數(shù)據(jù)庫技術(shù)復(fù)習(xí)-資料下載頁
2025-04-24 22:27本頁面
【正文】 物理模型：實(shí)際上就是把概念模型中的一個(gè)行進(jìn)行分割、并按照列族存儲空的單元格不存儲，未指明時(shí)間戳則返回指定列的最新數(shù)據(jù)值9. 了解在亞馬遜的分布式Key/value數(shù)據(jù)存儲與管理系統(tǒng)Dynamo中，采用的哪些技術(shù)來保證數(shù)據(jù)的可伸縮性和最終一致性。Dynamo綜合了一些著名的技術(shù)來實(shí)現(xiàn)可伸縮性和可用性：數(shù)據(jù)劃分(data partitioned)和使用一致性哈希的復(fù)制(replicated)，并通過對象版本(object versioning)提供一致性。10. 闡述SQL Azure和SQL Server的相同點(diǎn)和不同點(diǎn)。1．物理管理和邏輯管理216。SQL Azure在管理上突出強(qiáng)調(diào)了物理管理，能夠自動復(fù)制所有存儲數(shù)據(jù)以提供高可用性，同時(shí)還可以管理負(fù)載均衡、故障轉(zhuǎn)移等功能 ；216。用戶不能管理SQL Azure的物理資源 ；216。SQL Azure不能使用SQL Server備份機(jī)制，所有的數(shù)據(jù)都是自動復(fù)制備份；2．服務(wù)提供216。部署本地SQL Server時(shí)，需要準(zhǔn)備和配置所需要的硬件和軟件 ；216。用戶在Windows Azure平臺上創(chuàng)建了賬戶后，便可以使用SQL Azure數(shù)據(jù)庫，同時(shí)還可以訪問所有提供的服務(wù) ；216。每個(gè)SQL Azure訂閱都會綁定到微軟數(shù)據(jù)中心的某個(gè)SQL Azure服務(wù)器216。SQL Azure服務(wù)器上的數(shù)據(jù)庫通常會在數(shù)據(jù)中心其他物理機(jī)上進(jìn)行備份。 3．TransactSQL支持216。SQL Azure中由微軟進(jìn)行物理資源的管理，因而這些類型的參數(shù)并不適用于SQL Azure4．特征和類型216。SQL Azure不支持SQL Server的所有特征和數(shù)據(jù)類型。在現(xiàn)今版本的SQL Azure中，不支持分析、復(fù)制、報(bào)表和服務(wù)代理等服務(wù)11. 大數(shù)據(jù)的4V特征是什么？“大量化(Volume)、多樣化(Variety)、快速化(Velocity)、價(jià)值密度低（Value）”就是“大數(shù)據(jù)”的顯著特征，或者說，只有具備這些特點(diǎn)的數(shù)據(jù)，才是大數(shù)據(jù)。12. 分布式數(shù)據(jù)系統(tǒng)的CAP原理的三要素是什么？分布式數(shù)據(jù)系統(tǒng)的CAP原理的三要素：一致性(Consistency) 可用性(Availability) 分區(qū)容忍性(Partition tolerance) 一致性（Consistency）是指執(zhí)行了一次成功的寫操作之后，未來的讀操作一定可以讀到這個(gè)寫入的值。 可用性（Availability）(指的是快速獲取數(shù)據(jù)) ：每一次操作總是能夠在確定的時(shí)間返回 。 分區(qū)容忍性（Partitiontolerance）系統(tǒng)中任意信息的丟失或失敗不會影響系統(tǒng)的繼續(xù)運(yùn)作。13. 幾種主流NoSQL數(shù)據(jù)庫包括哪些？(1) BigTable(2) Dynamo(3) Cassandra(4) HBase(5) Redis(6) MongoDB14. 數(shù)據(jù)倉庫數(shù)據(jù)的基本特征是什么？ （1） 數(shù)據(jù)倉庫的數(shù)據(jù)是面向主題 面向主題是一個(gè)在較高層次上對數(shù)據(jù)進(jìn)行歸類與組織的標(biāo)準(zhǔn)，每個(gè)主題基于對應(yīng)一個(gè)宏觀的決策分析領(lǐng)域。（2）數(shù)據(jù)倉庫的數(shù)據(jù)是集成的 首先要統(tǒng)一原始數(shù)據(jù)中所有矛盾之處，如：同名異義、單位不同、字長不一致等，還要還要把原始數(shù)據(jù)轉(zhuǎn)變?yōu)槊嫦蛑黝}方式組織的決策分析數(shù)據(jù)，然后才能放入數(shù)據(jù)倉庫中。（3）數(shù)據(jù)倉庫的數(shù)據(jù)是不可更新的 數(shù)據(jù)倉庫的數(shù)據(jù)是企業(yè)相當(dāng)一段時(shí)間內(nèi)的歷史數(shù)據(jù)，它主要供企業(yè)決策分析之用，所涉及的操作主要是數(shù)據(jù)查詢，一般沒有更新操作。（4） 數(shù)據(jù)倉庫的數(shù)據(jù)是隨時(shí)間變化的① 數(shù)據(jù)倉庫隨時(shí)間變化不斷增加新的數(shù)據(jù)內(nèi)容。② 數(shù)據(jù)倉庫隨時(shí)間變化不斷刪去舊的數(shù)據(jù)內(nèi)容。③ 數(shù)據(jù)倉庫中包含有大量的綜合數(shù)據(jù)，且隨著時(shí)間的變化不斷地進(jìn)行重新綜合。15. 什么是數(shù)據(jù)挖掘？數(shù)據(jù)挖掘常用的技術(shù)方法哪幾種？ 數(shù)據(jù)挖掘是從超大型數(shù)據(jù)庫（VLDB）或數(shù)據(jù)倉庫中發(fā)現(xiàn)并提取隱藏在內(nèi)的模式的過程，這些模式是有效的、新穎的、有潛在使用價(jià)值的和易于理解的。目的是幫助決策者尋找數(shù)據(jù)間潛在的關(guān)聯(lián)，發(fā)現(xiàn)經(jīng)營者被忽略的要素，而這些要素對預(yù)測趨勢、決策行為也許是十分有用的信息。 此外，數(shù)據(jù)挖掘的對象除傳統(tǒng)數(shù)據(jù)庫和數(shù)據(jù)倉庫外，現(xiàn)在擴(kuò)展到Internet環(huán)境下的Web數(shù)據(jù)挖掘等許多方面。DM的技術(shù)基礎(chǔ)是人工智能，其常用的技術(shù)方法有：人工神經(jīng)網(wǎng)絡(luò)、遺傳算法、決策樹方法、粗集方法等。其它還有鄰近搜索方法、規(guī)則推理、模糊邏輯和公式發(fā)現(xiàn)等。
教學(xué)教案相關(guān)推薦
鄂ICP備17016276號-1