中级软件设计师备考---数据库系统3

数据仓库

数据库和数据仓库都是用于存储和管理数据的软件，但它们的设计和用途有很大的不同，区别如下：

• 数据库是用于存储和管理数据的软件，而数据仓库是用于存储和管理大量历史数据的软件。
• 数据库通常用于支持业务应用程序，而数据仓库则用于支持决策支持系统。
• 数据库通常包含当前和实时数据，而数据仓库包含历史数据和大量数据。
• 数据库通常采用事务处理，而数据仓库则采用批处理。
• 数据库通常设计为面向应用程序的，而数据仓库则设计为面向主题的。
• 数据库通常是OLTP（在线事务处理）系统，而数据仓库则是OLAP（在线分析处理）系统。
• 数据库通常用于支持事务处理，而数据仓库则用于支持分析和决策。
• 数据库通常包含少量的数据表，而数据仓库则包含大量的事实表和维度表。

数据挖掘

方法：

• 决策树

• 神经网络

• 遗传算法

• 关联规则挖掘

分类：

• 关联分析

• 序列模式分析

• 分类分析

• 聚类分析【分类分析的逆】

反规范化技术

规范化技术的缺点：

• 复杂性：规范化技术需要进行大量的数据分析和设计，这需要专业的技能和知识。此外，规范化过程可能需要修改现有的数据结构和应用程序，这可能导致额外的复杂性和成本。

• 数据冗余：规范化技术的目标是消除数据冗余，但在某些情况下，规范化可能会导致数据冗余。例如，在使用多个表的情况下，可能需要进行多个查询才能获取所需的数据，这可能会导致性能问题。

• 性能问题：规范化技术可能会导致性能问题，特别是在大型数据库中。由于需要进行多个查询才能获取所需的数据，可能会导致查询时间变长，从而影响应用程序的性能。

• 难以理解：在规范化的数据库中，数据分散在多个表中，这可能会导致数据难以理解和管理。此外，需要进行多个查询才能获取所需的数据，这可能会使应用程序更难以开发和维护。

• 不适用于所有类型的数据库：规范化技术适用于某些类型的数据库，例如关系型数据库。但是，对于其他类型的数据库，例如文档数据库或图形数据库，规范化技术可能不适用，因为这些数据库使用不同的数据结构和查询语言。

反规范化技术的主要目的是消除数据库中的重复数据，并将数据存储在一个表中。这样可以减少数据访问的时间和成本，并提高查询性能。以下是一些常见的反规范化技术：

• 合并表：将多个表合并成一个表，以减少查询的时间和成本。

• 垂直分割：将一个大表拆分成多个小表，以提高查询性能。

• 水平分割：将一个大表拆分成多个小表，以提高查询性能。

• 缓存表：将经常访问的数据缓存到内存中，以提高查询性能。

• 数据复制：将数据复制到多个服务器上，以提高查询性能和可伸缩性。

• 数据分片：将数据分散到多个服务器上，以提高查询性能和可伸缩性。