7_Temporal_Database_Representational_Model

Model Konseptual vs Model Representasional

BCDM adalah model konseptual, menangkap semantik esensial relasi time-varying tetapi tidak cocok langsung untuk penyimpanan/implementasi (timestamp bitemporal element bisa sangat panjang dan tidak praktis). Model representasional adalah basis yang lebih fisik dan relevan-performa (performance-relevant) untuk implementasi nyata.

Pemetaan (mapping) antara model konseptual dan model representasional didasarkan pada konsep snapshot equivalence: dua instance relasi memiliki isi informasi yang sama jika seluruh snapshot-nya (diambil pada semua waktu, valid maupun transaction) identik — meskipun representasi sintaksisnya berbeda.

Lima Model Representasional Relasi Bitemporal

Kategori	Skema
Tuple-timestamping	Snodgrass’ Tuple Timestamped Representation Scheme
Tuple-timestamping	Ben-Zvi’s Tuple Timestamped Representation Scheme
Backlog-based	Jensen’s Backlog-Based Representation Scheme
Attribute-value timestamping	Gadia’s Attribute Value Timestamped Representation Scheme
Attribute-value timestamping	McKenzie’s Attribute Value Timestamped Representation Scheme

Untuk setiap skema, pemetaan dari model konseptual dapat dilakukan pada dua level: struktur relasi dan aljabar (bahasa query). Contoh berikut menggunakan relasi dept yang sama seperti pada catatan BCDM (pada transaction time 20, berisi 3 fakta: Jake-Ship dengan histori koreksi, Jake-Load, dan Kate-Ship).

Snodgrass’ Tuple-Timestamped Representation Scheme

Merepresentasikan relasi konseptual dalam relasi snapshot 1NF: semua nilai atribut bersifat atomik, waktu diasosiasikan pada level tuple (tuple-timestamping) — lebih mudah diimplementasikan pada RDBMS.

Skema konseptual bitemporal $R=(A_1,\dots ,A_n,T)$ direpresentasikan menjadi:

$R=(A_1,\dots ,A_n,T_s,T_e,V_s,V_e)$

dengan $T_s,T_e,V_s,V_e$ adalah atribut timestamp atomik yang menyimpan chronon transaction-time awal & akhir, serta chronon valid-time awal & akhir.

Contoh relasi dept dalam skema ini (1NF), dengan UC menandai fakta yang masih current:

Emp	Dept	$T_s$	$T_e$	$V_s$	$V_e$
Jake	Ship	5	9	10	15
Jake	Ship	10	14	5	20
Jake	Ship	15	19	10	15
Jake	Load	20	UC	10	15
Kate	Ship	20	UC	25	30

Aljabar untuk Skema Snodgrass

Relasi berskema $R=(A_1,\dots ,A_n,T_s,T_e,V_s,V_e)$; operator aljabar didefinisikan analog dengan aljabar BCDM (lihat catatan BCDM):

• Temporal projection: ${\pi }_D^B(r)=\{z^{(|D|+4)}\mid \exists x\in r(z[D]=x[D]\wedge z[T]=x[T]\wedge z[V]=x[V])\}$
• Temporal selection: ${\sigma }_P^B(r)=\{z^{(n+4)}\mid z\in r\wedge P(z[A])\}$
• Temporal union: $r_1{\cup }^B{r}_2=\{z^{(n+4)}\mid \exists x\in r_1\exists y\in r_2(z=x\vee z=y)\}$
• Temporal difference: menggunakan fungsi bi_chr(T,V) yang menghitung himpunan bitemporal chronon yang dicakup oleh region rectangular argumen, lalu melakukan set-difference pada level chronon dan mengambil kembali min/max untuk menentukan $T_s,T_e,V_s,V_e$ hasil.
• Temporal join: dua tuple bergabung jika cocok pada atribut join dan timestamp $T$ maupun $V$ keduanya overlap — hasilnya berupa irisan region $T$ dan $V$:

$r{\bowtie }^{B}s=\{z^{(n+l+m+4)}\mid \exists x\in r\exists y\in s(x[A]=y[A]\wedge x[T]\cap y[T]\ne \varnothing \wedge x[V]\cap y[V]\ne \varnothing \wedge z[T]=x[T]\cap y[T]\wedge z[V]=x[V]\cap y[V])\}$

• Timeslice operators:

${\rho }_{t_1}^B(r)=\{z^{(n+2)}\mid \exists x\in r(z[A]=x[A]\wedge z[V]=x[V]\wedge t_1\in x[T])\}$ ${\tau }_{t_2}^B(r)=\{z^{(n+2)}\mid \exists x\in r(z[A]=x[A]\wedge z[T]=x[T]\wedge t_2\in x[V])\}$

Ben-Zvi’s Tuple Timestamped Representation Scheme

Alternatif representasi 1NF lain, dengan skema:

$R=(A_1,\dots ,A_n,T_{es},T_{rs},T_{ee},T_{re},T_d)$

• $T_{es}$ (effective start): kapan nilai atribut eksplisit tuple mulai berlaku; $T_{rs}$ (registration start): kapan nilai $T_{es}$ tersebut dicatat.
• $T_{ee}$ (effective end): kapan informasi pada tuple berhenti berlaku; $T_{re}$ (registration end): kapan nilai $T_{ee}$ tersebut dicatat.
• $T_d$ (deletion): kapan informasi pada tuple dihapus secara logis dari basis data.

Skema ini secara eksplisit memisahkan “kapan sesuatu berhenti berlaku di dunia nyata” dari “kapan penghapusan dicatat”, memberi fleksibilitas lebih untuk melacak koreksi retroaktif.

Jensen’s Backlog-Based Representation Scheme

Relasi direpresentasikan sebagai backlog: tuple pada backlog tidak pernah di-update, backlog bersifat append-only (lebih mudah diimplementasikan di RDBMS karena hanya insert).

$R=(A_1,\dots ,A_n,V_s,V_e,T,Op)$

• $V_s,V_e$: chronon valid-time awal dan akhir.
• $T$: transaction time saat tuple disisipkan ke backlog.
• $Op$: jenis operasi — I(nsert) atau D(elete).

Setiap perubahan (baik insert, modify, maupun delete konseptual) dicatat sebagai baris baru pada backlog (bukan mengubah baris lama), sehingga histori penuh perubahan dapat direkonstruksi dengan membaca urutan operasi pada backlog.

Gadia’s Attribute Value Timestamped Representation Scheme

Representasi non-1NF: seluruh informasi tentang satu objek dikonsolidasikan dalam satu tuple, dengan waktu diasosiasikan pada level atribut (attribute timestamping) — nilai atribut menjadi tidak atomik.

Skema konseptual $R=(A_1,\dots ,A_n,T)$ direpresentasikan menjadi:

$R=(\{([T_s,T_e])\times [V_s,V_e]A_1)\},\dots ,\{([T_s,T_e])\times [V_s,V_e]A_n)\})$

Satu tuple tersusun atas $n$ himpunan; setiap elemen himpunan adalah triple berisi interval transaction-time $[T_s,T_e]$, interval valid-time $[V_s,V_e]$, dan nilai atribut a.val.

Fitur unik: struktur informasi di dalam tuple dapat direstrukturisasi berdasarkan atribut mana pun (atau kombinasi atribut) yang dipilih sebagai basis pengelompokan:

• Direstrukturisasi berdasarkan Emp → satu tuple menunjukkan semua departemen yang pernah ditempati seorang pegawai.
• Direstrukturisasi berdasarkan Dept → satu tuple menunjukkan semua pegawai yang pernah bekerja di suatu departemen.
• Direstrukturisasi berdasarkan Emp dan Dept sekaligus → satu tuple berisi informasi satu pasangan pegawai-departemen (mirip tuple-timestamped, tapi tetap dalam bentuk himpunan triple).

McKenzie’s Attribute Value Timestamped Representation Scheme

Relasi bitemporal dipandang sebagai urutan state valid-time yang diindeks oleh transaction time. Tuple di dalam satu valid-time state di-timestamp secara attribute-value; timestamp tiap atribut berupa himpunan chronon (valid-time element). Model ini tidak mengasumsikan homogenitas — atribut berbeda dalam satu tuple bisa memiliki timestamp yang berbeda pula.

Skema konseptual $R=(A_1,\dots ,A_n,T)$ direpresentasikan menjadi:

$R=(T,VR)VR=(A_1{V}_1,\dots ,A_n{V}_n)$

• $T$: transaction time saat $VR$ menjadi current di basis data.
• $VR$: relasi valid-time, dengan setiap atribut $A_i$ dipasangkan dengan elemen valid-time $V_i$-nya sendiri.

Contoh: pada transaction time 20, VR berisi {(Jake {10,...,15}, Load {10,...,15}), (Kate {25,...,30}, Ship {25,...,30})} — mencerminkan snapshot state relasi dept pada transaction time tersebut.

Ringkasan Perbandingan

Skema	Timestamping	Bentuk	Ciri Utama
Snodgrass	Tuple	1NF	$T_s,T_e,V_s,V_e$ sebagai kolom atomik terpisah
Ben-Zvi	Tuple	1NF	Memisahkan effective time vs registration time secara eksplisit + kolom deletion
Jensen (backlog)	Tuple	1NF, append-only	Setiap perubahan dicatat sebagai baris baru (Insert/Delete), tidak pernah update
Gadia	Attribute value	Non-1NF	Tuple dapat direstrukturisasi berdasarkan atribut mana pun
McKenzie	Attribute value	Non-1NF	Relasi = urutan valid-time state terindeks transaction time; atribut tidak harus homogen timestamp-nya

Sumber

• C. S. Jensen, M. D. Soo, R. T. Snodgrass: “Unifying temporal data models via a conceptual model”, Information Systems, vol. 19, no. 7, 1994.
• J. Gamper: “Chapter 4: Relational Algebra for Bitemporal Relations”, TSDB course materials, Free University of Bozen, 2012.

Flashcard

flashcards Apa dasar pemetaan antara model konseptual (BCDM) dan model representasional? :: Snapshot equivalence — dua instance relasi dianggap punya isi informasi sama jika seluruh snapshotnya pada semua waktu (valid dan transaction) identik. Sebutkan lima skema representasional relasi bitemporal beserta kategorinya :: Snodgrass (tuple), Ben-Zvi (tuple), Jensen backlog-based (tuple, append-only), Gadia (attribute value), McKenzie (attribute value). Apa skema kolom pada Snodgrass’ Tuple-Timestamped Representation Scheme? :: (A1,…,An, Ts, Te, Vs, Ve) — Ts/Te untuk interval transaction-time, Vs/Ve untuk interval valid-time, keduanya atomik (1NF). Apa perbedaan Ben-Zvi’s scheme dari Snodgrass’ scheme? :: Ben-Zvi memisahkan effective time (Tes/Tee, kapan fakta berlaku) dari registration time (Trs/Tre, kapan dicatat) secara eksplisit, ditambah kolom Td (deletion) — bukan sekadar Ts/Te/Vs/Ve gabungan. Apa ciri utama Jensen’s Backlog-Based Representation Scheme? :: Bersifat append-only — setiap insert/update/delete konseptual dicatat sebagai baris baru dengan kolom Op (Insert/Delete), tuple lama tidak pernah diubah. Apa keunikan Gadia’s Attribute Value Timestamped Representation Scheme? :: Tuple non-1NF yang dapat direstrukturisasi berdasarkan atribut mana pun (mis. dikelompokkan per Emp, per Dept, atau keduanya) karena timestamp melekat pada level atribut, bukan tuple. Bagaimana McKenzie’s scheme memandang relasi bitemporal secara struktural? :: Sebagai urutan state valid-time (VR) yang diindeks oleh transaction time T, dengan setiap atribut dalam VR memiliki elemen valid-time-nya sendiri (tidak harus homogen antaratribut). Pada aljabar Snodgrass, kapan dua tuple dianggap bergabung (join)? :: Ketika cocok pada atribut join DAN timestamp T (transaction-time) maupun V (valid-time) keduanya saling overlap; hasilnya irisan kedua region tersebut.