数据库----软考中级软件设计师（自用学习笔记）

最新推荐文章于 2025-05-22 12:48:20 发布

N_NAN_N

最新推荐文章于 2025-05-22 12:48:20 发布

阅读量166

点赞数 3

分类专栏：软考中级软件设计师文章标签：学习笔记

本文链接：https://blog.csdn.net/2301_81480721/article/details/148097953

版权

软考中级软件设计师专栏收录该内容

6 篇文章

订阅专栏

1、E-R图

2、结构数据模型

3、数据库的三级模式结构

4、关系代数

5、查询

6、SQL控制语句

7、视图

8、索引

9、关系模式

10、函数依赖

11、通过闭包求候选码

12、范式

13、无损连接和保持函数依赖

14、数据库设计

15、数据库的控制功能

16、数据库的备份与恢复

17、并发控制技术

18、分布式数据库

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

N_NAN_N

关注关注

3
点赞
踩
1

收藏

觉得还不错? 一键收藏
0
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

专栏目录

两周备战软考中级-软件设计师-自用防丢

weixin_44355158的博客

05-13

2万+

两周备战软考中级-软件设计师-自用防丢

软考中项-项目集成管理工程师-笔记考点（自己整理的）

04-09

软考中项--项目集成管理工程师--笔记考点，自己整理的实用

参与评论您还未登录，请先登录后发表或查看评论

软考中级软件设计师笔记自用

heiyihahei的博客

01-05

621

第1章计算机系统知识一计算机系统基础计算机的基本硬件系统由运算器、控制器、存储器、输入设备和输出设备五大部件组成。运算器、控制器等部件被集成在一起统称为中央处理单元（Central Processing Unit，CPU）。存储器是计算机系统中的记忆设备，分为内部存储器和外部存储器。前者速度高、容量小，一般用于临时存放程序、数据及中间结果；而后者容量大、速度慢，可长期保存程序和数据。输入设备和输出设备合称为外部设备（简称外设），输入设备用于输入原始数据及各种命令，而输出设备则用于输出处理结果。 1.

软考中级信息系统监理师（第二版）-第4章信息资源系统

2301_78583973的博客

04-10

2283

第 4 章信息资源系统传统信息化的业务信息系统正在变得越来越复杂笨重，业务间的关联也越来越强。随着用户数或业务量的急剧增加，给计算能力、数据存储能力、系统稳定性和安全性带来了巨大挑战。为了适应不断增长的业务需要，组织不得不购买更多的软件(应用软件、数据库、中间件等) 和硬件设备(存储、服务器、负载均衡等),引入更多的专业人员来维持这些软硬件的正常运行。随着业务的不断增长和变化，支持这些业务的信息系统开销变得非常大，这些信息系统的维护成本也呈几何级数上升。数据资源平台和云资源系统可以帮助用户解决以上问题

系统集成项目管理工程师教程重点、笔记和试题大全

热门推荐

03-11

2万+

信息化基础知识一、信息化基础知识 ·信息： ·信息化： ·国家信息化体系要素：信息技术应用、信息资源、信息网络、信息技术和产业、信息化人才、信息化法规政策和标准规范。二、电子政务 ·电子政务概念：指政府机构在其管理和服务职能中运用现代化信息技术，实现政府组织结构和工作流程的重组和优化，超越时间。空间和部门分割的制约，建成一个精简、高效、廉洁、公平的政府运作模式。 ·电子政务...

软考中级：软件设计师，突击，自用笔记（含错题）

10-12

软件设计师需要掌握的知识点还包括运算器控制器、数据流图、数据字典、结构化设计、测试方法、面向对象设计、数据结构、算法设计、编译语言设计、计算机硬件基础、操作系统、数据库系统、计算机网络、信息安全、知识...

软考-系统架构师，自用，搬

09-27

系统架构设计师是软考（计算机技术与软件专业技术资格（水平）考试）中的一个高级职称，它主要针对那些希望从事系统架构设计工作的专业技术人员。系统架构设计是一个复杂的过程，它要求从业者不仅要有深厚的技术知识...

Linux学习笔记-学习笔记自用

09-13

Linux系统作为全球最受...在学习Linux的过程中，掌握上述基础操作是非常重要的。随着技能的提升，用户可以进一步探索Linux系统的高级功能，如网络配置、进程管理、Shell脚本编写等，从而更深入地利用Linux的强大功能。

前端vscode学习

Pythonfinish的博客

05-22

189

2.2.1当安装了中文，还是显示的英文按F1，出现含 > 的框框输入点击后就会出现英文和中文，选择中文就好了。

广域网学习

2301_81350613的博客

05-18

1023

可以使以太网网络中的多台主机连接到远端的宽带接入服务器。配置本地作为被认证方，以及账号密码信息。功能和指定对端用户名，必须与对端配置的。帧封装到以太网帧中的链路层协议。用户名一致，该名称对端可不设置。提供接入控制、认证等功能。，使内部用户可以上网。

AM32电调学习解读五：tenKhzRoutine

hyhsandy1803的博客

05-18

412

最近在学习AM32电调的2.18版本的源码，我用的硬件是AT32F421，整理了部分流程处理，内容的颗粒度是按自己的需要整理的，发出来给有需要的人参考。按自己的理解整理的，技术能力有限，可能理解有误，欢迎纠正。注：lida2003博主是个大牛。写的无刷电调的理论和AM32相关知识点介绍的比较系统，介绍的很详细，有需要的同学可以去参考。我对电调这块是外行，只是刚入门学习。这里重点是代码理解的整理分析，他哪里写了很多原理性的知识。

文献学习|DBB2 调节玉米株高和避阴反应

2302_80012625的博客

05-20

955

在模式植物拟南芥（Arabidopsis thaliana）中，多种光受体，如光敏色素（phyA、phyB）、隐花色素（CRY1）和UVR8，已被鉴定为与SAR相关的各种细胞过程的关键参与者（Keller等，2011；Burko等，2022）、B盒蛋白（BBX21、BBX22、BBX24）（Crocco等，2010，2015）以及同源框蛋白（HB、HB2、HB4）（Sorin等，2009），都参与了SAR的调控。Xu等，2023）。作物的株高受到茎秆中节间数量和长度的共同影响（Le等，2022）。

强化学习系列——时序差分学习（SARSA与Q-Learning）

qq_36892712的博客

05-20

807

强化学习环境一般建模为一个马尔可夫决策过程（MDP）SAPRγSAPRγSS：状态空间AA：动作空间Ps′∣saP(s'|s,a)Ps′∣sa：状态转移概率RsaR(s,a)Rsa：奖励函数γ∈01γ∈01：折扣因子目标是学习一个策略π\piπ下的状态值函数或状态-动作值函数：VπsEπ∑t0∞γtRt1∣S0sVπsEπt0∑∞γtRt1。

Unity基础学习（六）Mono中的重要内容（2）协同程序

最新发布

m0_74212916的博客

05-22

590

本文简单介绍了Unity中的协同程序

C 语言学习笔记（函数1）

m0_53459880的博客

05-18

1257

*函数：**实现一定功能的，独立的代码模块，对于函数的使用，一定是先定义，后使用。①我们可以通过函数提供功能给别人使用。当然我们也可以是使用别人提供的函数，减少代码量。②借助函数可以减少重复性代码。③实现结构化（模块化：C语言中的模块其实就是多文件+函数）程序设计思想。关于结构化设计思想将大型的任务功能划分为相互独立的小型的任务模块来设计（多文件+函数）C语言程序必须包含一个main函数，可以包含零个或多个其他函数。[返回类型] 函数名([形参列表]) --函数头 | 函数首部函数体语句;

Python60日基础学习打卡D30

2403_89934198的博客

05-19

576

原文链接：https://blog.csdn.net/2301_77865880/article/details/148054820。当使用 python -m model.main 时，Python 会将当前目录（即项目根目录）添加到 sys.path 的开头。main.py和rectangle.py都在根目录的子目录model下，并且model下还有子目录 utils（跨目录导入）main.py在根目录，rectangle.py在子目录model下。运行方案：直接在终端python main.py。

FreeRTOS的学习记录（临界区保护，调度器挂起与恢复）

2403_89225610的博客

05-18

1123

FreeRTOS 的临界区机制通过。

15.集合框架的学习

qq_63223737的博客

05-22

427

是 Java 提供的一套用于存储、操作和处理数据集合的标准化架构。它主要位于java.util 包中，提供了一组。

大模型时代，Python 近红外光谱与 Transformer 模型：学习的必要性探究

2403_89974123的博客

05-21

385

在大语言模型盛行的时代，Python近红外光谱技术和Transformer模型仍然具有重要的学习价值。大语言模型如ChatGPT在自然语言处理领域表现出色，但在物质检测与分析方面存在局限。Python近红外光谱技术通过处理近红外光谱数据，广泛应用于食品、制药和农业等领域，提供快速、无损的物质成分检测。Transformer模型则凭借其自注意力机制，在自然语言处理、计算机视觉和时间序列预测等任务中表现出色，并可用于优化近红外光谱分析。二者的结合能够进一步提升物质分析的精度与效率，为科研与产业发展开辟新的道路。