データ (コンピュータ)

データとは

コンピューティングにおけるデータは、一つ以上の記号（文字、数字、記号など）の並びとして定義されます。単一の記号はデータムと呼ばれます。データは、それ自体では意味を持たず、解釈されて初めて情報となります。デジタルデータは、アナログ表現とは異なり、1と0の二進数で表現されます。現代のコンピューターシステムでは、すべてのデータはデジタル形式で扱われます。

データの状態

データは、以下の3つの状態で存在します。

保存中: ハードディスクやSSDなどのストレージデバイスに格納されている状態
転送中: ネットワークを介して別のコンピューターやデバイスに送信されている状態
使用中: プログラムが実行され、データを処理している状態

コンピューター内部では、データは並列に移動することが多く、コンピューターとのデータのやり取りは直列で行われることが一般的です。温度センサーなどのアナログ機器から送られるデータは、アナログ-デジタル変換器（ADC）によってデジタルデータに変換されます。

データの表現と格納

コンピューターが操作する量、文字、記号などは、磁気、光学、電気、機械的な記録媒体に保存され、デジタル信号として伝送されます。データは、キーと値の組み合わせとして表され、テーブルやリレーショナルデータベース（SQLデータベースなど）に格納されることがあります。また、配列、グラフ、オブジェクトなど、さまざまなデータ構造で整理できます。これらのデータ構造には、数値、文字列、別のデータ構造など、さまざまな種類のデータを格納できます。

メタデータ

メタデータは、データに関するデータであり、データに意味を与えて情報に変換するのに役立ちます。メタデータは、暗黙的に存在する場合もあれば、明示的に指定されたり、付与されたりする場合もあります。

時間的な要素を持つデータの場合、メタデータとしてタイムスタンプが付与されることがあります。例えば、温度ロガーが温度センサーからデータを受信した場合、そのデータには測定された時刻が含まれる必要があります。

コンピューターとデータ

コンピューターは、データとして与えられた命令に従って動作します。一連の命令をプログラムと呼び、プログラムはコンピューターの動作を制御するためのコード化された命令の形をとります。プログラムは、機械語コードで構成され、中央処理装置（CPU）によって実行されます。プログラムによって操作されるデータは、CPUによって直接実行されるわけではありませんが、コンピューターにとって不可欠な要素です。

ファイルにデータを保存する際には、ファイル形式に従って直列化する必要があります。プログラムは、特別なファイル形式で保存されることが多く、実行可能ファイルにはプログラムが含まれます。データファイルには、プログラムが使用するデータが含まれます。

プログラムとデータの境界は、時として曖昧になることがあります。例えば、インタプリタはプログラムですが、インタプリタへの入力データは、別のプログラムとして解釈されることがあります。また、メタプログラミングでは、プログラムが他のプログラムをデータとして操作することもあります。

データのキーと値、構造、永続性

データのキーは、値の文脈を提供し、データに意味を与えるために不可欠です。キーがない場合、値は意味をなさず、データとして認識されません。データは、ランダムアクセスメモリ（RAM）やストレージデバイスなど、さまざまな場所に保存されます。RAMは、CPUが直接アクセスできる高速なメモリであり、CPUはレジスタやメモリ内のデータのみを操作できます。

キーは、メモリ上の物理アドレスである必要はありません。抽象的なキーや論理的なキーを値に関連付けて格納し、データ構造を形成できます。データ構造は、データの先頭からのオフセットやリンク、パスなどの情報を使って、値の場所を特定します。

データ構造

データは、さまざまな構造で整理できます。

表形式: データは、行と列からなる表形式で表現できます。各行はレコードを表し、各列はデータの属性を表します。
階層構造: データは、ノードとリンクからなる階層構造で表現できます。各ノードはデータを表し、リンクはノード間の親子関係を表します。ファイルシステムやXMLなどがこの構造の例です。
ソートされたデータ: データを特定のキーでソートすると、同じキーを持つデータがまとまって現れます。これにより、データの集計や分析が容易になります。

ストレージ

データは、永続的なストレージデバイスに保存されることがあります。磁気テープやディスクドライブなどのブロックデバイスは、データのブロックを読み書きするために使用されます。ディスク上の位置はデータキーとして機能し、ブロックがデータ値となります。初期のファイルシステムでは、連続したブロックをファイルに割り当てていましたが、断片化が発生し、パフォーマンスが低下する可能性がありました。後期のファイルシステムでは、パーティションを使用して、ディスク領域をより効率的に管理するようになりました。

インデックス

大きなデータセットから特定のデータを効率的に検索するために、インデックスが使用されます。インデックスは、キーと位置アドレスを写し取り、反転木構造で整理することで、検索時間を短縮します。

抽象化と間接化

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、以下の2つの基本的な概念を使用します。

クラスの階層構造
オブジェクトのメモリ内データ構造へのキー参照

オブジェクトは、インスタンス化された後に初めてメモリに現れ、オブジェクトのキー参照がNullになると、そのオブジェクトが参照しているデータはデータではなくなり、そのオブジェクトも存在しなくなります。

データベース

データベースは、永続的なデータ保存のための抽象化レイヤーを提供します。データベースは、メタデータと構造化問い合わせ言語（SQL）を使用してデータを管理し、ネットワークを介してクライアントとサーバー間で通信します。

並列分散データ処理

最新のデータ処理技術では、複数のコンピュータに分散されたデータを並列処理します。これにより、大規模なデータセットを効率的に処理できます。Apache Hadoopなどのフレームワークがこの技術を使用しています。

その他

* 2007年の時点で、デジタルデータの総量は281エクサバイトと推定されています。

データは、コンピューターシステムの中核をなす重要な要素であり、さまざまな形態で存在し、さまざまな方法で処理および管理されます。

もう一度検索