数据库系统原理之数据管理技术的发展

2023年5月10日 108点热度 0人点赞 0条评论

数据管理技术的发展

第一代数据库系统有如下两类代表：

这两类数据库系统具有的共同特点：

支持关系数据模式的关系数据库系统是第二代数据库系统。

20世纪70年代是关系数据库理论研究和原型开发的时代。

经过大量高层次的研究和开发取得了以下主要成果：

关系数据库是以关系模型为基础的，而关系模型是由数据结构、关系操作和数据完整性三部分组成。

第二代关系数据库系统具有模型简单清晰、理论基础好、数据独立性强、数据库语言非过程化和标准化等特点。

从20世纪80年代开始，数据库界广泛开展了面向对象数据库系统（OODBS）的研究。

从面向对象（OO）模型、面向对象数据库管理系统（OODBMS）实现技术、OODBMS产品研发和应用等各个层面进行了大量的创新工作。

由于面向对象数据模型中许多功能难以实现，面向对象数据库系统过于复杂不易使用，尽管开发出许多面向对象数据库产品，但是成熟度低，最终没有被市场普遍接受。

1990 年高级 DBMS 功能委员会发表了《第三代数据库系统宣言》的文章，提出了第三代数据库系统应具有的三个基本特征，《宣言》中称为三条基本原则。

这三个基本特征如下：

第三代数据库系统应支持数据管理、对象管理和知识管理。
- 第三代数据库系统应该是以支持面向对象数据模型为主要特征的数据库系统
- 只支持面向对象模型的系统不能称为第三代数据库系统
- 第三代数据库系统还应具备其他特征
第三代数据库系统必须保持或继承第二代数据库系统的技术
第三代数据库系统必须对其他系统开发

既然对于第三代数据库系统并没有形成一致的认识，因而通常把第二代以后的数据库系统称为新一代数据库系统。

数据库与其他计算机技术相结合，是数据库技术发展的一个显著特征。

数据仓库、工程数据库、统计数据库、空间数据库、科学数据库等多种数据库

计算机系统中存在着两类不同的数据处理工作：

20世纪80年代数据仓库（Data Warehouse，DW）技术应运而生。

传统的数据库技术为操作型处理服务

数据仓库为分析型处理服务

数据仓库是面向主题的、集成的、稳定的、随时间变化的数据集合，用以支持管理决策的过程。

数据仓库用于支持决策，面向分析型数据处理，不同于提供业务效率的操作型数据库。

数据仓库对分布在组织或企业中的多个异构数据源集成，按照决策主题选择数据并以新的数据模型存储。

存储在数据仓库中的数据一般不能修改。

数据仓库主要有以下特征：
- 面向主题
- 集成性
- 数据的非易失性
  - 数据经加工和集成进入数据仓库后是极少更新的，通常只需要定期加载和更新。
- 数据的时变性
粒度是指数据仓库的数据单位中保存数据的细化或综合程度的级别，细化程度越高，粒度级就越小，相反地，细化程度越低，粒度级就越大。
- 在数据仓库中的数据量大小与查询的详细程度之间要做出权衡。
分割是将数据分散到各自的物理单元中，以便能分别处理，以提高数据处理的效率。
- 数据分割后的单元称为切片
维是人们观察数据的特定角度，是考虑问题时的一类属性。
- 维可以有细节程度的不同描述方面（维的层次）

数据集市（Data Mart）的基本思想是自下而上的数据仓库的开发方法。

数据挖掘（Data Mining）是从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中发现并提取隐藏在其中的、人们事先不知道的、但又是潜在有用的信息和知识的一种技术。

它又被称为数据库中的知识发现（Knowledge Discovery in Database，KDD），其与数据库、数理统计、机器学习、模式识别、模糊数学等诸多技术相关。

数据处理不是数据挖掘。