广东海洋大学高级数据库复习重点.docVIP

数据类型的概念：集合、包、列表 .聚集概念与分类 聚集类型（Collection Type）一组相同类型元素组成的并且满足一定要求的集合称为聚集类型。聚集类型也称为集合类型，具体可以分为以下四种： 数组类型（Array Type） 相同类型元素的有序集合，一般而言，数组的大小是预先设置的，例如人名组：[Jhon，Raul，Mary，White] 列表类型（list Type） 相同类型元素的有序集合，但允许一个元素多次出现。作为特例，字符串类型就是列表类型的简化形式 包类型（Bag Type） 相同类型元素的无序集合，但允许一个元素出现多次。也称为多集类型，例如成绩集合{75，80，80，70，80} 集合类型（Set Type） 相同类型元素的无序集合，每个元素只能出现一次，集合类型实际上就是一种关系，因此也称为关系类型。例如课程集合{Maths，DB，Physics}。 时间分为哪些 时间可以分为绝对时间（absolute time）和相对时间（relative time）（又称固定时间和浮动时间） 时间模型：基于对时间轴结构的选择，时间模型可以划分如下几种模型： 1．连续模型（Continuous model） 连续模型把时间看作同构于实数，每一个实数对应于一个时间点。因此，在时间轴的两个时间点之间，可以存在其它的时间点。这种模型能够最精确地为时间建模，但是由于现代计算机基于数字逻辑的工作方式，所以不可能无失真的记录时间。在许多实时控制场合，例如工业控制领域，需要记录大量随时间不断变化的数据。在这种情况下，往往采取采样的方式记录数据变化，对相邻时间点之间的数据采取插值的方法得到。 2．步进模型（Stepwise model） 步进模型把数据的状态看成是时间的函数。当时间点上的数据状态发生变化时才记录状态变化，否则保持不变。在这种模型下，时间序列上任一点上数据的值对应于上一次数据改变时保持的状态，如果要查询当前数据的取值，需要回溯。 3．离散模型（Discrete model） 离散模型把时间和整数映射起来，在相邻的两个时间点之间不存在另一个时间点。任一时间点有前驱和后继时间点。在实际应用中，该模型适用于记录那些在关键时间点上才有意义的数据。 4．恒定模型（Non Temporal model） 有些数据是不随时间变化的，例如：籍贯、出生地等。这些数据只有其本身固有的属性。但是大部分数据在一种情况下没有时态属性，但在另一种情况下往往会有时态属性。例如：住址、身份、工作单位等。在一般情况下，在建模时通常没有充分考虑值随时间变化的情况。如果发生变化时，就采用最新值进行替换。 时间点： 基于点的时间，是将时间离散化，事物或事件的时间属性用时间点表示。用时间点的形式来表示时间元素，这和系统的时间量子及时间粒度的关系较大。 基于点的时间元素（Point－based），又称为时间点（time instant），或称时刻（Time Points）。这种描述方法是把时间看成一个个离散的时间点，这些离散化的时间点的间隔大小适度时，就可以准确地描述现实世界事件发生及变化的状况。 时间区间与时间跨度： 基于区间（Interval－based）的时间元素中，时间的基本单位为时间段或者时间区间（time interval）。即通过描述时间段的起始和终止点来描述时间区间。 时间区间是指一段时间，有固定的起止时间点。时间的区间的表示方法根据两端时间点是否封闭分为4种，如图所示。 时间跨度（time span）是指持续的一段时间，表示时间的长度。在数据库系统内，一般用一个整数表示时间跨度。 与时间区间类似，时间跨度也是表示一段时间；所不同的是，时间跨度没有时间起点，也没有时间终点。 时间粒度与时间量子 时间粒度(time granularity)是指描述时间数据的最小时间单位。表示时间点之间离散化程度的因素就是时间粒度。 时间粒度反映了时态信息系统中时间点描述的最小单位，时间粒度越小，离散的时间点越多，描述的事件的变化信息越精细准确；反之，描述的事件变化的信息越粗糙。 时间粒度的大小，要受到时间量子的约束。系统的时间量子（Chronon）是计算机系统所支持的最小的、不可分割的时间间隔。客观世界中的时间，离散化的程度可以任意的小，但是计算机系统的离散化程度是受到机器性能制约的。可见，时间量子是系统记录时间属性的精确程度的一个度量。时间量子越小，系统记录的精确度越高。 时间元素UC Until Changed(简记UC)主要用于事务时间中的时间变元，表示直到该元组改变的时间，在应用于事务时间中它有比Now更精确的解释语义，并与有效时间中的时间变元Now相区别，但与Now 具有类似的含义。 事务时间（transaction time）是指记录逻辑