计算机导论_第6章_笔记

薄荷椰果抹茶2026-07-06 9:13

第1节 数据库系统的基本概念

1.1 数据库系统的定义

数据库系统（Database System）：在数据库系统中实现对数据进行管理的软件系统，是数据库系统的重要组成部分和核心，由五部分组成：

组成部分 说明
数据库（DB） 统一管理的相关数据的集合
数据库管理系统（DBMS） 对数据库进行管理的软件，是数据库系统的核心
数据库管理员（DBA） 对数据库进行规划、设计、协调、维护和管理的 IT 技术人员
数据库应用程序 使用数据库语言开发的、能够满足数据处理需求的应用程序
用户 通过 DBMS 直接操纵数据库，或通过应用程序操纵数据库

例子：某高校的学籍管理系统就是一个典型的数据库系统：

  • 数据库：存储全校学生、课程、成绩的数据集；
  • DBMS：MySQL 或 SQL Server 软件，负责数据的增删改查；
  • DBA：学校信息中心的数据库管理员，负责备份、调优、安全管理；
  • 应用程序：学生选课网站、成绩查询系统；
  • 用户：学生通过选课网站选课，教务处通过后台录入成绩。

1.2 数据库系统的组成

复制代码 
数据库 → 数据库管理系统（DBMS）→ 应用程序1 / 应用程序2 → 用户
                                ↓
                              数据库管理员（DBA）
  • DBMS 是连接数据库与应用程序的桥梁
  • DBA 负责整个系统的规划与维护

1.3 数据管理技术的发展

阶段 特点
人工管理阶段 数据不保存、不共享，由应用程序自行管理
文件系统阶段 数据以文件形式存储，但共享性差、冗余度高
数据库阶段 数据集中管理，共享性高、冗余度低、具有数据独立性
高级数据库阶段 面向对象数据库、分布式数据库、数据仓库等

例子：早期学校用 Excel 表格存放学生成绩（文件系统阶段），各系各自维护自己的表格，同一个学生可能在多个 Excel 中出现（数据冗余）；升级到数据库后，所有数据集中存储，任何系统通过统一的 DBMS 访问，数据一致不再重复。

1.4 数据库系统的体系结构（三级模式）

复制代码 
外模式A ─┐                                    ┌─ 应用程序A1
外模式B ──┤──外模式/概念模式映像──概念模式──概念模式/内模式映像──内模式──数据库│  ├─ 应用程序A2
外模式C ─┘                                    │  ├─ 应用程序B1
                                              │  ├─ 应用程序C1
                                              └─ 应用程序C2
层次 说明
外模式（用户模式） 用户看到的数据视图，不同用户可见不同的数据子集
概念模式 数据库的全局逻辑结构，一个数据库只有一个概念模式
内模式（存储模式） 数据的物理存储方式

两层映像实现了数据独立性：

  • 外模式/概念模式映像 → 逻辑独立性（概念模式变了，外模式不用变）
  • 概念模式/内模式映像 → 物理独立性（存储方式变了，概念模式不用变）

例子：同一个学生成绩数据库，学生通过选课系统只能看到自己的成绩（外模式A），教师通过教务系统可以看到所教课程的全部学生成绩（外模式B），教务处可以看到全校汇总数据（外模式C）。三组用户看到的视图不同，但底层是同一份物理数据。

1.5 数据库管理系统的功能

功能 说明
数据库定义 定义数据库结构（表、索引、视图等）
数据库操纵 数据的增删改查
数据库事务管理 保证数据的一致性和完整性
数据库维护 备份、恢复、安全控制
其他 格式转换、网络通信

1.6 数据库管理系统的类型

类型 数据模型 特点
层次型数据库 树型结构 如 IBM IMS，适合一对多的层级数据
网状型数据库 有向图（网络）结构 比层次型灵活，可表示多对多关系
关系型数据库 二维表格 最广泛使用，有完备的关系代数理论支持
面向对象数据库 对象、类、继承等 适合复杂数据类型（如图形、多媒体）

例子：

  • 层次型：公司的组织架构------CEO → 部门经理 → 员工，天然是树形结构。
  • 网状型：航班订票系统------一个乘客可订多个航班，一个航班有多个乘客，是多对多关系。
  • 关系型：学生表（学号, 姓名, 年龄）和课程表（课程号, 课程名）通过选课表（学号, 课程号, 成绩）关联。MySQL、PostgreSQL、Oracle 都是关系型数据库。
  • 面向对象：CAD 设计系统，每个零件是一个对象，有属性和方法，零件之间可以有继承关系。

1.7 数据库管理系统的构成（四层结构）

层次 功能
应用层 与用户和应用程序的界面
语言处理层 DDL/DML/DCL 编译器、查询器、授权检验、完整性检查、查询优化
数据存取层 集合操作→记录操作（扫描、排序、查找、插入、删除、修改），并发控制
数据存储层 文件管理器 + 缓冲区管理器，负责页面存储和缓冲区管理

1.8 数据库语言

语言 全称 功能
DDL 数据定义语言（Data Definition Language） 定义数据库的逻辑/物理结构、数据类型、约束
DML 数据操纵语言（Data Manipulation Language） 数据录入、修改、删除、查询、统计
SQL 结构化查询语言（Structured Query Language） 基于关系代数和关系演算的主流数据库语言

例子：

  • DDL：CREATE TABLE Student (...) --- 建表。
  • DML：SELECT * FROM Student WHERE age > 20 --- 查询。
  • SQL 同时包含了 DDL、DML、DCL（数据控制）的功能，是一种一体化的语言。

第2节 结构化查询语言 SQL 概述

2.1 SQL 的产生与发展

时间节点 事件
1974年 Boyce 和 Chamberlin 提出 SQL，在 IBM 的 SYSTEM-R 上实现
1986年10月 ANSI 将 SQL 定为美国标准
1987年6月 ISO 将 SQL 定为国际标准
1992年 ISO 颁布 SQL92（对 SQL89 进行修改和扩充）

2.2 SQL 的特点

  • 功能一体化：集 DDL、DML、DCL、嵌入式功能于一体
  • 语法结构统一：所有 SQL 语句使用统一的语法范式
  • 高度非过程化：用户只需要说"要什么"，不需要说"怎么拿"
  • 语言简洁：核心命令只有 9 个动词（CREATE、DROP、ALTER、SELECT、INSERT、UPDATE、DELETE、GRANT、REVOKE）

例子 （非过程化）：执行 SELECT name FROM Student WHERE age > 20 时，用户只需描述"我要年龄大于20的学生姓名"，不需要关心底层是用 B+ 树索引扫描还是全表扫描，DBMS 会自动优化执行路径。

2.3 SQL 的功能

功能 说明 核心命令
数据定义 定义基本表、索引、视图 CREATE、DROP、ALTER
数据操纵 查询、插入、删除、修改 SELECT、INSERT、DELETE、UPDATE
数据控制 权限管理 GRANT、REVOKE
嵌入式 SQL 嵌入到 C/Java/Python 等语言中使用 EXEC SQL 等

第3节 SQL 的数据定义操作

3.1 定义基本表

sql 复制代码 
CREATE TABLE <基本表名>
（<属性名1> <数据类型1> [NOT NULL]，
  [<属性名2> <数据类型2> [NOT NULL]] ，
  ...
  [<完整性约束>]）

3.2 SQL 基本数据类型

数据类型 说明
CHAR(n) 长度为 n 的定长字符串
VARCHAR(n) 最大长度为 n 的变长字符串
INTEGER 全字长整数
SMALLINT 半字长整数
NUMERIC(p,d) 定点数，共 p 位数字，小数点后有 d 位
REAL 浮点数
DOUBLE PRECISION 双精度浮点数
FLOAT(n) 精度至少为 n 位的浮点数
DATE 日期，格式 YYYY-MM-DD
TIME 时间，格式 HH:MM:SS

例子：

  • CHAR(10) 存 'ABC'，实际占用 10 字符空间（右侧补空格）；
  • VARCHAR(10) 存 'ABC'，只占用 3 字符空间，更省存储。
  • 一般姓名用 VARCHAR，学号/课程号等固定长度编码用 CHAR。

3.3 定义基本表举例

【例6-1】 创建学生表 S、课程表 C 和学生选课成绩表 SC。

sql 复制代码 
-- (1) 学生表 S
CREATE TABLE S
（学号 CHAR(4) NOT NULL,
  姓名 CHAR(8) NOT NULL,
  年龄 SMALLINT,
  性别 CHAR(2),
  系别 CHAR(20),
  PRIMARY KEY（学号））

-- (2) 课程表 C
CREATE TABLE C
（课程号 CHAR(4) NOT NULL,
  课程名 CHAR(4) NOT NULL,
  教师名 CHAR(8),
  PRIMARY KEY（课程号））

-- (3) 选课成绩表 SC
CREATE TABLE SC
（学号 CHAR(4) NOT NULL,
  课程号 CHAR(4) NOT NULL,
  成绩 SMALLINT,
  PRIMARY KEY（学号，课程号）
  FOREIGN KEY（学号）REFERENCES S（学号），
  FOREIGN KEY（课程号）REFERENCES C（课程号），
  CHECK（成绩 IS NULL）OR（成绩 BETWEEN 0 AND 100））

解读：

  • PRIMARY KEY 定义主键：S 表以「学号」唯一标识一行；SC 表以「学号 + 课程号」联合作为主键（一个学生可选多门课，同一门课有多个学生选，但同一学生不能重复选同一门课）。
  • FOREIGN KEY 定义外键：SC.学号 引用 S.学号，SC.课程号 引用 C.课程号，确保参照完整性------不能录入一个不存在学生或不存在课程的成绩。
  • CHECK 约束：成绩要么为 NULL（未录入），要么在 0-100 之间。

3.4 修改基本表

操作 语法 示例
增加列 ALTER TABLE <表名> ADD <属性名> <数据类型> 【例6-2】ALTER TABLE S ADD 家庭地址 VARCHAR(40)
删除列 ALTER TABLE <表名> DROP <属性名> <删除方式> 【例6-3】ALTER TABLE S DROP 系别 CASCADE 或 RESTRICT

删除方式说明：

  • CASCADE（级联）：删除该列时，所有引用该列的视图、约束也一并删除。
  • RESTRICT（限制）：如果该列被其他对象引用，则拒绝删除。

例子 ：假设「系别」列被某视图 CS_Student 引用：

  • 用 RESTRICT → 报错，需要先删除依赖的视图。
  • 用 CASCADE → 删除列的同时自动删除 CS_Student 视图。

3.5 定义索引

sql 复制代码 
CREATE [UNIQUE] INDEX <索引名> ON <基本表名>
  （<属性名1>[<次序>][ ,<属性名2>[<次序>]] ...）
[PCTFREE={<整数>}]
示例 说明
CREATE UNIQUE INDEX SNOINDEX ON S（学号 ASC） 在 S 表的学号列上按升序建立唯一索引
CREATE INDEX GRADEINDEX ON SC（成绩 DESC, 学号 DESC） 在 SC 表上按成绩降序、学号降序建立索引

例子 （索引的作用）：在图书管理系统中，如果经常按「书名」搜索，在书名列上建索引后，查询 SELECT * FROM Books WHERE name = '数据库原理' 可以从全表扫描（100万条记录逐条比较）变成 B+ 树索引查找（约 20 次磁盘 I/O），速度提升上万倍。但索引并非越多越好------每个索引需要额外存储空间，且 INSERT/UPDATE/DELETE 时需要同步维护索引，会降低写操作性能。

第4节 SQL 的数据查询操作

SQL 的数据查询是其核心功能，支持三种查询方式：简单查询 、连接查询 、嵌套查询。

4.1 数据查询语句的一般形式

sql 复制代码 
SELECT   <目标属性>
FROM     <基本表名或视图名>
[WHERE   <条件表达式>]
[GROUP BY <属性名1> [HAVING <条件表达式>]]
[ORDER BY <属性名2> [<次序>]]

各子句含义：

子句 作用
SELECT 指定要输出的列（用 * 表示全部列）
FROM 指定数据来源的表或视图
WHERE 筛选满足条件的行
GROUP BY 按指定列分组，每组产生一条汇总结果
HAVING 分组后的筛选条件（与 WHERE 区别：WHERE 在分组前筛选行，HAVING 在分组后筛选组）
ORDER BY 排序（ASC 升序 / DESC 降序）

例子 ：SELECT 系别, AVG(年龄) FROM S GROUP BY 系别 HAVING AVG(年龄) > 20 ORDER BY 系别 ASC

这条语句的执行顺序：①从 S 表取数据 → ②按系别分组 → ③计算每组的平均年龄 → ④筛选平均年龄 > 20 的组 → ⑤按系别升序排列。

4.2 WHERE 子句可用的运算符

类别 运算符
算术 + - * /
比较 < <= = >= > <>（或 !=）
逻辑 AND OR NOT
集合 UNION（并） INTERSECT（交） EXCEPT（差）
集合成员 IN（属于） NOT IN（不属于）
谓词 EXISTS ALL SOME UNIQUE

4.3 常用系统内部函数（聚合函数）

函数 格式 含义
AVG AVG([DISTINCT] <属性名>) 求平均值，DISTINCT 只算不同值
SUM SUM([DISTINCT] <属性名>) 求和
MAX MAX(<属性名>) 最大值
MIN MIN(<属性名>) 最小值
COUNT COUNT(*) 统计元组个数
COUNT COUNT(DISTINCT <属性名>) 统计不同值的元组个数

例子：

  • SELECT COUNT(*) FROM S WHERE 性别 = '男' → 统计男生总人数。
  • SELECT COUNT(DISTINCT 系别) FROM S → 统计有多少个不同的系（去重计数）。
  • SELECT 系别, COUNT(*) AS 人数 FROM S GROUP BY 系别 → 按系统计人数。

4.4 简单查询举例（单表查询）

示例 SQL 语句 说明
【例6-7】查询全部学生信息 SELECT * FROM S 等价于 SELECT 学号,姓名,年龄,性别,系别 FROM S
【例6-8】查询计算机系和电气系学生的学号、姓名、年龄 SELECT 学号,姓名,年龄 FROM S WHERE 系别='计科系' OR 系别='电气系' 等价于 WHERE 系别 IN ('计科系','电气系')
【例6-9】查询年龄在18~20岁学生的姓名和性别 SELECT 姓名,性别 FROM S WHERE 年龄 >= 18 AND 年龄 <= 20 等价于 WHERE 年龄 BETWEEN 18 AND 20
【例6-10】查询所有男生的学号、姓名、出生年份 SELECT 学号,姓名,2004-年龄 FROM S WHERE 性别='男' 表达式 2004-年龄 在结果中生成新列（假设当年为2004）
【例6-11】查询计算机系女生总人数和平均年龄 SELECT COUNT(*), AVG(年龄) FROM S WHERE 系别='计科系' AND 性别='女' 聚合函数 + 多条件筛选
【例6-12】查询选修 C001 课程学生的学号和成绩（按成绩降序） SELECT 学号,成绩 FROM SC WHERE 课程号='C001' ORDER BY 成绩 DESC 单表查询 + 排序

BETWEEN 补充例子 ：WHERE 成绩 BETWEEN 60 AND 80 等价于 WHERE 成绩 >= 60 AND 成绩 <= 80，注意边界是闭区间，60 分和 80 分都会被选入。

4.5 多表查询（连接查询）举例

当查询涉及两个或两个以上表时，需要通过连接条件（通常是外键 = 主键）将表关联起来。

示例 SQL 语句 说明
【例6-13】查询选修 C001 课程学生的学号和姓名 SELECT S.学号, 姓名 FROM S, SC WHERE S.学号=SC.学号 AND 课程号='C001' S 和 SC 通过 S.学号=SC.学号 连接
【例6-14】查询选修"操作系统"课程学生的学号和姓名 SELECT S.学号, 姓名 FROM S, C, SC WHERE S.学号=SC.学号 AND C.课程号=SC.课程号 AND 课程名='操作系统' 三表连接：S ⟷ SC ⟷ C
【例6-15】查询选修 C001 且成绩 ≥ 80 的学生学号、姓名和成绩 SELECT S.学号, 姓名, 成绩 FROM S, SC WHERE S.学号=SC.学号 AND SC.课程号='C001' AND 成绩 >= 80 连接 + 多条件筛选

连接查询执行过程（以例6-13为例）：

  1. 对 S 和 SC 做笛卡尔积（S 的每一行与 SC 的每一行组合，假设 S 有 1000 行、SC 有 5000 行，则产生 500 万行中间结果）
  2. 用 S.学号=SC.学号 条件过滤，只保留学号匹配的行
  3. 用 课程号='C001' 再筛选
  4. 最后只取 S.学号 和 姓名 两列输出

实际上 DBMS 会做查询优化，通常不会真的生成笛卡尔积，而是使用索引高效地做连接。

4.6 嵌套查询举例

嵌套查询：在 WHERE 子句中包含另一个 SELECT 语句（子查询），SQL 允许多层嵌套。

示例 SQL 语句
【例6-16】查询选修 C001 学生的学号和姓名 SELECT 学号, 姓名 FROM S WHERE S.学号 IN (SELECT 学号 FROM SC WHERE 课程号='C001')
【例6-17】查询选修"操作系统"课程学生的学号和姓名 SELECT 学号, 姓名 FROM S WHERE 学号 IN (SELECT 学号 FROM SC WHERE 课程号 IN (SELECT 课程号 FROM C WHERE 课程名='操作系统'))

嵌套 vs 连接 ：

例6-16 的嵌套查询等价于例6-13 的连接查询。区别在于：

  • 嵌套查询 ：先执行内层子查询获得学号集合，再用 IN 筛选外层，逻辑更贴近"分步思考"。
  • 连接查询：通过 JOIN 条件一次性关联两表。
  • 实际执行时由 DBMS 优化器转换为等价的执行计划，性能取决于具体索引和表大小。

另一个常见嵌套例子：查询年龄大于全系平均年龄的学生：

sql 复制代码 
SELECT * FROM S AS s1 WHERE 年龄 > 
  (SELECT AVG(年龄) FROM S AS s2 WHERE s2.系别 = s1.系别)

这里用了相关子查询（内层引用了外层别名 s1），每处理外层一行就执行一次内层。

第5节 SQL 的数据更新操作

5.1 数据插入（INSERT）

形式1：直接插入值

sql 复制代码 
INSERT INTO <基本表名> [（<属性名1>[，<属性名2>] ...）]
VALUES（<常量1>[，<常量2>] ...）

形式2：从查询结果插入

sql 复制代码 
INSERT INTO <基本表名> [（<属性名1>[，<属性名2>] ...）]
<SELECT语句>
示例 SQL 语句 说明
【例6-18】插入一条新学生记录 INSERT INTO S VALUES ('20022503','周冰',22,'男','计算机科学与工程系') 逐字段给出值
【例6-19】创建平均年龄表并存入查询结果 ① CREATE TABLE DEPTAGE (系别 CHAR(20) NOT NULL, 平均年龄 SMALLINT, PRIMARY KEY(系别)) ② INSERT INTO DEPTAGE (系别, 平均年龄) SELECT 系别, AVG(年龄) FROM S GROUP BY 系别 形式2：将聚合查询的结果批量插入新表

例子（形式2的实际应用） ：电商系统中，每日将订单表中当天的数据通过 INSERT INTO OrderHistory SELECT * FROM Orders WHERE order_date = CURDATE() 归档到历史表，实现数据分离。

5.2 数据删除（DELETE）

sql 复制代码 
DELETE FROM <基本表名> [WHERE <条件表达式>]

注意事项：

  • 删除的是整行元组，不能删除元组中的某些属性值
  • 不带 WHERE 子句会删除全部元组，但表结构仍然保留
  • 一次只能从一个基本表中删除
  • 若要跨多表删除，需用多个 DELETE 语句
  • DELETE FROM <表名> 会使表变为空表，需格外慎重
示例 SQL 语句
【例6-20】删除学号为 20022502 的学生 DELETE FROM S WHERE 学号='20022502'

DELETE vs DROP vs TRUNCATE 的区别：

操作 效果 可回滚
DELETE FROM S WHERE ... 删除符合条件的行 是（事务内）
DELETE FROM S 删除所有行，表结构保留 是
TRUNCATE TABLE S 删除所有行，重置自增计数器 否（MySQL）
DROP TABLE S 删除整个表（结构+数据） 否

例子 ：如果 SC 表中有学生的选课记录，直接删除 S 表中的学生会导致 SC 中出现"孤儿"记录（参照完整性被破坏）。正确做法是设置外键时指定 ON DELETE CASCADE，级联删除关联记录。

5.3 数据修改（UPDATE）

sql 复制代码 
UPDATE <基本表>
SET <属性名1> = <表达式1> [，<属性名2> = <表达式2>， ...]
[WHERE <条件表达式>]
示例 SQL 语句 说明
【例6-21】将学号 20022501 学生的系别改为电气系 UPDATE S SET 系别='电气工程系' WHERE 学号='20022501' 修改单行的单个字段
【例6-22】所有学生年龄加 1 UPDATE S SET 年龄 = 年龄 + 1 批量修改（无 WHERE 则修改全表）

例子 （业务场景）：每到新学期，学生年龄统一加一岁，就可以用 UPDATE S SET 年龄 = 年龄 + 1 一次性更新所有行，而不需要逐条修改。又如电商系统中 UPDATE Products SET price = price * 0.9 WHERE category = '图书' 实现图书品类打九折的批量调价。

第6节 SQL 的视图操作

6.1 视图的概念

视图（View） ：从多个基本表或其他视图构造出来的虚拟表。

  • 定义视图时系统仅保存其定义（SQL 语句），不存储实际数据
  • 当用户使用视图时，才从基本表中取出实际数据
  • 视图可以像基本表一样被查询和（有限制地）更新

例子：学校里不同角色需要看到不同的数据：

  • 学生视图：CREATE VIEW StudentView AS SELECT 学号,姓名,年龄 FROM S --- 看不到他人的敏感信息
  • 教师视图：CREATE VIEW TeacherView AS SELECT S.姓名,C.课程名,SC.成绩 FROM S,SC,C WHERE S.学号=SC.学号 AND C.课程号=SC.课程号 --- 看到所教课程的学生成绩
    所有视图都基于同一组基本表 S、C、SC，但不同角色看到不同的"虚拟表"，实现了数据安全和访问控制。

6.2 定义视图

sql 复制代码 
CREATE VIEW <视图名> [（<属性名1> [，<属性名2>] ... ）]
AS <SELECT 语句>
[WITH CHECK OPTION]

规则：

  • SELECT 语句中不能 含有 UNION 和 ORDER BY
  • 列顺序由 SELECT 的目标列决定
  • WITH CHECK OPTION：对视图做 INSERT/UPDATE 时，必须满足视图定义中的条件
示例 SQL 语句
【例6-23】创建计算机系学生视图 CREATE VIEW CSS AS SELECT 学号, 姓名, 性别, 年龄 FROM S WHERE 系别='计算机科学与工程系'

WITH CHECK OPTION 例子：

sql 复制代码 
CREATE VIEW CSS AS 
SELECT 学号, 姓名, 年龄, 系别 FROM S 
WHERE 系别 = '计算机系'
WITH CHECK OPTION;

如果执行 INSERT INTO CSS VALUES ('2024001', '李明', 20, '电气系')，尽管视图底层对应的是 S 表，但因为 系别='电气系' 不满足视图定义中的 WHERE 系别='计算机系'，操作会被拒绝。这保证了通过视图操作的数据始终符合视图的筛选条件。

6.3 视图的查询

示例 SQL 语句 转换后的等价语句
【例6-24】查询计算机系年龄 > 22 的学生 SELECT 学号,姓名,年龄 FROM CSS WHERE 年龄 > 22 SELECT 学号,姓名,年龄 FROM S WHERE 系别='计科系' AND 年龄 > 22

DBMS 在内部将视图查询自动转换 为对基本表的查询，这个过程称为视图消解。

6.4 视图的更新操作

视图支持 INSERT、DELETE、UPDATE 操作，但最终都转换为对基本表的操作。

示例 SQL 语句 转换后的等价语句
【例6-25】修改视图中的姓名 UPDATE CSS SET 姓名='赵立' WHERE 学号='20022602' UPDATE S SET 姓名='赵立' WHERE 系别='计科系' AND 学号='20022602'

视图更新的限制 ：并非所有视图都可更新。由多个表连接、聚合函数、GROUP BY、DISTINCT 等定义的视图通常不可更新（因为 DBMS 无法将更新操作正确映射回各个基本表）。

6.5 视图的撤销

sql 复制代码 
DROP VIEW <视图名>
含义 说明
DROP VIEW CSS 删除视图 CSS 的定义
级联影响 由该视图导出的其他视图也自动被删除
基本表删除影响 如果基本表被删除，基于它的视图也自动被删除

例子 ：假设定义了三个视图：CSS（基于 S 表）、CSS_Female（基于 CSS，筛选女生）、CSS_Female_Young（基于 CSS_Female，筛选年龄 < 20）。执行 DROP VIEW CSS 后，CSS_Female 和 CSS_Female_Young 也会一并被自动删除，因为失去了依赖基础。

第7节 几种新型的数据库系统

7.1 分布式数据库（DDB）

项目 说明
定义 物理上分散在计算机网络各结点上，但逻辑上属于同一系统的数据集合
管理系统 DDBMS，负责局部数据管理、数据通信、分布数据管理和数据字典管理
特点 数据分布性、逻辑相关性、局部自治与全局共享、数据冗余性、数据独立性、系统透明性

例子：某全国连锁超市，每个城市的门店有自己的数据库服务器存储本地销售数据（物理分散），但总部可以像查询一个统一数据库一样查询"全国今天总销售额"（逻辑统一）。DDBMS 自动将查询分解下发到各结点，汇总结果返回。各门店可以独立运营（局部自治），同时数据又能全局共享。

7.2 多媒体数据库（MDB）

项目 说明
定义 以数据库方式合理存储多媒体信息（文字、图形、图像、音频、视频等）的集合
管理系统 MDBMS，负责多媒体对象的存储、处理、检索和输出
特点 媒体多样性、信息量大、管理复杂
主要研究内容 多媒体数据模型、MDBMS 体系结构、存取与组织技术、查询语言、同步控制、数据压缩

例子：一个在线教育平台的课程数据库不仅存储课程标题和描述（文本），还存储讲师视频（音频/视频）、课件截图（图像）、作业文件等。传统关系型数据库处理 BLOB 效率低，多媒体数据库专门优化了大对象存储、流媒体检索和同步播放。

7.3 并行数据库（PDB）

项目 说明
定义 数据库技术与并行技术相结合的产物，在并行体系结构支持下实现数据库操作处理的并行化
目标 提高数据库效率
主要研究内容 并行数据库体系结构、并行数据库机、并行操作算法、并行查询优化、并行数据库物理设计、数据加载和再组织技术

例子 ：电商双11大促时，单台数据库服务器处理每秒数十万次查询会瘫痪。并行数据库将数据分散到如 100 个节点上，每个节点只存一部分数据（数据分区），一个 SELECT COUNT(*) FROM Orders 查询会被分解为 100 个子查询并行执行，各节点独立统计自己的订单数，最终汇总------理论上可获得接近 100 倍的加速。

7.4 演绎数据库（DeDB）

项目 说明
定义 数据库技术与逻辑理论相结合的产物，支持演绎推理功能
组成 外延数据库 EDB （由关系组成的事实数据）+ 内涵数据库 IDB （由规则组成）+ 演绎推理机构
主要研究内容 逻辑理论与逻辑语言、递归查询处理与优化算法、演绎数据库体系结构

例子 ：在一个家族数据库中，EDB 存储基本事实（parent(张三, 李四) 表示张三是李四的父亲），IDB 存储推理规则：ancestor(X, Y) :- parent(X, Y)（父母是祖先）和 ancestor(X, Z) :- parent(X, Y) AND ancestor(Y, Z)（父母的祖先是祖先）。用户查询 ancestor(张三, ?) 时，演绎推理引擎会递归展开规则，自动推导出张三的所有后代，而无需显式存储所有祖孙关系。

7.5 主动数据库（Active DB）

项目 说明
定义 除了传统被动服务功能外，还能根据当前状态主动作出反应，执行某些操作
实现方法 嵌入 ECA 规则（Event-Condition-Action，事件－条件－动作）
ECA 规则流程 事件发生 → 检测当前状态是否满足条件 → 若满足则触发动作
需解决的技术问题 知识模型、执行模型、事件监测和条件检测方法、事务调度、安全性和可靠性、体系结构、系统效率

例子：库存管理系统中设置 ECA 规则：

  • 事件（E）：库存量更新事件
  • 条件（C）：某商品库存 < 安全阈值（如 10 件）
  • 动作（A）：自动生成一张补货订单 + 发送告警邮件给采购部门

传统数据库只能被动响应查询 SELECT * FROM Inventory WHERE quantity < 10（需要用户主动查询才知道缺货），主动数据库则在库存下降低于阈值时自动触发补货流程，无需人工干预。

7.6 数据仓库（Data Warehouse）

项目 说明
定义 支持管理决策的面向主题的、集成的、稳定的、定期更新的数据集合
核心功能 对异构数据源的数据进行提取、过滤、加工、存储，响应查询和决策分析请求
数据组织方式 按主题 和维重组原始数据，转换为有用信息
管理系统组成 监控器、转换器、集成器、元数据管理器
工具层 OLAP 工具、预测分析工具、数据挖掘工具

四大特征详解：

特征 说明 例子
面向主题 按业务主题组织数据，而非按应用 "销售"主题整合订单、退货、促销数据
集成 来自不同源系统的数据统一编码和命名 A 系统存性别为 M/F，B 系统存男/女，统一为男/女
稳定 数据一旦进入仓库就不轻易更改 历史销售数据在仓库中只追加，不修改
定期更新 按周期从业务系统刷新数据 每天凌晨 3 点从 ERP 系统同步前一天的数据

例子：某超市的数据仓库按"商品"、"门店"、"时间"三个维度组织销售数据。分析人员可以通过 OLAP 工具快速回答："去年第四季度华东区饮料类商品中，哪种商品毛利最高？"------在传统业务数据库中做这种多维度分析可能需要编写几十行 SQL 且执行数小时，在数据仓库中通过预计算的立方体几秒就能出结果。

第8节 数据库系统的应用

8.1 信息及其基本特征

信息：经过加工而成为有一定意义和价值且具有特定形式的数据，对信息接收者的行为有一定影响。

特征 说明
时间性 信息有时效性，过时信息价值下降
事实性 信息应反映客观事实
明了性 信息应清晰易懂
完整性 信息应完整无缺失
多样性 信息表现形式多样（文本、图表、音视频）
共享性 信息可多人共享而不损耗
模糊性 有些信息天然带有不确定性

例子：天气预报是典型的信息------原始数据是各气象站采集的温度、湿度、气压等数值（数据），经过气象模型加工后生成"明天上海有小雨，18-25°C"（信息）。这个信息有时效性（明天过后就没用了），可多人共享，但带有一定模糊性（可能预报不准）。

8.2 信息系统（IS）

信息系统（Information System）：由人员、活动、数据、网络和技术等要素组成的集成系统，目的是对业务数据进行采集、存储、处理和交换，以支持日常业务运作和管理决策。

信息系统的分类（按管理层级）：

复制代码 
战略规划层     ← DSS（决策支持系统）          ← 高级管理人员    非结构化决策
管理规划层     ← MIS（管理信息系统）          ← 中层管理人员
操作规划层     ← EDP/TPS（事务处理系统）      ← 基层管理人员    结构化决策

例子（三层系统在公司中的实际应用）：

  • TPS/EDP（操作层）：收银系统扫描商品条码 → 更新库存 → 记录交易，处理的是高度结构化的日常事务。
  • MIS（管理层）：汇总各门店日销售数据，生成周报/月报------销售额趋势、库存周转率等，帮助店长和区域经理做运营决策。
  • DSS（战略层）：基于历史 5 年的销售数据和外部市场数据，帮助 CEO 分析"是否应该在华东开设新门店"，涉及的因素复杂且没有标准答案（半结构化/非结构化决策）。

8.3 事务处理系统（TPS）

项目 说明
定义 利用计算机对具体业务进行处理的信息系统
又称 电子数据处理系统（EDP）
基础 计算机 + 网络
功能 对业务数据进行采集、存储、检索、加工和传输

分类维度：

  • 按处理作业方式分类
  • 按联机方式分类
  • 按系统的组织和数据存储方式分类
  • 按面向管理工作的层次分类

例子：银行的 ATM 系统是典型的 TPS------持卡人插入银行卡、输入密码、选择取款，系统实时验证账户余额、扣款、出钞、记录交易日志。整个过程是高度结构化的重复性事务处理，要求高并发、高可靠和事务一致性（不能出现钱扣了但没吐钞的情况）。

8.4 管理信息系统（MIS）

项目 说明
定义 全面的以计算机为基础的集成化人机系统，具有分析、计划、预测、控制和决策功能
核心能力 将数据处理功能与管理模型的优化计算、仿真等功能结合，提供决策信息
面向 管理层（战术规划），处理结构化或半结构化问题

MIS 的特点：

特点 说明
以计算机为基础的人机系统 计算机处理数据，人做判断和决策
集成化系统 各子系统数据互通，避免信息孤岛
提供管理信息 输出报表和指标，辅助管理者决策
支持多职能 涵盖作业、管理、分析和决策

例子：一个企业的 ERP 系统就是典型的 MIS------它集成了财务、采购、生产、仓储、销售、人力资源等模块。当销售部录入一笔订单后，系统自动检查库存 → 不足则触发采购建议 → 安排生产计划 → 核算成本和利润。各部门在统一平台上协作，管理者可随时查看各环节的关键绩效指标（KPI），发现异常（如某产品库存周转天数突然上升）及时调整。

8.5 决策支持系统（DSS）

项目 说明
定义 计算机科学、行为科学和系统科学相结合的产物，支持半结构化和非结构化决策
面向 高级管理人员的战略规划和宏观决策
核心能力 提供分析问题、构造模型、模拟决策过程、评价决策效果的决策支持环境

决策过程三阶段模型：

  1. 信息阶段：收集和识别问题相关信息
  2. 设计阶段：构造和分析可能的方案
  3. 选择阶段：从备选方案中选择最优方案

决策问题类型：

类型 说明 例子
结构化决策 规则明确、可编程 根据库存低于阈值自动生成采购单
半结构化决策 部分规则明确，部分需判断 制定年度预算（有历史数据和公式，但需要根据市场变化调整）
非结构化决策 无成熟规则，依赖经验和直觉 是否进入新市场、是否收购某公司

例子：某零售企业考虑在 A 城市开设 3 个新门店，DSS 发挥作用的过程：

  1. 信息阶段：DSS 从数据仓库调取 A 城市人口分布、消费水平、竞争对手分布、交通流量等数据，可视化展示。
  2. 设计阶段：利用选址模型，输入租金、人流量、预计客单价等参数，生成多个候选方案并模拟各方案的 3 年营收预测。
  3. 选择阶段 ：高管对比各方案的 ROI（投资回报率）、风险等指标，结合经验判断最终选定方案。DSS 不做决定，而是提供数据和模型辅助人做决定。

8.6 DSS 的组成

子系统 功能
数据库管理子系统 存放决策所需数据，具有维护、控制和快速选择抽取数据的能力
模型库管理子系统 存放通用和特殊决策模型，提供非结构化建模语言，支持模型维护和调用
方法库管理子系统 存放各类模型的求解方法和最优化算法，支持方法维护和调用
知识库管理子系统 存放经验决策者的决策知识和推理规则，知识库 + 推理机构成专家系统
会话子系统 提供交互式人机界面

例子（各子系统协同工作）：上述门店选址决策中------

  • 数据库提供人口、租金、竞争对手等原始数据；
  • 模型库提供"重力模型"（根据距离和人流预测销售额）和"盈亏平衡模型"；
  • 方法库提供线性规划、蒙特卡洛模拟等求解算法；
  • 知识库存储"如果周边有地铁站，人流量系数 ×1.3"等专家规则；
  • 会话子系统以图表、地图、滑块等形式让高管直观地"如果租金涨 10% 会怎样"（What-if 分析）。

8.7 联机分析系统（OLAP）

概念 说明
OLTP（联机事务处理） 对操作型数据进行简单的查询、统计、生成报表，不满足决策分析需求
OLAP（联机分析处理） 针对特定问题的联机数据访问和分析技术，数据经过净化、转换、集成，按**"维"**组织在多维数据库或数据仓库中

OLAP 分析工具：

  • 多维数据基本操作工具（切片、切块、旋转、上卷、下钻）
  • 多维数据查询工具
  • 多维数据分析工具
  • 预测工具
  • 报表和图形生成工具

例子（OLAP 多维分析操作） ：某零售企业的销售多维立方体，维度包括时间 （年/季/月）、商品 （品类/品牌/单品）、地区 （大区/省/市），度量包括销售额、利润、销量。

  • 切片（Slice）：固定时间 = "2024年"，只看一个平面 → "2024年各商品在各地区的销售额"。
  • 切块（Dice）：取时间=2024年 且 地区=华东 → "2024年华东区各商品的销售额"。
  • 下钻（Drill-down）：从"2024年各季度销售额"下钻到"Q1 各月销售额"。
  • 上卷（Roll-up）：从"各品牌销售额"上卷到"各品类销售额"汇总。

这些操作在 OLAP 系统中只需拖拽鼠标即可完成，而在传统 SQL 中每次都要重写查询语句。

8.8 数据挖掘系统（Data Mining）

项目 说明
定义 从大型数据库或数据仓库中提取隐含的、未知的、非平凡的、有潜在应用价值的信息或模式的高级处理过程
数据来源 大型数据库 / 数据仓库
输出 隐含的模式、规则、知识

数据挖掘的类型：

类型 说明 例子
预测模型 根据历史数据预测未来趋势 根据过去 3 年销售数据预测下季度销售额
关联分析 发现数据项之间的关联关系 "购买尿布的顾客有 70% 也购买啤酒"（购物篮分析）
分类分析 将数据分配到预定义的类别中 判断一封邮件是"垃圾邮件"还是"正常邮件"
聚类分析 将相似数据自动归为一组（无预定义类别） 根据消费行为将客户分为"高价值""潜力""流失风险"三类
序列分析 发现事件发生的时间顺序模式 用户浏览网页 A → B → C → 购买，识别转化路径
偏差检测 发现异常数据 信用卡交易中的欺诈检测：突然在异地大额消费
模式相似性挖掘 发现相似的模式 寻找走势相似的股票
Web 数据挖掘 从 Web 数据中提取模式 分析社交媒体情绪预测股价

经典例子（关联分析------购物篮分析） ：

沃尔玛通过分析数百万条交易记录发现：周五晚上，购买尿布的年轻父亲中，有 30%~40% 同时购买了啤酒。于是超市将啤酒货架移到尿布旁边，两种商品的销量都显著提升。这个有趣的关联规则就是通过数据挖掘的 Apriori 算法发现的。
聚类分析例子：某电商平台根据用户的浏览、收藏、购买行为，通过 K-Means 聚类算法将 100 万用户自动分为 5 个群体------"价格敏感型""品牌忠诚型""冲动消费型""低频浏览型""流失预警型"，然后针对不同群体推送不同的优惠策略，如给流失预警型用户发送专属折扣券。

本章小结

本章核心知识框架：

  1. 数据库基本概念：数据库系统 = DB + DBMS + DBA + 应用程序 + 用户；三级模式体系结构；DBMS 的四层架构（应用层→语言处理层→数据存取层→数据存储层）
  2. SQL 语言：集 DDL、DML、DCL、嵌入式于一体，核心是数据查询（简单查询、连接查询、嵌套查询）
  3. 数据定义：CREATE TABLE（建表）、ALTER TABLE（修改表、增删列）、CREATE INDEX（建索引）
  4. 数据查询：SELECT-FROM-WHERE-GROUP BY-HAVING-ORDER BY，聚合函数（AVG/SUM/MAX/MIN/COUNT），多表连接（笛卡尔积 + 连接条件），嵌套子查询（IN / EXISTS）
  5. 数据更新：INSERT（两种形式）、DELETE（删整行）、UPDATE（批量修改）
  6. 视图：虚拟表，定义时只存 SQL 语句，使用时才从基本表取数，支持查询和受限更新，删除一个视图会级联删除其派生视图
  7. 新型数据库：分布式数据库、多媒体数据库、并行数据库、演绎数据库、主动数据库、数据仓库
  8. 数据库应用：TPS（事务处理）→ MIS（管理信息）→ DSS（决策支持）；OLAP（多维分析）与数据挖掘（发现隐含模式）
相关推荐
liuyicenysabel3 小时前
多服务上线日记二：
服务器·笔记·学习
凉、介4 小时前
ARMv8 架构下的刷 Cache 操作
c语言·笔记·学习·架构·嵌入式·arm
cmes_love5 小时前
如何下载沪深股票市场的行情数据，包括委托、成交、订单薄、沪深股票、etf、可转债、指数五档订单薄数据，买一到买五、卖一到卖五历史行情数据笔记
大数据·笔记
摇滚侠5 小时前
Apache Skywalking 实战 阅读笔记 第二章
笔记·apache·skywalking
chushiyunen5 小时前
word使用笔记(二)、邮件合并(模板套用)
笔记·word
江华森6 小时前
Python 编程快速上手：让繁琐工作自动化 —— 19章全实战笔记
笔记·python·自动化
薄荷椰果抹茶6 小时前
计算机导论_第4章_笔记
服务器·网络·笔记
kgduu7 小时前
react-redux学习笔记
笔记·学习·react.js
热门推荐
01GitHub 镜像站点022026 年 AI 编程工具终极横评：Cursor vs Claude Code vs Copilot vs Windsurf03AI科技热点日报 | 2026年07月01日04【AI】2026 年具身智能模型和世界模型总结052026 AI 编程工具终极实战指南：Cursor vs Claude Code vs Copilot，开发者该怎么选？062026 年 AI 大模型 & AI 编程工具实战全总结072026年6月AI大模型全景报告：GPT-5.6、Claude Opus 4.8、Gemini 3.5，中美AI三足鼎立谁主沉浮？082026 AI 编程工具选型横评：Cursor / Claude Code / Trae / Copilot 到底选谁（建议收藏·避坑版）09Agnes AI 免费 API 接入指南：文本、生图、生视频，一套接口全免费102026 国产 AI 大模型横评：DeepSeek、通义千问、Kimi、文心一言、星火、豆包谁更能打？