一、數據庫的安全

數據庫里面的安全措施：

1. 用戶標識和鑒定：用戶的賬戶口令等
2. 存取控制：對用戶操作進行控權，有對應權限碼才能操作。
3. 密碼存儲和傳輸：加密存儲。
4. 視圖的保護：視圖需要授權
5. 審計：專門的文件或者數據庫記錄所有操作記錄。

數據庫里面的故障：看下圖

數據庫備份

數據庫備份的形式如下：

1、冷備份（靜態轉儲）：轉儲期間不能對數據庫進行任何操作，優點是快速備份，容易存檔（直接物理復制）

---

2、熱備份（動態轉儲）：轉儲期間允許對數據庫進行存取、修改操作。此時轉儲和用戶事務是并發執行。

優點是表空間或者數據庫文件級別備份，數據庫仍然可以使用，可達到秒級恢復；

缺點：不能出錯

3、完全備份：備份所有數據

4、差量備份：僅備份上一次完全備份之后變化的數據

5、增量備份：備份上一次備份之后變化的數據。（不管上一次是什么備份????????）

6、日志文件：事務每一次對數據庫的操作寫入日志文件，發生故障，利用日志文件撤銷事務對數據庫的改變，回退到四五的初始狀態。

數據故障恢復

數據庫故障恢復的技術：

1. 事務故障的恢復：由系統自動完成，對用戶是透明的（不需要DBA的參與）。步驟就是把更新操作全部還原回去，直到事務的開始標記。
2. 系統故障的恢復：系統重新啟動時自動完成，不需要用戶的干預。掃描日志文件，已提交的時候加入重做隊列，未完成的事務家務撤銷隊列。
3. 介質故障與病毒破壞的恢復。硬盤壞了，裝入最新的數據庫副本，已提交的事務進入重做隊列，不用管未提交的事務
4. 有檢查點的恢復技術：檢查點記錄的內容可包括建立檢查點時刻所有正在執行的事務清單，以及這些事務最近一個日志記錄的地址。類似ctrl+S。

數據庫性能優化

性能優化：

1. 硬件升級：涉及處理器、內存、磁盤子系統和網絡
2. 數據庫設計：從邏輯設計和物理設計入手
   
   邏輯設計：常用的計算屬性（平均值、最大值）存儲到數據庫實體中。重新定義實體減少外部數據數據的開支
   
   物理設計：給數據分配合適的存儲空間。頻繁使用的表分割開，這樣可以并行使用。文本和圖像存儲在單獨的物理設備上。
   
3. 索引優化：索引類似目錄，索引能提高數據庫查詢速度，建立索引時應該選用不常更新經常查詢的屬性作為索引。索引過多會影響到增刪改。
   
4. 查詢優化：sql語句優化，建立物化視圖（已經查好的數據），減少多表查詢；只檢索需要的屬性；用帶IN的條件子句等價替換OR；經常commit 釋放鎖。

二、分布式數據庫

????????局部數據庫位于不用的物理位置，使用一個全局DBMS（數據庫管理系統）將所有局部數據庫聯網管理，這就是分布式數據庫

分布式數據庫特點

1. 數據獨立性
2. 集中于自治共享結合的控制結構：
3. 適當增加數據冗余度
4. 全局的一致性、可串行和可恢復性

分布式數據庫各個模式

圖示：

分片方式

優點

1. 解決企業部門分散而數據需要相互聯系的問題。
2. 靈活增加新的相對自主的部門。
3. 靈活組建全局應用下的多數據庫系統。
4. 故障僅影響局部應用，可靠性更高。

數據倉庫

概要

數據倉庫是：面相主題的、集成的、非易失的、且隨時間變化的數據集合，用于管理決策（大數據決策）。

1. 面相主題：用于特定品類大數據。
2. 集成的：對分散數據庫數據抽取、清理、加工等操作。消除數據的不一致性，保證信息的主題性。
3. 相對穩定：長期保留，包含大量的查詢操作，只需定義的加載、刷新。
4. 反映歷史變化：包含歷史信息，是各個階段的信息，通過這些信息進行定量分析與預測。

四個層次（重要）

層次

1. 數據源：數據倉庫的基礎，整個系統的數據源泉。
2. 數據的存儲和管理：數倉的核心。
3. OLAP（聯機分析處理）服務器：
   將原本不可能實時完成的深度分析變為可行——如同用天文望遠鏡替代肉眼觀星 ?
4. 前端工具：報表工具等，呈現olap的結果。

商業智能

BI系統的4個階段：數據預處理、建立數據倉庫、數據分析、數據展現。

數據倉庫分類

數據倉庫的分類：企業倉庫、數據集市、虛擬倉庫

數據倉庫設計方法

數據倉庫的設計方法：

1. 自頂向下：用于企業級，建立數據倉庫后，各個部分再從數據倉庫中獲取部門所需的數據，形成數據集市。
2. 自底向上：從企業中最關鍵的部門開始，最少投資完成當前需求，最先產生獨立數據集市。
3. 混合.

數據挖掘

結構

發現非直覺的信息。

流程

數據挖掘常用技術（記住）

數據挖掘的常用技術

1. 決策樹：利用信息論中互信息（信息增益）尋找數據庫中具有最大信息量的屬性，建立決策樹的節點，再根據屬性的不同取值建立樹的分支。
2. 分類：按照翻譯劃分成組
3. 粗糙集：基于分類，一種類別對應于一個概念，知識由概念組成。粗糙集通過近似概念表示不精確的概念。
4. 神經網絡：神經網絡通過學習待分析數據中的模式來構建模型。
5. 關聯規則：搜索業務系統中所有細節和事務，找出重復出現的模式。
6. 概念樹方法：按歸類的方式進行抽象，放大建立起來的層次結構稱為概念樹。
7. 遺傳算法：模擬生物進化過程
8. 依賴性分析：在數據倉庫的條目和對象之間抽取依賴性。
9. 公式發現：進行數學運算
10. 統計分析方法：找出數據庫屬性的函數關系和相關關系
11. 模糊論：模糊性是客觀存在的，系統越復雜，精確度越低，越模糊
12. 可視化分析：通過圖形化分析數據。

數據挖掘分析方法（了解）

1. 關聯分析
2. 序列分析
3. 分類分析：首先為每個記錄設置一個標記，然后對這個分類進行分析，有監督。
4. 聚類分析：對無標記的記錄進行相似性聚合，劃分、分析，屬于無監督。
5. 預測分析
6. 時間序列分析