em 11/09/2007.
[73] NODINE, M. H; FOWLER, J; KSIEZYK, T; PERRY, B; TAYLOR, M; UN-
RUH, A. Active Information Gathering in InfoSleuth. International
Journal of Cooperative Information Systems, 9(1-2):3–28, 2000. Disponível
em http://www.research.telcordia.com/InfoSleuth/publications/codas99.pdf, aces-
sado em 30/10/2007.
[74] OBJECTWEB. XQuare. 2006. Disponível em http://xquare.objectweb.org/ , aces-
sado em 20/06/2007.
[75] ODMG. ODMG - Object Data Management Group. 2000. Disponível em
http://www.odmg.org/, acessado em 30/10/2007.
[76] O’DONAHUE, J. B. In the JDBC Driver Seat. 2001. Disponível em
http://www.ftponline.com/javapro/2001_12/magazine/features/jodonahue/default.aspx,
acessado em 30/10/2007.
[77] OMG. UML - Unified Modeling Language. 2004. Disponível em
http://www.uml.org/, acessado em 30/10/2007.
[78] OMG - THE OBJECT MANAGEMENT GROUP. The Common Object Request
Broker Architecture and Specification, CORBA/IIOP v3.0 Specification. 2004.
Disponível em http://www.omg.org/technology/documents/corba_spec_catalog.htm,
acessado em 11/09/2007.
[79] OPENACCESS SOFTWARE, INC.. OpenAccess SDK. 2007. Disponí-
vel em
http://www.odbcsdk.com/products/openaccess/overview.asp, acessado em
09/11/2007.
[80] PAPAKONSTANTINOU, Y; GARCIA-MOLINA, H; WIDOM, J. Object exchange
across heterogeneous information sources. In: ICDE ’95: PROCEEDINGS OF
THE ELEVENTH INTERNATIONAL CONFERENCE ON DATA ENGINEERING, p.
251–260, Washington, DC, USA, 1995. IEEE Computer Society. Disponível em
http://portal.acm.org/citation.cfm?id=645480.655297, acessado em 11/09/2007.
Referências Bibliográficas 99
[81] PAPAKONSTANTINOU, Y; GUPTA, A; GARCIA-MOLINA, H; ULLMAN, J. D. A
Query Translation Scheme for Rapid Implementation of Wrappers. In: DOOD
’95: Proceedings of the Fourth International Conference on Deductive and Object-
Oriented Databases, p. 161–186, London, UK, 1995. Springer-Verlag. Disponível
em http://portal.acm.org/citation.cfm?id=645346.650617, acessado em 11/09/2007.
[82] PAPAKONSTANTINOU, Y; GUPTA, A; HAAS, L. Capabilities-Based Query Rewri-
ting in Mediator Systems. Distributed Parallel Databases, 6(1):73–110, 1998. Dis-
ponível em http://dx.doi.org/10.1023/A:1008646830769, acessado em 11/09/2007.
[83] PREE, W. Design Patterns for Object-Oriented Software Development. ACM
Press/Addison-Wesley Publishing Co., New York, NY, USA, 1995.
[84] PREECE, A. D; YING HUI, K; GRAY, W. A; MARTI, P; BENCH-CAPON, T. J. M;
JONES, D. M; CUI, Z. The KRAFT Architecture for Knowledge Fusion and
Transformation. Knowledge Based Systems, 13(2-3):113–120, 2000. Disponível
em
http://www.csc.liv.ac.uk/∼kraft/publications.html, acessado em 11/09/2007.
[85] PROJETO JAKARTA. Commons-Digester. 2007. Disponível em
http://commons.apache.org/digester/, acessado em 28/08/2007.
[86] RAHM, E; BERNSTEIN, P. A. A Survey of Approaches to Automatic
Schema Matching. The VLDB Journal, 10(4):334–350, 2001. Disponível em
http://dx.doi.org/10.1007/s007780100057, acessado em 11/09/2007.
[87] RASI, R. Progetto e Realizzazione di un Wrapper XML Schema per il Sistema
MOMIS. PhD thesis, Universitá Degli Studi Di Modena e Reggio Emilia, Modena,
Itália, 2005. Disponível em http://www.dbgroup.unimo.it/tesi/rasisp.pdf, acessado
em 11/09/2007.
[88] ROTH, M. T; SCHWARZ, P. A Wrapper Architecture for Le-
gacy Data Sources. Proc. VLDB Conference, 1997. Disponível em
http://www.almaden.ibm.com/cs/garlic/vldb97wraprj.ps, acessado em 30/10/2007.
[89] ROYCE, W. W. Managing the Development of Large Software Sys-
tems: Concepts and Techniques. In: ICSE ’87: Proceedings of the 9th
International Conference on Software Engineering, p. 328–338, Los Ala-
mitos, CA, USA, 1987. IEEE Computer Society Press. Disponível em
http://portal.acm.org/citation.cfm?id=41801, acessado em 11/09/2007.
[90] SBC - SOCIEDADE BRASILEIRA DE COMPUTAÇÃO. Grandes Desafios
da Pesquisa em Computação no Brasil - 2006/2016. 2006. Disponí-
Referências Bibliográficas 100
vel em http://143.54.83.4/ArquivosComunicacao/Desafios_portugues.pdf, acessado
em 30/10/2007.
[91] SHANMUGASUNDARAM, J; SHEKITA, E; BARR, R; CAREY, M; LINDSAY, B;
PIRAHESH, H; REINWALD, B. Efficiently Publishing Relational Data as
Xml Documents. The VLDB Journal, 10(2-3):133–154, 2001. Disponível em
http://www.vldb.org/conf/2000/P065.pdf, acessado em 11/09/2007.
[92] SHANMUGASUNDARAM, J; TUFTE, K; ZHANG, C; HE, G; DEWITT, D. J;
NAUGHTON, J. F. Relational Databases for Querying XML Documents:
Limitations and Opportunities. In: VLDB ’99: Proceedings of the 25th In-
ternational Conference on Very Large Data Bases, p. 302–314, San Fran-
cisco, CA, USA, 1999. Morgan Kaufmann Publishers Inc. Disponível em
http://portal.acm.org/citation.cfm?id=671499&dl=ACM&coll=portal, acessado em
11/09/2007.
[93] SHETH, A. P. Changing Focus on Interoperability in Information
Systems: From System, Syntax, Structure to Semantics. In: Intero-
perating Geographic Information Systems. Kluwer. 5–30, 1998. Disponí-
vel em http://lsdis.cs.uga.edu/library/download/S98-changing.pdf, acessado em
11/09/2007.
[94] SHVAIKO, P; EUZENAT, J. A Survey of Schema-Based Matching Ap-
proaches. In: J. Data Semantics IV, p. 146–171, 2005. Disponível em
http://dx.doi.org/10.1007/11603412_5, acessado em 11/09/2007.
[95] SOMMERVILLE, I. Software Engineering. 6th Edition, Addison-Wesley, 2000.
[96] SPYNS, P; MEERSMAN, R; JARRAR, M. Data Modelling Versus On-
tology Engineering. SIGMOD Rec., 31(4):12–17, 2002. Disponível em
http://doi.acm.org/10.1145/637411.637413, acessado em 11/09/2007.
[97] STANFORD UNIVERSITY. TSIMMIS. 1998. Disponível em http://www-
db.stanford.edu/tsimmis/
, acessado em 30/10/2007.
[98] STEVENS, T. A Primer for Aspect-Oriented Programming in Java. 2004. Dis-
ponível em
http://www.informit.com/articles/article.aspx?p=174533&rl=1, acessado
em 07/11/2007.
[99] SUN MICROSYSTEMS. For Driver Writers. 2007. Disponível em
http://java.sun.com/products/jdbc/driverdevs.html, acessado em 12/11/2007.
Referências Bibliográficas 101
[100] SUN MICROSYSTEMS. Java RMI Specification. 2004. Disponível em
http://java.sun.com/products/jdk/rmi/, acessado em 30/10/2007.
[101] SUN MICROSYSTEMS. JDBC specification. 2004. Disponível em
http://java.sun.com/products/jdbc/download.html, acessado em 30/10/2007.
[102] TALIGENT INC.. Leveraging Object-Oriented Frameworks.
White Paper. 1993. Disponível em http://lhcb-comp.web.cern.ch/lhcb-
comp/Components/postscript/leveragingoo.pdf, acessado em 11/09/2007.
[103] TAN, J; ZASLAVSKY, A; EWALD, C. A; BOND, A. Domain-Specific Metamodels
for Heterogeneous Information Systems. In: HICSS ’03: Proceedings of the 36th
Annual Hawaii International Conference on System Sciences (HICSS’03) - Track
9, p. 321.1, Washington, DC, USA, 2003. IEEE Computer Society. Disponível em
http://portal.acm.org/citation.cfm?id=820756.821765, acessado em 11/09/2007.
[104] TOMASIC, A; RASCHID, L; VALDURIEZ, P. Scaling Access to He-
terogeneous Data Sources with DISCO. IEEE Transactions on Kno-
wledge and Data Engineering, 10(5):808–823, 1998. Disponível em
http://ieeexplore.ieee.org/search/wrapper.jsp?arnumber=729736, acessado em
11/09/2007.
[105] UNIVERSITÀ DI MODENA. The MOMIS Project. 2004. Disponível em
http://www.dbgroup.unimo.it/Momis/ , acessado em 30/10/2007.
[106] USCHOLD, M; GRÜNINGER, M. Ontologies and Semantics for Seam-
less Connectivity. SIGMOD Rec., 33(4):58–64, 2004. Disponível em
http://doi.acm.org/10.1145/1041410.1041420, acessado em 11/09/2007.
[107] USCHOLD, M; GRÜNINGER, M. Ontologies: Principles, Methods, And Ap-
plications. Knowledge Engineering Review, 11(2):93–155, Fevereiro 1996.
Disponível em http://www.aiai.ed.ac.uk/project/pub/documents/1996/96-ker-intro-
ontologies.ps, acessado em 30/10/2007.
[108] VAN DER SPEK, R; SPIJKERVET, A. Knowledge Management: Dealing Intelli-
gently with Knowledge. Technical Report, CIBIT/CSC. ISBN 90-75709-02-1. Ul-
trecht, 1997.
[109] VAN DER VLIST, E. XML Schema. O’Reilly, Junho 2002.
[110] W3C. Extensible Markup Language (XML). 2006. Disponível em
http://www.w3c.org/XML/ , acessado em 30/10/2007.
Referências Bibliográficas 102
[111] W3C. HyperText Markup Language (HTML). 2006. Disponível em
http://www.w3c.org/html/, acessado em 11/09/2007.
[112] W3C. Resource Description Framework (RDF). 2006. Disponível em
http://www.w3c.org/RDF/, acessado em 30/10/2007.
[113] W3C. Web Ontology Language (OWL). 2006. Disponível em
http://www.w3c.org/2004/owl/, acessado em 30/10/2007.
[114] W3C. XML Schema. 2006. Disponível em http://www.w3c.org/XML/Schema,
acessado em 30/10/2007.
[115] W3C. XML Specification DTD. 2006. Disponível em
http://www.w3c.org/XML/1998/06/xmlspec-report-19980910.htm , acessado em
30/10/2007.
[116] WACHE, H; VÖGELE, T; VISSER, U; STUCKENSCHMIDT, H; SCHUSTER, G;
NEUMANN, H; HÜBNER, S. Ontology-Based Integration of Information - a Sur-
vey of Existing Approaches. In: Stuckenschmidt, H, editor, IJCAI-01 WORKSHOP:
ONTOLOGIES AND INFORMATION SHARING, p. 108–117, 2001. Disponível em
http://www.cs.vu.nl/∼heiner/public/ois-2001.pdf, acessado em 30/10/2007.
[117] WANG, J. External Heterogeneous Information Source Management
Agents. PhD thesis, University of Georgia, Athens, USA, 2002. Dispo-
nível em http://www.cs.uga.edu/∼potter/dendrite/jin_wang_ms.pdf, acessado em
11/09/2007.
[118] WÖEHRER, A; BREZANY, P; JANCIAK, I. Virtualization of Heteroge-
neous Data Sources for Grid Information Systems. 2006. Disponí-
vel em http://www.gridminer.org/publications/woehrer_mipro04.pdf, acessado em
30/10/2007.
[119] WIEDERHOLD, G. Value-added Middleware: Mediators. Stanford Univer-
sity, March 1998. Disponível em
http://infolab.stanford.edu/pub/gio/1998/dbpd.html,
acessado em 11/09/2007.
[120] WIEDERHOLD, G. Mediators in the Architecture of Future In-
formation Systems. Computer, 25(3):38–49, 1992. Disponível em
http://dx.doi.org/10.1109/2.121508, acessado em 11/09/2007.
[121] WIEDERHOLD, G. Intelligent Integration of Information. In: SIGMOD ’93:
Proceedings of the 1993 ACM SIGMOD International Conference on Management
Referências Bibliográficas 103
of Data, p. 434–437, New York, NY, USA, 1993. ACM Press. Disponível em
http://doi.acm.org/10.1145/170035.170118, acessado em 11/09/2007.
[122] XU, L; BUTLER, G. Cascaded Refactoring for Framework Development and
Evolution. In: ASWEC ’06: Proceedings of the Australian Software Engineering
Conference (ASWEC’06), p. 319–330, Washington, DC, USA, 2006. IEEE Computer
Society. Disponível em http://dx.doi.org/10.1109/ASWEC.2006.19, acessado em
11/09/2007.
APÊNDICE A
Trechos de código
Código A.1 Lookup que imprime coleção de DatabaseMetaData.
1 Controller c = Controller.getInstance();
2 try {
3 List<DatabaseMetaData> coll = c.lookupMetaData();
4 DatabaseMetaData dbmd = null;
5 ResultSet rs = null;
6 String[] type = {"TABLE"};
7 //imprime o nome das tabelas de cada banco de dados
8 for(Iterator<DatabaseMetaData> it = coll.iterator();it.hasNext();){
9 dbmd = it.next();
10 rs = dbmd.getTables(null, null, "%", type);
11 while(rs.next()){
12 System.out.println(rs.getString(3));
13 }
14 }
15 c.stop();
16 } catch (Exception e){
17
18 }
Código A.2 Lookup impresso como XML Schema
1 Controller c = Controller.getInstance();
2 try {
3 System.out.println(c.lookup());
4 c.stop();
5 } catch (Exception e){
6
7 }
Referências Bibliográficas 105
Código A.3 Consulta uma fonte de dados específica
1 Controller c = Controller.getInstance();
2 try {
3 StringBuilder s = c.executeQueryInXmlFormat("hsqldb",
4 "SELECT CODCLIENTE, NOME, SOBRENOME " +
5 "FROM CLIENTES");
6 c.stop("hsqldb");
7 System.out.println(s.toString());
8 } catch (Exception e){
9
10 }
Código A.4 Exemplo de coleção de consultas
1 Controller c = Controller.getInstance();
2 try {
3 String[] idDataSources = {"csv", "hsqldb"};
4 String[] sql = {"SELECT CODINSTRUTOR, NOMEINSTRUTOR " +
5 "FROM DEPTO",
6 "SELECT CODCLIENTE, NOME, SOBRENOME " +
7 "FROM CLIENTES"};
8 StringBuilder s = c.executeQueryInXmlFormat(idDataSources,
9 sql);
10 c.stop();
11 System.out.println(s.toString());
12 } catch (Exception e){
13
14 }
Referências Bibliográficas 106
Código A.5 Aplicação cliente
1 try {
2 ClientHSQLDB app = new ClientHSQLDB();
3 //obtém parâmetro de conexão
4 Properties props = app.getProperties("demo.properties");
5 //obtém uma conexão com a fonte de dados
6 Connection con = app.getConnection(props);
7 Statement stm = con.createStatement();
8 String sql = "select codcliente, nome, sobrenome from clientes";
9 ResultSet rs = stm.executeQuery(sql);
10 System.out.println("\nNomes e sobrenomes:\n" +
11 while(rs.next()){
12 System.out.println(rs.getString(2) + " " + rs.getString(3));
13 }
14 //libera recursos
15 rs.close();
16 stm.close();
17 con.close();
18 }catch(...);
19 }
Livros Grátis
( http://www.livrosgratis.com.br )
Milhares de Livros para Download:
Baixar livros de Administração
Baixar livros de Agronomia
Baixar livros de Arquitetura
Baixar livros de Artes
Baixar livros de Astronomia
Baixar livros de Biologia Geral
Baixar livros de Ciência da Computação
Baixar livros de Ciência da Informação
Baixar livros de Ciência Política
Baixar livros de Ciências da Saúde
Baixar livros de Comunicação
Baixar livros do Conselho Nacional de Educação - CNE
Baixar livros de Defesa civil
Baixar livros de Direito
Baixar livros de Direitos humanos
Baixar livros de Economia
Baixar livros de Economia Doméstica
Baixar livros de Educação
Baixar livros de Educação - Trânsito
Baixar livros de Educação Física
Baixar livros de Engenharia Aeroespacial
Baixar livros de Farmácia
Baixar livros de Filosofia
Baixar livros de Física
Baixar livros de Geociências
Baixar livros de Geografia
Baixar livros de História
Baixar livros de Línguas
Baixar livros de Literatura
Baixar livros de Literatura de Cordel
Baixar livros de Literatura Infantil
Baixar livros de Matemática
Baixar livros de Medicina
Baixar livros de Medicina Veterinária
Baixar livros de Meio Ambiente
Baixar livros de Meteorologia
Baixar Monografias e TCC
Baixar livros Multidisciplinar
Baixar livros de Música
Baixar livros de Psicologia
Baixar livros de Química
Baixar livros de Saúde Coletiva
Baixar livros de Serviço Social
Baixar livros de Sociologia
Baixar livros de Teologia
Baixar livros de Trabalho
Baixar livros de Turismo
