1、数据建模

概念模型：信息模型，不依赖具体的计算机系统，也不对应具体的DBMS，概念级别；基本元素包括：实体、属性、域（属性的取值范围）、键（标识符、身份证）、关联（事务之间关系）

逻辑模型：包括层次、网状、关系（最重要）、面向对象、对象关系；关系完整性涉及约束：实体、参照、用户定义

物理模型：具体技术实现因素，真实数据存放；基本元素包括：表、字段、视图、索引、存储过程、触发器

建模过程：

数据需求分析：用户需求-数据流图

概念模型设计：建立逻辑模型，关系模式

逻辑模型设计:  转化为关系模式

物理模型设计:  转换成真正数据库结构，命名，确定字段等

元数据与数据元 :

元数据 ：是关于数据的数据。它描述了其他数据的特征，使我们能够理解和有效地使用这些数据

数据元：是构成数据库或数据集一部分的最小单位。它通常指的是表格中的一个特定字段或列

元数据是关于数据的描述性信息，而数据元是构成数据集或数据库的具体单元

2、数据标准化

定义：实现数据共享的基础。使得数据简单化、结构化和标准化

包括元数据标准化、数据元标准化、数据模式标准化、数据分类与编码标准化和数据标准化管理

数据元提取：自上而下（Top-Down）提取法和自下而上 （Down-Top）提取法。对于新建系统的数据元提取，一般适用“自上而下”的提取法

数据元制定过程：描述→界定业务范围→开展业务流程分析与信息建模→借助于信息模型,提取数据元，并按照一定的规则规范其属性→对于代码型的数据元，编制其值域，即代码表→与现有的国家标准或行业标准进行协调→发布实施数据元标准并建立相应的动态维护管理机制

数据模式描述方法有：图描述（有IDEFIX方法和UML图）方法和数据字典方法

数据标准化管理：确定数据需求、制定数据标准、批准数据标准和实施数据标准

3、数据运维

工作内容包括：数据存储、资源调度管理、存储资源管理、负载均衡、安全管理、数据备份、数据容灾、数据质量和评价控制

备份结构有：DAS备份结构、基于LAN的备份结构、LANFREE备份结构和SERVER-FREE备份结构

备份策略：完全备份、差分备份和增量备份

数据容灾： 应用容灾和数据容灾

RPO（允许丢失的数据量）、RTO(系统恢复的时间)

数据质量评价控制 ：直接评价法和间接评价法、前期控制和后期控制

数据清理三个步骤: 数据分析→数据检测→数据修正

4、数据开发利用

包括数据集成、数据挖掘和数据服务（目录服务、查询服务、浏览和下载服务、数据分发服务）、数据可视化、信息检索

数据挖掘：

任务包括数据总结、关联分析、分类和预测、聚类分析和孤立点分析

流程一般包括确定分析对象、数据准备、数据挖掘、结果评估与结果应用五个阶段

数据服务： 涉及数据目录服务、数据查询与浏览及下载服务、数据分发服务

数据可视化：可视化的表现方式分为七类:一维数据可视化、二维数据可视化、三维数据可视化、多维数据可视化、时态数据可视化、层次数据可视化和网络数据可视化

信息检索：

方法:全文检索、字段检索、基于内容的多媒体检索、数据挖掘

技术包括：布尔逻辑检索技术、截词检索技术、临近检索技术、限定字段检索技术、限制检索技术

5、数据安全

安全后果：非授权的信息泄露、非授权的数据修改、拒绝服务

威胁方式：无意（自然灾害，软硬件错误，人为因素）、有意（授权用户、恶意代理）

安全对策：防止非法的数据访问、防止推导、保证数据库的完整性、保证数据的操作完整性、保证数据的语义完整性、审计和日志、标识和认证、机密数据管理、多级保护、限界

安全机制：用户的身份认证、存取控制、数据库加密、数据审计、推理控制

6、练一练

 

7、思维记忆导图