TU München - Fakultät für Informatik Lehrstuhl III: Datenbanksysteme

Allgemeine Themenbeschreibung

Über das Internet rücken im Prinzip alle weltweit persistenten Daten in Zugriffsreichweite. Eine sprunghafte Zunahme des Datenvolumens entsteht durch Peer-to-Peer-Datenverbünde, die durch eine sehr hohe Zahl von typischerweise nur temporär zugänglichen Datenquellen gekennzeichnet sind. Weiterhin werden zunehmend kontinuierliche Ströme von Daten, z.B. durch datenerfassende Geräte wie Sensoren, generiert. Die Beherrschung und effektive Nutzung dieser Datenflut erfordert eine bedarfsgetriebene automatisierte Kopplung und Integration der vielfältigen Datenquellen. Für die anwendungsbezogene Nutzung und Verarbeitung der Daten, insbesondere in zahlreichen innovativen Anwendungsbereichen in Wirtschaft und Wissenschaft sowie im Gesundheitswesen und Katastrophenmanagement, sind verteilte Informationssysteme von essentieller Bedeutung. Die Unterstützung sehr vieler Datenquellen und von Datenströmen erfordert dynamische, hochgradig automatisierte Kooperations- und Integrationsansätze in derartigen Systemen. Einen weiteren methodischen Schwerpunkt bilden neue Formen der Metadatenverwaltung mit deskriptiven Operatoren zur Analyse und Manipulation unterschiedlichster Metadatenmodelle. Eine Schlüsselrolle kommt dabei der Nutzung ontologischer Metadaten zu, um eine semantisch aussagekräftige Fusion und Analyse der Daten zu erreichen. Große Bedeutung haben darüber hinaus neue Methoden zur Analyse und Verbesserung der Datenqualität sowie zum Datenschutz. Die technischen Voraussetzungen für verteilte Informationssysteme sind aufgrund von Basistechnologien wie XML, Grid-Computing und Web-Services für den Datenaustausch und der Interoperabilität von Anwendungsdiensten weitgehend verfügbar und sollen im Rahmen des Seminars einführend vorgestellt werden.
Um die Skalierbarkeit gewährleisten zu können, müssen neuartige Architekturansätze verfolgt werden, die den neuen Entwicklungen in der verteilten Infrastruktur, wie den Peer-to-Peer-Netzen Rechnung tragen. Im Internet werden Daten zunehmend als Datenströme bereitgestellt, so dass die Daten nur flüchtig zur Verfügung gestellt werden. Hier gilt es durch entsprechende Publish/Subsribe-Verfahren die relevanten Daten zu verknüpfen und sie den Nutzern in aufbereiteter Form (gefiltert, aggregiert, bereinigt) zur Verfügung zu stellen. Aus Gründen der Skalierbarkeit benötigen verteilte Informationssysteme ein sich selbst organisierendes Architekturkonzept, das man heute auch mit dem Begriff „autonomic computing“ bezeichnet. Des Weiteren muss die Bearbeitung der eingehenden Daten laufend beobachtet und angepasst werden, da man auf sich ändernde Auslastungen und Antwortzeiten reagieren muss. Die weitläufige Verknüpfbarkeit von Daten führt unweigerlich zu Sicherheitsproblemen, die es zu lösen gilt, um den Datenschutz personenbezogener Daten zu garantieren.

Organisatorisches -- Spielregeln

Von den Teilnehmern des Seminars wird die aktive Mitarbeit während des gesamten Seminars erwartet. Sie können sich also nicht einfach "nur" auf Ihren eigenen Vortrag konzentrieren, sondern müssen sich auch aktiv mit den anderen Themen des Seminars auseinandersetzen.

Aus diesem Grund soll jede/r Teilnehmer/in zusätzlich zur Bearbeitung ihres/seines eigenen Themas einen weiteren Vortrag moderieren. Die Moderatoren moderieren den jeweiligen Vortrag, stellen die/den Vortragende/n vor und leiten die Diskussion nach dem Vortrag. Das setzt voraus, dass die Moderatoren sich vorher eingehend mit dem Thema auseinandersetzen.

Am wichtigsten: Die Moderatoren sollen den Vortragenden schon bei der Gestaltung der Ausarbeitung und des Vortrags Feedback geben. Die Moderatoren sind, in gewisser Weise, für die Qualität des Vortrags und der Ausarbeitung mit verantwortlich. Das setzt voraus, dass die Moderatoren die Ausarbeitung rechtzeitig vorher zu lesen bekommen (und sie auch sehr genau lesen), den Vortragenden Feedback geben und sich den Vortrag schon vorher probeweise anhören. Die Vorträge sollen etwa eine Stunde (inklusive Diskussion) dauern.

Aber nicht nur die Moderatoren müssen sich vorher mit dem aktuellen Thema auseinandersetzen. Es wird von allen Teilnehmern verlangt, dass sie sich die Ausarbeitung des jeweils anstehenden Vortrages vorher durchgelesen haben. Deshalb werden die Vortragsausarbeitungen über diese Webseite zur Verfügung gestellt. Ich empfehle, die Ausarbeitung in LaTeX (im article-Format) zu erstellen Auf jeden Fall müssen Sie sicherstellen, dass sie über die Webseite eine professionelle pdf-Version bereitstellen. Die Ausarbeitung sollte etwa 10-15 Seiten (12pt Font) lang sein. In der Ausarbeitung muss die verwendete Literatur "sauber" angegeben werden (Ich empfehle BiBTeX-Stil alpha, wenn man LaTeX verwendet.). In meinem Buch können Sie nachschauen, wie Literaturlisten auszusehen haben (Man sollte da wirklich sorgfältig vorgehen, da die Literaturliste die "Visitenkarte" der Ausarbeitung ist.).

Der Vortrag soll zwischen 45 und 50 Minuten dauern, auf keinen Fall länger. Daran anschließen sollte sich eine etwa 15 minütige Diskussion. Für den Vortrag empfehle ich ein Microsoft-Produkt: PowerPoint. Es macht aber keinen Sinn, mit PowerPoint einen Stichpunkt-Vortrag zu erstellen. Sie sollten die Vortragsfolien animieren -- wann immer das sinnvoll ist. Außerdem sollten Sie die Gratwanderung zwischen sinnvoller Animation und "Kitsch" austarieren lernen. Dabei kann Ihnen aber sicher die/der Moderator/in ein bisschen helfen. Sie sollen in diesem Seminar, neben dem eigenen Verständnis des technischen Inhalts, auch die didaktisch ansprechende Präsentation des Stoffs lernen (das werden Sie auch dann können müssen, wenn Sie nicht Hochschullehrer werden wollen, da eine gute Präsentationstechnik auch von Informatikern im Berufsleben immer stärker gefordert wird).

Auf jeden Fall muss jeder Vortrag so frühzeitig mit der/dem Moderator/in geprobt werden, dass noch Änderungen eingearbeitet werden können. Bitte verwenden Sie Ihren eigenen PC (oder irgendwelche PCs, die irgendwo "rumstehen" -- ggf. können Sie den PC in meinem Sekretariat nach Rücksprache mit meiner Sekretärin nutzen) um den Vortrag zu erstellen. Ich werde einen Beamer und einen PC mit PowerPoint2003 für den Vortrag zur Verfügung stellen. Bringen Sie Ihren Vortrag bitte auf einer (lesbaren) CD-ROM mit. Wenn Sie keinen CD-Brenner haben, schicken Sie mir die Endfassung des Vortrags bitte mindestens 24 Stunden vorher. (Wenn Sie partout ein anderes System für Ihre Folienerstellung verwenden möchten, steht natürlich auch ein Acrobat Reader für pdf-Folien auf meinem PC zur Verfügung.)

Um den Terminplan einhalten zu können, müssen die Ausarbeitungen rechtzeitig zu Beginn des Seminars Anfang Januar im Web verfügbar sein (und schon eine Woche vorher bei den Moderatoren und mir vorliegen). Nachdem die/der Moderator/in ihr/sein Feedback gegeben hat, schaue ich mir die Ausarbeitung  an, so dass noch Zeit für eine evtl. notwendige Überarbeitung bleibt.

Verwenden Sie bitte keine "billigen" Bitmap-Kopien von Vorlagen, da Sie in der Regel das Copyright damit verletzen und die Datei stark aufblähen. Testen Sie bitte, dass man die Datei über diese Webseite des Seminars herunterladen kann.

Die Vorträge sind nicht nur im Web verfügbar zu machen; sie müssen auch jeweils von allen Seminarteilnehmern vorher gelesen werden. Sie sollten sich also schon vorher mit dem Thema beschäftigen, damit Sie während des Vortrags "kluge" Fragen stellen können.

Bei Ihrem Vortrag achten Sie bitte darauf, dass die Zuhörer den Vortrag verstehen können. Die Thematik muss gut moderiert werden; die grundlegenden Konzepte sollen an anschaulichen Beispielen erläutert werden. Nach Möglichkeit sollten die Beispiele selbst ausgearbeitet werden und nicht aus der zugrunde liegenden Literatur "blind" übernommen werden. Die angegebene Literatur ist lediglich als Einstieg in die Thematik gedacht, so dass man sich selber zusätzliche Literatur beschaffen muss. Generell achten Sie bitte darauf, dass Sie sich nicht dem Vorwurf des Plagiarismus aussetzen. Eine wörtliche Übersetzung einer Vorlage fällt sehr wohl darunter. Sie sollen den Stoff selbst "durchdringen" und dann in eigenen Worten und mit eigenen Beispielen eine Ausarbeitung erstellen.

Die angegebene Literatur stellt immer nur den Einstieg in die Thematik dar; weitere Literaturstellen können Sie dann aus der transitiven Hülle der dort zitierten Arbeiten extrahieren. Für die Literaturrecherche empfehle ich den (großartigen) Bibliographieserver namens DBLP (Data Base and Logic Programming) von Michael Ley in Trier bzw. die etwas schnellere Mirror-Site in Aachen. Über diesen Server kommen Sie i.d.R. auch auf die Homepage der Autoren, wo man oft Postscript-Reprints der Veröffentlichungen findet. Eine weitere Webseite für die Literaturrecherche finden Sie unter http://www.csindex.com/ (Hier sind auch einige Publikationen in ps- oder pdf-Format gespeichert -- ist das überhaupt legal hinsichtlich Copyright?). Ferner empfehle ich die Mitgliedschaft bei ACM; dort kann man dann die "digital library" abonnieren und hat alle ACM-Veröffentlichungen on-line zur Verfügung. Und natürlich kann man die Artikel (sofern sie auf Konferenzen oder in Zeitschriften veröffentlicht wurden) auch in der Bibliothek nachschlagen und ggf. kopieren.

Vortragsthemen

Die Ausarbeitungen müssen bis Anfang Januar fertig gestellt und über diese Passwort-geschützte Webseite vernetzt werden.

1. The LSD Schema Matcher

• Erhard Rahm, Philip A. Bernstein: A survey of approaches to automatic schema matching. VLDB J. 10(4): 334-350 (2001)
• AnHai Doan, Pedro Domingos, Alon Levy: Learning Source Descriptions for Data Integration (2000). WebDB (Informal Proceedings)
• AnHai Doan, Pedro Domingos, Alon Y. Halevy: Reconciling Schemas of Disparate Data Sources: A Machine-Learning Approach. SIGMOD Conference 2001

     Vortrag: Georgios Tsoukas
     Moderation: Alexandros Gougas
     Termin: 17.1.2005

2. StreamGlobe and the FluX Query Engine

• Bernhard Stegmaier, Richard Kuntschke, Alfons Kemper: StreamGlobe: Adaptive Query Processing and Optimization in Streaming P2P Environments. Proceedings of the 1st International Workshop on Data Management for Sensor Networks (DMSN 2004), August 30, 2004, Toronto, Canada, pp. 88-97
• Christoph Koch, Stefanie Scherzinger, Nicole Schweikardt, Bernhard Stegmaier: Schema-based Scheduling of Event Processors and Buffer Minimization for Queries on Structured Data Streams. Proceedings of the 30th International Conference on Very Large Data Bases (VLDB 2004), August 30 - September 3, 2004, Toronto, Canada, pp. 228-239, (extended version in CoRR, errata, PowerPoint Presentation)

     Vortrag: Mariam Saadat
     Moderation: Alexander Perzylo
     Termin: 17.1.2005

3. Efficient Query Reformulation in Peer Data Management Systems

• Igor Tatarinov, Alon Halevy: Efficient Query Reformulation in Peer Data Management Systems. SIGMOD Conference 2004

     Vortrag: Georg Büxel
     Moderation: Moez Chaabeni
     Termin: 24.1.2005

4. Model-Driven Data Acquisition in Sensor Networks

• Amol Deshpande, Carlos Guestrin, Samuel Madden, Joseph M. Hellerstein, Wei Hong: Model-Driven Data Acquisition in Sensor Networks. VLDB 2004: 588-599

     Vortrag: Dimitar Menkov
     Moderation: N.N.
     Termin: 24.1.2005

5. Quality of Service in an Information Economy

• Reinhard Braumandl, Alfons Kemper, Donald Kossmann: Quality of Service in an Information Economy. ACM Transactions on Internet Technology (TOIT), Vol. 3, No. 4, pages 291 - 333, November 2003

     Vortrag: Alexander Perzylo
     Moderation: Mariam Saadat
     Termin: 31.1.2005

6. A Publish & Subscribe Architecture for Distributed Metadata Management

• Markus Keidl, Alexander Kreutz, Alfons Kemper, Donald Kossmann: A Publish & Subscribe Architecture for Distributed Metadata Management. Proceedings of the 18th International Conference on Data Engineering, IEEE Computer Society, pages 309-320, San Jose, USA, February 2002
• Yanlei Diao, Peter M. Fischer, Michael J. Franklin, Raymond To: YFilter: Efficient and Scalable Filtering of XML Documents. ICDE 2002

     Vortrag: Alexandros Gougas
     Moderation: Georgios Tsoukas
     Termin: 31.1.2005

7. ObjectGlobe: Ubiquitous Query Processing on the Internet

• Reinhard Braumandl, Markus Keidl, Alfons Kemper, Donald Kossmann, Alexander Kreutz, Stefan Seltzsam, Konrad Stocker: ObjectGlobe: Ubiquitous Query Processing on the Internet. The VLDB Journal: Special Issue on E-Services, Vol. 10, No. 3, pages 48-71, 2001

     Vortrag: Moez Chaabeni
     Moderation: Georg Büxel
     Termin: 7.2.2005

8. Dynamic Distributed Query Processing on the Internet

• Alfons Kemper, Christian Wiesner: HyperQueries: Dynamic Distributed Query Processing on the Internet. Proceedings of the 27th International Conference on Very Large Data Bases (VLDB). pages 551-560, Rome, Italy, September 2001
• Serge Abiteboul, Omar Benjelloun, Ioana Manolescu, Tova Milo, Roger Weber: Active XML: Peer-to-Peer Data and Web Services Integration. VLDB 2002: 1087-1090

     Vortrag: Omar Zaghdoudi
     Moderation: Fatemeh Joweini
     Termin: 7.2.2005

9. The CQL Continuous Query Language

• Arvind Arasu, Shivnath Babu, Jennifer Widom: The CQL Continuous Query Language: Semantic Foundations and Query Execution. Technical Report 2003, http://dbpubs.stanford.edu/pub/2003-67

     Vortrag: Fatemeh Joweini
     Moderation: Omar Zaghdoudi
     Termin: 7.2.2005