软考系统分析师知识点七：数据库系统下

前言

今年报考了11月份的软考高级：系统分析师。

考试时间为：11月9日。

倒计时：30天。

目标：优先应试，其次学习，再次实践。

复习计划第一阶段：扫平基础知识点，仅抽取有用信息，可有缺失，但得过眼。

第五章：数据库系统下

内容总结

数据库设计阶段：

1. 规划：分析必要性、可行性，确定系统地位和数据库间联系。
2. 需求分析：收集用户数据和处理要求，形成需求说明书。
3. 概念设计：基于需求分析，抽象为概念模型（E-R图）。
4. 逻辑设计：将概念模型转换为特定DBMS的逻辑模型。
5. 物理设计：选择适合应用环境的物理结构。

E-R图向关系模式转换规则：

1. 实体→关系模式，属性→字段，主键→主键。
2. 1:1联系：独立模式或合并。
3. 1:n联系：n端实体模式，加入1端主键。
4. m:n联系：独立模式，主键为组合。
5. 多值属性：提升为实体或单独模式。

分布式数据库系统：

1. 数据分布在多计算机上。
2. 节点具有独立处理能力，通过网络连接。

分布式数据库特点：

1. 数据独立性：逻辑、物理、分布透明。
2. 控制结构：集中与自治共享。
3. 数据冗余度：提高可靠性和性能。
4. 全局一致性、可串行性和可恢复性。

分布式数据库体系结构：

1. 全局外模式：用户视图。
2. 全局概念模式：整体逻辑结构。
3. 分片模式：分解关系模式。
4. 分布模式：定义数据片段存放。
5. 局部概念模式：局部数据库概念。
6. 局部内模式：局部数据库内模式。

数据分片：

1. 水平分片：按元组属性值分裂。
2. 垂直分片：按属性分裂，满足不相交性。
3. 导出分片：基于其他关系属性。
4. 混合分片：水平和垂直分片混合。

分布透明性：

1. 分片透明性：用户无需关心分片。
2. 位置透明性：用户无需关心存储位置。
3. 局部数据模型透明性：用户无需关心局部数据模型。

数据挖掘技术：

1. 从大量、复杂数据中提取模式和关系。
2. 技术包括：分类、聚类、关联规则、预测。

数据挖掘流程：

1. 问题定义：明确目标和需求。
2. 数据准备：收集、清洗、转换数据。
3. 数据挖掘：应用算法挖掘模式。
4. 模式评估：评估模式的有效性和实用性。

多媒体数据挖掘：

1. 处理非结构化和异构数据。
2. 特征提取，建立元数据库。

文本数据挖掘：

1. 从文本中抽取有价值的信息。
2. 技术包括：分类、聚类、摘要。

空间数据挖掘：

1. 发现空间数据库中的隐含空间关系和模式。
2. 空间属性包括位置、距离、形状等。

写在最后

以上均为粗看教程的总结，目的不是为了百分之百准确，而是为了过手过脑，有所印象。

但是如有发现谬误，感谢各位随时指出。

– 欢迎点赞、关注、转发、收藏【我码玄黄】，各大平台同名。