三级模式-两级映射
数据库模型(概念模式[用户视图]、外模式[DBA视图]、内模式[内部视图])
外模式-概念模式映射，概念模式-内模式映射
E-R模型，实体-联系图(Entity Relationship Diagram)，提供了表示实体类型、属性和联系的方法，用来描述现实世界的概念模型。
集成的方法：
多个局部E-R图一次集成。
逐步集成，用累加的方式一次集成两个局部E-R。
集成产生的冲突及解决办法：
属性冲突：包括属性域冲突和属性值冲突。
命名冲突：包括同名异义和异名同义。
结构冲突：包括同一对象在不同应用中具有不同的抽象，以及同一实体在不同局部E-R图中所包含的属性个数和属性排列次序不完全相同。
关系代数：
并，交，差，笛卡尔积，投影(∏)，选择(σ)，联接
规范化理论(重)
函数依赖
设R(U)是属性U上的一个关系模式，X和Y是U的子集，r为R的任一关系，如果对于r中的任意两个元组u,v,只要有U[X]=v[X],就有u[Y]=v[Y],则称X函数决定Y，或称Y函数依赖于X，记为X--->Y
对于一张学生表，里面有学号，课程号，姓名几个字段，我们可以通过学号找到唯一的学生，我们就称学号，姓名为函数依赖。
价值与用途
非规范化的关系模式，可能存在的问题包括：数据冗余、更新异常、插入异常、删除异常
键
求候选键
1.将关系模式的函数依赖关系用“有向图”的方式表示
2.找入度为0(只出不进)的属性，并以该属性集合为起点，尝试遍历有向图，若能正常遍历图中的所有结点，则该属性集即为关系模式的候选键
3.若入度为0的属性集不能遍历图中的所有结点，或者不存在入度为0的属性集，则需要尝试性的将一些中间结点(既有入度，也有出度的结点)并入入度为0的属性集，直至该集合能遍历所有结点，集合为候选键。
看例题：例1选A，例2：ABCD，例3：B
范式(必考)
◆ 第一范式（1NF）：强调的是列的原子性，即列不能够再分成其他几列。
考虑这样一个表：【联系人】（姓名，性别，电话）
如果在实际场景中，一个联系人有家庭电话和公司电话，那么这种表结构设计就没有达到 1NF。要符合 1NF 我们只需把列（电话）拆分，即：【联系人】（姓名，性别，家庭电话，公司电话）。1NF 很好辨别，但是 2NF 和 3NF 就容易搞混淆。
◆ 第二范式（2NF）：首先是 1NF，另外包含两部分内容，一是表必须有一个主键；二是没有包含在主键中的列必须完全依赖于主键，而不能只依赖于主键的一部分。
消除非主属性对码的部分函数依赖
◆ 第三范式（3NF）：首先是 2NF，另外非主键列必须直接依赖于主键，不能存在传递依赖。即不能存在：非主键列 A 依赖于非主键列 B，非主键列 B 依赖于主键的情况。
消除传递函数依赖
模式分解
保持函数依赖分解
无损分解(有损：不能还原;无损：可以还原)
并发控制
事务：(原子性[整体，不可区分]，一致性[相当于能量守恒]，隔离性[独立执行，互不影响]，持续性[结果，影响是持续的])
存在的问题：
解决办法：封锁协议
数据库完整性约束:提高数据可靠性
实体完整性约束(主键)
参照完整性约束(外键)
用户自定义完整性约束(x>=0 and x<=200)
应对复制情况：触发器(写脚本来约束)
数据库安全
| 措施 | 说明 |
| 用户标识和鉴定 | 最外层的安全保护措施，可以使用用户账户、口令及随机数检验等方式 |
| 存取控制 |
对用户进行授权，包括操作类型(如查找、插入、删除、修改等动作)和 数据对象(主要是数据范围)的权限 |
| 密码存储和传输 | 对远程终端信息用密码传输 |
| 视图的保护 | 对视图进行授权 |
| 审计 |
使用一个专用文件或数据库(日志)，自动将用户对数据库的所有操作 记录下来 |
数据备份
分类一：
冷备份也称静态备份，是将数据库正常关闭，在停止的状态下，将数据库的文件全部备份(复制 )下来。
热备份也称动态备份，是利用备份软件，在数据库正常工作的状态下，将数据库中的数据文件备份下来。
| 优点 | 缺点 | |
| 冷备份 |
非常快速的备份方法(只需要复制文件);容易归档(简单复制即可); 容易恢复到某个时间点上(只需要将文件再复制回去);能与归档方法 相结合，做数据库“最佳状态”的恢复;低度维护，高度安全 |
单独使用时，只能提供到某一时间点上的恢复;在实施备份的过程中， 数据库必须要作备份而不能做其他工作;若磁盘空间有限只能恢复到 磁带等其他外部存储设备上，速度会很慢;不能按表或按用户恢复 |
| 热备份 |
可在表空间或数据库文件级备份，备份的时间短;备份时数据库 仍可使用;可达到秒级恢复(恢复到某一时间点上);可对几乎所有 数据库实体做恢复;恢复是快速的 |
不能出错，否则后果严重;若热备份不成功所得结果不可用于时间点 的恢复;困难与维护，所以要特别小心，不允许“以失败告终” |
分类二：
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
分类三：
静态海量转储：在系统中无运行事务时进行，每次转储全部数据库
静态增量转储：在系统中无运行事务时进行，每次只转储上一次转储后更新过的数据
动态海量转储：转储期间允许对数据库进行存取或修改，每次转储全部数据库
动态增量转储：转储期间允许对数据库进行存取或修改，每次只转储上一次转储后更新的数据
日志文件：
事务日志是针对数据库改变所做的记录，它可以记录针对数据库的任何操作，并记录结果保存在独立的文件中
(记录sql语句，写数据文件)
数据库故障与恢复：
| 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 | 在程序中预先设置Rollback语句 |
| 事务本身的不可预期故障 | 算术溢出、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 | 系统停止运转 | 通常使用检查点法 |
| 介质故障 | 外存被破坏 | 一般使用日志重做业务 |
数据仓库与数据挖掘：
面向主题，集成的，相对稳定的(非易失的)，反映历史变化(随着时间变化)
OLAP服务器：联机分析处理服务器
数据挖掘：挖到人类所不知的特性(什么地方在什么季节卖什么饮料盈利比较好，对老数据进行挖掘)
方法：决策树，神经网络，遗传算法，关联规则挖掘算法
分类：
关联分析：挖掘出隐藏在数据间的相互关系
序列模式分析：侧重点是分析数据间的前后关系(因果关系)
分类分析：为每一个记录赋予一个标记再按标记分类
聚类分析：分类分析法的逆过程
反规范化：由于规范化会是表不断的拆分，从而导致数据表过多。这样虽然减少了数据冗余，提高了增、删、改的速度，但会增加查询的工作量。系统需要进行多次连接，才能进行查询操作，使得系统效率大大下降。
技术手段(以空间换时间)：
增加派生性冗余列
增加冗余列
重新组表
分割表(垂直分割，水平分割)
大数据：
对海量数据进行处理的技术
数据量(Volume),速度(Velocity),多样性(Variety),值(Value)
| 比较维度 | 传统数据 | 大数据 |
| 数据量 | GB或TB级 | PB级或以上 |
| 数据分析需求 | 现有数据的分析与检测 | 深度分析(关联分析、回归分析) |
| 硬件平台 | 高端服务器 | 集群平台(云计算) |
大数据处理系统应该具有的重要特征：
高度可扩展性
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
向下兼容性