1. 常用的資料庫技術有哪些
微軟平台：access mssql
跨平台：mysql firebird oracle......
現在普及的：access mssql mysql
千萬數量級大型應用：oracle
2. 資料庫技術包括哪些技術
資料庫涉及到的技術，包括資料庫系統、SQL 語言和資料庫訪問技術。
3. 3、你了解資料庫嗎,在日常生活中有哪些應用
了解資料庫，各種電子產品中都存在資料庫的應用，在日常生活、工作、學習、還有就醫、娛樂等等各個方面！例如：電腦、電視、手機、廣播、各種軟體等等！
資料庫是存放數據的倉庫。它的存儲空間很大，可以存放百萬條、千萬條、上億條數據。但是資料庫並不是隨意地將數據進行存放，是有一定的規則的，否則查詢的效率會很低。當今世界是一個充滿著數據的互聯網世界，充斥著大量的數據。
即這個互聯網世界就是數據世界。數據的來源有很多，比如出行記錄、消費記錄、瀏覽的網頁、發送的消息等等。除了文本類型的數據，圖像、音樂、聲音都是數據。
分布式資料庫相關延伸：
所謂的分布式資料庫技術，就是結合了資料庫技術與分布式技術的一種結合。具體指的是把那些在地理意義上分散開的各個資料庫節點，但在計算機系統邏輯上又是屬於同一個系統的數據結合起來的一種資料庫技術。
既有著資料庫間的協調性也有著數據的分布性。這個系統並不注重系統的集中控制，而是注重每個資料庫節點的自治性，此外為了讓程序員能夠在編寫程序時可以減輕工作量以及系統出錯的可能性，一般都是完全不考慮數據的分布情況，這樣的結果就使得系統數據的分布情況一直保持著透明性。
數據獨立性概念在分布式資料庫管理系統中同樣是十分重要的一環，但是不僅如此，分布式數據管理系統還增加了一個叫分布式透明性的新概念。這個新概念的作用是讓數據進行轉移時使程序正確性不受影響，就像數據並沒有在編寫程序時被分布一樣。
在分布式資料庫里，數據冗雜是一種被需要的特性，這點和一般的集中式資料庫系統不一樣。第一點是為了提高局部的應用性而要在那些被需要的資料庫節點復制數據。第二點是因為如果某個資料庫節點出現系統錯誤，在修復好之前，可以通過操作其他的資料庫節點里復制好的數據來讓系統能夠繼續使用，提高系統的有效性。
4. 常用的資料庫安全技術有哪些
1)用戶標識和鑒別：該方法由系統提供一定的方式讓用戶標識自己咱勺名字或身份。每次用戶要求進入系統時，由系統進行核對，通過鑒定後才提供系統的使用權。
(2)存取控制：通過用戶許可權定義和合法權檢查確保只有合法許可權的用戶訪問資料庫，所有未被授權的人員無法存取數據。例如C2級中的自主存取控制(I)AC)，Bl級中的強制存取控制(M．AC)。
(3)視圖機制：為不同的用戶定義視圖，通過視圖機制把要保密的數據對無權存取的用戶隱藏起來，從而自動地對數據提供一定程度的安全保護。
(4)審計：建立審計日誌，把用戶對資料庫的所有操作自動記錄下來放人審計日誌中，DBA可以利用審計跟蹤的信息，重現導致資料庫現有狀況的一系列事件，找出非法存取數據的人、時間和內容等。
(5)數據加密：對存儲和傳輸的數據進行加密處理，從而使得不知道解密演算法的人無法獲知數據的內容。
5. 資料庫技術是什麼
語言，掌握對大型資料庫進行維護和恢復的技能，具有解決本專業技術問題的基本能力。畢業前，學生可以自行參加並獲取Oracle資料庫程序設計相關認證或Microsoft SQL Server認證，成為合格的資料庫應用程序設計人員。 就業方向： 企業、政府、股票銀行、公安、司法、保險、金融、稅務、電子商務網站、跨國公司、社區、高等院校等部門資料庫應用程序員，資料庫設計人員、資料庫管理維護人員崗位。 培養目標： 了解資料庫應用程序設計的發展狀況和發展趨勢及主要成就，通過應用平台實例教學的科學實踐與
操作訓練，掌握較全面的資料庫應用程序設計基礎本知識與應用技能，能初步應用關系範式進行資料庫
設計，精通SQL 語言，掌握對資料庫進行維護和恢復的技能，具有使用PB語言進行快速資料庫應用軟體
開發的能力。畢業前，學生可以參加並獲取Oracle資料庫程序設計相關認證或 Microsoft SQL Sever認
證或Sybase認證，成為合格的資料庫應用程序設計人員。 應用平台： 資料庫平台一：Microsoft SQL Sever； 資料庫平台二：Qracle； 9i系列開發環境開發平台：Power Designer、powerBuilder 開發環境。 主幹課程： 計算機基礎應用，程序設計導論，計算機網路基礎，關系資料庫基礎，計算機數學基礎，軟體工程概念，MS—SQL Sever資料庫管理與程序設計，C#語言程序設計，Power Designer資料庫設計，基於Oracle
6. 在我們的日常生活中 ,有哪些方面涉及到資料庫技術
去打的超市買東西，收銀機是連在資料庫上的、去銀行存錢，是要連資料庫的、打電話，通話記錄是存在資料庫里的、話費計算也是要用資料庫的、其他的水電煤氣費都是這樣、去大一點的醫院，從掛號開始，都是要連資料庫的。
資料庫(Database)是按照數據結構來組織、存儲和管理數據的倉庫，它產生於距今六十多年前，隨著信息技術和市場的發展，特別是二十世紀九十年代以後，數據管理不再僅僅是存儲和管理數據，而轉變成用戶所需要的各種數據管理的方式。
資料庫有很多種類型，從最簡單的存儲有各種數據的表格到能夠進行海量數據存儲的大型資料庫系統都在各個方面得到了廣泛的應用。
在信息化社會，充分有效地管理和利用各類信息資源，是進行科學研究和決策管理的前提條件。資料庫技術是管理信息系統、辦公自動化系統、決策支持系統等各類信息系統的核心部分，是進行科學研究和決策管理的重要技術手段。
資料庫，簡單來說是本身可視為電子化的文件櫃--存儲電子文件的處所，用戶可以對文件中的數據進行新增、截取、更新、刪除等操作。
資料庫指的是以一定方式儲存在一起、能為多個用戶共享、具有盡可能小的冗餘度的特點、是與應用程序彼此獨立的數據集合。
在經濟管理的日常工作中，常常需要把某些相關的數據放進這樣的"倉庫"，並根據管理的需要進行相應的處理。
例如，企業或事業單位的人事部門常常要把本單位職工的基本情況(職工號、姓名、年齡、性別、籍貫、工資、簡歷等)存放在表中，這張表就可以看成是一個資料庫。
有了這個"數據倉庫"我們就可以根據需要隨時查詢某職工的基本情況，也可以查詢工資在某個范圍內的職工人數等等。這些工作如果都能在計算機上自動進行，那我們的人事管理就可以達到極高的水平。
此外，在財務管理、倉庫管理、生產管理中也需要建立眾多的這種"資料庫"，使其可以利用計算機實現財務、倉庫、生產的自動化管理。
7. 簡述資料庫的前沿技術
作為一種先進的數據信息處理技術，數據挖掘與傳統的數據分析的本質區別在於它是數據關系的一個探索過程，而且多數情況下是在未有任何假設和前提的條件下完成的。數據挖掘具備多種不同的方法，供使用者從不同的緯度對數據展開全面分析。
(1)相關分析和回歸分析。相關分析主要分析變數之間聯系的密切程度；回歸分析主要基於觀測數據與建立變數之間適當的依賴關系。相關分析與回歸分析均反映的是數據變數之間的有價值的關聯或相關聯系，因此兩者又可統稱為關聯分析。
(2)時間序列分析。時間序列分析與關聯分析相似，其目的也是為了挖掘數據之間的內在聯系，但不同之處在於時間序列分析側重於數據在時間先後上的因果關系，這點與關聯分析中的平行關系分析有所不同。
(3)分類與預測分析。分類與預測用於提取描述重要數據類的模型，並運用該模型判斷分類新的觀測值或者預測未來的數據趨勢。
(4)聚類分析。聚類分析就是將數據對象按照一定的特徵組成多個類或者簇，在同一個簇的對象之間有較高的相似度，而不同的簇之間差異則要大很多。在過程上看，聚類分析一定程度上是分類與預測的逆過程。
8. 大數據方面核心技術有哪些
簡單來說，從大數據的生命周期來看，無外乎四個方面：大數據採集、大數據預處理、大數據存儲、大數據分析，共同組成了大數據生命周期里最核心的技術，下面分開來說：
大數據採集
資料庫採集：流行的有Sqoop和ETL，傳統的關系型資料庫MySQL和Oracle 也依然充當著許多企業的數據存儲方式。當然了，目前對於開源的Kettle和Talend本身，也集成了大數據集成內容，可實現hdfs，hbase和主流Nosq資料庫之間的數據同步和集成。
網路數據採集：一種藉助網路爬蟲或網站公開API，從網頁獲取非結構化或半結構化數據，並將其統一結構化為本地數據的數據採集方式。
文件採集：包括實時文件採集和處理技術flume、基於ELK的日誌採集和增量採集等等。
大數據預處理
數據清理：指利用ETL等清洗工具，對有遺漏數據(缺少感興趣的屬性)、噪音數據(數據中存在著錯誤、或偏離期望值的數據)、不一致數據進行處理。
數據集成：是指將不同數據源中的數據，合並存放到統一資料庫的，存儲方法，著重解決三個問題：模式匹配、數據冗餘、數據值沖突檢測與處理。
數據轉換：是指對所抽取出來的數據中存在的不一致，進行處理的過程。它同時包含了數據清洗的工作，即根據業務規則對異常數據進行清洗，以保證後續分析結果准確性。
數據規約：是指在最大限度保持數據原貌的基礎上，最大限度精簡數據量，以得到較小數據集的操作，包括：數據方聚集、維規約、數據壓縮、數值規約、概念分層等。
大數據存儲，指用存儲器，以資料庫的形式，存儲採集到的數據的過程，包含三種典型路線：
大數據採集，即對各種來源的結構化和非結構化海量數據，所進行的採集。
大數據預處理，指的是在進行數據分析之前，先對採集到的原始數據所進行的諸如「清洗、填補、平滑、合並、規格化、一致性檢驗」等一系列操作，旨在提高數據質量，為後期分析工作奠定基礎。數據預處理主要包括四個部分：數據清理、數據集成、數據轉換、數據規約。
1、基於MPP架構的新型資料庫集群
採用Shared Nothing架構，結合MPP架構的高效分布式計算模式，通過列存儲、粗粒度索引等多項大數據處理技術，重點面向行業大數據所展開的數據存儲方式。具有低成本、高性能、高擴展性等特點，在企業分析類應用領域有著廣泛的應用。
較之傳統資料庫，其基於MPP產品的PB級數據分析能力，有著顯著的優越性。自然，MPP資料庫，也成為了企業新一代數據倉庫的最佳選擇。
2、基於Hadoop的技術擴展和封裝
基於Hadoop的技術擴展和封裝，是針對傳統關系型資料庫難以處理的數據和場景（針對非結構化數據的存儲和計算等），利用Hadoop開源優勢及相關特性（善於處理非結構、半結構化數據、復雜的ETL流程、復雜的數據挖掘和計算模型等），衍生出相關大數據技術的過程。
伴隨著技術進步，其應用場景也將逐步擴大，目前最為典型的應用場景：通過擴展和封裝 Hadoop來實現對互聯網大數據存儲、分析的支撐，其中涉及了幾十種NoSQL技術。
3、大數據一體機
這是一種專為大數據的分析處理而設計的軟、硬體結合的產品。它由一組集成的伺服器、存儲設備、操作系統、資料庫管理系統，以及為數據查詢、處理、分析而預安裝和優化的軟體組成，具有良好的穩定性和縱向擴展性。
四、大數據分析挖掘
從可視化分析、數據挖掘演算法、預測性分析、語義引擎、數據質量管理等方面，對雜亂無章的數據，進行萃取、提煉和分析的過程。
1、可視化分析
可視化分析，指藉助圖形化手段，清晰並有效傳達與溝通信息的分析手段。主要應用於海量數據關聯分析，即藉助可視化數據分析平台，對分散異構數據進行關聯分析，並做出完整分析圖表的過程。
具有簡單明了、清晰直觀、易於接受的特點。
2、數據挖掘演算法
數據挖掘演算法，即通過創建數據挖掘模型，而對數據進行試探和計算的，數據分析手段。它是大數據分析的理論核心。
數據挖掘演算法多種多樣，且不同演算法因基於不同的數據類型和格式，會呈現出不同的數據特點。但一般來講，創建模型的過程卻是相似的，即首先分析用戶提供的數據，然後針對特定類型的模式和趨勢進行查找，並用分析結果定義創建挖掘模型的最佳參數，並將這些參數應用於整個數據集，以提取可行模式和詳細統計信息。
3、預測性分析
預測性分析，是大數據分析最重要的應用領域之一，通過結合多種高級分析功能（特別統計分析、預測建模、數據挖掘、文本分析、實體分析、優化、實時評分、機器學習等），達到預測不確定事件的目的。
幫助分用戶析結構化和非結構化數據中的趨勢、模式和關系，並運用這些指標來預測將來事件，為採取措施提供依據。
4、語義引擎
語義引擎，指通過為已有數據添加語義的操作，提高用戶互聯網搜索體驗。
5、數據質量管理
指對數據全生命周期的每個階段（計劃、獲取、存儲、共享、維護、應用、消亡等）中可能引發的各類數據質量問題，進行識別、度量、監控、預警等操作，以提高數據質量的一系列管理活動。
以上是從大的方面來講，具體來說大數據的框架技術有很多，這里列舉其中一些：
文件存儲：Hadoop HDFS、Tachyon、KFS
離線計算：Hadoop MapRece、Spark
流式、實時計算：Storm、Spark Streaming、S4、Heron
K-V、NOSQL資料庫：HBase、Redis、MongoDB
資源管理：YARN、Mesos
日誌收集：Flume、Scribe、Logstash、Kibana
消息系統：Kafka、StormMQ、ZeroMQ、RabbitMQ
查詢分析：Hive、Impala、Pig、Presto、Phoenix、SparkSQL、Drill、Flink、Kylin、Druid
分布式協調服務：Zookeeper
集群管理與監控：Ambari、Ganglia、Nagios、Cloudera Manager
數據挖掘、機器學習：Mahout、Spark MLLib
數據同步：Sqoop
任務調度：Oozie
9. 資料庫技術的基本概念
資料庫技術涉及到許多基本概念，主要包括：信息，數據，數據處理，資料庫，資料庫管理系統以及資料庫系統等。
資料庫技術是現代信息科學與技術的重要組成部分，是計算機數據處理與信息管理系統的核心。資料庫技術研究和解決了計算機信息處理過程中大量數據有效地組織和存儲的問題，在資料庫系統中減少數據存儲冗餘、實現數據共享、保障數據安全以及高效地檢索數據和處理數據。資料庫技術的根本目標是要解決數據的共享問題。 數據管理技術是對數據進行分類，組織，編碼，輸入，存儲，檢索，維護和輸出的技術.數據管理技術的發展大致經過了以下三個階段：人工管理階段；文件系統階段；資料庫系統階段.
人工管理階段
20世紀50年代以前，計算機主要用於數值計算.從當時的硬體看，外存只有紙帶，卡片，磁帶，沒有直接存取設備；從軟體看（實際上，當時還未形成軟體的整體概念），沒有操作系統以及管理數據的軟體；從數據看，數據量小，數據無結構，由用戶直接管理，且數據間缺乏邏輯組織，數據依賴於特定的應用程序，缺乏獨立性.
文件系統階段
50年代後期到60年代中期，出現了磁鼓，磁碟等數據存儲設備.新的數據處理系統迅速發展起來.這種數據處理系統是把計算機中的數據組織成相互獨立的數據文件，系統可以按照文件的名稱對其進行訪問，對文件中的記錄進行存取，並可以實現對文件的修改，插入和刪除，這就是文件系統.文件系統實現了記錄內的結構化,即給出了記錄內各種數據間的關系.但是，文件從整體來看卻是無結構的.其數據面向特定的應用程序，因此數據共享性，獨立性差，且冗餘度大，管理和維護的代價也很大.
資料庫系統階段
60年代後期，出現了資料庫這樣的數據管理技術.資料庫的特點是數據不再只針對某一特定應用，而是面向全組織，具有整體的結構性，共享性高，冗餘度小，具有一定的程序與數據間的獨立性，並且實現了對數據進行統一的控制. ⒈2.1數據模型的概念及要素數據模型是現實世界在資料庫中的抽象，也是資料庫系統的核心和基礎.數據模型通常包括3個要素：
⑴數據結構.數據結構主要用於描述數據的靜態特徵，包括數據的結構和數據間的聯系.
⑵數據操作.數據操作是指在資料庫中能夠進行的查詢，修改，刪除現有數據或增加新數據的各種數據訪問方式，並且包括數據訪問相關的規則.
⑶數據完整性約束.數據完整性約束由一組完整性規則組成.
⒈2.2 常用的數據模型
資料庫理論領域中最常見的數據模型主要有層次模型，網狀模型和關系模型3種.
⑴層次模型（Hierarchical Model).層次模型使用樹形結構來表示數據以及數據之間的聯系.
⑵網狀模型（Network Model).網狀模型使用網狀結構表示數據以及數據之間的聯系.
⑶關系模型（Relational Model).關系模型是一種理論最成熟，應用最廣泛的數據模型.在關系模型中，數據存放在一種稱為二維表的邏輯單元中，整個資料庫又是由若干個相互關聯的二維表組成的.
⒈2.2 常用的數據模型
當前，已經有一些流行的，也比較成熟的軟體產品能夠很好地支持關系型數據模型，這些產品也因此稱為關系型資料庫管理系統(Relational DataBase Management System,RDBMS).例如，微軟公司的Microsoft Access和MS-SQL Server,Sybase公司的Sybase,甲骨文公司的Oracle以及IBM公司的DB2.其中，Microsoft Access是一個中小型資料庫管理系統，適用於一般的中小企業；MS-SQL Server,Sybase和Oracle基本屬於大中型的資料庫管理系統；而DB2則屬於大型的資料庫管理系統，並且對計算機硬體有很高和專門的要求.