データ（コンピュータサイエンス）

コンピュータサイエンスでは、データ（単数形、複数形、または不可算名詞として扱われる）は、1 つ以上の記号のシーケンスであり、データは単一のデータ記号です。データが情報になるには解釈が必要です。デジタルデータは、アナログ表現ではなく、1 と 0 の2 進数システムを使用して表されるデータです。現代の（1960 年以降の）コンピュータシステムでは、すべてのデータがデジタルです。

データには、保存中のデータ、転送中のデータ、使用中のデータの3つの状態があります。コンピュータ内のデータは、ほとんどの場合、パラレルデータとして移動します。コンピュータとの間で移動するデータは、ほとんどの場合、シリアルデータとして移動します。温度センサーなどのアナログデバイスから取得されたデータは、アナログ-デジタルコンバーターを使用してデジタルに変換できます。コンピュータによる操作の対象となる数量、文字、または記号を表すデータは、磁気、光、電子、または機械の記録媒体に保存および記録され、デジタルの電気信号または光信号の形式で送信されます。 ^{[1]データは}周辺機器を介してコンピュータに出入りします。

物理的なコンピュータ メモリ要素は、アドレスとデータ ストレージのバイト/ワードで構成されます。デジタル データは、多くの場合、テーブルや SQL データベースなどのリレーショナル データベースに格納され、一般に抽象的なキー/値のペアとして表されます。データは、配列、グラフ、オブジェクトなど、さまざまな種類のデータ構造で整理できます。データ構造には、数値、文字列、その他のデータ構造など、さまざまな種類のデータを格納できます。

メタデータは、データを情報に変換するのに役立ちます。メタデータはデータに関するデータです。メタデータは暗黙的、指定的、または与えられる場合があります。

物理的なイベントまたはプロセスに関連するデータには、時間的な要素が含まれます。この時間的な要素は暗示される場合があります。これは、温度ロガーなどのデバイスが温度センサーからデータを受信する場合です。温度が受信されると、そのデータには現在という時間的な参照があるものと想定されます。そのため、デバイスは日付、時刻、温度を一緒に記録します。データロガーが温度を通信する場合、各温度読み取り値のメタデータとして日付と時刻も報告する必要があります。

基本的に、コンピュータはデータの形で与えられた一連の命令に従います。特定のタスク（または複数のタスク）を実行するための一連の命令はプログラムと呼ばれます。プログラムとは、コンピュータまたはその他の機械の動作を制御するコード化された命令の形式のデータです。^[2]名目上、コンピュータによって実行されるプログラムはマシンコードで構成されます。プログラムによって操作されるが、中央処理装置（CPU）によって実際に実行されないストレージ要素もデータです。最も本質的には、単一のデータは特定の場所に格納される値です。したがって、コンピュータプログラムは、プログラムデータを操作することにより、他のコンピュータプログラムを操作することが可能です。

データバイトをファイルに保存するには、ファイル形式でシリアル化する必要があります。通常、プログラムは他のデータに使用されるものとは異なる特別なファイル タイプで保存されます。実行可能ファイルにはプログラムが含まれ、他のすべてのファイルもデータ ファイルです。ただし、実行可能ファイルには、プログラムに組み込まれているプログラムで使用されるデータも含まれる場合があります。特に、一部の実行可能ファイルにはデータ セグメントがあり、名目上は定数と変数の初期値が含まれており、どちらもデータと見なすことができます。

プログラムとデータの境界はあいまいになることがあります。たとえば、インタープリタはプログラムです。インタープリタへの入力データ自体もプログラムですが、ネイティブのマシン言語で表現されたものではありません。多くの場合、解釈されたプログラムは人間が読めるテキスト ファイルであり、テキスト エディタプログラムで操作されます。メタプログラミングも同様に、プログラムが他のプログラムをデータとして操作します。コンパイラ、リンカー、デバッガ、プログラム アップデータ、ウイルス スキャナなどのプログラムは、他のプログラムをデータとして使用します。

たとえば、ユーザーはまずオペレーティング システムに、あるファイルからワード プロセッサプログラムをロードするように指示し、次に実行中のプログラムを使用して別のファイルに保存されている文書を開いて編集する場合があります。この例では、文書はデータと見なされます。ワード プロセッサにスペル チェッカー機能も備わっている場合は、スペル チェッカーの辞書 (単語リスト) もデータと見なされます。スペル チェッカーが修正を提案するために使用するアルゴリズムは、マシン コードデータまたは解釈可能なプログラミング言語のテキストのいずれかになります。

別の用法では、バイナリファイル（人間が読めるものではない）は、人間が読めるテキストと区別するためにデータと呼ばれることがあります。^[3]

2007年のデジタルデータの総量は2810億ギガバイト（281エクサバイト）と推定された。^{[4] [5]}

データ内のキーは、値のコンテキストを提供します。データの構造に関係なく、キー コンポーネントが常に存在します。データとデータ構造内のキーは、データ値に意味を与えるために不可欠です。値または構造内の値のコレクションに直接的または間接的に関連付けられたキーがなければ、値は無意味になり、データではなくなります。つまり、データと見なされるためには、値コンポーネントにリンクされたキー コンポーネントが必要です。^{[引用が必要]}

次の例に示すように、データはコンピューター内で複数の方法で表現できます。

• ランダム アクセス メモリ(RAM) には、CPU が直接アクセスできるデータが保持されます。CPU は、プロセッサ レジスタまたはメモリ内のデータのみを操作できます。これは、CPU がストレージ デバイス (ディスク、テープなど) とメモリ間のデータ転送を指示する必要があるデータ ストレージとは対照的です。RAM は、読み取りまたは書き込み操作のアドレスを提供することでプロセッサが読み取りまたは書き込みできる、線形の連続した位置の配列です。プロセッサは、メモリ内の任意の位置をいつでも任意の順序で操作できます。RAM では、データの最小要素は 2 進ビットです。RAM にアクセスする機能と制限は、プロセッサ固有です。一般に、メイン メモリは、アドレス 0 ( 16 進数の0) から始まる位置の配列として配置されます。各位置には、コンピュータ アーキテクチャに応じて、通常 8 ビットまたは 32 ビットを格納できます。

• データ キーは、メモリ内の直接のハードウェア アドレスである必要はありません。間接、抽象、および論理キー コードを値と関連付けて格納し、データ構造を形成できます。データ構造には、データ値が格納される構造の先頭からの所定のオフセット(またはリンクやパス) があります。したがって、データ キーは、構造へのキーと構造へのオフセット (またはリンクやパス) で構成されます。このような構造が繰り返され、同じ繰り返し構造内にデータ値とデータ キーのバリエーションが格納されると、結果はテーブルに似ていると考えることができます。テーブルでは、繰り返し構造の各要素が列と見なされ、構造の各繰り返しがテーブルの行と見なされます。このようなデータ編成では、データ キーは通常、列の 1 つ (または複数の列の値の合成) の値です。

• 繰り返しデータ構造の表形式の表示は、多くの可能性のうちの 1 つにすぎません。繰り返しデータ構造は階層的に編成することができ、ノードは親子関係のカスケードで互いにリンクされます。値と、潜在的により複雑なデータ構造は、ノードにリンクされます。したがって、ノード階層は、ノードに関連付けられたデータ構造をアドレス指定するためのキーを提供します。この表現は、逆ツリーと考えることができます。現代のコンピューター オペレーティング システムのファイル システムが一般的な例であり、XML も別の例です。

• データは、キーでソートされる場合、いくつかの固有の特徴を持ちます。キーのサブセットのすべての値が一緒に表示されます。同じキーを持つデータのグループを順番に通過する場合、またはキーのサブセットが変更される場合は、データ処理の分野ではブレークまたはコントロール ブレークと呼ばれます。これは、キーのサブセットのデータ値の集約を特に容易にします。

• フラッシュのような大容量の不揮発性メモリが登場するまで、永続的なデータ ストレージは、磁気テープやディスク ドライブなどの外部ブロック デバイスにデータを書き込むことによって実現されていました。これらのデバイスは通常、磁気メディア上の場所をシークし、事前に決定されたサイズのデータ​​ ブロックの読み取りまたは書き込みを行います。この場合、メディア上のシーク場所がデータ キーであり、ブロックがデータ値です。初期に使用されていた生のディスクデータ ファイル システムまたはディスク オペレーティング システムでは、データ ファイル用にディスク ドライブ上の連続したブロックが予約されていました。これらのシステムでは、すべてのデータが書き込まれる前にファイルがいっぱいになり、データ領域が不足することがありました。そのため、各ファイルに十分な空き領域を確保するために、多くの未使用のデータ領域が非生産的に予約されていました。後のファイル システムでは、パーティションが導入されました。パーティション用にディスク データ領域のブロックが予約され、必要に応じてパーティションのブロックがファイルに動的に割り当てられることで、割り当てられたブロックがより経済的に使用されました。これを実現するために、ファイル システムは、カタログまたはファイル割り当てテーブルで、データ ファイルによって使用されているブロックと未使用のブロックを追跡する必要がありました。これにより、ディスク データ領域の使用効率は向上しましたが、ディスク全体でファイルの断片化が発生し、データの読み取りにシーク時間が追加されるため、パフォーマンスのオーバーヘッドも発生しました。最新のファイル システムは、断片化されたファイルを動的に再編成して、ファイル アクセス時間を最適化します。ファイル システムのさらなる開発により、ディスク ドライブの仮想化が実現しました。つまり、論理ドライブを複数の物理ドライブのパーティションとして定義できるようになりました。

• 非常に大きなセットから小さなデータのサブセットを取得する場合、データを順番に検索するのは非効率的です。インデックスは、ファイル、テーブル、データ セット内のデータ構造からキーと場所のアドレスをコピーし、逆ツリー構造を使用して整理して、元のデータのサブセットを取得する時間を短縮する方法です。これを行うには、取得するデータのサブセットのキーを取得前に知っておく必要があります。最も一般的なインデックスは、B ツリーと動的ハッシュキー インデックス メソッドです。インデックス作成は、データのファイリングと取得のオーバーヘッドです。インデックスを整理する方法は他にもあります。たとえば、キーをソートしたり、バイナリ検索アルゴリズムを使用したりします。

• オブジェクト指向プログラミングでは、データとソフトウェアを理解するために 2 つの基本概念を使用します。

1. 階層型データ構造の一例である、クラスの分類上のランク構造。
2. 実行時に、クラス ライブラリからインスタンス化されたオブジェクトのメモリ内データ構造への参照を作成します。

指定されたクラスのオブジェクトが存在するのは、インスタンス化されてからのみです。オブジェクトの参照がクリアされると、オブジェクトも存在しなくなります。オブジェクトのデータが格納されていたメモリの場所はガベージとなり、再利用できる未使用のメモリとして再分類されます。

• データベースの出現により、永続的なデータ ストレージの抽象化のレイヤーがさらに追加されました。データベースは、メタデータと、クライアント システムとサーバーシステム間の構造化クエリ言語プロトコルを使用し、コンピュータ ネットワークを介して通信し、データを保存するときに2 フェーズ コミットログ システムを使用してトランザクションの完全性を確保します。

• Apache Hadoopなどの最新のスケーラブルで高性能なデータ永続化テクノロジは、高帯域幅ネットワーク上の多数の汎用コンピュータ間での大規模な並列分散データ処理に依存しています。このようなシステムでは、データは複数のコンピュータに分散されるため、システム内の特定のコンピュータは、直接的または間接的にデータのキーで表す必要があります。これにより、同時に異なるコンピュータで処理される 2 つの同一のデータ セットを区別できます。