[发明专利]基于数据起源依赖关系分析模型的数据依赖分析方法

说明书

技术领域

本发明涉及数据管理技术领域，更具体的讲，涉及到数据起源、工作流、依赖关系、语义等技术领域，提出了一种基于数据起源依赖关系分析模型的数据依赖分析方法，具体完成数据起源依赖关系和数据起源依赖关系分析模型定义，利用细化操作和合成操作分析依赖关系。

背景技术

数据起源(Data Provenance，Data Lineage，Data Pedigree，Data Derivation)又称为数据血统、数据血缘、数据世系、数据谱系、数据来源等。数据起源是对数据处理的整个历史信息，包括数据的来源和处理这些数据的所有后继过程(数据产生、并随着时间推移而演变的整个过程)。

数据起源依赖关系实质上就是数据起源的语义信息。在抽象级别上，数据起源是一种依赖关系，描述数据产品是如何得到的，相关的数据和过程的作用是什么，角色是什么。依赖关系的研究需要很强的语义基础支撑，所以，数据起源信息需要清晰的形式化描述，定义追踪操作的语义，增强数据起源依赖分析和推理能力。

目前，数据起源依赖关系分析的主流模型之一为OPM（The Open Provenance Model），OPM是社区驱动的数据起源模型，支持起源技术的互操作。OPM基于有向无环图，表示数据产品和计算中关联的过程，以及他们之间的因果依赖关系。

本发明基于标注的数据起源语义信息，对OPM进行细化，提出一种基于数据起源依赖关系分析模型的数据依赖分析方法，主要建立数据起源依赖关系分析模型，利用交、并、细化以及合成操作，进一步分析依赖关系，并且设计了一套规则，给出了数据依赖图的构造、细化以及合成算法，满足不同用户对于不同抽象层次数据起源信息查询的需求。

发明内容

发明目的：为了解决数据起源依赖关系分析的问题，本发明的目的在于提出一种供数据依赖分析的方法，给出数据起源依赖关系以及数据起源依赖关系分析模型，基于该模型，设计了一种数据依赖分析的方法，具体包括一系列规则的设计，以及数据依赖图构造、细化及合成算法的构建，从而满足不同抽象级别、不同信息类别的数据起源信息需求。

技术方案：一种基于数据起源依赖关系分析模型的数据依赖分析方法，包括如下内容：

数据起源依赖关系概念：

数据起源依赖关系在本质上是数据起源的语义信息，可以分为数据依赖关系、过程依赖关系和控制依赖关系。本发明参照OPM，给出数据起源依赖关系定义及其性质。

定义1数据起源依赖关系定义为一个5元组DP_Dependency=（Data_Set，Process_Set，Data_Data_Dependency，Data_Process_Dependency，Process_Data_Dependency，Process_Process_Dependency），其中

■Data_Set是数据的集合；

■Process_Set是过程的集合；

■Data_Data_Dependency：Data_Set→Data_Set，是数据到数据的映射关系，称为数据依赖关系；

■Data_Process_Dependency：Data_Set→Process_Set，是数据到过程的映射关系，称为过程对数据依赖关系，即过程依赖于数据，数据是过程的输入；

■Process_Data_Dependency：Process_Set→Data_Set，是过程到数据的映射关系，称为数据对过程依赖关系，即数据依赖于过程，数据是过程的输出；

■Process_Process_Dependency：Process_Set→Process_Set，是过程到过程的映射关系，称为过程依赖关系；

■过程对数据依赖关系和数据对过程依赖关系统称为控制依赖关系。

定理1数据依赖关系具有传递性

如果D1，D2，D3∈Data_Set，满足D2：Data_Data_Dependency（D1），D3：Data_Data_Dependency（D2），则D3：Data_Data_Dependency（D1）成立，数据依赖关系满足传递性。

定理2控制依赖关系具有传递性

如果D1，D2∈Data_Set，P1，P2∈Process_Set，满足下列情况之一的，控制依赖关系满足传递性：