数据（Data）是数据库中存储的基本对象，是描述事物的符号记录。
数据库（Database）是长期储存在计算机内、有组织的、可共享的大量数据的集合。
数据库的基本特征：
1.数据按一定的数据模型组织、描述和储存
2.可为各种用户共享
3.冗余度较小
4.数据独立性较高
5.易扩展
数据库管理系统（DBMS）是位于用户与操作系统之间的一层数据管理软件，是一个大型复杂的软件系统。
DBMS的用途：
1.科学地组织和存储数据
2.高效地获取和维护数据
数据库系统（Database System,DBS）是计算机系统中引入数据库后的系统构成。
数据库系统的构成：
1.数据库 2.硬件平台 3.软件（应用程序） 4.数据库管理员
数据库系统的设计目标是允许用户逻辑地处理数据，而不必涉及这些数据在计算机中是怎样存放的，在数据组织和用户应用之间提供某种程度的独立性。
模式：数据库中全体数据的逻辑结构和特征的描述。
所有用户的公共数据视图，综合了所有用户的需求。
一个数据库只有一个模式。
外模式：数据库用户（包括应用程序和最终用户）使用的局部数据的逻辑结构和特征的描述。
数据库用户的数据视图，是与某一应用有关的数据的逻辑表示。
外模式介于模式与应用之间。
模式与外模式的关系：一对多。
外模式通常是模式的子集。
一个数据库可以有多个外模式。反映了不同的用户的应用需求、看待数据的方式、对数据保密的要求。
外模式的用途：
1.保证数据库安全性的一个有力的措施。
2.每个用户只能看见和访问所对应的外模式中的数据。
内模式是数据物理结构和存储方式的描述。
内模式是数据在数据库内部的表示方式。
一个数据库只有一个内模式。
与三级模式相对应，数据库系统可以划分为三个抽象级：
1.用户级数据库：对应于外模式，是用户看到和使用的数据库，又称用户视图。一个数据库可以有多个不同的用户视图。
2.概念级数据库：对应于概念模式，是所有用户视图的最小并集，一个数据库应用系统只有一个DBA视图。
3.物理级数据库：对应于内模式，是数据库的低层表示，它描述数据的实际存储组织，是最接近于物理存储的，又称为内部视图。
概念数据模型：E-R模型
基本数据模型：层次模型、网状模型、关系模型、面向对象数据模型
数据模型的三要素：数据结构、数据操作、数据的约束条件
实体（Entity）客观存在并可相互区别的事物称为实体。
可以是具体的人、事、物或抽象的概念。
属性（Attribute）实体所具有的某一特性称为属性。一个实体可以由若干个属性来刻画。
属性分类：
简单属性和复合属性
单值属性和多值属性
NULL属性
派生属性
实体集（Entity Set）具有相同类型和共享相同属性的实体的集合。
域（Domain）属性的取值范围称为该属性的域。
实体型（Entity Type）用实体名及其属性名集合来抽象和刻画，同类实体称为实体型。
码（Key）唯一标识实体的属性集称为码。
联系（Relationship）现实世界中事物内部以及事物之间的联系，在信息世界中反映为实体内部的联系和实体之间的联系。
一对一联系：如果对于实体集A中的每一个实体，实体集B中至多有一个实体与之联系，反之亦然，则称为实体集A与实体集B具有一对一联系。记为1：1。
一对多联系：如果对于实体集A中的每一个实体，实体集B中有n个实体（n>=0）与之联系，反之，对于实体集B中的每一个实体，实体集A中至多只有一个实体与之联系，则称实体集A与实体集B有一对多联系，记为1：n。
多对多联系：如果对于实体集A中的每一个实体，实体集B中有n个实体（n>=0）与之联系，反之，对于实体集B中的每一个实体，实体集A中也有m个实体（m>=0）与之联系，则称为实体集A与实体集B具有多对多联系，记为m:n。
数据库系统的功能部件分为：
1.存储管理器
2.查询处理器
存储管理器在数据库系统中负责在数据库中存储的低层数据与应用程序以及向系统提交的查询之间提供接口的部件，负责数据库中数据的存储、检索和更新。
存储管理器包括四个部件：
1.权限及完整性管理器：检查访问数据库的用户权限，检测数据是否满足完整性约束。
2.事务管理器：保证一旦发生故障，数据库的一致性状态，以及并发事务执行时不发生冲突。
3.文件管理器：管理磁盘存储空间的分配。
4.缓冲区管理器：负责将数据从硬盘放入内存，并决定那些数据应被缓冲放入内存。
查询处理器组件包括：
1.DDL解释器：解释DDL语句并将其放入数据字典中。
2.DML编译器：将查询语言中的DML语句翻译为一个计算方案，包括一系列查询计算引擎能理解的命令。
数据仓库是一个用以更好的支持企业（或组织）决策分析处理的、面向主题的、集成的、不可更新的（相对稳定的）、随时间不断变化的数据集合。
本质上和数据库一样，是长期储存在计算机内的、有组织的、可共享的数据集合。
数据仓库反映历史变化的属性主要表现在：
1.数据仓库中的数据时间期限要远远长于传统操作型数据系统中的数据时间期限。
2.传统操作型数据系统中的数据含有“当前值”的数据，这些数据在访问时是有效的，当然数据的当前值也能被更新，但数据仓库中的数据仅仅是一系列某一时刻生成的复杂的快照。
3.传统操作型数据系统中可能包含也可能不包含时间元素，如年月日时分秒，而数据仓库中一定会包含时间元素。
数据仓库的后台工具：包括数据抽取、清洗、转换、装载和维护工具。
数据仓库服务器：相当于数据库系统中的DBMS，负责管理数据仓库中数据的存储管理和数据存取，并给OLAP服务器和前台工具提供存取接口（如SQL查询接口）。
OLAP服务器：透明地为前台工具和用户提供多维数据视图；OLAP服务器则必须考虑物理上这些分析数据的存储问题。
前台工具：包括查询报表工具、多维分析工具、数据挖掘工具和分析结果可视化工具等。
数据挖掘是从大量数据中发现并提取隐藏在内的、人们事先不知道的但可能有用的信息和知识的一种新技术。
目的是帮助决策者寻找数据间潜在的关联，发现经营者被忽略的要素。
数据挖掘技术涉及数据库技术、人工智能技术、机器学习、统计分析等多种技术。
数据挖掘和传统分析方法的区别：
本质区别：数据挖掘是在没有明确假设的前提下去挖掘信息，发现知识。
数据挖掘所得到的信息应具有事先未知、有效和可实用三个特征。
数据挖掘的应用过程：
1.确定挖掘对象
2.准备数据
3.建立模型
4.数据挖掘
5.结果分析
6.知识应用
网友评论