《数据库原理与应用》学习笔记(一):概论
数据库系统概述
发展历史
1968年,IBM公司推出层次模型:IMS(information management system)数据库管理系统。
1969年,DBTG(database task group)发表的一系列报告中提出了网状模型。
1970年,E.F.Codd博士发表了关系模型的著名论文。数据库的基本术语
1.数据
凡是计算机中用来描述事物属性特征的记录都统称为数据。
2.数据库(DB)(DataBase)
长期储存在计算机中的,有组织的,可共享的的数据集合,主要特征有:实现数据共享;减少数据的冗余度;保持数据的一致性;数据的独立性;安全保密性;并发控制;故障恢复。
3.数据库管理系统(DBMS)(DataBase Management System)
数据库管理系统是专门用来建立和管理数据库的一套软件,介于应用程序和操作系统之间。为用户提供应用程序访问DB的方法,可以定义DB,查找,更新和各种数据控制。
4.数据库系统(DBS)(DataBase System)
数据库系统由DB,DBMS,应用程序,数据库管理员DBA(DataBase Administrators)和用户组成,其中数据库管理员包括设计人员,系统分析人员和应用程序员。
其特点有:共享性高;冗余度低;易扩充;由DBMS统一管理和控制,数据独立性高。数据管理技术的发展历史
三个重要的发展过程:人工管理阶段;文件系统阶段;数据库管理阶段(数据库系统区别于文件型数据库的一大特点是数据结构性高)数据模型
1.数据的三个范畴
现实范畴,信息范畴和机器范畴。简单地说,首先将现实世界抽象为信息世界,这时还是一个概念模型,不具备被机器识别的能力,要进一步转化为机器范畴,使机器可以识别。
2.信息范畴的一些术语:(1)实体:客观存在的事物;(2)实体集:性质相同的同类实体的集合;(3)属性:实体的每一个特性都称为属性;(4)码:能唯一识别每个实体的属性或属性集成为码。
3.机器范畴的一些术语:(1)字段:记录实体属性的命名单位(即某一表中的表头);(2)记录:字段的有序集合称为记录(即所有表头的有序集合,比如一个学生的学号,姓名,性别)(3)文件:同一类型记录的汇集称为文件;(4)码:能唯一标识某实体的记录称为码。数据模型的组成要素及分类
1.组成要素:数据结构,数据操作和完整性约束三要素组成。
其中,数据结构描述了系统的静态性(在进行操作时数据结构不会改变);数据操作描述了系统的动态性(即可以灵活的对数据进行插入,删除等操作);完整性约束则是一套完整性规则的集合(比如性别只能选择男或女)
2.数据模型的分类:
第一类:概念模型,用户可以看懂的,面向人类的模型(ER图)。面向对象的(UML图)
第二类:结构化数据模型:面向计算机的,人估计看不太懂的模型(层次模型,网状模型,关系模型和面向对象模型)。常用的数据模型
1.层次模型:一对多的树。(对树不了解的可以去翻一下离散数学)
2.网状模型:多对多的图。(依旧是离散数学)
3.关系模型(最常用):二维表
详细的数据模型介绍将在下一章总结中介绍。数据库系统结构
1.数据库系统结构由三级模式结构组成,即外模式,内模式和模式。
外模式:是模式的一个子集,因为外模式只展示部分数据间的逻辑和特征。用户可见,某一系统给你展示的信息,比如登录教务系统查看成绩单时的可见信息。
模式:概念级,是对数据库中所有数据的逻辑和特征的描述,比如一张数据库表格的所有表头。
内模式:所有数据在机器内部的储存模式。
2.对应三级模式,存在两种映射。
3.数据库的三级结构保证了它的物理独立性(应用程序和机器储存的数据之间独立)和逻辑独立性(应用程序和模式间独立)。
比如在数据库中更新了某一个表头的名称,此时只需要改变映射,不需要再改变应用程序,同样的,在改变了机器中存储的数据时也不需要改变应用程序。DBMS的主要功能:
定义数据库(create);
控制数据库(比如primary不能重复);
数据库储存;
数据库维护(突然断电!等情况发生后要及时恢复数据)
数据库字典(数据库记录数量访问次数及三级结构的定义);
《数据库原理与应用》学习笔记(一):概论相关推荐
- 逻辑斯蒂回归_逻辑斯蒂回归详细解析 | 统计学习方法学习笔记 | 数据分析 | 机器学习...
本文包括: 重要概念 逻辑斯蒂回归和线性回归 二项逻辑斯谛回归模型 逻辑斯蒂回顾与几率 模型参数估计 多项逻辑斯谛回归 其它有关数据分析,机器学习的文章及社群 1.重要概念: 在正式介绍逻辑斯蒂回归模 ...
- 统计学习方法 学习笔记(十):决策树
这一个学习笔记将要了解决策树,在研一上机器学习这门课的时候,老师在讲到这一节的时候,举了一个例子我现在还能记得:你们坐在这里上课,就像这个决策树一样,在你人生中的每一个重要结点,你都做出了选择,经过多 ...
- 统计学习方法 学习笔记(五):支持向量机(下)
通过支持向量机(上)和支持向量机(中)的介绍,对支持向量机应该有点感性的认识啦!在这个学习笔记中,来继续探寻带核函数的支持向量机(解决如下图所示的问题) 对解线性分类问题,线性分类支持向量机是一种非常 ...
- 统计学习方法 学习笔记(1)统计学习方法及监督学习理论
统计学习方法及监督学习理论 1.1.统计学习 1.1.1.统计学习的特点 1.1.2.统计学习的对象 1.1.3.统计学习的目的 1.1.4.统计学习的方法 1.1.5.统计学习的研究 1.1.6.统 ...
- 统计学习方法读书笔记(六)-逻辑斯蒂回归与最大熵模型(迭代尺度法(IIS))
全部笔记的汇总贴:统计学习方法读书笔记汇总贴 逻辑斯谛回归 (logistic regression )是统计学习中的经典分类方法.最大熵是概率模型学习的一个准则,将其推广到分类问题得到最大熵模型(m ...
- 统计学习方法读书笔记(九)-EM算法及其推广
全部笔记的汇总贴:统计学习方法读书笔记汇总贴 EM算法用于含有隐变量(hidden variable)的概率模型参数的极大似然估计,或极大后验概率估计.EM算法的每次迭代由两步组成:E步,求期望(ex ...
- 《统计学习方法第二版》学习笔记1——概论
第1章 统计学习及监督学习概率论 目录 第1章 统计学习及监督学习概率论 前言 1 理论部分 1.1 统计学习 1.2 统计学习的分类 1.3 统计学习方法三要素 1.4 模型评估与模型选择 1.5 ...
- 机器学习:《统计学习方法》笔记(一)—— 隐马尔可夫模型
参考:<统计学习方法>--李航:隐马尔可夫模型--码农场 摘要 介绍隐马尔可夫模型的基本概念.概率计算.学习方法.预测方法等内容. 正文 1. 基本概念 隐马尔可夫模型是关于时序的模型,描 ...
- 统计学习方法 读书笔记(五)
读书笔记仅供个人学习使用 本文主要参考书籍为<统计学习方法>(李航)第二版 参考 Sunning_001的博客 决策树 决策树的定义 if-then 的理解 条件概率分布的理解 决策树学习 ...
- 统计学习方法 - 第1章 - 概论
全书章节 第1章 统计学习方法概论 第2章 感知机 第3章 k近邻法 第4章 朴素贝叶斯法 第5章 决策树 第6章 逻辑斯谛回归与最大熵模型 第7章 支持向量机 第8章 提升方法 第9章 EM算法及其 ...
最新文章
- SWTBOK測试实践系列(1) -- 測试在项眼下期的评审投入划算吗?
- C语言实现克拉茨Collatz序列(附完整源码)
- apache weblogic ssl linux,apache基于ssl配置weblogic(完结篇)
- python 自动化出报表,python实现报表自动化详解
- UNIX/Linux系统管理技术手册(1)----脚本和shell
- 部分添加epel源失败的可以试试直接把mirror站网址写到baseurl里
- linux下bus、devices和platform的基础模型 【转】
- GDB调试字符数组时指针和数组区别的体现
- java中使用switch case报错case expressions must be constant expres
- 北邮数电 爱课堂答案 Verilog专题
- 电脑无法进入路由器192.168.1.1的解决办法
- 推荐网络带宽控制软件Netlimiter
- 已解决ImportError: Pandas requires version ‘2.0.1‘ or newer of ‘xlrd‘ (version ‘1.2.0‘ currently instal
- 失去后才发现一直都爱
- Asterisk电子传真-5
- 万字长文带你探究 Docker 容器化技术背后的黑科技
- IAR中使用IELFTOOL进行软件代码checksum的生成和添加
- C语言中 指针变量 取地址符的用法 *指针变量名的用法
- 监听settings
- 咸阳哪里学计算机,咸阳计算机进修学院