八、数据库管理技术的发展

数据库技术发展概述

数据库是管理数据的技术，发展了以数据建模和数据库管理系统核心技术为主，内容丰富、领域宽广的一门学科，带动了一类巨大的软件产业---数据库管理系统（DBMS）产品及其相关的工具和解决方案。
数据模型是数据库系统的核心和基础。

1.数据库技术的发展阶段

• 第一代数据库系统
  1. 层次模型数据库管理系统
     1. 层次模型（网状模型的特例）
     2. 代表：1969年IBM公司研制的层次模型数据库管理系统IMS
  2. 网状模型数据库管理系统
     1. 网状模型
     2. 代表：DBTG所提议的方法是基于网状结构的，是网状模型数据库系统的典型代表
  3. 共同特点
     1. 支持三级模式（外模式、模式、内模式）的体系结构。
     2. 用存取路径来表示数据之间的联系。
     3. 独立的数据定义语言。
     4. 导航的数据操纵语言。
• 第二代数据库系统
  1. 关系数据库系统
     1. 关系数据库是以关系模型为基础
     2. 关系模型是由数据结构、关系操作和数据完整性三部分组成。
     3. 关系代数作为语言基础，由关系数据理论作为理论基础。
  2. 20世纪70年代是关系数据库理论研究和原型开发的时代，其主要成果有：
     1. 奠定了关系模型的理论基础，给出了人们一致接受的关系模型的规范说明。
     2. 研究了关系数据语言，有关系代数、关系演算、SQL语句及QBE等。
     3. 研制了大量的RDBMS的原型，攻克了系统实现中查询优化、并发控制、故障恢复等一系列关键技术。
  3. 特点
     1. 模型简单清晰
     2. 理论基础好
     3. 数据独立性强
     4. 数据库语言非过程化
     5. 标准化
• 新一代数据库系统

2.第三代数据库系统的特征

• 应支持数据管理、对象管理和知识管理
• 必须保持或继承第二代数据库系统的技术
• 必须对其他系统开放

数据仓库与数据挖掘

数据仓库及其特征

计算机数据处理工作的类型：

1. 操作型处理：也称为联机事务处理（OLTP），针对具体业务在数据库联机的日常操作。
2. 分析型处理：也称为联机分析处理（OLAP），通常是对海量的历史数据查询和分析。

---

• 传统的数据库技术--->操作型处理
• 数据仓库----------->分析型处理

数据仓库（Data Warehouse，DW）是面向主题的、集成的、稳定的、随时间变化的数据集合，用以支持管理决策的过程。
数据仓库不是可以买到的产品，而是一种面向分析的数据存储方案。

数据仓库的特征

数据仓库的三个概念

数据仓库的三个概念

什么是数据挖掘

数据挖掘是从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中发现并提取隐藏在其中的、人们事先不知道的，但又是潜在有用的信息和知识的一种技术。又被称为知识发现。

OLAP	VS	数据挖掘
数据汇总/聚集工具，可简化数据分析		自动的发现隐藏在大量数据中隐含模式和有趣知识
简化和支持交互式数据分析		尽可能自动处理

数据挖掘的功能

• 数据挖掘的功能
  • 概念描述
  • 关联分析
  • 分类与预测
  • 聚类
  • 孤立点检测
  • 趋势和演变分析
• 数据挖掘的步骤
  1. 确定业务对象
  2. 数据的选择
  3. 数据的预处理
  4. 建模
  5. 模型评估
  6. 模型部署

大数据及其特征

大数据是指无法在可容忍的时间内用现有信息技术和软、硬件工具对其进行感知、获取、管理、处理的服务的数据集合。

大数据特征

大数据管理技术

大数据管理技术典型代表

大数据管理技术典型代表