XML voor managers

Deze artikelen zijn bedoeld voor managers, projectleiders en andere personen die strategische beslissingen moeten nemen op het gebied van informatiebeheer binnen hun organisatie over het onderwerp XML.

Inhoud

• Wat is XML
• De geschiedenis van XML
• De voordelen van XML
• De valkuilen van XML

XML is een door het World Wide Web Consortium (W3C) aanbevolen standaard voor het beschrijven van gestructureerde data. Als zodanig stelt XML communicerende partijen in staat gegevens uit te wisselen via een flexibel formaat, dat onafhankelijk is van applicaties en platformen en programmeertalen. XML is een generieke markup taal, dit wil zeggen, met behulp van XML kan een document worden voorzien van codes (tags) voor het structureren van de data in dit document.

Een XML document is een document dat is gestructureerd in een bepaalde indeling. De gebruikte indeling kan willekeurig zijn maar ook strikt afhankelijk zijn van een document type definitie. Aangezien deze DTD niet verplicht is mag de indeling ook willekeurig zijn zolang maar aan de basis regels van XML voldaan is. Dit is de grote kracht maar ook een zwakte van XML. Een standaard kommagescheiden bestand met een enkele geldige tag eromheen is ook geldige XML. Het is duidelijk dat met de data waarschijnlijk verder niets te beginnen valt.

De waarde van XML is gebaseerd op drie belangrijke eigenschappen:

• Structureerbaar, met XML is het mogelijk willekeurige complexe, hiërarchische data te representeren in een flexibel formaat. De structuur volgens welke de data wordt opgeslagen kan bovendien worden vastgelegd naast het document of in het document zelf. De structuur is per definitie niet ambigu (niet voor meerdere uitleg vatbaar) en dus niet op verschillende manieren te interpreteren.



• Valideerbaar, XML documenten kunnen eenvoudig worden gecontroleerd op juistheid. Door middel van een parser kan gecontroleerd worden of de structuur van de data overeenkomt met de definitie van die structuur.



• Uitbreidbaar, XML staat toe dat iedereen een eigen structuur definieert, daarnaast is het vrij eenvoudig bestaande structuren uit te breiden.

Deze eigenschappen maken XML tot een krachtige standaard die voor zeer uiteenlopende doeleinden gebruikt kan worden.

Een belangrijk voordeel van XML documenten is dat ze zowel leesbaar zijn voor machines als voor mensen. Een XML document bestaat namelijk uit normale tekst. Hieronder staat een globale beschrijving van de structuur van een XML document.

Een XML document bestaat uit gestructureerde data, deze is ondergebracht in zogeheten elementen. Elk element heeft een type, inhoud en eventueel attributen. De inhoud mag leeg zijn, kan uit tekst bestaan of weer uit andere elementen bestaan. Dit is een eenvoudig voorbeeld van een XML document met slechts één element.

<voornaam>Hein</voornaam>

Dit element heeft als type 'voornaam', en als inhoud de tekst 'Hein'. De inhoud van een element moet altijd worden omsloten door zogenaamde tags. Een element begint met een begin tag en eindigt met een eind tag. Een begin tag is een woord omgeven door '<' en '>' tekens, terwijl een eind tag hetzelfde woord is met een '/' teken ervoor.

Elementen kunnen ook weer uit andere elementen bestaan.

<naam> 
<voornaam>Hein</voornaam> 
<achternaam>Pragt</achternaam>
</naam>

Dit document bestaat uit drie elementen, waarbij het element 'naam' is samengesteld uit 'voornaam' en 'achternaam'. Op deze manier kunnen willekeurige gegevens worden gestructureerd. Voorwaarde is wel dat alle elementen goed genest (in de correcte volgorder staan en in de goede volgorde afgesloten worden) zijn.

Elementen kunnen ook attributen hebben, hiermee kan extra informatie worden opgeslagen bij een element.

<inkoopprijs valuta="euro">10.45</inkoopprijs>

Attributen worden meestal gebruikt om extra informatie te geven over de data. In een DTD kan ook een attribuut lijst opgenomen worden zodat er maar een beperkt aantal controleerbare attributen mogelijk zijn.

Door middel van een schema of DTD kunnen we de structuur van een XML document vastleggen. Een DTD vormt een soort grammatica van een XML document. De DTD kan in het XML document zelf worden opgenomen. In dit geval is een XML document dan zelfbeschrijvend omdat het document zijn eigen definitie bevat.

Een DTD voor het vorige naam voorbeeld zou er zo uit kunnen zien:

<!ELEMENT naam (voornaam, achternaam)>
<!ELEMENT voornaam (#PCDATA)>
<!ELEMENT achternaam (#PCDATA)>

#PCDATA staat voor de inhoud van het element en is tevens de laagste stap in de DTD. Het element voornaam kan dus geen subelementen bevatten. Het element naam is samengesteld uit andere elementen, namelijk een element voornaam gevolgd door een element achternaam. Binnen naam mag ook geen tekst staan, alleen maar de twee elementen voornaam en achternaam. Op deze wijze dwingen we een structuur af via een DTD. Een XML parser kan de structuur van het XML document controleren met behulp van deze DTD.

De oorsprong van SGML ligt bij IBM, waar Charles Goldfarb in 1969 een onderzoek deed naar hergebruik van documenten en scheiding van structuur en opmaak. IBM gaf heel veel verschillende soorten documentatie uit, waardoor de standaard ook erg complex werd. Hij begon het project met de naam GML die in 1974 overging in SGML (Standard Generalized Mark-up Language) waarna het in 1986 een ISO (8879) standaard werd. SGML was heel krachtig maar ook heel complex. Het eerste gebruik was op het vlak van het elektronische publiceren.

Vanuit deze standaard ontstond in 1991 HTML (Hyper Text Mark-up Language). Tim Berners-Lee en Anders Berglund bedachten een tag gebaseerde taal om wetenschappelijke documenten van het CERN in Genève gemakkelijker toegankelijk te maken. Hij ontwikkelde ook de eerste webbrowser, WorldWideWeb genaamd. Binnen HTML was er wel een scheiding tussen structuur en opmaak maar de opmaak van de structuurdelen lag wel vast. Ook waren er tags die alleen de opmaak beschreven zoals vet en cursief. Dit was eigenlijk tegen de regels van SGML in maar werd de standaard op het World Wide Web.

De ontwikkeling van XML startte in 1996. Twee jaar later werd XML als Recommendation door het W3C vastgelegd. Het W3C (World Wide Web Consortium) combineerde de kracht van SGML met de eenvoud van HTML tot XML. Het is een vereenvoudigde subset van SGML waarbij enkele complexe zaken weggelaten zijn. De specificatie van XML is minder dan een tiende van de SGML specificatie. XML heeft echter wel 80 procent van de functionaliteit van SGML bereikt met 20 procent van de complexiteit van SGML.

Vanuit de XML standaard zijn de laatste jaren vele andere XML gebaseerde standaarden ontwikkeld en XML is op weg de standaard voor alle documenten te worden.

• XML is meer dan alleen maar een tekstformaat voor het beschrijven van documenten. Het is een methode voor leveren van goed gestructureerde data met de mogelijkheid van controle aan de hand van een schema of DTD.

• XML legt eenduidig vast hoe uit te wisselen gegevens eruit moeten zien, dat scheelt een hoop discussie en afstemming. Dit is vooral belangrijk in situaties waarin meerdere partijen gegevens uitwisselen.

• Een XML document kan op bijna elk platform worden aangemaakt en ontvangen. Daardoor leent het zich prima voor situaties waar tussen verschillende platforms gegevens uitgewisseld moeten worden.

• XML is een standaard die goed in elkaar zit en die de steun heeft van vele grote partijen. Zelf Microsoft heeft een paar jaar geleden het roer omgegooid en zich voor de toekomst helemaal op XML ingesteld en wanneer u eens op de Internet site van SUN kijkt zult u zich verbazen over de grote hoveelheid documentatie en tools.

• Voor XML is een grote hoeveelheid tools en open source code beschikbaar voor bijna elk platform.

• Gebruik altijd schema's of DTD's

  Veel leveranciers leveren XML data zonder DTD of schema maar leveren enkele voorbeeld XML bestanden. Aangezien de structuur niet bekend is gaat u uit van de interpretatie die u zelf aan de voorbeeld data geeft. Dit is dus vragen om problemen wanneer u life data aangeboden krijgt die ineens elementen of attributen bevat waar uw systeem niet op is ingericht. Vraag dus altijd om een DTD of schema, gaat nooit uit van voorbeeld XML data. Bovendien kunt u door middel van een DTD of schema de aangeleverde XML data valideren voor u het aan uw eigen systeem aanbied en de data die uw systeem genereert valideren zodat u weet dat u uw partners ook valide data levert.

• XML kan systemen zwaarder belasten

  Hoewel XML op zich een zeer eenvoudige standaard is, kan het verwerken van een XML document (parsen) behoorlijk wat resources van uw systemen vergen. De Microsoft XML parser zal bijvoorbeeld het hele document in het geheugen laden en intern complexe datastructuren aanleggen om deze navigeerbaar te maken. De SAX parser kent dit probleem niet deze leest het XML bestand sequentieel waardoor heen en weer navigeren en zoeken niet mogelijk is. Ook XLST transformaties kosten redelijk wat machine resources, u dient hier zeker rekening mee te houden wanneer u overgaat op XML technologie. Voer voor u het systeem in gebruik neemt zeker stress testen uit met veel grote XML bestanden.

• Probeer niet het wiel opnieuw uitvinden, er zijn al veel standaarden

  Er is al heel veel ontwikkeld voor XML toepassingen en er zijn al een behoorlijk aantal standaarden voor diverse XML toepassingen. Ook in de zakelijke sfeer zijn er al standaarden, probeer zoveel mogelijk aan te sluiten bij deze standaarden of participeer in een standaard zodat uw systemen toekomstvaster zullen zijn. Ook zijn er al veel oplossingen en toepassingen ontwikkeld binnen de open source gemeenschap. XML is oor de open source gemeenschap dan ook met open armen ontvangen. Het loont zich om eerst eens om u heen te kijken voordat u investeert in eigen ontwikkelingen. Verschillende organisaties werken aan sectorspecifieke standaarden. Zo is er het Rosetta Net initiatief, een industrieel consortium dat een gemeenschappelijke taal definieert voor een betere communicatie tussen bedrijven. Er bestaan reeds XML schema's voor een groot aantal sectoren en toepassingen op het gebied van financiële rapporten (XBRL), financiële diensten (FpML), webdocumenten (XHTML) en netwerkprotocollen (SOAP). Het loont zich om eerst te kijken of er al een standaard is en of er al een standaard in ontwikkeling is.

• Geen nieuwe technologie invoeren omwille van de nieuwe technologie

  Binnen het management is XML een hype te noemen. Vaak heeft men de veronderstelling dat door het gebruik van XML alle problemen opgelost kunnen worden, niets is helaas minder waar. Een bekende uitspraak in dit verband is "we zijn van een administratieve puinhoop overgegaan naar een geautomatiseerde administratieve puinhoop". Het gebruik van XML kan problemen met het uitwisselen van data tussen verschillende systemen perfect oplossen maar het heeft geen zin om een goed werkende bestaande applicatie om te bouwen naar XML wanneer dit systeem geen informatie uitwisselt met andere systemen. Dit lijkt sterk op techniek invoeren omwille van de nieuwe technologie. Vaak is een traditionele relationele database efficenter, goedkoper en minder risicovol dan een XML oplossing. XML databases staan nog in de kinderschoenen dus is de implementatie van een XML database een extra risicofactor in uw project, bovendien kunt u XML zeer goed opslaan in een traditionele database. Let goed op of het gebruik van XML iets toevoegt aan de applicatie, wees realistisch en schat de voordelen en het risico goed in voor u de beslissing neemt om XML te gaan gebruiken.

• XML is niet eenvoudig, dus investeren in opleiding

  Wanneer men de XML standaard vluchtig bekijkt lijkt de technologie zeer eenvoudig. XML is echter een zeer uitgebreide standaard en vereist zeker een terdege opleiding. Veel XML trajecten zijn al mislukt omdat er slechte schema's of DTD's ontwikkeld zijn. Bij het definiëren van XML structuren dient men niet uit te gaan van de opmaak maar de structuur van de onderdelen van het document. Ook dient er een goede uitwerking van data en attributen te zijn, dit kan alleen maar goed gedaan worden door iemand met de nodige opleiding of ervaring. Ook bij het verwerken van XML data gaat nog veel fout, ook hier is gebrek aan basiskennis vaak de grootste oorzaak.

• Houd terdege rekening met transformaties (XSLT)

  De gedacht dat XML data door elk systeem gelezen en verwerkt kan worden leeft nog steeds maar is absoluut niet waar. Dit gaat alleen op wanneer beide systemen van dezelfde DTD of schema uitgaan maar meestal zal er toch een transformatie moeten plaatsvinden. Het is dan belangrijk dat de XML data rijk genoeg is voorzien van structuur. Een transformatie kan namelijk erg moeilijk nieuwe structuur toevoegen. Wanneer uw systeem de voor en achternaam in twee verschillende velden verwacht en de leverancier deze in een veld gestopt heeft, dient u deze met een vorm van kunstmatige intelligentie weer in twee velden op te delen. Analyseer heel goed welke data u aangeleverd krijgt en onderzoek hoe deze data aansluit bij de data die uw systeem verwacht. Transformaties kunnen een aardige kostenpost binnen een project zijn.

• Valideer de in en uitgaand XML data altijd tegen de gemaakte afspraken in het schema of DTD

  Valideer altijd de binnenkomende XML data voordat u deze uw systemen inschiet. Het is beter om de validatie vooraf te doen dan te ontdekken dat uw systemen halverwege de verweking van deze data ineens niet verder kunnen met de data. Ook is het belangrijk de data die uw systeem genereert te valideren zodat u weet dat u uw klanten of partners ook valide data leveren.

• Plan in wat een nieuwe versie van een DTD of schema voor gevolgen heeft

  Wanneer u een systeem ontwerpt op basis van XML dient u terdege in te schatten wat de risico's en kosten zijn van het veranderen van een DTD of schema. Ook dient u goed versiebeheer te plegen op deze schema's zodat u en uw partners goed afspraken kunnen maken over de versie van de DTD of schema van de data die u verwacht te ontvangen of gaat leveren. Wanneer een DTD of schema veranderd kan dit gevolgen hebben binnen meerdere organisaties. Vaak moet de overstap binnen meerdere organisaties op hetzelfde moment uitgevoerd worden. Ook kan een wijziging veel aanpassingen binnen uw applicatie tot gevolg hebben. Het is heel nuttig om deze risico's in een XML traject mee te nemen.