软件设计师22--数据库的基本概念

考点1：数据库体系结构

数据库系统的体系结构

集中式数据库系统

• 数据是集中的
• 数据管理是集中的
• 数据库系统的素有功能（从形式的用户接口到DBMS核心）都集中在DBMS所在的计算机

C/S结构

• 客户端负责数据表示服务
• 服务器主要负责数据库服务
• 数据库系统分为前端和后端
• ODBC、JDBC

分布式数据库

• 物理上分布、逻辑上集中
• 物理上分布、逻辑上分布
• 特点
• 透明性

并行数据库

• 共享内存式
• 无共享式

分布式数据库特点

• 数据独立性。除了数据的逻辑独立性与物理独立性外，还有数据分布独立性（分布透明性）。
• 集中与自治共享结合的控制结构。各局部的DBMS可以独立地管理局部数据库，具有自治的功能。同时，系统又设有集中控制机制，协调各局部DBMS的工作，执行全局应用。
• 适当增加数据冗余度。在不同的场地存储同一数据的多个副本，可以提高系统的可靠性和可用性，同时也能提高系统性能。（提高系统性能的可用性，即当系统中某个节点发生故障时，因为数据有其他副本在非故障场地上，对其他所有场地来说，数据仍然是可用的，从而保证数据的完备性。）
• 全局的一致性、可串行性和可恢复性。

分布式数据库透明性

• 分片透明：是指用户不必关心数据是如何分片的，它们对数据的操作在全局关系上进行，即如何分片对用户是透明的。
• 复制透明：用户不关心数据库在网络中各个节点的复制情况，被复制的数据的更新都由系统自动完成。
• 位置透明：是指用户不必知道所操作的数据放在何处，即数据分配到那个或那些站点存储对用户是透明的。
• 局部映像透明性（逻辑透明）：是最低层次的透明性，该透明性提供数据到局部数据库的映像，即用户不必关心局部DBMS支持哪种数据模型、使用哪种数据操作语言，数据模型和操纵语言的转换是由系统完成的。因此，局部映像透明性对异构型和同构异质的分布式数据库系统是非常重要的。

例题：

1、在分布式数据库中有分片透明、复制透明、位置透明和逻辑透明等基本概念，其中：(D）是指局部数据模型透明，即用户或应用程序无需知道局部使用的是哪种数据模型；(A）是指用户或应用程序不需要知道逻辑上访问的表具体是如何分块存储的。

A、分片透明
B、复制透明
C、位置透明
D、逻辑透明

A、分片透明
B、复制透明
C、位置透明
D、逻辑透明

2、当某一场地故障时，系统可以使用其他场地上的副本而不至于使整个系统瘫痪。这称为分布式数据库的(C）。

A、共享性
B、自治性
C、可用性
D、分布性

考点2：三级模式结构

内模式：内模式也称存储模式，是数据物理结构和存储方式的描述，是数据在数据库内部的表示方法（存储文件），定义所有的内部记录类型，索引和文件的组织方式。
概念模式：概念模式也称模式，就是我们通常使用的基本表，根据应用，需求将物理数据划分一张张表。
外模式：对应数据库中视图这个级别，将表进行一定处理后在提供给用户使用。
模式/内模式映象：存在于概念级和内部级之间，实现了概念模式和内模式之间的相互转换。
外模式/模式映象：存在于外部级和概念级之间，实现了外模式和概念模式之间的相互转换。

外模式-概念模式映射：逻辑独立性：数据的逻辑结构发生变化后，用户程序也可以不修改。但是为了保证应用程序能够正确执行，需要修改外模式和概念模式之间的映像。
概念模式-内模式映射：物理独立性：当数据的物理结构发生改变时，应用程序不用改变。但是为了能够保证应用程序能够正确执行，需要修改概念模式和内模式之间的映像。

例题：

1、数据库系统通常采用三级模式结构：外模式、模式和内模式。这三级模式分别对应数据库的(B）。

A、基本表、存储文件和视图
B、视图、基本表和存储文件
C、基本表、视图和存储文件
D、视图、存储文件和基本表

2、以下关于数据库两级映像的叙述中，正确的是(B）。

A、模式/内模式映像实现了外模式到内模式之间的相互转换
B、模式/内模式映像实现了概念模式到内模式之间的相互转换
C、外模式/模式的映像实现了概念模式到内模式之间的相互转换
D、外模式/内模式的映像实现了外模式到内模式之间的相互转换

3、数据的物理独立性和逻辑独立性分别是通过修改(D）来完成的。

A、外模式与内模式之间的映像、模式与内模式之间的映像
B、外模式与内模式之间的映像、外模式与模式之间的映像
C、外模式与模式之间的映像、模式与内模式之间的映像
D、模式与内模式之间的映像、外模式与模式之间的映像

考点3：数据仓库

数据仓库是一种特殊的数据库，也是按数据库形式存储数据，但是目的不同，数据库经过长时间的运行，里面的数据会越存越多，就会影响数据库的运行效率，对于某些程序而言，很久之前的数据并非必要的，因此，可以删除掉减少数据，增加效率，考虑到删除这些数据比较可惜，因此，一般将这些数据库提取出来保存到另一个数据库中，称为数据仓库。
数据仓库的目的不是为了应用，是面向主题的，用来做数据分析，集成不同表，而且是相对稳定的，一般不会做修改，同时会在特定的时间点做大量的插入，反应历史的变化。

形成数据仓库后，有两个作用，一个是用来做数据的查询、分析、生成报表，另一个是使用数据挖掘工具对这些历史数据进行挖掘，查询数据之间的关系，发现剩余价值。
 数据挖掘的分析方法
 关联分析：关联分析主要用于发现不同事物之间的关联性，即一个事物发生的同时，另一个事物也经常发生。
 序列分析：序列分析主要用于发现一定时间间隔内接连发生的事件，这些事件构成一个序列，发现的序列应该具有普遍意义。
 分类分析：分类分析通过分析具有类别的样本特点，得到决定样本属于各种类别的规则或方法。分类分析时首先为每个记录赋予一个标记，即按标记分类记录，然后检查这些标定的记录，描述出这些记录的特征。
 聚类分析：聚类分析师根据“物以类聚”的原理，将本身没有类别的样本聚集成不同的组，并且对每个这样的组进行描述的过程。


阶段1：数据预处理（ETL）
阶段2：数据仓库存储
阶段3：数据分析
阶段4：数据展现

例题：

1、某集团公司下属有多个超市，每个超市的所有销售数据最终要存入公司的数据仓库中。假设该公司高管需要从时间、地区和商品种类三个维度来分析某家电商品的销售数据，那么最适合采用(B）来完成。

A、Data Extraction
B、OLAP(联机分析)
C、OLTP(联机事务)
D、ETL