Recenzja. rozprawy doktorskiej Michała Chromiaka pt.: Universal Integration Architecture for Heterogeneous Data Sources And Optimisation Methods

Transkrypt

1 Prof. dr hab. inż. Stanisław Kozielski Gliwice, r. Instytut Informatyki Politechnika Śląska Recenzja rozprawy doktorskiej Michała Chromiaka pt.: Universal Integration Architecture for Heterogeneous Data Sources And Optimisation Methods Promotor rozprawy: prof. dr hab. Krzysztof Stencel 1. Aktualność i znaczenie tematyki rozprawy Rozprawa dotyczy integracji źródeł danych. Truizmem jest stwierdzenie, że dane są centralnym elementem większości systemów informatycznych, ale takie ich miejsce wynika z roli jaką odgrywają w funkcjonowaniu przedsiębiorstw czy instytucji. Różnorodność realizowanych w nich procesów skutkuje zazwyczaj heterogenicznością źródeł danych. Dane z różnych źródeł mogą być oddzielnie przetwarzane, ale dla realizacji wielu zadań, zwłaszcza dotyczących całościowych problemów zarządzania i planowania, niezbędne jest scalenie danych z wielu źródeł. Dlatego też potrzeba integracji źródeł danych zrodziła się już wkrótce po pojawieniu się systemów baz danych. Integracja baz danych miała początkowo formę systemów wielobazowych, systemów mediacyjnych, a następnie systemów federacyjnych. Ich wyróżniającą cechą było to, że dane były gromadzone w lokalnych, autonomicznych bazach (źródłach), natomiast użytkownik dysponował jakąś formą centralnego obrazu danych i jednolitym mechanizmem dostępu do wszystkich danych. W kolejnych latach potrzeby realizacji złożonych analiz danych pochodzących z wielu źródeł doprowadziły do zmiany podejścia do integracji i powstania koncepcji hurtowni danych. Istotą tej zmiany jest fakt, że dane są przenoszone z lokalnych źródeł do hurtowni i tam gromadzone w struktury, których postać ułatwia planowane analizy. To radykalnie skraca i przyspiesza drogę użytkownika do danych, ale wymaga budowy nowych systemów, a ponadto opóźnia dostęp do aktualnych danych w przypadku ich ciągłych zmian. Ostatnie lata są widownią nowych zmian w tym obszarze. Lawina danych z Internetu i innych źródeł, przybierająca postać tzw. BigData, zaczęła przekraczać granice skalowalności hurtowni danych. Poza tym zaczynają dominować nowe się typy danych (np. dane multimedialne) oraz sposób zbierania danych (dane strumieniowe). To zmusza do zrewidowania podejścia do integracji źródeł danych i takie badania zaczynają być podejmowane. Opiniowana rozprawa dotyczy takiej właśnie tematyki. Autor nawiązuje do idei federacyjnych baz danych, ale musi się zmierzyć z zupełnie nowymi rodzajami źródeł danych, które bardzo szybko rozwijają się w ostatnich latach (np. systemy NoSQL). Zapewnienie skalowalności projektowanych rozwiązań, niezbędnej dla ogromnych obecnie wolumenów danych, wymaga zastosowania najnowszych technologii w dziedzinie rozproszonego przetwarzania danych. Podjęcie przez autora opiniowanej rozprawy takiej tematyki badań oceniam jako wybór zadań bardzo aktualnych, a przy tym trudnych. Uważam, że rozprawa dotyczy ważnej i aktualnej problematyki badawczej. 1

2 2. Zakres pracy Praca składa się z pięciu rozdziałów, trzech dodatków i bibliografii. W pierwszym rozdziale przedstawiono motywacje podjęcia badań przedstawionych w pracy, cele i tezy pracy, a także krótką historię rozwoju badań w podejmowanej dziedzinie. Przedstawiono dwie tezy. Pierwsza teza mówi o możliwości transparentnego zintegrowania istniejących źródeł danych przy wykorzystaniu wirtualnego repozytorium wykorzystującego proponowaną w pracy koncepcję Qboidu, bez konieczności dodatkowego przetwarzania czy replikacji danych. Według drugiej tezy, w architekturze Qboidu mogą być zaimplementowane znane mechanizmy optymalizacji i metryki wydajności, co umożliwi zoptymalizowany dostęp do danych bez ingerencji w silniki lokalnych źródeł danych. W drugim rozdziale pracy autor przedstawia stan wiedzy w podejmowanej dziedzinie. Autor rozwija, w dwóch pierwszych częściach tego rozdziału, dyskusję wokół pojęć: integralność i integracja danych. Autor wiąże potrzebę integracji danych z ciągłym rozwojem źródeł danych, zapoczątkowanym pojawieniem się systemów baz danych w latach 60-tych ubiegłego wieku. Po krótkiej charakterystyce historii modelu relacyjnego zarysowano kolejne etapy rozwoju współczesnych baz danych. W szczególności autor zwrócił uwagę na eksplozję danych pochodzących z Internetu, potrzebę zwiększenia skalowalności systemów informatycznych, w tym baz danych, a także rozwoju systemów NoSQL. Skupiając uwagę na samej integracji autor przedstawił definicje i charakterystyki kilkunastu tematów szerzej powiązanych z integracją, a także jej taksonomię. Przechodząc do metod integracji danych autor wyróżnił trzy podejścia w zakresie architektury systemów integracji danych: mediacyjne, federacyjne i oparte na hurtowni danych. Przedstawiono podstawowe cechy, zalety i wady tych trzech rozwiązań. Rozwiązanie mediacyjne zostało zapowiedziane jako główna koncepcja rozwijana przez autora w ramach rozprawy. Autor zasygnalizował możliwe problemy z integracją tych samych danych o różnym znaczeniu. Rozwiązania takich problemów szuka w wykorzystaniu ontologii. Dla formalnego ujęcia teorii integracji autor wprowadził jej opis przy użyciu logiki pierwszego rzędu, którego elementami są schemat globalny, schemat źródłowy oraz odwzorowania między nimi. Autor przytoczył dwa znane odwzorowania (GaV, LaV), a także założenie o zamkniętości świata wiedzy o danych. Zdefiniował też model integracji P2P. Ponadto autor rozważył trudne problemy związane z integracją danych: klasyfikację i taksonomię różnych form heterogeniczności, niedopasowanie impedancji między obiektowo zorientowanymi aplikacjami i relacyjnymi bazami danych, a także fragmentację, alokację i replikację w obrębie źródeł danych. W kolejnej części rozdziału drugiego Autor dokonał przeglądu modeli, technik i narzędzi gromadzenia danych, widzianych jako źródła danych dla planowanego procesu integracji danych. Kolejno zostały omówione: systemy plików danych, model relacyjny (z wyróżnieniem rachunku i algebry relacji, normalizacji bazy danych oraz modelu obiektowo-relacyjnego), obiektowy model baz danych, kolumnowo zorientowany model bazy danych (relacyjnej), NoSQL (w tym modele baz NoSQL takie jak: klucz-wartość, kolumnowy, dokumentowy, grafowy, RDF, MapReduce), systemy NewSQL, Big Data. Zakres i wielokierunkowość przedstawionego przeglądu zdaje się nieco wykraczać poza ramy pracy. Jest to ciekawe studium bardzo aktualnych problemów w dziedzinie baz danych, jednakże poszerzanie zakresu tematyki nastąpiło trochę ze szkodą dla jej pogłębiania. Omawiany podrozdział zamyka prezentacja taksonomii baz danych, a przedtem jeszcze autor naszkicował co nastąpiło po erze SQL-a. O ile ponowne przywołanie grafowych baz danych, w kontekście przeglądu narzędzi do przetwarzania dużych grafów, znajduje jeszcze 2

3 uzasadnienie, o tyle nawiązanie do Prologu, Datalogu, sieci Bayesowskich, łańcuchów Markova czy metody Monte Carlo wykracza w mojej ocenie poza tematykę pracy. W kolejnej części rozdziału drugiego (p. 2.4) autor przedstawił bardziej szczegółowy przegląd współczesnych rozwiązań i technik wykorzystywanych do integracji źródeł danych. Rozpoczynając od porównania systemów OLTP i OLAP autor skupił najpierw uwagę na hurtowniach danych. Charakteryzując hurtownie danych autor podkreślił kluczową rolę metadanych w procesie integracji źródeł danych, omówił proces ETL, porównał model MOLAP i ROLAP, przedstawił operacje na danych dostępne w modelu wielowymiarowym, zwrócił uwagę na problemy ze skalowalnością hurtowni dla bardzo dużych rozmiarów współczesnych źródeł danych. Jako następne, po hurtowniach, środowisko integracji autor przedstawił rozproszone systemy plików. Bardzo szczegółowo przedyskutował cechy znanej platformy przetwarzania równoległego MapReduce oraz środowiska programistycznego Hadoop, skupiając uwagę m.in. na rozwiązaniach i narzędziach zwiększających wydajność tego środowiska, a także umożliwiających wyszukiwanie danych z użyciem języka SQL. Autor podkreślił m.in. możliwość doboru takich narzędzi wykorzystywanych w środowisku Hadoop, które tworzą rozwiązania alternatywne dla hurtowni danych, oferując znacznie większą skalowalność. Prezentacja szczegółów technicznych kolejnej wersji środowiska Hadoop i związanych z nim narzędzi mogłaby jednak zostać przeniesiona do dodatków pracy. Ostatnie dyskutowane (w rozdziale 2.4) kategorie mechanizmów integracji dotyczą systemowej szyny usług. Autor przedstawił cztery warianty takiej szyny i skupił na koniec uwagę na wykorzystaniu w tej technologii architektury zorientowanej na usługi (SOA). W podsumowaniu autor podkreślił, że rozwiązania służące integracji źródeł danych, bazujące na koncepcji hurtowni danych, wymagają transferu danych, co dla systemów o dużych wolumenach danych nie gwarantuje aktualności danych, zwłaszcza w warunkach ciągłych modyfikacji następujących w źródłach danych. Redakcja drugiego rozdziału pracy pozostawia pewien niedosyt. Bardzo wnikliwie został opracowany podrozdział 2.4, natomiast rozległość tematyki poruszanej we wcześniejszych podrozdziałach wymusiła często pobieżne jej potraktowanie. Duża liczba poruszonych tematów, czasem luźno powiązanych z głównym nurtem pracy, nie wpłynęła dodatnio na jakość ich opracowania. Więcej uwagi można by np. poświęcić federacyjnym bazom danych, do których w pracy jest wiele odwołań. W rozdziale trzecim autor przedstawił architekturę proponowanego systemu integracyjnego. W pierwszej części rozdziału przedstawiono dyskusję przydatności wzorców projektowych w tworzeniu oprogramowania. Takie ujęcie nieco zaskakuje, bowiem spodziewaną kolejnością byłoby najpierw nakreślenie modelu, czy ogólnej architektury proponowanego rozwiązania, a dopiero potem poszukiwanie i dobór wzorców, które można by do realizacji tej architektury wykorzystać. Przechodząc do rozważań nad wyborem wzorców architektury integracji autor skupił uwagę na dwóch modelach: pierwszym, integracji aplikacji, gdzie zakres integracji skupia się na komunikacji między aplikacjami oraz drugim, bardziej dogłębnym, integracji danych, zapewniającym wirtualny obraz danych, dostępnych poprzez globalny schemat. Po dyskusji cech obu podejść autor wybrał to drugie. Jako podstawę integracji danych autor wybrał ich wirtualizację. Autor zdefiniował wirtualizację danych jako proces oferowania konsumentom danych interfejsu dostępu do danych, który ukrywa techniczne aspekty przechowywanych danych, takie jak lokalizacja, struktury pamięci, API, język dostępu i technologie magazynowania. Przedstawiono zalety i wady takiej koncepcji. Autor wymienił też kilka komercyjnych systemów realizujących 3

4 wirtualizacje danych, ale ocenił je jako systemy zamknięte, nie ujawniające szczegółów procesu integracji. W koncepcji organizacji procesu wirtualizacji różne źródła danych (autor użył tu pojęcia polyglot persistence ) powinny zostać opakowane ( wrapping ) w formę programowej usługi ze zdefiniowanym API. Kolejno rozważono inne wzorce projektowe użyteczne w rozważanej architekturze: Event Sourcing umożliwiający utrwalanie historii zdarzeń w aplikacji oraz Command Query Responsibility Separation (CQRS) Pattern zalecający podział aplikacji na dwie części: jedną, obejmującą metody o charakterze poleceń i drugą, obejmującą metody o charakterze zapytań. W wykorzystaniu tego ostatniego wzorca autor widzi możliwość zoptymalizowania struktury i zwiększenia skalowalności projektowanego systemu. Autor rozważył również wykorzystanie standardu CORBA technologii umożliwiającej komunikację między obiektami w heterogenicznych, rozproszonych systemach. CORBA stanowi również specyfikację technologii integracji składników programów rozproszonych, i w tym zakresie autor zaplanował wykorzystanie tego standardu w projekcie środowiska integracji. W szczególności autor zwrócił uwagę na możliwość wykorzystania (w planowanej architekturze integracji) repozytorium środowiska CORBA (IMR - Implementation Repository) jako miejsca przechowywania metod dostępu do poszczególnych danych. W tym kontekście autor przedyskutował również wykorzystanie wzorca projektowego tzw. reaktora do współbieżnej obsługi wielu żądań klientów. Definiując model integracji baz danych autor proponuje globalny, zintegrowany schemat, w którym każda unikalna wartość danych musi być dostępna w sposób jednoznaczny, niezależnie do replikacji i fragmentacji danych. Do zrealizowania tej koncepcji autor proponuje jako szczególnie przydatny model danych klucz-wartość. Wyróżnienie kluczy w naturalny sposób prowadzi autora do wskazania indeksowania jako ważnej metody dostępu do danych. W trzeciej części rozdziału trzeciego autor prezentuje szczegóły architektury projektowanego systemu integracji źródeł danych. Architektura ta została oparta na przedstawionym wzorcu CQRS, co autor uzasadnił we wstępie do tej części rozdziału. Autor przedstawił założenia ogólne, założenia odnoszące się do technologii i wybranych elementów struktury systemu (m.in. użycie takich modeli komunikacji jak XML i JSON, stworzenie centralnego repozytorium metadanych), a także wykaz problemów, których nie podejmuje w swym projekcie (m.in. transakcji, przetwarzania zapytań SQL i optymalizacji). Podsumowując autor przyrównał projektowaną architekturę do modelu Data-Store-as-a-Service (DSaaS). Po omówieniu założeń autor przedstawił komponenty proponowanej architektury. Warstwa mediacji wykonuje translację danych z lokalnego źródła do jednolitej postaci, niezbędnej dla potrzeb integracji. Swe funkcje realizuje przez trzy elementy składowe: adapter, uwzględniający wymaganą dla danego typu źródła technikę dostępu do danych, wrapper, tworzący pośrednictwo między zbiorem lokalnych operacji na określonym źródle danych a jednolitym zestawem operacji udostępnianych mediatorowi, oraz mediator, odpowiedzialny za utworzenie metadanych opisujących lokalne źródło danych, dających podstawę dla tzw. składowego widoku (contributory view) danych dostępnych w źródle oraz określenie szybkiej metody dostępu do tych danych. Wyższa warstwa, integracji, zbiera metadane i gromadzi je w repozytorium w formie składowych widoków danych, opisujących lokalne źródła; umożliwia budowę zintegrowanego widoku danych oraz stwarza możliwość stosowania dla potrzeb tego widoku zoptymalizowanych technik dostępu do danych. Poszukiwanie skutecznego mechanizmu tworzenia zintegrowanego widoku danych doprowadziło autora do koncepcji Qboidu. Rolą Qboidu jest: zapewnienie szybkiego łączenia 4

5 widoków integrowanych źródeł danych w postać globalną, stworzenie platformy wirtualnej integracji danych oraz stworzenie mechanizmów dla obsługi rozproszenia danych. Autor zaproponował, żeby prostopadłościenna struktura Qboidu reprezentowała aspekty fragmentacji i replikacji danych. Trzy wymiary prostopadłościanu odpowiadają fragmentacji wertykalnej i horyzontalnej oraz replikacji danych. Trzecią, najwyższą warstwą systemu integracji jest warstwa interfejsu, odpowiedzialna za bezpośredni kontakt z klientami systemu. Ułatwia ona klientowi formułowanie zapytań, które są następnie realizowane z wykorzystaniem natywnych, szybkich metod dostępu do źródeł danych, zdefiniowanych w metadanych przechowywanych w strukturach Qboidu. Ważną rolą warstwy interfejsu jest ponadto zarządzanie pamięcią podręczną, wykorzystywaną do przechowywania wyników zapytań. Część przedostatniego, czwartego, rozdziału pracy autor poświęcił problemom optymalizacji zapytań w opracowanym środowisku. Na wstępie uzasadniono, dlaczego klasyczne podejście do tych problemów nie może być w pełni zastosowane do architektury Qboidu. Autor wskazał natomiast w jakim zakresie w projektowanej architekturze można wykorzystać do optymalizacji zapytań technikę indeksowania oraz tzw. zależności porządkowe (order dependency). Następnie autor przedstawił założenia i rezultaty eksperymentu z zastosowaniem dwóch technik optymalizacji: z tzw. przepisywaniem zapytań (i zastąpieniem klauzuli WHERE rezultatami dwóch funkcji pamiętanych) oraz zastąpieniem funkcji pamiętanych przez zapytanie zagnieżdżone. Drugi eksperyment pokazał możliwość zintegrowania przy pomocy Qboidu relacyjnej bazy danych (PostgreSQL) z bazą danych typu NoSQL (grafowa baza Neo4J) i zrealizowania w tym środowisku rekurencyjnego zapytania SQL oraz jego grafowej reprezentacji. Przedstawiono wyniki testów potwierdzające spodziewaną użyteczność architektury Qboidu. W ostatnim rozdziale autor podsumował uzyskane w pracy wyniki i przedstawił konkluzje. W podsumowaniu skupiono uwagę na tych rozwiązaniach, które bezpośrednio dotyczyły tez pracy. Autor wyliczył, które dokonania wykazują poprawność tez pracy i jak udokumentowane zostało osiągnięcie celu pracy. Ponadto w ostatnim rozdziale autor skomentował ważniejsze ograniczenia przyjęte w projekcie Qboidu, przedstawił też zarys możliwości dalszego rozwoju funkcjonalności projektowanego systemu. Tekst pracy uzupełniają trzy dodatki. W dodatku A przedstawiono niektóre szczegóły implementacji prototypu projektu na przykładzie wybranych źródeł danych. Dodatek B zawiera krótki opisy wykorzystanych w pracy wybranych standardów i klasyfikacji, zaś dodatek C prezentuje szczegółowe informacje charakteryzujące system Hadoop. Pracę zamyka dość bogaty wykaz cytowanej literatury i źródeł internetowych. 3. Ocena pracy Autor wykazał się gruntowną wiedzą z zakresu szerokiego spektrum problemów baz danych (m.in. bazy relacyjne, hurtownie danych, bazy NoSQL, systemy ORM), systemów rozproszonych, architektur i narzędzi integracji systemów bazodanowych. Najważniejszym rezultatem badawczym przedstawionym w rozprawie jest opracowanie architektury środowiska integracji wielu heterogenicznych źródeł danych, w tym w szczególności: opracowanie architektury warstwy mediacji, zapewniającej translację danych z postaci udostępnianej przez lokalne źródła do postaci ujednoliconej dla potrzeb integracji, 5

6 opracowanie architektury warstwy integracji zarządzającej repozytorium metadanych opisujących źródła danych, umożliwiającej na ich podstawie budowę zintegrowanego widoku danych i zapewniającej możliwość zastosowania technik optymalizacji dostępu do danych, opracowanie dla potrzeb warstwy integracji oryginalnej koncepcji reprezentacji danych nazwanej Qboidem, umożliwiającej proste włączanie źródeł danych w globalny, zintegrowany widok danych, udostępniającej platformę wirtualnej integracji danych oraz mechanizmy obsługi danych rozproszonych (w formie fragmentacji i replikacji), opracowanie wybranych technik optymalizacji zapytań, dostosowanych do struktury i potrzeb Qboidu. Uzyskanie powyższych wyników pozwala stwierdzić poprawność postawionych w pracy tez i osiągnięcie celu pracy. Cenna jest również eksperymentalna część pracy, potwierdzająca realizowalność przyjętej koncepcji, a także pokazująca proces rozwiązywania i optymalizacji nietrywialnych zadań wyszukiwania danych poprzez integrację heterogenicznych źródeł. Opracowany prototyp nie tworzy wprawdzie jeszcze kompletnego systemu integracji (nie rozwiązano jeszcze np. problemu zarządzania transakcjami, czy też szerszej optymalizacji zapytań, co autor zaznaczył w założeniach i zaplanował w ramach przyszłych badań), ale przedstawione wyniki stanowią oryginalny wkład w rozwój systemów integracji źródeł danych, uwzględniający specyfikę zmian w cechach tych źródeł, jakie nastąpiły w ostatnich latach. 4. Uwagi do pracy Lektura teksu pracy nasunęła mi kilka uwag: 1) Jednym z zarzutów autora w stosunku do hurtowni danych jest niewystarczająca skalowalność hurtowni wobec wyzwań Big Data. Jednak nie znalazłem w pracy szerszego uzasadnienia, że skalowalność proponowanego rozwiązania podoła takim wyzwaniom. Przeprowadzone eksperymenty chyba również nie były nakierowane na sprawdzenie skalowalności. 2) Autor szeroko dyskutuje własności hurtowni danych w roli systemów integracji danych. Autor rezygnuje z hurtowni m.in. z uwagi na konieczność transferu danych i potrzeby ponownego ich magazynowania, co trudno zrealizować wobec wyzwań BigData. Należy jednak przy tym zauważyć, że eliminacja takiej funkcji powoduje utratę możliwości analizy danych w perspektywie czasowej (bo dane historyczne nie są gromadzone), co jest jedną z podstawowych zalet hurtowni. 3) Innym zarzutem autora wobec hurtowni danych jest nieaktualność danych w hurtowni. Można jednak zauważyć, że w proponowanym w pracy systemie w przypadku, kiedy integrowanymi źródłami będą intensywnie aktualizowane systemy relacyjnych baz danych, bezpośredni dostęp do danych też może być ograniczony z powodu blokad nakładanych w ramach transakcyjnego przetwarzania tych danych. 4) Jak autor podkreśla, konfiguracja widoków integracyjnych jest wykonywana ręcznie przez administratora. Czy autor widzi możliwość formalizacji opisu źródeł danych i algorytmizacji procesu konfigurowania widoków? 5) Jak to już zaznaczyłem w drugim punkcie recenzji, zakres tematyczny przeglądu stanu wiedzy (rozdział drugi pracy) jest bardzo szeroki i stąd też, w niektórych przypadkach, 6

7 trochę pobieżny. Tak na przykład przedstawione w p (str. 53) bardzo zawężone i niejednoznaczne ujęcie tematu redundancji danych mogłoby prowadzić do nieporozumień. 6) W pracy brak pełnego wykazu używanych skrótów. W Dodatku B (Standards and Classifications) zamieszczono wprawdzie objaśnienia do kilkudziesięciu użytych w pracy terminów, ale bardzo potrzebną funkcję wykazu skrótów dodatek ten spełnia tylko w niewielkim zakresie. 7) Tekst rozprawy nie jest nazbyt starannie dopracowany, znalazłem sporą liczbę błędów literowych i kilka drobnych usterek językowych (zaznaczyłem je w tekście pracy), ponadto wielokrotnie pojawiają się zbyt długie i złożone zdania. Przedstawione uwagi w większości są dyskusyjne i nie zmieniają mojej pozytywnej oceny rozprawy. 5. Wniosek końcowy Podsumowując stwierdzam, że w recenzowanej rozprawie został sformułowany, a następnie poprawnie rozwiązany problem naukowy obejmujący projekt trzech warstw systemu integracji źródeł danych, w tym koncepcję Qboidu jako podstawy repozytorium metadanych systemu integracji, a także mechanizmów optymalizacji dostępu do danych. Autor wykazał się głęboką wiedzą w zakresie metod integracji źródeł danych, organizacji struktur i optymalizacji metod dostępu do danych, a także umiejętnościami i doświadczeniem praktycznym, udokumentowanymi zaprojektowaniem i implementacją prototypu systemu integracji i udaną eksperymentalną weryfikacją opracowanej koncepcji. Stwierdzam, że oceniana praca Universal Integration Architecture for Heterogeneous Data Sources And Optimisation Methods spełnia wymagania stawiane rozprawom doktorskim przez obowiązujące przepisy (Ustawa o stopniach naukowych i tytule naukowym oraz o stopniach i tytule w zakresie sztuki z dnia 14 marca 2003 r., Dziennik Ustaw Nr 65 poz. 595). Wnoszę o dopuszczenie Pana mgr Michała Chromiaka do dalszych etapów przewodu doktorskiego. 7