6+第六章+数据库技术讲述.ppt

* * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * 6.4 数据库在管理信息系统中的应用 数据库技术在各行各业中已得到广泛应用。以下是一些数据库应用的经典案例： 案例1：网上填报高考志愿——访问国家教育部的数据库系统 案例2：购买火车票、飞机票——访问全国铁路、航空数据库系统 案例3：到银行取钱——访问银行的数据库系统 案例4：在学校选课——访问学校的学籍管理数据库系统 案例5：到图书馆借书——访问图书馆的数据库系统 案例6：上网浏览、网上购物——访问网站的后台数据库系统 数据库系统是管理信息系统的核心，也是衡量管理信息系统的标准。可以这么说，数据库系统在管理信息系统中的地位就好像发动机在飞机中的地位一样。 6.4 数据库在管理信息系统中的应用 Web环境下的数据库访问 通常情况下，网站的后台支撑技术是数据库。因为在实际应用中，网站需要保存大量的数据。简单来说，用户只要能够连接到因特网并且安装了Web浏览器，就能够操作数据库。 其过程是：用户向Web服务器发出数据操作请求；Web服务器收到请求以后，按照特定的方式将请求转发给数据库服务器；数据库服务器执行这些请求并将结果数据返回给Web服务器；Web服务器则以页面的形式将结果数据返回用户的Web浏览器；用户通过Web浏览器查看请求结果。 6.5 数据挖掘 数据挖掘是一个与数据库技术紧密相关的正在迅速发展的新兴交叉应用领域，它在许多领域包括市场营销、库存管理、质量控制、借贷风险管理、欺诈检测和投资分析等的决策支持活动中扮演着越来越重要的角色。 简单地讲，数据挖掘就是从大量数据中挖掘或抽取出知识。它是一个从大量数据中抽取、挖掘出未知的、有价值的模式或规律等知识的复杂过程。数据挖掘涉及人工智能、机器学习、统计学、数据库系统等多领域技术。 数据挖掘活动不同于传统的数据库查询，数据挖掘是寻找确定以前未知的模式，而数据检索是查找已经存储好的事实。 6.5 数据挖掘 数据挖掘：从大量数据中挖掘或抽取出隐藏知识。 数据挖掘涉及领域：人工智能、统计学、在线分析处理、情报检索、机器学习、专家系统（依靠过去的经验法则）和模式识别等诸多方法来实现。 数据挖掘步骤： 数据清洗：清除噪声或无关数据 数据集成：多数据源中的相关数据组合到一起 数据转换：转换为易挖掘的存储形式 数据挖掘：应用多个领域技术发现模式 模式评估：筛选有意义的模式 知识表示：知识表达与利用 6.5 数据挖掘 数据挖掘技术应用的例子在我们的日常生活中随处可见。 “啤酒与尿布”的故事是营销界的神话。“啤酒”和“尿布”两个看上去风马牛不相及的商品要放在一起进行销售，并获得了很好的销售收益，这看起来像是一个笑话，但实际上这一直被商家所津津乐道的正是发生在美国沃尔玛连锁超市的真实案例。 在美国，妇女通常在家照顾孩子，她们经常会嘱咐丈夫在下班回家路上去超市给孩子买尿布，而丈夫在买尿布的同时又会顺手购买自己爱喝的啤酒。发现这个有趣的现象后把两种商品摆放在一起，使尿布和啤酒的销量大幅增加。这种现象就是卖场中商品之间的关联性。 按常规思维，尿布与啤酒是很难联系到一起的，若不是借助数据挖掘技术对大量交易数据进行挖掘分析，沃尔玛是不可能发现数据内在这一有价值的规律的。 6.6 常见的数据库管理系统 6.6.1 Access 6.5 常见的数据库管理系统 6.6.2 SQL Server 6.5 常见的数据库管理系统 6.6.3 MySQL 6.5 常见的数据库管理系统 6.6.4 Oracle 第六章 计算思维案例 抽象和分解是计算思维的两个重要特征。设计一个数据库，本身就体现了计算思维抽象和分解的过程。 在本章中需要在计算机上建立数据库，需要根据系统的需求，将客观世界的信息转化成计算机系统中的二进制信息。由于客观世界的复杂性，直接完成这种转换是非常复杂和困难的。 因此，在数据库设计中，将建模分成了三个层次：概念数据模型、逻辑数据模型和物理数据模型。 案例1 数据库 第六章 计算思维案例 设计者依次在这三个层次上进行建模，分别完成一定的信息转换，最终完成客观世界信息到计算机系统中二进制信息的转换。这就是一种将复杂问题进行分解而得到答案的例子。 以上抽象思维的结果需要在计算机上实现，这体现了自动化这个本质，也是将理论成果应用于技术实践的过程。自动化隐含着需要某类计算机(可以是机器或人，或两者的组合)去解释抽象。 案例1 数据库 第