第10章数据库新技术概述.pptVIP

第10章数据库新技术概述 10.1分布式数据库 10.2 面向对象数据库 10.3 数据仓库 10.4 数据挖掘技术 （3）数据库模式 在数据仓库的建模技术中，常用的有星型模式和雪花模式。下面介绍星型模式和雪花模式中事实表和维表的关联方式。 ①星型模式 ②雪花模式 10.3.4 数据仓库工具 数据仓库工具是数据仓库系统的一个重要组成部分，主要有数据抽取和转换工具和前端数据访问和分析工具。 （1）数据抽取和转换工具 传统的关系型数据库管理系统也许不能全面满足对数据抽取和转换的功能需要，数据仓库体系结构设计人员可以根据具体的需要选择合适的数据抽取和转换工具，与数据库管理系统相结合，全面实施数据抽取和转换。 （2）前端数据访问和分析工具 目前市场上能获得的数据访问和分析工具种类繁多，主要有关系型查询工具、关系型数据的多维视图工具、DSS/EIS软件包和客户机/服务器工具等四大类。 ①关系型查询工具 ②关系型数据的多维视图工具 ③DSS/EIS工具 ④客户机/服务器工具 数据挖掘(Data Mining)是指对数据进行深入地研究，从超大型数据库（VLDB）或数据仓库中发现事先未注意到的，但是潜在有用的信息和知识，它综合了人工智能、机器学习、统计学等技术，是应用数据仓库进行决策支持的关键技术。数据仓库、OLAP和数据挖掘是作为三种独立的信息处理技术出现的，用数据仓库存储和组织数据，数据的分析由OLAP集中完成，数据挖掘则致力于知识的自动发现。 数据库原理及应用 * 第三章 本章要点 分布式数据库的概念、特点和体系结构 面向对象数据库的理论和实现方法 数据仓库技术 数据挖掘技术 新一代的数据库技术主要体现在以下几个方面： (1) 整体系统方面，相对传统数据库而言，在数据模型及其语言、事务处理与执行模型、数据库逻辑组织与物理存储等各个方面，都集成了新的技术、工具和机制。属于这类数据库新技术的有：面向对象数据库（Object-Orient Database），主动数据库（Active Database），实时数据库（Real-Time Database）。 (2) 体系结构方面，不改变数据库基本原理，而是在系统的体系结构方面采用和集成了新的技术。属于这方面的数据库新技术有：分布式数据库（Distributed Database），并行数据库（Parallel Database），数据仓库（Data Warehouse）。 (3) 应用方面，以特定应用领域的需要为出发点，在某些方面采用和引入一些非传统数据库技术，加强系统对有关应用的支撑能力。 属于这类的数据库新技术有： 工程数据库（Engineering Database），支持CAD、CAM、CIMS等应用领域，空间数据库（Spatial Database），包括地理数据库（Geographic Database），支持地理信息系统（GIS）的应用，科学与统计数据库（Scientific and Statistic Database），支持统计数据中的应用，超文档数据库（Hyperdocument Database），包括多媒体数据库（Multimedia Database）。 10.1.1 分布式数据库系统的概念 分布式数据库系统中数据库的数据存储在物理上分布在计算机网络的不同计算机中，系统中每一台计算机被称为一个结点（或场地）。在逻辑上是属于同一个系统。其一般结构如图10-1所示。 图10-1 分布式数据库系统 服务器1 服务器2 服务器3 数据 库1 数据 库2 数据 库3 服务器4 数据 库4 计算机 网 络 局部应用1 局部应用3 局部应用2 局部应用4 全局应用 图10-1 分布式数据库系统 10.1.2 分布式数据库系统的特点 分布式数据库系统主要有如下几个特点： (1) 数据的物理分布性。 (2) 数据的逻辑整体性。 (3) 结点的自主性。 ①数据独立性。②适当增加数据冗余。③全局的一致性、可串行性和可恢复性。 10.1.3 分布式数据库系统的体系结构 集中式数据库系统具有三级模式结构，分布式数据库系统应该由若干个局部数据模式加上一个全局数据模式构成。全局数据模式用来协调各局部数据模式，使之成为一个整体的模式结构。图为分布式数据库系统模式结构的一个参考模型。 图10-2 分布式数据库系统的模式结构 （1）全局外模式：是全局应用的用户视图