Datos semiestructurados

XML , ^{[ 2 ]} otros lenguajes de marcado, correo electrónico y EDI son todas formas de datos semiestructurados. OEM (Object Exchange Model) ^{[ 3 ]} se creó antes que XML como un medio para autodescribir una estructura de datos. XML se ha popularizado gracias a los servicios web desarrollados utilizando los principios SOAP .

Algunos tipos de datos descritos aquí como "semiestructurados", especialmente XML, sufren la impresión de que son incapaces de tener el mismo rigor estructural al nivel funcional que las tablas y filas relacionales ^{[ 4 ]} . De hecho, la visión de XML como inherentemente semiestructurado (anteriormente, se le denominaba "no estructurado") ha limitado su uso para una gama cada vez mayor de aplicaciones centradas en datos ^{[ 4 ]} . Incluso los documentos, normalmente considerados como el epítome de la semiestructura, pueden diseñarse con prácticamente el mismo rigor que el esquema de base de datos , regido por el esquema XML ^{[ 5 ] [ 6 ]} y procesados ​​por programas de software tanto comerciales como personalizados ^{[ 7 ]} sin reducir su usabilidad para los lectores humanos.

En vista de esto, se podría decir que XML tiene una "estructura flexible", capaz de un flujo y una jerarquía centrados en el ser humano, así como una estructura de elementos y una tipificación de datos altamente rigurosas.

El concepto de XML como « legible para humanos », sin embargo, tiene sus limitaciones. Algunas implementaciones/dialectos de XML, como la representación XML del contenido de un documento de Microsoft Word , tal como se implementa en Office 2007 y versiones posteriores, utilizan docenas o incluso cientos de etiquetas diferentes que reflejan un dominio problemático específico (en el caso de Word, el formato a nivel de carácter, párrafo y documento, las definiciones de estilos, la inclusión de citas, etc.), las cuales se anidan entre sí de forma compleja. Comprender siquiera una parte de un documento XML de este tipo mediante su lectura, y mucho menos detectar errores en su estructura, es imposible sin un conocimiento previo muy profundo de la implementación específica de XML, junto con la ayuda de un software que comprenda el esquema XML empleado. Dicho texto no es «comprensible para humanos», del mismo modo que un libro escrito en suajili (que utiliza el alfabeto latino) no lo sería para un estadounidense o un europeo occidental que no conozca ni una palabra de ese idioma: las etiquetas son símbolos sin significado para una persona que desconoce el dominio.

JSON , o Notación de Objetos JavaScript, es un formato estándar abierto que utiliza texto legible para transmitir objetos de datos. JSON se ha popularizado gracias a los servicios web desarrollados con principios REST .

Las bases de datos como MongoDB y Couchbase almacenan los datos de forma nativa en formato JSON, aprovechando las ventajas de la arquitectura de datos semiestructurados.

• Los programadores que persisten objetos de su aplicación en una base de datos no necesitan preocuparse por la incompatibilidad de impedancia objeto-relacional , sino que a menudo pueden serializar objetos a través de una biblioteca ligera. ^{[ 8 ]}
• La compatibilidad con datos anidados o jerárquicos suele simplificar los modelos de datos que representan relaciones complejas entre entidades.
• La compatibilidad con listas de objetos simplifica los modelos de datos al evitar traducciones complicadas de listas a un modelo de datos relacional.

• El modelo de datos relacional tradicional tiene un lenguaje de consulta popular y predefinido, SQL . ^{[ 9 ]}
• Propenso al principio de "si introduces basura, obtendrás basura"; al eliminar las restricciones del modelo de datos, se requiere menos planificación previa para operar una aplicación de datos.