第14章数据库技术

1、第第1414章章 数据库技术数据库技术v14.114.1数据库系统概论数据库系统概论v14.214.2数据模型数据模型v14.314.3物流中的数据库应用技术物流中的数据库应用技术v14.414.4数据仓库和数据仓库和DMDM及其应用及其应用14.114.1数据库系统概论数据库系统概论14.1.114.1.1信息、数据和数据处理信息、数据和数据处理14.1.214.1.2数据管理技术的发展数据管理技术的发展14.1.314.1.3数据库系统数据库系统14.1.114.1.1信息、数据和数据处理信息、数据和数据处理（1 1）信息与数据）信息与数据 数据是数据库系统研究和处理的对象。在数据处理领域

2、，一般把信息理解为关于现实世界事物存在方式或运动状态的反映。所谓数据，通常指用符号记录下来的、可识别的信息。 信息与数据之间存在着固有的联系：数据是信息的符号表示或称为载体；信息则是数据的内涵，是对数据语义的解释。数据表示了信息，而信息只有通过数据形式表示出来才能被人们理解和接受。（2 2）数据处理）数据处理 数据处理也可以称为信息处理，因为当把客观事物表示成数据后，这些数据便被人们赋予了特定的含义，从而为人们提供了不必直接观察和度量事物就可以获得有关信息的手段。在具体操作中，涉及到数据库收集、管理、加工利用乃至信息输出的演变与推导全过程。14.1.214.1.2数据管理技术的发展数据管理技术

3、的发展（1 1）人工管理阶段）人工管理阶段 这个时期的数据管理有如下特点：数据不保存。数据需要由应用程序自己管理数据不共享。数据不具有独立性。（2 2）文件系统阶段）文件系统阶段 这一阶段的数据管理有以下的特点： 数据以“文件”形式可以长期保存。数据的逻辑结构与物理结构有了区别，但比较简单。文件组织已多样化。数据不再属于某个特定的程序，在一定程度上可以共享，但程序与数据结构之间的依赖关系并未根本改变。（3 3）数据库系统阶段）数据库系统阶段 概括起来，数据库阶段的数据管理具有如下特点：采用数据模型表示复杂的数据结构。有较高的数据独立性。为用户提供方便的用户接口。对数据实现统一管理，增加了灵活性

4、。14.1.314.1.3数据库系统数据库系统（1 1）数据库系统的组成）数据库系统的组成数据库（DB）硬件软件数据库管理员（DBA）（2 2）DBSDBS的特征的特征 DBS应用已经深入人类社会活动的各个领域。人们热衷于用DBS来管理数据，而且使用者与日俱增，主要是因为DBS具有其独特的优异特征：有很好的效益数据集中控制有很高的灵活性方便程序设计和程序维护有利推广标准化14.214.2数据模型数据模型14.2.114.2.1数据模型的定义数据模型的定义14.2.214.2.2数据模型的三要素数据模型的三要素14.2.314.2.3实体联系模型实体联系模型14.2.414.2.4常见的三种数据

5、模型常见的三种数据模型 模型是对现实世界的抽象。在数据库技术中，我们用模型的概念描述数据库的结构与语义，对现实世界进行抽象。能表示实体类型及实体间联系的模型称为“数据模型”。 数据模型的种类很多，目前被广泛使用的可分为两种类型，一种是模型称为“概念数据模型”；另一种数据模型直接与DBMS有关，称为“逻辑数据模型”，一般又称为“结构数据模型”。14.2.114.2.1数据模型的定义数据模型的定义 通常一个数据库的数据模型由数据结构、数据操作和数据的完整性约束条件3部分组成。 数据结构数据结构 数据结构是所研究的对象类型的集合。 数据操作数据操作 数据操作是指对数据库中各种对象 （型）的实例（值）

6、允许执行的操作的集合，包括操作及有关的操作规则。 数据的完整性约束条件数据的完整性约束条件 数据的约束条件是一组完整性规则的集合。数据模型应该反映和规定本数据模型必须遵守的基本的通用的完整性约束条件。例如，在关系模型中，任何关系必须满足实体完整性和参照完整性两个条件。14.2.214.2.2数据模型的三要素数据模型的三要素 实体联系模型（Entity Relationship Model，简记为ER模型）直接从现实世界中抽象出实体类型及实体间联系，然后用实体联系图（ER图）表示数据模型。 在ER图中有下面三个基本成分：矩形框，用于表示实体类型（考虑问题的对象）。菱形框，用于表示联系类型（实体间

7、联系）。椭圆形框，用于表示实体类型和联系类型的属性。 ER模型有两个明显的优点：一是简单，容易理解，真实地反映用户地需求；二是与计算机无关，用户容易接受。因此ER模型已成为软件工程地一个重要设计方法。14.2.314.2.3实体联系模型实体联系模型14.2.414.2.4常见的三种数据模型常见的三种数据模型层次模型层次模型 用树结构来表示实体之间联系的模型称为层次模型。网状模型网状模型 用有向图结构表示实体之间联系的数据模型称为网状数据模型。关系模型关系模型 用关系（表格数据）表示实体和实体之间联系的模型称为关系数据模型。14.314.3物流中的数据库应用技术物流中的数据库应用技术14.3.1

8、14.3.1物流系统数据库的设计物流系统数据库的设计14.3.214.3.2物流数据库的管理物流数据库的管理14.3.314.3.3物流数据库的应用物流数据库的应用14.3.114.3.1物流系统数据库的设计物流系统数据库的设计（1 1）建立物流系统信息模型）建立物流系统信息模型（2 2）设计物流系统数据库的数据结构）设计物流系统数据库的数据结构（3 3）设计物流系统数据库的物理结构）设计物流系统数据库的物理结构（4 4）实现物流系统数据库）实现物流系统数据库物流系统数据库的设计包括以下几步：14.3.214.3.2物流数据库的管理物流数据库的管理（1 1）安全管理）安全管理（2 2）完整性与

9、一致性管理）完整性与一致性管理（3 3）数据库的恢复）数据库的恢复 物流系统数据库的管理包括安全管理、完整性与一致性实现、磁盘空间管理、数据库的维护、数据库系统的启动、运行监控及性能调整等内容。14.3.314.3.3物流数据库的应用物流数据库的应用（1 1）数据收集）数据收集（2 2）数据存储）数据存储（3 3）数据传输）数据传输（4 4）数据加工）数据加工（5 5）信息输出）信息输出 数据库的应用实质上是物流信息系统的应用，因为数据库是物流信息系统的根本所在，是用户最关心的资源。为了满足物流管理者的信息需求，信息系统需要完成大量的信息处理工作，即数据处理工作。虽然各种类型的信息系统在具体内

10、容与侧重点上有很大差别，但是其基本程序均可以概括为六个基本方面： 14.414.4数据仓库和数据挖掘及其应用数据仓库和数据挖掘及其应用14.4.114.4.1数据仓库概述数据仓库概述14.4.214.4.2数据仓库在电子商务中的用途数据仓库在电子商务中的用途14.4.314.4.3数据挖掘概述数据挖掘概述14.4.414.4.4数据挖掘在物流中的应用数据挖掘在物流中的应用 14.4.114.4.1数据仓库概述数据仓库概述（1 1）数据仓库的定义）数据仓库的定义 目前，数据仓库一词尚没有一个统一的定义，著名的数据仓库专家W.H.Inmon在其著作Building the Data Warehou

11、se一书中给予如下描述：数据仓库（Data Warehouse）是一个面向主题的、集成的、相对稳定的、反映历史变化的数据集合，用于支持管理决策。对于数据仓库的概念我们可以从两个层次予以理解，首先，数据仓库用于支持决策，面向分析型数据处理，它不同于企业现有的操作型数据库；其次，数据仓库是对多个异构的数据源有效集成，集成后按照主题进行了重组，并包含历史数据，而且存放在数据仓库中的数据一般不再修改。（2 2）数据仓库的特点）数据仓库的特点 根据数据仓库概念的含义，数据仓库拥有以下四个特点：面向主题面向主题集成的集成的相对稳定的相对稳定的反映历史变化反映历史变化（3 3）数据仓库系统的体系结构）数据仓

12、库系统的体系结构 整个数据仓库系统是一个包含四个层次的体系结构，数据源数据源数据的存储与管理数据的存储与管理OLAPOLAP服务器服务器前端工具前端工具具体由下图146表示。图146数据仓库系统体系结构图14.4.214.4.2数据仓库在电子商务中的用途数据仓库在电子商务中的用途（1 1）客户跟踪）客户跟踪（2 2）控制商品库存）控制商品库存（3 3）减少跳线率）减少跳线率（4 4）一对一服务）一对一服务（5 5）决策信息服务）决策信息服务14.4.314.4.3数据挖掘概述数据挖掘概述特定数据集数据仓库数据库清洗与集成选择与转换数据挖掘评估与表示模式知识图147 知识发现全过程示意图（1 1

13、）数据挖掘的概念）数据挖掘的概念 数据挖掘（Data Mining）就是从大量的、不完全的、有噪声的、模糊的、随机的数据中,提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程。 由图147可见，整个知识发现（KDD）过程是由若干个挖掘步骤组成，而数据挖掘仅是其中一个主要步骤。整个知识发现的主要步骤有：数据清洗，其作用就是清楚数据噪声和与挖掘主题明显无关的数据。数据集成，其作用就是将来自多数据源中的相关数据组合到一起。数据转换，其作用就是将数据转换为易于进行数据挖掘的数据存储形式。数据挖掘，它是知识挖掘的一个基本步骤，其作用就是利用智能方法挖掘数据模式或规律知识。模式评估，其作

14、用就是根据一定评估标准从挖掘结果筛选出有意义的模式知识。知识表示，其作用就是利用可视化和知识表达技术，向用户展示所挖掘出的相关知识。（2 2）数据挖掘的功能）数据挖掘的功能 数据挖掘的功能主要有： 关联分析（关联分析（association analysisassociation analysis） 聚类分析（聚类分析（clusteringclustering） 分类（分类（classification)classification) 预测（预测（predicationpredication） 时序模式（时序模式（time-series patterntime-series pattern） 偏差分析（偏差分析（deviationdeviation）（3 3）数据挖掘中的方法）数据挖掘中的方法 神经网络方法神经网络方法 遗传算法遗传算法 决策树方法决策树方法 粗糙集方法粗糙集方法 统计分析方法统计分析方法 模糊集方法模糊集方法14.4.414.4.4数据挖掘在物流中的应用数据挖掘在物流中的应用（1 1）选址问题）选址问题 物流中心（流通中心、配送中心）选址问题属于最小成本问题，即求解是运输成本、变动处理成本和固定成本等之和为最小的最小化问题。 （2 2）配送问题）配送问题 配送问题是现