数据库第一章——数据库系统概论

基本概念

数据库

数据库定义:是一种依照特定数据模型组织、存储和管理数据的文件集合。这些文件一般存放在外部存储器中，以便长久保存数据，并可快速访问。

特点

• 由数据库管理系统软件管理
• 结构化

数据库与普通数据文件的主要区别(重要)

• 数据库可以支持不同应用对数据共享访问，普通数据文件难以支持。
• 数据库可实现复杂的数据管理，普通数据文件难以实现。
• 数据库可独立于应用程序，普通数据文件与应用程序紧耦合。
• 数据库的操作访问与控制管理由数据库管理系统软件实现；普通数据文件的操作访问与控制管理，都必须由应用程序实现

数据模型

数据模型定义：指描述事物对象的数据结构组成、数据语义联系、数据约束的抽象结构及其说明

• 数据结构
• 数据操作
• 数据约束

不同的数据库变化的是数据模型

数据库使用的数据模型

• 层次数据模型（现在已经不适用）
  • 思想：采用"树"结构来组织、存储和管理数据
    
• 网状数据模型
  • 思想："网状图"来组织、存储和管理数据
    
• 关系数据模型（经久不衰至，今任使用）
  • 思想："二维表"来组织、存储和管理数据 ，并以关联列（共享列）实现表之间的联系
  • 优点
    • 数据结构简单、操作灵活
    • 支持关系和集合的运算
    • 支持SQL
    • 广泛的用户基础
  • 局限
    • 只用于结构化数据的组织与存储管理
    • 支持的数据类型简单
  • 对象组织
    • 用户表:存储用户的应用数据
    • 系统表:存储数据库系统自身数据
    • 视图:通过虚拟表实现数据查询处理
    • 索引:通过目录数据结构支持快速的数据查询
    • 约束:对关系表及其数据施加规则
    • 存储过程:在数据库内部实现特定数据处理的过程程序
    • 触发器 :实现数据操作数据触发自动执行的过程程序
• 其他数据模型（针对不同的情形）

数据库（应用）系统

基于数据库进行数据管理与信息服务的软件系统。由用户、数据库应用程序、数据库管理系统和数据库组成

• 用户：使用人员——程序员、系统分析师、管理员、最终用户
• 应用程序： 在DBMS支持下对数据库中的数据进行访问处理的应用程序
  • 基本功能：输入、连接访问、查询、输出……
• 数据库管理系统（DBMS）：一种专门用来创建数据库、管理数据库、维护数据库，并提供外部对数据库进行访问的系统软件
  • 基本功能：创建、读写改删、维护、执行访问规则、备份和恢复、安全控制……
• 数据库 ：依照特定数据模型组织、存储和管理数据的文件集合
  • 数据内容：用户表（用户数据）、系统表（元数据¹、索引数据、运行数据、其它数据）

功能(重要)

• 创建数据库、数据库表以及其它对象
• 读写、修改、删除数据库表中数据
• 维护数据库结构
• 执行数据访问规则
• 提供数据库并发访问控制和安全控制
• 执行数据库备份和恢复

发展

数据管理技术

• 人工管理阶段
• 文件系统管理阶段
• 数据库系统管理阶段

数据库技术

• 第一代——层次模型、网状模型数据库技术
• 第二代——关系模型数据库技术
• 第三代——面向对象数据库技术和对象-关系数据模型
• 第四代——半结构化，面向互联网应用的非结构化、大规模分布式

数据库技术领域

• 大数据技术:解决传统数据库管理软件不能有效解决的技术问题,如复杂
• 数据挖掘技术
• 商业智能

发展趋势

• 两级发展，大的越大，小的越小
• 行数据访问模式到列数据访问模式
• 结构化到非结构化、半结构化
• 操作型到数据仓库、商业智能数据分析、大数据处理
• 通用到专业领域数据库

问题
1．为什么关系数据库不适合大数据应用处理？
2．结构化数据与非结构化数据有何区别？
3．NoSQL数据库与NewSQL数据库有何区别？
4．通用数据库与领域数据库有何区别？
5．数据库与数据仓库有何区别？
6．大数据分析与数据挖掘有何区别？

解答
1、大数据一般是非结构化的
2、即行数据,存储在数据库里,可以用二维表结构来逻辑表达实现的数据；非结构化数据包括所有格式的办公文档、文本、图片、XML、HTML、各类报表、图像和音频/视频信息等等
3、前者是非关系数据库（对象数据库），后者是既能处理非结构化也能处理结构化
4、领域数据库是专用领域，前者公共处理，两者在性能与支持上有区别
5、数据库通常更关注业务交易处理（OLTP），而数据仓库更关注数据分析层面（OLAP），由此产生的数据库模型上也会有很大的差异。数据库通常追求交易的速度，交易完整性，数据的一致性，等等，在数据库模型上主要遵从范式模型（1NF，2NF，3NF，等等），从而尽可能减少数据冗余，保证引用完整性；而数据仓库强调数据分析的效率，复杂查询的速度，数据之间的相关性分析，所以在数据库模型上，数据仓库喜欢使用多维模型，从而提高数据分析的效率。
6、数据挖掘可以对传统数据进行挖掘，也能对大数据进行挖掘，能挖掘数据的内在模式或者说知识，有许多算法；大数据分析面向更广泛的数据进行统计分析，也包含挖掘，两者有交叉

数据库应用系统

类型

• 业务处理系统：商业终端销售系统、酒店系统……
• 管理信息系统（MIS）：人力资源管理系统……
• 决策支持系统：提供辅助决策服务 电信销售大数据决策支持系统

应用结构

• 单机结构：数据存储在一个计算机里，一般冗余度大
• 集中式结构：为多个用户服务，存放在同一个服务器内，通过网络访问，所有处理集中在服务器中
• 客户/服务器结构：解决集中式结构负载过重的问题，客户机程序与数据库服务器分工进行数据处理
• 分布式结构：物理上分布，逻辑上是一个整体，负载能力极强，处理性能强，数据要保证一致性，维护有一定的开销和技术难度

生命周期

• 需求分析：需求获取，采用数据模型定义系统数据组成，以及数据字典
• 系统设计：对系统数据库进行设计，包括系统概念数据模型、系统逻辑数据模型和系统物理数据模型设计
• 系统实现：数据库创建与应用编程实现，主要包括DBMS安装部署、数据库创建、数据对象创建、应用编程实现等方面的工作
• 系统测试：对数据库对象进行测试操作访问，实现数据库功能和性能测试
• 系统运行与维护：在信息系统投入运行过程中，对数据库系统进行定期维护和优化，以保证数据库系统正常地、高效地运行

重点问题

典型数据库管理系统

分类

• 按用途分
  • 统用DBMS——如SQL Server
  • 专业邻域DBMS ——如嵌入式领域的SQLite
• 按用户数分
  • 单用户——miniSQL
  • 多用户——MySQL
• 按系统部署分类
  • 集中式——Access
  • 分布式 ——Oracle Database
• 按使用场景分类
  • 桌面级——Access
  • 企业级——DB2、Oracle Database、Sybase ASE
• 按软件版权分类
  • 产品——SQL Server
  • 开源 ——My SQL

桌面和企业级DBMS比较
桌面级应用于小规模,单用户场景。功能简单、体量小、处理能力弱。通常仅支持单一语言的应用程序开发
企业级应用于大规模，多用户使用场景。功能完善、软件体量大、处理能力强，安全性、可靠性更强。支持多种语言的应用程序开发。

典型数据库管理系统

• ACCESS——微软公司推出的桌面数据库管理系统
• SQL SERVER——微软公司推出的商用数据库管理系统
• OracleDatabase——甲骨文公司推出的企业级数据库管理系统 ——支持云计算服务
• IBMDB2——|BM公司推出的企业级数据库管理系统 Sybase
• ASE——Sybase公 司推出的企业级数据库管理系统
• MySql——应用广 泛的开源关系数据库管理系统
• PostgreSQL——技术领先的开源对象-关系数据库管理系统 ——支持面向对象（重要，熟练使用！！）
• Sybase SQL Anywhere——Sybase推出的移动计算数据库管理系统
• SQLite——开源的轻量级嵌入式数据库管理系统

---

1. 元数据是描述数据库内数据的结构和建立方法的数据。创建对象时就产生并存储到数据库里 ↩︎