Efficiently Computing Inclusion Dependencies for Schema Discovery

Jana Bauckmann; Ulf Leser; Felix Naumann

edoc-Server der Humboldt-Universität zu Berlin

Post- oder Preprint

Publikationsart:	Workshop- oder Konferenzbeitrag
Autor(en):	Jana Bauckmann; Ulf Leser; Felix Naumann
Titel:	Efficiently Computing Inclusion Dependencies for Schema Discovery
Erschienen in:	Proceedings of the 22nd International Conference on Data Engineering Workshops, ICDE 2006, 3-7 April 2006 2006 S. 2-2
Veranstaltung:	Second International Workshop on Database Interoperability (InterDB'06) Atlanta, Georgia, USA 03.04.2006 - 07.04.2006
Verlag:	IEEE Computer Society http://www.computer.org
Erscheinungsort:	Atlanta, Georgia, USA
DOI:	http://doi.ieeecomputersociety.org/10.1109/ICDEW.2006.54
Erstveröffentlichung:	01.04.2006
Veröffentlichung auf edoc:	05.07.2006
Status:	published peer_reviewed
Volltext:	pdf (urn:nbn:de:kobv:11-10065905)
Fachgebiet(e):	Informatik
Schlagwörter (eng):	Metadata, Data Integration, Schema Management, Profiling
Einrichtung:	Humboldt-Universität zu Berlin, Mathematisch-Naturwissenschaftliche Fakultät II
Metadatenexport: Um den gesamten Metadatensatz im Endnote- oder Bibtex-Format zu speichern, klicken Sie bitte auf den entsprechenden Link.	Endnote Bibtex
print on demand: Wenn Sie auf dieses Icon klicken, können Sie ein Druckexemplar dieser Publikation bestellen.
Diese Seite taggen: Diese Icons führen auf so genannte Social-Bookmark-Systeme, auf denen Sie Lesezeichen anlegen, persönliche Tags vergeben und Lesezeichen anderer Nutzer ansehen können.

Abstract (eng):

Large data integration projects must often cope with undocumented data sources. Schema discovery aims at automatically finding structures in such cases. An important class of relationships between attributes that can be detected automatically are inclusion dependencies (IND), which provide an excellent basis for guessing foreign key constraints. INDs can be discovered by comparing the sets of distinct values of pairs of attributes. In this paper we present efficient algorithms for finding unary INDs. We first show that (and why) SQL is not suitable for this task. We then develop two algorithms that compute inclusion dependencies outside of the database. Both are much faster than the SQL-based methods; in fact, for larger schemas they are the only feasible solution. Our experiments show that we can compute all unary INDs in a schema of 1, 680 attributes with a total database size of 3.2 GB in approximately 2.5 hours.

Zugriffsstatistik:

Die Daten für die Zugriffsstatistik der einzelnen Dokumente wurden aus den durch AWSTATS aggregierten Webserver-Logs erstellt. Sie beziehen sich auf den monatlichen Zugriff auf den Volltext sowie auf die Startseite.

Bei Formatversionen eines Dokuments, die aus mehreren Dateien bestehen (insbesondere HTML), wird jeweils der monatlich höchste Zugriffswert auf eine der Dateien (Kapitel) des Dokuments angezeigt.

Um die detaillierten Zugriffszahlen zu sehen, fahren Sie bitte mit dem Mauszeiger über die einzelnen Balken des Diagramms.

May
11

Jun
11

Jul
11

Aug
11

Sep
11

Oct
11

Nov
11

Jan
12

Feb
12

Apr
12

May
12

Jun
12

Jul
12

Aug
12

Sep
12

Oct
12

Nov
12

Dec
12

Jan
13

Apr
13

Monat	May 11	Jun 11	Jul 11	Aug 11	Sep 11	Oct 11	Nov 11	Jan 12	Feb 12	Apr 12	May 12	Jun 12	Jul 12	Aug 12	Sep 12	Oct 12	Nov 12	Dec 12	Jan 13	Apr 13
Startseite			1					2						1	1
PDF	7	5		6	3	1	2	3	5	4	16	6	5	7		17	4	3	9	15

Gesamtzahl der Zugriffe seit May 2011:

Startseite – 5 (0.28 pro Monat)
PDF – 118 (5.9 pro Monat)

Generiert am 19.05.2013, 08:10:44

edoc-Server der Humboldt-Universität zu Berlin • Impressum • edoc@cms.hu-berlin.de • Nutzungsbedingungen • Haftungsausschluss • Statistik