当前位置: 首页 > news >正文

【2023.12.4练习】数据库知识点复习测试

概论

数据表:用于存储现实中数据的联系。

储存信息联系。

字段:又称列,如姓名、年龄、编号等。

记录:又称元组,为数据表中的一行,代表了一个实体的信息。

数据库(DB):是数据有组织的集合。

是长期存储在计算机内的有组织、可共享的数据集合。

数据库系统(DBS):包括了计算机系统(人、硬件、软件平台)、DB、DBS在内的整个系统。

最大特性:数据的结构化

与概念数据模型无关。

数据库管理系统(DBMS):Oracle\MySQL等(这些均为关系型数据库:RDBMS)

由DBMS调用操作系统。

逻辑模型只与DBMS有关,与数据库所在的操作系统无关。

DBMS可维护数据库的完整性。

数据库管理员(DBA)

数据库技术的主要特点:

1.实现了数据的结构化;2.具有完整性

1.实现了数据的结构化

2.数据的冗余度小

3.较高的数据独立性(均与数据有关)

数据库管理技术的演变:人工管理->文件系统->数据库系统

反应现实世界的信息模型是概念模型

关系完整性中,必须满足的约束条件是参照完整性实体完整性

外码不一定和主码同名

数据库完整性约束:

1.实体完整性(有主码,但主属性可以为空)

2.参照完整性(外码约束)

3.用户自定义完整性

4.域完整性(列\字段)
 


数据库设计

1.需求分析

使用数据流图数据字典

2.概念设计

建立E-R图,得到的结果是独立于DBMS和硬件的

3.逻辑设计

需考虑数据库的完整性设计 ,E-R模型向关系模型转化。

4.物理设计

需考虑数据库的完整性设计

选择索引方法,可优化查询操作,又不增加数据的存储空间。

1个关系与1个实体有关(一一对应)

数据库设计原则:

1.保证数据的一致性和完整性。

1.慎用游标和事务的陷阱。

2.索引的使用技巧和数据类型的选择。

3.数据的一致性和完整性。


SQL

1.数据库中,产生数据不一致的根本原因是没有数据库完整性控制 未对数据进行完整性控制

2.参照完整性是用来确保关系之间列的一致性 数据一致性

3.数据库的完整性是指数据的相容性和准确性 正确性、相容性

4.视图中的数据不会存在于数据库中,视图可以显示数据库基本表里不存在的数据列。

相关文章:

【2023.12.4练习】数据库知识点复习测试

概论 数据表:用于存储现实中数据的联系。 储存信息联系。 字段:又称列,如姓名、年龄、编号等。 记录:又称元组,为数据表中的一行,代表了一个实体的信息。 数据库(DB)&#xff1…...

【wvp】测试记录

ffmpeg 这是个莫名其妙的报错,通过排查,应该是zlm哪个进程引起的 会议室的性能 网络IO也就20M...

【若依框架实现上传文件组件】

若依框架中只有个人中心有上传图片组件&#xff0c;但是这个组件不适用于el-dialog中的el-form表单页面 于是通过elementui重新写了一个上传组件&#xff0c;如图是实现效果 vue代码 <el-dialog :title"title" v-model"find" width"600px"…...

玩转大数据5:构建可扩展的大数据架构

1. 引言 随着数字化时代的到来&#xff0c;大数据已经成为企业、组织和个人关注的焦点。大数据架构作为大数据应用的核心组成部分&#xff0c;对于企业的数字化转型和信息化建设至关重要。我们将探讨大数据架构的基本要素和原则&#xff0c;以及Java在大数据架构中的角色&…...

【华为数据之道学习笔记】非数字原生企业的特点

非数字原生企业的数字化转型挑战 软件和数据平台为核心的数字世界入口&#xff0c;便捷地获取和存储了大量的数据&#xff0c;并开始尝试通过机器学习等人工智能技术分析这些数据&#xff0c;以便更好地理解用户需求&#xff0c;增强数字化创新能力。部分数字原生企业引领着云计…...

Kubernetes学习笔记-Part.01 Kubernets与docker

目录 Part.01 Kubernets与docker Part.02 Docker版本 Part.03 Kubernetes原理 Part.04 资源规划 Part.05 基础环境准备 Part.06 Docker安装 Part.07 Harbor搭建 Part.08 K8s环境安装 Part.09 K8s集群构建 Part.10 容器回退 第一章 Kubernets与docker Docker是一种轻量级的容器…...

k8s学习

文章目录 前言一、k8s部署方式二、学习k8s的方式今天主要配置k8s环境的方式今天遇到的是一个在k8s进行初始化的方式&#xff0c;但是发现k8s不能正常初始化总是出现错误&#xff0c;或者在错误中有问题的方式&#xff0c;在网上查询挺多资料需要重新启动kub文件&#xff0c;删除…...

测试:JMeter和LoadRunner比较

比较 JMeter和LoadRunner是两款常用的软件性能测试工具&#xff0c;它们在功能和性能上有一定的相似性和差异。下面从几个方面对它们进行比较&#xff1a; 1. 架构和原理&#xff1a; JMeter和LoadRunner的架构和原理基本相同&#xff0c;都是通过中间代理监控和收集并发客户…...

(C语言)通过循环按行顺序为一个矩阵赋予1,3,5,7,9,等奇数,然后输出矩阵左下角的值。

#include<stdio.h> int main() {int a[5][5];int n 1;for(int i 0;i < 5;i ){for(int j 0;j < 5;j ){a[i][j] n;n 2;}}for(int i 0;i < 5;i ){for(int j 0;j < i;j )printf("%-5d",a[i][j]);printf("\n");}return 0; } 运行截图…...

GitHub项目推荐-Deoldify

有小伙伴推荐了一个老照片上色的GitHub项目&#xff0c;看了简介&#xff0c;还不错&#xff0c;推荐给大家。 项目地址 GitHub - SpenserCai/sd-webui-deoldify: DeOldify for Stable Diffusion WebUI&#xff1a;This is an extension for StableDiffusions AUTOMATIC1111 w…...

微前端qiankun示例 Umi3.5

主应用配置&#xff08;基座&#xff09; 安装包 npm i umijs/plugin-qiankun -D 配置 qiankun 开启 {"private": true,"scripts": {"start": "umi dev","build": "umi build","postinstall": "…...

熬夜会秃头——beta冲刺Day7

这个作业属于哪个课程2301-计算机学院-软件工程社区-CSDN社区云这个作业要求在哪里团队作业—beta冲刺事后诸葛亮-CSDN社区这个作业的目标记录beta冲刺Day7团队名称熬夜会秃头团队置顶集合随笔链接熬夜会秃头——Beta冲刺置顶随笔-CSDN社区 一、团队成员会议总结 1、成员工作…...

IntelliJ IDEA设置中文界面

1.下载中文插件 2. 点击重启IDE 3.问题就解决啦&#xff01;...

RTSP流媒体播放器

rtsp主要还是运用ffmpeg来搭建node后端转发到前端&#xff0c;前端再播放这样的思路。 这里讲的到是用两种方式&#xff0c;一种是ffmpeg设置成全局来实现&#xff0c;一种是ffmpeg放在本地目录用相对路径来引用的方式。 ffmpeg下载地址&#xff1a;http://www.ffmpeg.org/do…...

使用正则表达式时-可能会导致性能下降的情况

目录 前言 正则表达式引擎 NFA自动机的回溯 解决方案 前言 正则表达式是一个用正则符号写出的公式&#xff0c;程序对这个公式进行语法分析&#xff0c;建立一个语法分析树&#xff0c;再根据这个分析树结合正则表达式的引擎生成执行程序(这个执行程序我们把它称作状态机&a…...

Maven生命周期

Maven生命周期 通过IDEA工具的辅助&#xff0c;能很轻易看见Maven的九种生命周期命令&#xff0c;如下&#xff1a; 双击其中任何一个&#xff0c;都会执行相应的Maven构建动作&#xff0c;为啥IDEA能实现这个功能呢&#xff1f;道理很简单&#xff0c;因为IDEA封装了Maven提供…...

深度学习(五):pytorch迁移学习之resnet50

1.迁移学习 迁移学习是一种机器学习方法&#xff0c;它通过将已经在一个任务上学习到的知识应用到另一个相关任务上&#xff0c;来改善模型的性能。迁移学习可以解决数据不足或标注困难的问题&#xff0c;同时可以加快模型的训练速度。 迁移学习的核心思想是将源领域的知识迁…...

面试官:说说synchronized与ReentrantLock的区别

程序员的公众号&#xff1a;源1024&#xff0c;获取更多资料&#xff0c;无加密无套路&#xff01; 最近整理了一波电子书籍资料&#xff0c;包含《Effective Java中文版 第2版》《深入JAVA虚拟机》&#xff0c;《重构改善既有代码设计》&#xff0c;《MySQL高性能-第3版》&…...

数据结构学习笔记——广义表

目录 一、广义表的定义二、广义表的表头和表尾三、广义表的深度和长度四、广义表与二叉树&#xff08;一&#xff09;广义表表示二叉树&#xff08;二&#xff09;广义表表示二叉树的代码实现 一、广义表的定义 广义表是线性表的进一步推广&#xff0c;是由n&#xff08;n≥0&…...

为什么每次optimizer.zero_grad()

当你训练一个神经网络时&#xff0c;每一次的传播和参数更新过程可以被分解为以下步骤&#xff1a; 1前向传播&#xff1a;网络对输入数据进行操作&#xff0c;最终生成输出。这个过程会基于当前的参数&#xff08;权重和偏差&#xff09;计算出一个或多个损失函数的值。 2计…...

PyTorch张量操作实战:从基础运算到高效数据处理

1. PyTorch张量基础&#xff1a;从零开始理解多维数组 第一次接触PyTorch张量时&#xff0c;我完全被这个看似复杂的概念搞懵了。直到有一天&#xff0c;我把张量想象成俄罗斯套娃&#xff0c;突然就豁然开朗了。最外层的套娃是最高维度&#xff0c;每打开一层就降一个维度&…...

避坑指南:思科模拟器做链路聚合时,你可能会遇到的5个报错及解决方法

思科模拟器链路聚合实战&#xff1a;5个典型报错分析与精准排错指南 在Packet Tracer中配置链路聚合时&#xff0c;最令人头疼的往往不是基础配置步骤&#xff0c;而是那些突如其来的报错信息。上周有位学员在CCNA备考群里发了一张截图&#xff1a;%EC-5-CANNOT_BUNDLE2: Fa0/2…...

VSCode安装与应用

vscode官网&#xff1a;https://code.visualstudio.com/Download 点击下一步 注意&#xff1a;这里将创建桌面快捷和下面的1、2勾选&#xff0c;3取消掉&#xff08;以便后续VSCode能右键快捷打开相关文件&#xff0c;3若不取消会将改变文件默认图标为VSCode&#xff0c;并且打…...

Kubernetes集群的搭建与DevOps实践(下)- 部署实践篇

需求清单&#xff1a; 100张数据表要迁移&#xff08;还要支持后续动态新增&#xff09; 双链路同步&#xff1a;MySQL到MySQL、MongoDB到PostgreSQL 不能写死配置&#xff0c;要能灵活扩展 工期不到1个月 技术约束&#xff1a; 源环境&#xff08;塔外&#xff09;和目标环境&…...

Zotero插件生态:从翻译到效率提升的进阶配置指南

1. Zotero插件生态全景&#xff1a;从翻译到全流程优化 第一次接触Zotero时&#xff0c;我和大多数人一样&#xff0c;只是把它当作一个简单的文献管理工具。直到某天深夜赶论文&#xff0c;连续手动整理了47篇参考文献后&#xff0c;手指酸痛的我突然意识到&#xff1a;这绝对…...

保姆级移植教程:将正点原子ATK-IMU901官方例程从STM32 HAL库迁移到MSPM0G3507

跨平台传感器驱动移植实战&#xff1a;从STM32 HAL到MSPM0的代码重构方法论 当我们需要将成熟的传感器驱动迁移到新硬件平台时&#xff0c;往往面临底层接口差异带来的适配难题。本文将以正点原子ATK-IMU901十轴陀螺仪模块为例&#xff0c;详解如何将其官方STM32 HAL驱动移植到…...

Mac新手必看:保姆级教程教你用阿里源加速Homebrew安装(附一键脚本)

Mac新手必备&#xff1a;用阿里云镜像极速部署Homebrew全攻略 刚入手MacBook的你&#xff0c;可能正摩拳擦掌准备搭建开发环境。但当你在终端输入brew install python后&#xff0c;进度条却像蜗牛爬行——这不是你的网络问题&#xff0c;而是Homebrew默认从GitHub拉取资源时&a…...

从Markdown到清晰语音:我是如何用ttsfrd + CosyVoice模型搞定技术文档朗读的

从Markdown到清晰语音&#xff1a;技术文档朗读的工程化实践 每天早上七点&#xff0c;我都要挤进这座城市最拥挤的地铁线。作为开发者&#xff0c;通勤时间曾是知识更新的黑洞——直到我发现将技术文档转为语音的解决方案。这不仅改变了我的学习方式&#xff0c;更为视障程序员…...

SPIRAN ART SUMMONER对比评测:与传统图像生成算法的效果差异

SPIRAN ART SUMMONER对比评测&#xff1a;与传统图像生成算法的效果差异 本文通过实际测试对比&#xff0c;展示SPIRAN ART SUMMONER与传统图像生成算法在效果、速度、易用性等方面的真实差异&#xff0c;用数据和案例说话。 1. 评测背景与方法 图像生成技术近年来发展迅猛&am…...

对于对话中的反讽识别,OpenClaw 的模型是否结合了语调特征?

关于OpenClaw模型在反讽识别中是否结合了语调特征&#xff0c;这个问题其实触及了当前自然语言处理中一个相当微妙的领域。从技术实现的角度来看&#xff0c;OpenClaw这类基于Transformer架构的大语言模型&#xff0c;其训练数据主要来源于互联网上的文本语料&#xff0c;比如网…...