1.数据库安全
1.1.措施
用户标识和鉴定：账号密码
存取控制：用户权限控制，如：增删改查
密码存储和传输：远程终端信息传输使用密码加密
视图的保护：对视图进行授权
审计：使用专门的文件或数据库，自动记录用户的操作，如日志
1.2.故障及解决方法
| 故障关系 | 故障原因 | 解决办法 |
|---|---|---|
| 事务本身的可预期故障 | 本身逻辑 在程序中设置Rollback | |
| 事务本身的不可预期故障 | 算术移除、违反存储保护 | 由DBMS的恢复子系统通过日志，撤销事务对数据库的修改，回退到事务初始状态 |
| 系统故障 | 系统停止运行 | 检查点法 |
| 介质故障 | 外存被破坏 | 使用日志重新做业务 |
1.3.数据库备份
静态备份（冷备份）：在备份时不允许数据库任何操作。优点速度快，容易归档。缺点：只能提供恢复到某个时间点上的数据，不能做其他工作，不能按表恢复或按用户恢复。
动态备份（热备份）：在转储期间可对数据库进行存取操作，转储和用户事务并发执行。优点：可在表空间或数据库文件级备份，数据库仍可使用，可达到秒级恢复；缺点：不能出错，否则后果严重，若热备份失败，所得结果几乎全部不可用。
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、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。
2.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
分片模式：
水平分片：将表水平记录存放在不同位置
垂直分片：将表垂直的列值存放在不同位置
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的物理位置的改变。
逻辑透明性：用户或应用程序不需要知道局部使用的是哪种数据模式。
复制透明性：用户或应用程序不需要知道数据是从哪里复制过来的。
3.数据仓库
数据仓库是一个面向主题、集成的、非易失的且随时间变化的数据集合，用于支持决策管理。
3.1.特点
面向主题：按照一定的主题域进行组织的。
集成的：数据仓库的数据是在对原有分散的数据库数据抽取、清理的基础上经过系统加工、汇总和整理得到的，必须消除源数据中的不一致性，以保证数据仓库的信息是关于整个企业的一致的全局信息。
相对稳定的：数据仓库的数据主要用于决策分析用，所涉及到的操作主要是数据查询，一旦进入某个数据仓库，一般情况下将被长期保留。数据仓库一般有大量的查询，但是修改和删除比较少，通常只需要定期地刷新和加载。
反应历史变化：数据仓库中地数据通常包含历史数据，记录了企业从过去某个时间点到目前各个阶段地信息。通过这些信息，可以对企业的发展历史和未来趋势做出定量分析和预测。
3.2.四个层次
数据源：数据仓库的基础，是整个系统的数据源泉
数据的存储与管理：是 整个数据仓库系统的核心
OLAP（联机分析）服务器：对分析需要的数据进行有效集成，按多维模型组织，以便进行多角度、多层次的分析，并发现趋势
前端工具：主要包括各种报表工具、查询工具、数据分析工具、数据挖掘工具以及各种基于数据仓库或数据集市的应用开发工具
3.3.技术-BI系统
BI系统四个阶段：数据预处理、建立数据仓库、数据分析和数据展现
数据预处理：ETL抽取、转换、加载
数据分析:一般采用OLAP和数据挖掘技术
4.反规范化技术
规范化设计之后，数据库设计者希望通过牺牲部分规范化来提高性能。
益处：降低连接操作的需求、降低外码和索引的数目，还能减少表的数量，提高查询效率
可能带来的问题：数据重复存储，浪费存储空间，可能会出现完整性问题，为了保证数据一致性，增加了数据维护的复杂性，会降低修改速度。
做法：
1、增加冗余列
2、增加派生列，派生是指这个值是可以计算出来的
3、重新组表，原本需要连表查询的数据组成一张表
4、水平分割表
5、垂直分割表
5.大数据
特点：大量化、多样化、价值密度低、快速化
大数据和传统数据对比:
| 维度 | 大数据 | 传统数据 |
|---|---|---|
| 数据量 | PB及以上 | GB或TB |
| 数据分析需求 | 深度分析（关联分析、回归分析） | 现有数据的分析与检测 |
| 硬件平台 | 集群平台 | 高端服务器 |
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：高可拓展性、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
6.SQL语言
不记录
6.1.例题：
答案：C A D B