前言
由于笔记复制到CSDN样式失效，没有精力再重新完整的检查并设置一遍样式，有积分的可以前往下载word、pdf、有道云笔记版本。
需要说明的是，下载的内容与本篇分享内容一致，只有样式的区别【比如重点记忆、常考内容有颜色、字号、自重等样式，目录结构更完善，表格不是图片，等】
本章下载地址：
https://download.csdn.net/download/chengsw1993/86261349
如果发现文章存在阅读不同、显示异常等内容，请评论区告知以便修改，应该都是CSDN的markdown语法导致的。
系列文章
上一篇：【软考-软件设计师精华知识点笔记】第八章 算法分析设计
下一篇：【软考-软件设计师精华知识点笔记】第十章 网络与信息安全
基本概念
DBS：数据库系统
DBA：数据库管理员
三级模式-两级映像
内模式：管理如何存储物理的数据，对应具体物理存储文件。基本表文件和索引文件一起构成了数据库系统的内模式
模式：又称为概念模式，就是我们通常使用的基本表，根据应用、需求将物理数据划分成一张张表。
外模式：对应数据库中的视图这个级别，将表进行一定的处理后再提供给用户使用。
外模式-模式映像：是表和视图之间的映射，存在于概念级和外部级之间，若表中数据发生了修改，只需要修改此映射，而无需修改应用程序。
模式-内模式映像：是表和数据的物理存储之间的映射，存在于概念级和内部级之间，若修改了数据存储方式，只需要修改此映射，而不需要去修改应用程序。
数据库设计
需求分析：即分析数据存储的要求，产出物有数据流图、数据字典、需求说明书。
概念结构设计：就是设计E-R图，也即实体-属性图，与物理实现无关，说明有哪些实体，实体有哪些属性。
逻辑结构设计：将E-R图，转换成关系模式，也即转换成实际的表和表中的列属性，这里要考虑很多规范化的东西。
物理设计：根据生成的表等概念，生成物理数据库。
E-R模型
数据模型三要素：数据结构（所研究的对象类型的集合）、数据操作（对数据库中各种对象的实例允许执行的操作的集合）、数据的约束条件（一组完整性规则的集合）。
E-R模型：即实体-联系模型，使用椭圆表示属性（一般没有）、长方形表示实体、菱形表示联系，联系两端要标注联系类型。
联系类型：一对一1：1、一对多1：N、多对多M：N。
属性分类：简单属性和复合属性（属性是否可以分割）、单值属性和多值属性（属性有多个取值）、NULL属性（无意义）、派生属性（可由其他属性生成）。
关系模型
关系模型也即数据库中常用的表，包括实体的属性，标识出实体的主键和外键，如下：
S(Sno,Sname,SD,Sage,Sex) 学生S关系模式，属性为学号、姓名、系、年龄和性别
T(Tno,Tname,Age,Sex) 教师T关系模式，属性为教师号、姓名、年龄和性别
C(Cno,Cname,Pcno) 课程C关系模式，属性为课程号、课程名和先修课程号
SC(Sno.Cno,Grade) 学生选课SC关系模式，属性为学号、课程号和成绩
模型转换
E-R图转换为关系模型：每个实体都对应一个关系模式；联系分为三种：
1：1联系中，联系可以放到任意的两端实体中，作为一个属性（要保证1：1的两端关联）；
1：N的联系中，联系可以单独作为一个关系模式，也可以在N端中加入1端实体的主键；
M：N的联系中，联系必须作为一个单独的关系模式，其主键是M和N端的联合主键。
关系代数运算
并：结果是两张表中所有记录数合并，相同记录只显示一次。
交：结果是两张表中相同的记录。
差：S1-S2，结果是S1表中有而S2表中没有的那些记录。
笛卡尔积：S1×S2，产生的结果包括S1和S2的所有属性列，并且S1中每条记录依次和S2中所有记录组合成一条记录，最终属性列为S1+S2属性列，记录数为S1乘以S2记录数。
投影：实际是按条件选择某关系模式中的某列，列也可以用数字表示。符号π
选择：实际是按条件选择某关系模式中的某条记录。符号σ
自然连接的结果显示全部的属性列，但是相同属性列只显示一次，显示两个关系模式中属性相同且值相同的记录。
设有关系R、S如下左图所示，自然连接结果如下右图所示：
自然连接和笛卡儿积的关系：以上面为例
笛卡儿积列是A B C A C D，自然连接是A B C D，所以先要投影到1 2 3 6列，再选择值相等的条件。
R⋈S = π₁¸₂¸₃¸₆（σ₁=₄∧₃=₅（R×S） ）
∧表示且
规范化基础
函数依赖
给定一个X，能唯一确定一个Y，就称X确定Y，或者说Y依赖于X，表示方法：X→Y，例如Y=X*X函数。
函数依赖又可扩展以下两种规则：
部分函数依赖：A可确定C，（A，B）也可确定C，（A，B）中的一部分（即A）可以确定C，称为部分函数依赖。
传递函数依赖：当A和B不等价时，A可确定B，B可确定C，则A可确定C，是传递函数依赖；若A和B等价，则不存在传递，直接就可确定C。
键与约束
超键：能唯一标识此表的属性的组合。
候选键：超键中去掉冗余的属性，剩余的属性就是候选键。
主键：任选一个候选键，即可作为主键。
外键：其他表中的主键。
主属性：候选键内的属性为主属性，其他属性为非主属性。
实体完整性约束：即主键约束，主键值不能为空，也不能重复。
参照完整性约束：即外键约束，外键必须是其他表中已经存在的主键的值，或者为空。
用户自定义完整性约束：自定义表达式约束，如设定年龄属性的值必须在0到150之间。
*范式【考点】
第一范式1NF：所有属性都不可以再分割为两个或多个分量。
第二范式2NF：当且仅当R是1NF，且每一个非主属性完全依赖主键（不存在部分依赖）时，R就是2NF。比较典型的例子就是候选键是单属性，单属性是不可能存在部分函数依赖的。
第三范式3NF：当且仅当R是2NF，且R中没有非主属性传递依赖于候选键时，R就是3NF（此时，也不会存在部分依赖）。一般解决方法是拆分传递依赖的非主属性为一个新的关系模式。本质就是主键要直接决定所有非主属性，不能通过非主属性间接决定。
BC范式BCNF：R属于BCNF是指 当且仅当其F中每个依赖的决定因素必定包含R的某个候选码，实例如下：
设有关系模式R(S,T,J），依赖集为F={SJ→T,T→J}。
画图可以求出其候选键为（S,T），(S,J）。
凡是求范式都需要先求出候选键，候选键从入度为0的开始，能够遍历整个关系的就是候选键。
数据库安全
事务管理
特性：（操作）原子性、（数据）一致性、（执行）隔离性、（数据改变）持久性
并发控制
问题：脏读、不可重复读、幻读
三级封锁协议
X锁是排它锁（exclusive lock）。若事务T对数据对象A加上X锁，则只允许T读取和修改A，其他事务都不能再对A加任何类型的锁，直到T释放A上的锁。
S锁是共享锁（Share lock）。若事务T对数据对象A加上S锁，则只允许T读取A，但不能修改A，其他事务只能再对A加S锁（也即能读不能修改），直到T释放A上的S锁。
一级封锁协议：事务在修改数据R之前必须先对其加X锁，直到事务结束才释放。一级封锁协议可防止丢失修改，并保证事务T是可恢复的。但不能保证可重复读和不读"脏"数据。
二级封锁协议：一级封锁协议的基础上加上事务T在读数据R之前必须先对其加S锁，读完后即可释放S锁。二级封锁协议可防止丢失修改，还可防止读"脏"数据。但不能保证可重复读。
三级封锁协议：一级封锁协议加上事务T在读取数据R之前先对其加S锁，直到事务结束才释放。三级封锁协议可防止丢失修改、防止读"脏"数据与数据重复读。
两段锁协议：所有事务必须分两个阶段对数据项加锁和解锁。其中扩展阶段是在对任何数据进行读、写操作之前，首先要申请并获得对该数据的封锁；收缩阶段是在释放一个封锁之后，事务不能再申请和获得任何其他封锁。若并发执行的所有事务均遵守两段封锁协议，则对这些事务的任何并发调度策略都是可串行化的。遵守两段封锁协议的事务可能发生死锁。
封锁粒度小则并发性高，但开销大；封锁粒度大则并发性低但开销小，综合平衡照顾不同需求以合理选取适当的封锁的粒度是很重要的。
数据库事务的隔离级别有 4 个，由低到高依次为 Read uncommitted （读未提交）、 Read committed( 读已提交 ) 、 Repeatable read （可重复读）、 Serializable( 序列化 )。这四个级别可以逐个解决脏读、不可重复读、幻读这几类问题。
-
Oracle 支持的 2 种事务隔离级别：READ COMMITED，SERIALIZABLE。Oracle 默认的事务隔离级别为: READ COMMITED
-
Mysql 支持 4 中事务隔离级别，Mysql 默认的事务隔离级别为：REPEATABLE READ
数据库故障
数据库备份
静态转储：即冷备份，指在转储期间不允许对数据库进行任何存取、修改操作；
优点是非常快速的备份方法、容易归档（直接物理复制操作）；
缺点是只能提供到某一时间点上的恢复，不能做其他工作，不能按表或按用户恢复。
动态转储：即热备份，在转储期间允许对数据库进行存取、修改操作，因此，转储和用户事务可并发执行；
优点是可在表空间或数据库文件级备份，数据库扔可使用，可达到秒级恢复；
缺点是不能出错，否则后果严重，若热备份不成功，所得结果几乎全部无效。
完全备份：备份所有数据。
差量备份：仅备份上一次完全备份之后变化的数据。
增量备份：备份上一次备份之后变化的数据。
日志文件：在事务处理过程中，DBMS把事务开始、事务结束以及对数据库的插入、删除和修改的每一次操作写入日志文件。一旦发生故障，DBMS的恢复子系统利用日志文件撤销事务对数据库的改变，回退到事务的初始状态。
分布式数据库
局部数据库位于不同的物理位置，使用一个全局DBMS将所有局部数据库联网管理，这就是分布式数据库。其体系结构加下图所示：
分片模式
水平分片：将表中水平的记录分别存放在不同的地方。
垂直分片：将表中的垂直的列值分别存放在不同的地方。
分布透明性
分片透明性：用户或应用程序不需要知道逻辑上访问的表具体是如何分块存储的。
位置透明性：应用程序不关心数据存储物理位置的改变。
逻辑透明性：用户或应用程序无需知道局部使用的是哪种数据模型。
复制透明性：用户或应用程序不关心复制的数据从何而来。
数据仓库
数据仓库是一种特殊的数据库，也是按数据库形式存储数据的，但是目的不同：数据库经过长时间的运行，里面的数据会保存的越来越多，就会影响系统运行效率，对于某些程序而言，很久之前的数据并非必要的，因此，可以删除掉以减少数据，增加效率，考虑到删除这些数据比较可惜，因此，一般都将这些数据从数据库中提取出来保存到另外一个数据库中，称为数据仓库。
由此可知，数据仓库的目的不是为了应用，是面向主题的，用来做数据分析，集成不同表，而且是相对稳定的，一般不会做修改，同时会在特定的时间点，做大量的插入，反映历史的变化。依据上述，可以提炼出数据仓库的形成过程，如下图所示：
数据挖掘
由上图可知，形成数据仓库后，有两个作用，一个是用来做数据的查询、分析、生成报表。另一个是使用
数据挖掘工具对这些历史数据进行挖掘，查找数据间的关系，发现剩余价值。
数据挖掘的分析方法
关联分析：关联分析主要用于发现不同事件之间的关联性，即一个事件发生的同时，另一个事件也经常发生。
序列分析：序列分析主要用于发现一定时间间隔内接连发生的事件，这些事件构成一个序列，发现的序列应该具有普遍意义。
分类分析：分类分析通过分析具有类别的样本特点，得到决定样本属于各种类别的规则或方法。分类分析时首先为每个记录赋予一个标记（一组具有不同特征的类别），即按标记分类记录，然后检查这些标定的记录，描述出这些记录的特征。
聚类分析：聚类分析是根据“物以类聚”的原理，将本身没有类别的样本聚集成不同的组，并且对每个这样的组进行描述的过程。
商业智能 BI
Bl系统主要包括数据预处理、建立数据仓库、数据分析和数据展现四个主要阶段。数据预处理是整合企业原始数据的第一步，它包括数据的抽取（Extraction）、转换（Transformation)和加载（Load)三个过程（ETL过程）；
建立数据仓库则是处理海量数据的基础；
数据分析是体现系统智能的关键，一般采用联机分析处理（OLAP）和数据挖掘两大技术。联机分析处理不仅进行数据汇总/聚集，同时还提供切片、切块、下钻、上卷和旋转等数据分析功能，用户可以方便地对海量数据进行多维分析。数据挖掘的目标则是挖掘数据背后隐藏的知识，通过关联分析、聚类和分类等方法建立分析模型，预测企业未来发展趋势和将要面临的问题；
在海量数据和分析手段增多的情况下，数据展现则主要保障系统分析结果的可视化。
反规范化技术
由前面介绍可知，规范化操作可以防止插入异常、更新、删除异常和数据冗余，一般是通过模式分解，将表拆分，来达到这个目的。
但是表拆分后，解决了上述异常，却不利于查询，每次查询时，可能都要关联很多表，严重降低了查询效率，因此，有时候需要使用反规范化技术来提高查询效率。
技术手段包括：增加派生性冗余列，增加冗余列，重新组表，分割表。主要就是增加冗余，提高查询效率，是规范化操作的逆操作。
大数据
特点：大量化、多样化、价值密度低、快速化。
大数据和传统数据的比较如下：
要处理大数据，一般使用集成平台，称为大数据处理系统，其特征为：
高度可扩展性、高性能、高度容错、支持异构环境、较短的分析延迟、易用且开放的接口、较低成本、向下兼容性。
SQL语言
SQL语言中的语法关键字，不区分大小写
创建表create table；
指定主键primary key()；
指定外键foreign key()；
修改表alter table；
删除表drop table；
索引index，视图view；
SELECT … FROM table WHERE … GROUP BY … HAVING … ORDER BY … LIMIT …