自学内容网 自学内容网

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。


原文地址:https://blog.csdn.net/qq_30333063/article/details/142812728

免责声明:本站文章内容转载自网络资源,如本站内容侵犯了原著者的合法权益,可联系本站删除。更多内容请关注自学内容网(zxcms.com)!