软考中级软件设计师——数据库篇

一、数据库系统基础

1. 数据库系统三级模式结构

   • 模式（基本表）：也称概念模式，全局逻辑结构，描述数据的整体逻辑。

   • 外模式（视图）：用户视图，描述局部逻辑。

   • 内模式（存储文件）：物理存储结构，如索引、存储方式。

   • 两级映像：外模式-模式映像（逻辑独立性）、模式-内模式映像（物理独立性）。

2. 数据模型

        模型是对现实世界的模拟和抽象，在数据库技术中，表示实体类型及实体类型间联系的模型称为数据模型。

        1.数据模型的组成元素

        数据模型是描述数据、数据关系及数据约束的抽象框架，通常包含以下核心组成部分：

        1. 数据结构（Data Structure）

• 定义：描述数据的逻辑组织形式及数据间的静态关系。

• 示例：在关系模型中，数据结构表现为二维表（关系模式）。

        2. 数据操作（Data Manipulation）

• 定义：对数据执行的操作（增删改查）及操作规则。

• 示例：关系模型通过关系代数（选择、投影、连接）定义操作。

        3. 数据约束（Data Constraints）

• 定义：保证数据正确性、有效性和一致性的规则。

• 示例：在关系模型中，通过PRIMARY KEY、FOREIGN KEY实现约束。

2.数据模型的分类

        1. 概念数据模型（Conceptual Data Model）

• 实体：客观存在且可相互区别的事物，如单位、职工、部门等。
• 属性：描述实体的特性。一个实体可由多个属性刻画（如学生实体的学号、姓名、性别等）。属性的具体取值为属性值。
• 码：唯一标识实体的属性集（如学号是学生实体的码）。
• 域：属性的取值范围（如性别域为 {男，女}）。
• 实体型：用实体名及其属性名集合抽象刻画同类实体（如学生（学号，姓名，性别，班号））。
• 实体集：同型实体的集合（如全体学生）。
• 联系：实体（型）之间的对应关系，包括实体内部各属性间的联系和实体之间的联系。

        2.结构数据模型

模型类型	数据结构	查询灵活性	适用场景	典型系统
关系模型	二维表	高（SQL支持）	复杂事务处理、结构化数据	MySQL, Oracle
层次模型	树形结构	低（路径固定）	树形数据（如目录）	IBM IMS, XML
网状模型	图结构	中（指针导航）	复杂网络关系	CODASYL
面向对象模型	对象	中（方法调用）	复杂数据类型、OOP映射	MongoDB（部分特性）

1. 关系模型（Relational Model）

• 数据结构：二维表（关系），由行（记录）和列（属性）组成

术语	定义	示例	关键点
关系（Relation）	二维表，由行（元组）和列（属性）组成。	学生(学号, 姓名, 年龄)	表名唯一，行无序，列有序。
属性（Attribute）	表中的列，表示实体的特征。	学号、姓名、年龄	属性名唯一，具有数据类型（如整数、字符串）。
元组（Tuple）	表中的一行数据，表示一个具体实例。	(001, 张三, 20)	所有元组的属性个数和类型一致。
域（Domain）	属性的取值范围（数据类型+约束）。	年龄域为1~150的整数。	保证数据有效性（如年龄不能为负数）。
候选键（Candidate Key）	唯一标识元组的最小属性集合。	学号或身份证号可唯一标识学生。	最小性、唯一性；一个表可有多个候选键。
主键（Primary Key）	从候选键中选定的唯一标识符。	选定学号作为主键。	非空且唯一，用于关联其他表。
外键（Foreign Key）	本表中的属性，引用其他表的主键。	选课表.学号引用学生表.学号。	维护参照完整性（如外键值必须存在或为NULL）。
超键（Super Key）	能唯一标识元组的属性集合（可能含冗余属性）。	(学号, 姓名)可唯一标识学生。	非最小性，候选键是极小的超键。
全码（All-Key）	所有属性联合才能唯一标识元组（即整个属性集为候选键）。	(课程号, 教师, 时间)唯一标识课程安排。	无单一属性能唯一标识元组，需联合全部属性。
关系模式（Relation Schema）	关系的逻辑结构描述，包括属性、域及约束。	学生(学号:CHAR(6), 姓名:VARCHAR(20))	定义表的“蓝图”，不包含具体数据。

---

• 完整性约束

1. 实体完整性（Entity Integrity）

• 定义：主键（Primary Key）的值必须唯一且非空。

• 作用：保证每个实体的唯一可标识性。

2. 参照完整性（Referential Integrity）

• 定义：外键（Foreign Key）的值必须是被引用表主键的有效值或为NULL。

• 作用：维护表间关联的正确性。

3. 用户定义完整性（User-Defined Integrity）

        定义：用户根据业务需求自定义的约束（如取值范围、逻辑规则）。

• 连接

连接类型	定义	SQL语法
自然连接（Natural Join）	自动匹配同名属性，消除重复列。	SELECT * FROM R NATURAL JOIN S
θ连接（Theta Join）	根据条件θ连接（如R.A > S.B）。	SELECT * FROM R JOIN S ON R.A = S.B
等值连接（Equi-Join）	θ连接的特例，条件为相等比较（如R.A = S.A）。	SELECT * FROM R JOIN S ON R.A = S.A
外连接（Outer Join）	保留未匹配的元组，分为左外、右外、全外连接。	SELECT * FROM R LEFT JOIN S ON R.A = S.A

操作示例：

• 数据表：

  • R(A, B)：(1, 2), (3, 4)

  • S(B, C)：(2, 5), (6, 7)

操作	结果
自然连接 R ⋈ S	(A, B, C) = (1, 2, 5)
左外连接 R ⟕ S	(1,2,5), (3,4,NULL)
全外连接 R ⟗ S	(1,2,5), (3,4,NULL), (NULL,6,7)

• 基本关系操作

Codd定义的五种基本操作，其他操作均可由这些操作组合派生。

操作名称	符号	定义	示例	SQL对应
选择（Select）	σₚ(R)	从关系R中筛选满足条件P的元组。	σ_{年龄>20}(学生) → 筛选年龄大于20的学生。	SELECT * FROM 学生 WHERE 年龄>20
投影（Project）	πₐ(R)	从关系R中提取指定属性集A的列，并去重。	π_{姓名,年龄}(学生) → 仅显示姓名和年龄。	SELECT 姓名, 年龄 FROM 学生
并（Union）	R ∪ S	合并R和S的元组，自动去重（要求R和S属性相同）。	学生 ∪ 教师 → 合并学生和教师表中的人员。	SELECT * FROM 学生 UNION SELECT * FROM 教师
差（Difference）	R − S	返回属于R但不属于S的元组（要求R和S属性相同）。	学生 − 选课学生 → 找出未选课的学生。	SELECT * FROM 学生 EXCEPT SELECT * FROM 选课学生
笛卡尔积（Cartesian Product）	R × S	R和S的元组两两组合，生成新关系。	学生 × 课程 → 每位学生与所有课程的组合。	SELECT * FROM 学生 CROSS JOIN 课程

---

• 扩展关系操作（Derived Operations）

由基本操作组合而成的常用操作。

操作名称	符号	定义	示例	SQL对应
交（Intersection）	R ∩ S	返回同时属于R和S的元组（要求R和S属性相同）。	男生 ∩ 团员 → 既是男生又是团员的学生。	SELECT * FROM 男生 INTERSECT SELECT * FROM 团员
除（Division）	R ÷ S	返回R中满足“与S所有元组组合均存在”的元组。	选课(学号,课程号) ÷ 课程(课程号) → 选修了所有课程的学生。	需通过NOT EXISTS嵌套查询实现。
重命名（Rename）	ρₐ(R)	将关系R重命名为A，或修改属性名。	ρ_{员工(工号,姓名)}(原表) → 将原表重命名为“员工”，属性名改为工号、姓名。	SELECT 工号 AS 员工编号 FROM 员工

2. 层次模型（Hierarchical Model）

        层次模型是用“树结构”来表示数据之间的联系，是数据库系统最早使用的一种模型，它的数据结构是一棵“有向树”。层次模型的特征是:

• 有且仅有一个结点没有父结点，它就是根结点:
• 其他结点有且仅有一个父结点。

        层次模型常见的存储结构有邻接法和链接法。采用层次模型的数据库管理系统有IMS(Information Management System)系统。

3. 网状模型（Network Model）

• 数据结构：图结构，允许记录多对多关系，通过“系（Set）”连接

• 数据操作：

  • 通过指针链实现快速导航。

  • 支持复杂关系，但操作繁琐。

• 应用场景：早期复杂网络关系系统（如电信网络）。

• 示例：CODASYL数据库。

4. 面向对象模型（Object-Oriented Model）

• 数据结构：对象（类实例），包含属性（数据）和方法（操作）。

  • 继承：类层次结构（如Employee→Manager）。

  • 聚合：对象嵌套（如Order包含多个OrderItem）。

• 数据操作：

  • 通过对象方法（如save(), delete()）操作数据。

  • 支持复杂数据类型（数组、列表）。

• 应用场景：CAD/CAM系统、多媒体数据库。

• 示例：MongoDB（文档型数据库，部分支持面向对象）。

二、SQL语言

1. 数据定义语言（DDL）

用于定义数据库对象（表、视图、索引等）。

命令	功能	示例
CREATE	创建数据库对象	CREATE TABLE 学生 (学号 INT PRIMARY KEY, 姓名 VARCHAR(20));
ALTER	修改数据库对象结构	ALTER TABLE 学生 ADD 年龄 INT;
DROP	删除数据库对象	DROP TABLE 学生;
TRUNCATE	清空表数据（保留结构）	TRUNCATE TABLE 学生;

2. 数据操作语言（DML）

用于操作表中的数据（增删改）。

命令	功能	示例
INSERT	插入数据	INSERT INTO 学生 VALUES (1, '张三', 20);
UPDATE	更新数据	UPDATE 学生 SET 年龄=21 WHERE 学号=1;
DELETE	删除数据	DELETE FROM 学生 WHERE 学号=1;

3. 数据控制语言（DCL）

用于权限管理与事务控制。

命令	功能	示例
GRANT	授予用户权限	GRANT SELECT ON 学生 TO user1;
REVOKE	撤销用户权限	REVOKE DELETE ON 学生 FROM user1;
COMMIT	提交事务	COMMIT;
ROLLBACK	回滚事务	ROLLBACK;

4. 数据查询语言（DQL）

用于查询数据（以 SELECT 为核心）。

SELECT [DISTINCT] 列名1, 列名2, ...  
FROM 表名  
[WHERE 条件]  
[GROUP BY 分组列]  
[HAVING 分组后条件]  
[ORDER BY 排序列 [ASC|DESC]]   //ASC升序排列，DESC降序排列
[LIMIT 行数];  

  5.多表连接

连接类型	语法	说明
INNER JOIN	SELECT * FROM A INNER JOIN B ON A.k=B.k	返回匹配的记录
LEFT JOIN	SELECT * FROM A LEFT JOIN B ON A.k=B.k	保留左表全部记录，右表不匹配则为NULL
RIGHT JOIN	SELECT * FROM A RIGHT JOIN B ON A.k=B.k	保留右表全部记录，左表不匹配则为NULL
FULL JOIN	SELECT * FROM A FULL JOIN B ON A.k=B.k	保留两表所有记录

6. 子查询（嵌套查询）

• 标量子查询：返回单个值。

  SELECT 姓名 FROM 学生  
  WHERE 学号 = (SELECT MAX(学号) FROM 学生);  

• IN/NOT IN 子查询：返回集合。

  SELECT 姓名 FROM 学生  
  WHERE 学号 IN (SELECT 学号 FROM 选课 WHERE 课程号='C01');  

• EXISTS/NOT EXISTS 子查询：检查存在性。

  SELECT 课程名 FROM 课程 C  
  WHERE EXISTS (SELECT * FROM 选课 WHERE 课程号=C.课程号);  

  7. 聚合函数与分组

  函数	功能	示例
  COUNT	统计行数	SELECT COUNT(*) FROM 学生
  SUM	求和	SELECT SUM(成绩) FROM 选课
  AVG	平均值	SELECT AVG(年龄) FROM 学生
  MAX/MIN	最大值/最小值	SELECT MAX(成绩) FROM 选课

  ---

  8.约束类型

约束	说明	示例
PRIMARY KEY	主键（唯一且非空）	学号 INT PRIMARY KEY
FOREIGN KEY	外键（引用其他表的主键）	FOREIGN KEY (课程号) REFERENCES 课程(课程号)
UNIQUE	唯一约束（允许NULL）	邮箱 VARCHAR(50) UNIQUE
NOT NULL	非空约束	姓名 VARCHAR(20) NOT NULL
CHECK	自定义条件	年龄 INT CHECK (年龄 >= 0)

三、数据库设计

1.设计流程

数据库设计通常分为四个阶段，逐步细化数据模型：

阶段	目标	核心输出	工具/方法
需求分析	明确业务需求与数据范围	数据流图（DFD）、数据字典	用户访谈、文档分析
概念结构设计	抽象实体与关系，建立概念模型	ER图（实体-联系图）	ER建模工具（如Lucidchart）
逻辑结构设计	将概念模型转为逻辑数据模型	关系模式、范式化后的表结构	关系代数、范式理论
物理结构设计	优化存储结构与性能	表空间、索引、分区策略	SQL脚本、性能测试工具

2.需求分析阶段

• 收集需求：与业务方沟通，明确数据范围、处理流程及约束条件。

• 输出文档：

  • 数据流图（DFD）：描述数据流动与处理过程（外部实体、处理、数据存储、数据流）。

  • 数据字典：定义数据项的名称、类型、长度、约束等

3.概念结构设计（ER模型）

1. ER图要素

2. 联系类型

• 1:1（一对一）：如“用户”与“身份证”。

• 1:N（一对多）：如“部门”与“员工”。

• M:N（多对多）：如“学生”与“课程”，需通过关联实体（如“选课记录”）分解。

3. 设计原则

• 高内聚：实体属性紧密相关（如“订单”包含金额、时间，而非“用户地址”）。

• 低冗余：避免重复存储相同数据。

• 明确主键：每个实体必须有唯一标识符。

4.逻辑结构设计（关系模型）

1. ER图转关系模式

• 实体转为表：

  • 读者 → 读者表(读者ID, 姓名, 联系方式)

  • 图书 → 图书表(ISBN, 书名, 作者)

• 联系转为表：

  • M:N联系“借阅” → 借阅表(读者ID, ISBN, 借阅日期, 归还日期)

2. 范式化（Normalization）

范式	要求	示例问题与解决
1NF	属性不可再分（原子性）	将“地址”拆分为省、市、街道。
2NF	消除非主属性对候选键的部分依赖	订单表拆分为“订单头”和“订单明细”。
3NF	消除非主属性对候选键的传递依赖	移除“部门名称”对“员工”的传递依赖。
BCNF	消除主属性对候选键的部分/传递依赖	拆分“课程-教师”表，避免教师决定课程。

3. 反规范化（Denormalization）

• 目的：提升查询性能，适当冗余数据。

• 场景：

  • 频繁JOIN操作的表（如添加“订单总金额”到订单头表）。

  • 统计字段（如“用户订单数”预计算存储）。

5.物理结构设计

 1.存储结构优化

• 索引设计：

  • B+树索引：适合范围查询（如日期范围）。

  • 哈希索引：适合等值查询（如主键查找）。

• 分区策略：

  • 水平分区：按行分片（如按时间分表）。

  • 垂直分区：按列分表（如分离频繁查询字段）。

2. 性能调优

• 查询优化：避免全表扫描，使用覆盖索引。

• 硬件配置：合理分配表空间、日志文件存储位置。

3. 安全性设计

• 权限控制：通过角色（Role）限制用户访问权限。

• 数据加密：传输加密（SSL）、存储加密（AES）。

6.数据库的实施与维护

        数据库正式投入运行之前，还需要完成很多工作。例如，在模式和子模式中加入数据库安全性、完整性的描述，完成应用程序和加载程序的设计，数据库系统的试运行，并在试运行中对系统进行评价。如果评价结果不能满足要求，还需要对数据库进行修正设计，直到满意为止。数据库正式投入使用，也并不意味着数据库设计生命周期的结束，而是数据库维护阶段的
开始。

        

7.分布式数据库

术语	说明
分片透明	用户或应用程序无需知道逻辑上访问的表具体如何分块存储。
复制透明	用户无需知道数据被复制到哪些节点或如何复制。
位置透明	用户无需知道数据存放的物理位置。
逻辑透明	用户或应用程序无需知道局部场地使用的数据模型（如关系型、文档型等）。
共享性	数据存储在不同节点，但可被全局共享。
自治性	每个节点对本地数据具有独立管理能力（如独立的事务处理、权限控制）。
可用性	当某一场地故障时，系统可自动使用其他场地的副本，保证服务不中断。
分布性	数据物理上存储在不同地理位置的节点上，支持分布式存储与访问。

四、关系数据库规范化理论

1.规范化理论的目标

1. 消除数据冗余：避免重复存储相同数据。

2. 减少数据异常：

   • 插入异常：无法插入部分数据（如未选课的学生无法单独存在）。

   • 删除异常：删除数据时丢失必要信息（如删除最后一门课程导致教师信息丢失）。

   • 更新异常：修改数据需更新多处（如修改部门名称需更新所有员工记录）。

2.函数依赖与键

1. 函数依赖（Functional Dependency, FD）

• 定义：若属性集X唯一确定属性集Y的值，则称 Y函数依赖于X，记作 X → Y。

• 示例：学号 → 姓名，课程号 → 课程名。

2. 候选键（Candidate Key）

• 定义：能唯一标识关系中所有属性的最小属性集合。

• 求法：通过属性闭包（X⁺）验证是否可推导出全部属性。

3. 主键（Primary Key）

• 定义：从候选键中选择一个作为唯一标识符。

3.范式（Normal Form）详解

1. 第一范式（1NF）

• 要求：所有属性都是原子值（不可再分）。

• 示例：
  原表（不满足1NF）：

  订单号	产品信息（产品ID, 数量）
  1001	(P001, 2), (P002, 1)

  规范化后：

  订单号	产品ID	数量
  1001	P001	2
  1001	P002	1

2. 第二范式（2NF）

• 要求：满足1NF，且非主属性完全依赖于候选键（消除部分依赖）。

• 示例：
  原表（存在部分依赖）：

  学号	课程号	姓名	成绩

  • 候选键：(学号, 课程号)

  • 问题：姓名仅依赖学号，存在部分依赖。

  规范化后：

  • 学生表：学生(学号, 姓名)

  • 选课表：选课(学号, 课程号, 成绩)

3. 第三范式（3NF）

• 要求：满足2NF，且非主属性不传递依赖于候选键（消除传递依赖）。

• 示例：
  原表（存在传递依赖）：

  员工ID	姓名	部门ID	部门名称

  • 候选键：员工ID

  • 问题：部门名称通过部门ID传递依赖于员工ID。

  规范化后：

  • 员工表：员工(员工ID, 姓名, 部门ID)

  • 部门表：部门(部门ID, 部门名称)

4. BCNF（Boyce-Codd范式）

• 要求：满足3NF，且所有非平凡函数依赖的决定因素都是候选键。

• 示例：
  原表（不符合BCNF）：

  学生	课程	教师

  • 函数依赖：教师 → 课程（教师决定课程，但教师不是候选键）。

  规范化后：

  • 教师课程表：教师课程(教师, 课程)

  • 学生选课表：学生选课(学生, 课程)

5. 第四范式（4NF）

• 要求：消除多值依赖（即属性间独立多值关系）。

• 示例：
  原表（存在多值依赖）：

  员工	技能	语言
  张三	编程	中文
  张三	设计	英文

  • 问题：技能与语言独立多值依赖员工。

  规范化后：

  • 员工技能表：员工技能(员工, 技能)

  • 员工语言表：员工语言(员工, 语言)

4.规范化分解方法

1. 分解原则

• 无损连接性：分解后的关系通过自然连接可恢复原关系。

• 保持函数依赖：分解后的函数依赖集与原集等价。

2. 分解步骤

1. 确定候选键：通过函数依赖集推导候选键。

2. 分析范式级别：检查部分依赖、传递依赖等。

3. 分解关系模式：按范式要求拆分表。

4. 验证无损连接与依赖保持：确保分解正确性。

3. 示例：分解到3NF

• 原关系：订单(订单号, 客户号, 客户名, 商品号, 数量)

• 函数依赖：

  • 订单号 → 客户号

  • 客户号 → 客户名

• 分解：

  • 订单(订单号, 客户号, 商品号, 数量)

  • 客户(客户号, 客户名)

五、事务与并发控制

1. 事务特性（ACID）

   • 原子性（Atomicity）：事务要么全执行，要么全不执行。

   • 一致性（Consistency）：事务执行后数据库保持一致状态。

   • 隔离性（Isolation）：事务间互不干扰。

   • 持久性（Durability）：事务提交后结果永久保存。

2. 并发问题

   问题	描述	示例
   脏读（Dirty Read）	事务A读取了事务B未提交的数据，事务B回滚导致数据不一致。	事务B修改余额未提交，事务A读取到未提交的余额（后B回滚，A读到错误数据）。
   不可重复读（Non-repeatable Read）	事务A多次读取同一数据，期间事务B修改了该数据，导致A两次读取结果不同。	事务A第一次读取库存为10，事务B修改为5后提交，事务A再次读取库存为5。
   幻读（Phantom Read）	事务A按条件查询数据，期间事务B插入或删除了符合条件的数据，导致A两次结果行数不同。	事务A查询年龄>20的学生有5人，事务B插入一条新记录后，事务A再查得到6人。

3. 封锁协议

   锁类型	描述	兼容性
   共享锁（S锁）	读锁，允许多事务并发读同一资源。	与S锁兼容，与X锁不兼容。
   排他锁（X锁）	写锁，事务独占资源，其他事务不可读写。	与所有锁（包括自身）不兼容。

   锁协议：两阶段锁协议（2PL）：

   • 加锁阶段：事务可申请锁，但不能释放锁。

   • 解锁阶段：事务可释放锁，但不能申请新锁。

   • 作用：保证可串行化调度，但可能导致死锁。

4. 隔离级别

级别	脏读	不可重复读	幻读
READ UNCOMMITTED	✔	✔	✔
READ COMMITTED	✘	✔	✔
REPEATABLE READ	✘	✘	✔
SERIALIZABLE	✘	✘	✘

5.死锁处理

1. 死锁产生条件

• 互斥：资源只能被一个事务独占。

• 占有且等待：事务持有资源并等待其他资源。

• 不可抢占：资源只能由持有者释放。

• 循环等待：事务间形成环形等待链。

2. 死锁解决方案

• 预防：

  • 一次封锁法：事务一次性申请所有所需资源。

  • 顺序封锁法：按固定顺序申请资源。

• 检测与恢复：

  • 超时机制：事务等待超时后回滚。

  • 等待图检测：定期检测等待环路，选择牺牲者回滚。

六、数据库安全与恢复

1. 安全性

   • 用户权限管理：角色（Role）与授权（GRANT/REVOKE）。

   • 加密技术：传输加密（SSL）、存储加密（AES）。

2. 故障类型与恢复策略

   故障类型	恢复策略	工具/技术
   事务故障	单个事务执行错误（如死锁、超时）	回滚事务（UNDO日志）。
   系统故障	数据库崩溃（如断电、软件错误）	重做已提交事务（REDO日志）。
   介质故障	存储设备损坏（如磁盘故障）	从备份恢复，结合日志重做。

        3.备份与恢复技术

备份类型	说明	优缺点
完全备份	备份整个数据库	恢复快，但占用存储大，耗时。
增量备份	仅备份自上次备份后的变化数据	存储小，但恢复需逐级合并增量。
差异备份	备份自上次完全备份后的变化数据	恢复速度介于完全与增量之间。

        4.日志与检查点

• 日志文件（Log File）：

  • UNDO日志：记录事务修改前的数据，用于回滚。

  • REDO日志：记录事务修改后的数据，用于重做。

• 检查点（Checkpoint）：

  • 定期将内存中的脏页（Dirty Page）写入磁盘，缩短恢复时间。

  • 示例：MySQL的innodb_fast_shutdown参数控制检查点行为。

        5.高可用与容灾技术

技术	原理	应用场景
主从复制	主库同步数据到从库，从库提供读服务。	读写分离，负载均衡。
双机热备	主备服务器实时同步，故障时自动切换。	金融、医疗等高可用需求系统。
分布式数据库	数据分片存储，多副本容灾。	海量数据、高并发场景（如电商大促）。

七、数据库优化

1. 查询优化

   • 执行计划分析：通过EXPLAIN查看SQL执行路径。

   • 索引优化：B+树索引、哈希索引的适用场景。

2. 表结构优化

   • 反规范化：适当冗余减少连接操作。

   • 垂直/水平分表：拆分大表提升性能。

---

八、新技术与扩展

1. NoSQL数据库

   • 类型：键值存储（Redis）、文档型（MongoDB）、列存储（HBase）、图数据库（Neo4j）。

   • CAP理论：一致性（Consistency）、可用性（Availability）、分区容错性（Partition Tolerance）。

2. 大数据与分布式数据库

   • Hadoop生态系统：HDFS、MapReduce。

   • NewSQL：TiDB、Spanner，兼顾关系模型与分布式扩展。