第十二讲数据库技术的应用与发展.pptVIP

第十二讲 数据库技术的应用与发展 本章要点 数据库技术的应用 数据库技术的发展 云存储技术及云数据库 12.1 数据库技术的应用 12.1.1数据仓库的概念、特点与组成 数据仓库的概念 数据仓库就是一个面向主题的（Subject Oriented）、集成的（Integrate）、相对稳定的（Non-Volatile）、反映历史变化（Time Variant）的数据集合，通常用于辅助决策支持（DDS） 操作数据库系统与数据仓库区别 数据库用于事务处理 数据库作为数据资源用于管理业务中的事务处理。它已经成为了成熟的信息基础设施。 数据库中存放的数据基本上是保存当前数据，随着业务的变化随时在更新数据库中的数据。 不同的管理业务需要建立不同的数据库。例如，银行中储蓄业务、信用卡业务分别要建立储蓄数据库和信用卡数据库。 数据仓库用于决策分析 数据库用于事务处理，数据仓库用于决策分析 数据库保持事务处理的当前状态，数据仓库既保存过去的数据又保存当前的数据 数据仓库的数据是大量数据库的集成 对数据库的操作比较明确，操作数据量少。对数据仓库操作不明确，操作数据量大 操作数据库系统和数据仓库的区别 联机事务处理（OLTP） 联机事务处理（On Line Transaction Processing，OLTP）是在网络环境下的事务处理工作，以快速的响应和频繁的数据修改为特征，使用户利用数据库能够快速地处理具体的业务。 OLTP应用要求多个查询并行，以便将每个查询分布到一个处理器上。 OLTP的特点在于事务处理量大，但事务处理内容比较简单且重复率高。 OLTP处理的数据是高度结构化的，涉及的事务比较简单，数据访问路径是已知的，至少是固定的。 OLTP面对的是事务处理操作人员和低层管理人员 联机分析处理（OLAP） 决策分析需要对多个关系数据库共同进行大量的综合计算才能得到结果。 E.F.Codd在1993年提出了多维数据库和多维分析的概念，即联机分析处理（On Line Analytical Processing，OLAP）概念。 关系数据库是二维数据（平面），多维数据库是空间立体数据。 OLAP的基本思想是决策者从多方面和多角度以多维的形式来观察企业的状态和了解企业的变化。 OLTP vs. OLAP 12.1.2数据仓库的数据模型 一个数据仓库建立在多维数据模型，多维数据模型把数据看成数据立方体的形式 有关多维数据模型的几个概念：维、维类别、维属性、度量、粒度及分割等 数据仓库语义中，一个n-D底层方体称为基本方体。最高层的0-D存放最高层的汇总，称为顶点方体。所有的方体格组成了立方体 关于数据综合级别与粒度的确定:一般把数据分成四个级别：早期细节级、当前细节级、轻度综合级、高度综合级 一个数据立方体允许以多维对数据模型进行观察 维表：例如产品的维表包含属性（产品名，品牌，类型），时间的维表包含属性（日，星期，月，季度，年） 事实表：包含度量（如产品销售总量）以及每个相关维表的关键字 多维数据模型的物理实现 多维数据库（MDDB）,其数据是存储在大量的多维数组中，而不是关系表中 ,与之相对应的是多维联机分析处理（MOLAP） 关系数据库是存储OLAP数据的另一种主要方式。与之对应的是关系联机分析处理（ROLAP） 12.1.3数据仓库的数据挖掘 数据泛滥问题： 自动数据收集工具和成熟的数据库技术使得大量数据存储于数据库，数据仓库以及其他信息库 我们数据丰富但信息贫乏 解决办法：数据仓库和数据挖掘 数据仓库和联机分析处理 大型数据库中的有趣知识（规则和模式） 数据挖掘的概念 数据挖掘(Data Mining)，就是从大量数据中获取有效的、新颖的、潜在有用的、最终可理解的模式的非平凡过程，简单的说，数据挖掘就是从大量数据中提取或“挖掘”知识，又被称为数据库中的知识发现(Knowledge Discovery in Database, KDD) 欺骗性检测和管理 12.2 数据库技术的发展 数据库技术与网络通信技术、人工智能技术、面向对象程序设计技术、并行计算技术等互相渗透，互相结合，成为当前数据库技术发展的主要特征，涌现出各种新型的数据库系统 12.2.1 分布式数据库 分布式数据库：分布在不同物理结构上的独立数据库集合起来的系统，在逻辑上属于同一系统，但在物理结构上是分布式的 同构系统(Homogeneous)：所有的站点都使用相同的数据库管理系统，它们之间相互熟悉并合作处理客户的需求 异构系统(Heterogeneous)：不同的站点有不同的模式和不同的数据库管理系统。站点之间相互不熟悉，所以在事务处理过程中，它们仅仅提供有限的功能 分布式数据库的优缺点 优点： （1）灵活的体系结构 （2）数据共享 （3