答案：
資料庫中存儲的基本對象是表
② evs雲硬碟服務和對象存儲obs的區別是什麼
雲硬碟EVS可以為雲伺服器提供高可靠、高性能、規格豐富並且可彈性擴展的塊存儲服務。類似PC中的硬碟。
對象存儲OBS是一種可存儲文檔、圖片、影音視頻等非結構化數據的雲存儲服務。支持多種上雲方式，為海量的雲端數據提供低成本、高可靠訪問存儲。
兩者的邏輯、基本屬性、訪問方式和應用場景等方面都有不同，下面里講得很淺顯易懂：https://bbs.huaweicloud.com/blogs/133894
③ Acess資料庫的諸對象中,實際存儲數據的地方是什麼
ACCESS存儲數據極限
access資料庫的存儲上限
Access 規格
Microsoft Access 資料庫規格
Access 資料庫
屬性 最大值
Microsoft Access 資料庫 (.mdb) 文件大小 2G 位元組減去系統對象所需的空間。
資料庫中的對象個數 32,768
模塊（包括「內含模塊」屬性為「是」的窗體和報表） 1,000
對象名稱中的字元數 64
密碼的字元個數 14
用戶名或組名的字元個數 20
並發用戶的個數 255
表
屬性 最大值
表名的字元個數 64
欄位名的字元個數 64
表中欄位的個數 255
打開表的個數 2048；實際可打開的表的數目可能會少一些，因為 Microsoft Access 還要打開一些內部的表。
表的大小 2G 位元組減去系統對象所需的空間
「文本」欄位的字元個數 255
「備注」欄位的字元個數 通過用戶界面輸入為 65,535；以編程方式輸入時為 1G 位元組的字元存儲。
「OLE 對象」欄位的大小 1G 位元組
表中的索引個數 32
索引中的欄位個數 10
有效性消息的字元個數 255
有效性規則的字元個數 2,048
表或欄位說明的字元個數 255
記錄的字元個數（除「備注」欄位和「OLE 對象」欄位外） 2,000
欄位屬性設置的字元個數 255
查詢
屬性 最大值
實施關系的個數 每個表為 32 減去表中不包含在關系中的欄位或欄位組合的索引個數
查詢中的表的個數 32
記錄集中的欄位個數 255
記錄集大小 1G 位元組
排序限制 255 個字元（一個或一個以上欄位）
嵌套查詢的層次數 50
查詢設計網格一個單元格中的字元個數 1,024
參數查詢的參數字元個數 255
Where 或 HAVING 子句中 AND 的個數 99
SQL 語句中的字元個數 約為 64,000
窗體和報表
屬性 最大值
標簽中的字元個數 2,048
文本框中的字元個數 65,535
窗體或報表寬度 22 英寸（55.87 厘米）
節高度 22 英寸（55.87 厘米）
所有節加上節頁眉的高度（在「設計」視圖中） 200 英寸（508 厘米）
窗體或報表的最大嵌套層數 7
報表中可作為排序或分組依據的欄位或表達式個數 10
報表中頁眉和頁腳的個數 1 對報表頁眉/報表頁腳，1 對頁面頁眉/頁面頁腳，10 對組頁眉/組頁腳
報表的列印頁數 65,536
可添加到窗體或報表的控制項和節的個數 754
SQL 語句中作為窗體、報表或控制項的「記錄源」或「行來源」屬性的字元個數（適用於 .mdb 和 .adp） 32,750
宏
屬性 最大值
宏中的操作個數 999
條件中的字元個數 255
備注中的字元個數 255
操作參數中的字元個數 255
Microsoft Access 項目規格
Access 項目
屬性 最大值
Microsoft Access 項目 (.adp) 中的對象數目 32,768
模塊（包括「內含模塊」屬性為「是」的窗體和報表） 1,000
對象名稱中的字元數 64
表中的索引個數 250 (Microsoft SQL Server 6.5)
1024（Microsoft SQL Server 7.0 和 2000）
Microsoft SQL Server 資料庫
SQL Server 文檔中描述了 Microsoft SQL Server 最大容量規格。有關 SQL Server 聯機叢書的詳細信息，請參見 Microsoft Developer's Network Web 站點。
注意 使用該主題中的超鏈接會跳轉到 Web 上，但隨時可以切換回「幫助」。
窗體和報表
屬性 最大值
標簽中的字元個數 2,048
文本框中的字元個數 65,535
窗體或報表寬度 22 英寸（55.87 厘米）
節高度 22 英寸（55.87 厘米）
所有節加上節頁眉的高度（在「設計」視圖中） 200 英寸（508 厘米）
窗體或報表的最大嵌套層數 7
報表中可作為排序或分組依據的欄位或表達式個數 10
報表中頁眉和頁腳的個數 1 對報表頁眉/報表頁腳，1 對頁面頁眉/頁面頁腳，10 對組頁眉/組頁腳
報表的列印頁數 65,536
可添加到窗體或報表的控制項和節的個數 754
SQL 語句中作為窗體、報表或控制項的「記錄源」或「行來源」屬性的字元個數（適用於 .mdb 和 .adp） 32,750
宏
屬性 最大值
宏中的操作個數 999
條件中的字元個數 255
備注中的字元個數 255
操作參數中的字元個數 255
④ 大數據，雲計算中的海量數據是哪裡來的
都是為數據存儲和處理服務的；都需要佔用大量的存儲和計算資源，因而都要用到海量數據存儲技術、海量數據管理技術、MapRece等並行處理技術。因此，雲計算和大數據是一個硬幣的兩面，雲計算是大數據的 IT 基礎，而大數據是雲計算的一個殺手級應用。
⑤ 數據存儲在OBS和HDFS有什麼區別
據存儲在OBS和HDFS有什麼區別？
MRS集群處理的數據源來源於OBS或HDFS，HDFS是Hadoop分布式文件系統（Hadoop Distributed File System），OBS（Object Storage Service）即對象存儲服務，是一個基於對象的海量存儲服務，為客戶提供海量、安全、高可靠、低成本的數據存儲能力。MRS可以直接處理OBS中的數據，客戶可以基於雲管理平台Web界面和OBS客戶端對數據進行瀏覽、管理和使用，同時可以通過REST API介面方式單獨或集成到業務程序進行管理和訪問數據。
數據存儲在OBS：數據存儲和計算分離，集群存儲成本低，存儲量不受限制，並且集群可以隨時刪除，但計算性能取決於OBS訪問性能，相對HDFS有所下降，建議在數據計算不頻繁場景下使用。
數據存儲在HDFS：數據存儲和計算不分離，集群成本較高，計算性能高，但存儲量受磁碟空間限制，刪除集群前需將數據導出保存，建議在數據計算頻繁場景下使用。
⑥ 數據存儲在OBS和HDFS有什麼區別我是指華為雲的數據存儲.
MRS集群處理的數據源來源於OBS或HDFS，HDFS是Hadoop分布式文件系統（Hadoop Distributed File System），OBS（Object Storage Service）即華為對象存儲服務，是一個基於對象的海量存儲服務，為客戶提供海量、安全、高可靠、低成本的數據存儲能力。MRS可以直接處理OBS中的數據，客戶可以基於雲管理平台Web界面和OBS客戶端對數據進行瀏覽、管理和使用，同時可以通過REST API介面方式單獨或集成到業務程序進行管理和訪問數據。
數據存儲在OBS：數據存儲和計算分離，集群存儲成本低，存儲量不受限制，並且集群可以隨時刪除，但計算性能取決於OBS訪問性能，相對HDFS有所下降，建議在數據計算不頻繁場景下使用。
數據存儲在HDFS：數據存儲和計算不分離，集群成本較高，計算性能高，但存儲量受磁碟空間限制，刪除集群前需將數據導出保存，建議在數據計算頻繁場景下使用。
⑦ 在項目數字化轉型中使用較為普遍的軟體定義存儲一體機有嗎，求推薦
隨著國內企業數字化轉型加速，企業紛紛上雲，數據存儲量呈爆發式增長。傳統存儲擴展性差、成本高等局限性愈發明顯。軟體定義存儲（Software Defined Storage，以下簡稱SDS）以虛擬化方式將各種存儲資源抽象化、進行池化整合，通過智能化管控軟體實現存儲資源的按需分配。軟體定義存儲重新定義了存儲架構，以擴容便捷、成本較低等優勢，成為存儲領域的重要發展方向之一。
深圳市杉岩數據技術有限公司（以下簡稱「杉岩數據」或「杉岩」）是國內軟體定義存儲領域的領導者之一。IDC最新發布的《2019 Q4 中國SDS市場報告》中，杉岩數據在對象存儲市場份額第三，佔比16.3%；在塊存儲市場份額第四，佔比6.9%。
杉岩數據成立於2014年9月，公司以新一代智能分布式存儲技術為核心，致力於提供領先的面向不同業務環境的企業級存儲方案，幫助用戶輕松應對IT向雲遷移的存儲挑戰，為大數據時代的商業決策提供智能存儲，打造雲計算、人工智慧、物聯網等領域的數據存儲基石。
杉岩數據致力於幫助用戶應對數據存儲量、訪問量以及數據管理復雜度，幫助用戶建立以存儲虛擬化和計算虛擬化為核心的雲計算基礎設施環境，並逐步提供數據處理、挖掘、智能分析等方面的大數據專業系統和服務。
2020年7月8日，公司宣布獲得B+輪1.5億元最新融資，本輪融資由大型央企中遠海運領投，襄禾資本、無錫金投跟投。藉助本輪融資，公司將圍繞數據存儲、數據管理、數據價值的客戶價值模型，持續加大產品關鍵技術的研發投入、垂直領域的市場拓展、人才引入以及產業生態鏈的建設，為用戶的數字化轉型提供全面賦能。
杉岩數據融資情況
訪談內容分享如下：
1
不只是存儲優化
以數據為中心的客戶價值金字塔模式
將智能存儲的進階賦能演繹到極致
融中研究：
「SandStone是一種橙紅色石頭，由沙粒經過多年不斷沉積重新排列而成。SandStone 生動地詮釋了『分布式架構』的形成。」為什麼用這個比喻來強調「分布式架構」？有什麼特殊含義？
陳堅：
SandStone對我們確實意義深遠。實際上，我們公司名稱的來源與「Sand Stone」緊密相關。杉岩二字，來源於Sand的音譯杉，以及Stone的意譯岩。取名「SandStone」是因為我們做的是基於P2P的分布式存儲架構，分布式存儲的本質就是把分散的磁碟硬體聚合起來，形成一個很大的存儲資源池。「SandStone」生動地詮釋了「分布式架構』的形成，每個磁碟所在的伺服器節點就像一粒沙子，通過杉岩數據的軟體聚沙成石，形成一個穩定可靠的存儲系統。
SandStone不僅代表了產品的特點，實際也代表了我們的文化、經營理念。從公司內部來看，每一個員工就像一粒沙子，大家團結奮斗、緊密協作，凝聚成一個有機整體，使得整個公司像石頭一樣堅不可摧；從外部合作夥伴的拓展來看，以杉岩為中心，將周圍的合作夥伴聚在一起形成生態圈，每一個夥伴也是一粒沙子，通過不斷吸納聚合，構建穩定的生態圈。因此，SandStone所代表的團結奮斗與凝聚力內核，已內化成了公司企業文化的一部分；SandStone蘊含的分布式理念，也切合了公司與合作夥伴的生態建設理念。
融中研究：
杉岩是做存儲的，為什麼公司取名為杉岩數據而不是杉岩存儲呢？智能存儲與傳統存儲的主要區別是什麼？杉岩的智能存儲方案有什麼特點？
陳堅：
之所以叫杉岩數據而不是杉岩存儲，是因為我們帶給客戶的價值不只是存儲的優化，而是以數據為中心的智能存儲賦能，通過我們的存儲系統，解決客戶在AIoT、5G時代海量數據的存儲、管理以及使用方面的問題。
針對智能存儲，杉岩數據構建了一套以數據為中心的客戶價值金字塔模型，最底座是存儲，作為數據的抓手；中間層是數據的管理，作為內涵；最頂層為未來的智能化應用提供准備及服務，我把它叫做外延。
具體來說，第一層即數據存儲的智能化。存儲側的智能，就是讓客戶使用更加簡單。傳統存儲像煙囪，每一個業務系統配一套存儲，客戶的運維非常困難。分布式存儲則是一個存儲池，客戶面向的是一套承載了不同應用數據的存儲集群，孤立的煙囪不再存在。在存儲集群裡面的故障、性能、容量等告警，都是由存儲系統內部智能化完成，同時還保障數據的可靠性、安全性以及訪問性能。
第二層，數據管理的智能化。用戶存數據後，要管數據。我認為數據是有生命力的，像人一樣有從生到死的過程。醫療影像數據是一個典型的例子：病人拍完CT、X光產生的影像數據馬上要被用於輔助醫生尋找病症、病灶，這時數據是「熱」的。這一次病好後，數據訪問頻率下降，「熱」數據變為「溫」數據。病人徹底康復後，數據變「冷」。對「熱」數據，為了保證訪問性能，相應的軟硬體配置都非常高，價格也高。「冷」數據如果同「熱」數據一樣存儲，性價比較低。醫院一般將冷數據歸檔到公有雲或藍光等單位存儲成本相對較低的存儲介質中。這個例子正好反映了數據全生命周期的智能化管理。
在未來海量數據時代，數據的管理非常關鍵。除了數據全生命周期的管理，杉岩還能實現數據智能化的統一管理，包括：對客戶的傳統存儲和杉岩的分布式存儲的統一管理，保護客戶對傳統存儲的原有投資；對公有雲、私有雲數據的統一管理，實現數據的自由流動；對邊緣設備與中心設備數據的統一管理，實現數據的相互協同。
第三層，金字塔的頂端，是數據挖掘的智能化。數據被存儲、管理，最終都是為了信息和價值的挖掘。目前越來越多的企業藉助AI、機器學習、深度學習這些演算法來使用和挖掘數據價值。杉岩的存儲系統，包括我們的對象存儲，都為海量數據的挖掘和使用去賦能。當然，杉岩不是要做AI，而是為智能化去賦能。這體現在兩個方面，第一，我們的存儲系統裡面自帶數據處理引擎，對業務需要使用的數據進行預先處理。第二，我們為AI的訓練、數據清洗、數據的准備階段提供了友好的統一管理、存儲平台——數據處理引擎「AI in MOS」，還有面向需要對AI進行訓練、學習、應用的公司提供的存儲平台——「MOS for AI」。
融中研究：
杉岩在數據的存、管、挖各個層面的資源投入如何？杉岩在技術底層的優勢有哪些？
陳堅：
在存、管、挖三個層面，杉岩起步聚焦於「存」，致力於為客戶提供一個高可靠、高安全、高性能、高可擴展性的分布式存儲系統，「存」也是目前投入最大的一塊。在「存」方面，目前我們的核心競爭力主要體現在產品性能更高，可用性、可維性更強，特別是在數據的安全性方面，我們積累了很多經驗。
在管方面，隨著客戶持續增加，杉岩面臨的需求也不斷增加，我們通過與客戶的互動交流，了解客戶實實在在的需求與痛點，並提出創新的解決方案。目前我們一些特有的產品功能已經落地了，這是很多企業包括一些大廠都不具備的，比如說我們對傳統存儲與分布式存儲的統一管理、對數據的全生命周期管理等等。
最上層，未來數據的智能應用層面，在智能數據處理引擎「AI in MOS」產品上，我們也在加大投入，今年就會有實際的項目落地。
融中研究：
您剛才講到，在數據挖掘上會加大投入，那麼杉岩在這一塊的發展目標如何？如何與數據挖掘專業公司競爭？
陳堅：
我先做一個澄清，杉岩的產品是有邊界的，我們不會像大數據公司一樣，比如也去做一個精準營銷，我們是為精準營銷賦能。像之前提到的數據處理，即使杉岩不做，這些公司還是要做的，杉岩其實是在幫這些公司做加速。另一方面，在賦能大數據挖掘的過程，杉岩主要針對非結構化數據賦能。以前的基於資料庫的結構化數據，像BI、數據倉庫，這類數據的挖掘已經有非常成熟的解決方案，杉岩的目標不在於此。我們強調對象存儲就是因為對象存儲是存儲非結構化數據最佳的載體。我們通過對非結構化數據的AI挖掘、使用賦能實現差異化。
融中研究：
在當前軟體定義存儲，存在哪些技術局限，大概何時能夠突破？杉岩在這塊有哪些領先優勢？
陳堅：
軟體定義存儲的概念相對於傳統存儲，其設計哲學和傳統存儲剛好相反。傳統存儲以硬體為核心，存儲系統的數據可靠性高度依賴硬體架構的設計。軟體定義存儲，假設硬體是不可靠的或可靠性沒那麼高。
軟體定義存儲的性能更高、擴展性更強、更靈活。但任何一個架構、系統都會有自己的優缺點。軟體定義存儲在技術上的局限性：第一，難以將硬體的性能發揮到極致。第二，在存儲集群大了以後，整個集群的管理、運維也是一個挑戰。一般的企業沒有專門的IT運維人員或運維水平有限，在海量數據時代，存儲產品能不能讓企業實現簡單運維，也是一個挑戰。
杉岩對傳統存儲和分布式存儲都有很深入的理解，既有傳統存儲最核心的架構師和工程師，也有深耕分布式存儲領域近10年的架構師。面對這些局限，杉岩也在做一些事情，比如在軟硬結合方面，與硬體供應商一起做軟硬垂直優化；在大規模集群存儲系統的管理和運維上，借鑒一些AI的演算法能力，讓運維更加智能化、自動化。
2
立足場景尋找最佳匹配行業
以質量和服務構建客戶信任
加速市場拓展
融中研究：
杉岩已服務10+行業的500+客戶，從市場策略來看，杉岩數據在這些行業是齊頭並進還是有所側重？主要的優勢行業有哪些？未來發展或者延伸的重點行業還有哪些？
陳堅：
存儲系統作為一個標准化產品，沒有太多的行業屬性。但是軟體定義存儲有它的最佳應用場景。
杉岩數據依託場景構築產品和解決方案，再通過最佳應用場景去尋找最佳匹配行業，進行市場開拓。例如，杉岩智慧視頻雲存儲的解決方案，可以在安防、軌道交通、能源、電力、金融等等行業領域使用。另外，我們還推出了一個更加通用化、平台式的私有雲產品，適用於金融、政府、教育、醫療等多個行業。
目前，杉岩市場突破的重點在於有大量場景和需求的政府、金融、教育、醫療、交通、能源、製造等行業。市場開拓方面，杉岩在大部分行業齊頭並進，對小部分行業有所側重，例如金融行業將是杉岩數據始終關注的重點行業。
作為存儲廠商，杉岩產品的行業屬性不強，但在產品智能化層面，實際上我們有一些場景化和行業屬性的定製，但這種定製不是為某一客戶定製，而是為一個行業定製，並且可以批量復制和推廣。
融中研究：
杉岩數據如何切入客戶，並獲得客戶的信任？在客戶關系維護和服務方面，杉岩數據採取哪些措施？
陳堅：
從0到1的突破是非常難的。杉岩數據以產品為客戶帶來的價值來切入市場，早期的客戶包括中國移動、中國電信、廣發證券、深圳市供電局等。對TOB市場，標桿的意義重大。杉岩切入市場後，依託案例與標桿客戶在同行業去推廣復制。
杉岩數據依靠高質量的產品和切實的服務獲取客戶的信任。目前為止，我們存儲了2500+PB的數據，從沒丟失過數據，這一點讓用戶非常放心。服務，是創業公司最具競爭力的優勢之一，而大廠流程非常復雜，對TO B客戶服務的理念和經驗也比較缺乏。杉岩與客戶的運維人員緊密溝通，對他們進行多維培訓賦能，客戶能夠親身感受到杉岩對他們的重視。
3
疫情期間，馳援武漢
推出免費服務平台
苦練研發內功蓄勢待發
融中研究：
此次疫情對杉岩數據帶來什麼影響？杉岩數據採取哪些行動？
陳堅：
這次新冠疫情對杉岩數據是一把雙刃劍，但總體來說是利好的局面。一方面，疫情對公司短期的獲客、工作開展產生了一定的沖擊和影響；另一方面，疫情也讓新一代信息技術的價值被充分認識，例如遠程醫療、遠程診斷等會涉及到大量的數據存儲和應用，軌跡、跟蹤、健康碼等其實也都是基於數據的存儲和使用。很多行業對於新一代信息技術的接受程度更高了，特別是政府的智慧城市、醫療領域的遠程醫療、教育領域的遠程教育發展等，帶來的數據存儲機會更多了。
作為一家創業公司，疫情期間，我們也秉承一貫的家國情懷和責任，進最大的努力為抗疫提供支持。2月份，我們給武漢大學人民醫院捐獻了一套分布式存儲產品，助力提升醫院的醫療質量和效率。同時，為了幫助用戶解決疫情期間存儲問題，我們推出了供用戶免費使用的「統一存儲平台軟體SandStone USP」。
此外，我們在產品研發、市場開拓上沒有絲毫懈怠。在產品研發端，我們借機苦練內功、打磨產品，為疫情過後的市場反彈做好准備；在市場開拓方面，我們的銷售團隊通過遠程電話保持與客戶、合作夥伴的緊密互動與溝通，努力介紹杉岩的產品方案和價值亮點，積極拓展新客戶、挖掘老客戶新需求等。
4
分布式存儲市場將形成寡頭壟斷格局
杉岩將始終以差異化取勝
融中研究：
當前存儲市場競爭格局怎麼樣？主要玩家類型有哪些？
陳堅：
從市場格局來說，存儲行業技術門檻很高，需要大量的經驗積累和打磨，大浪淘沙之後，最終玩家不會很多。在傳統存儲領域，全球TOP6的公司占據市場百分之八十幾的份額。在分布式存儲領域，經過五年多的發展，與杉岩數據同期創立的公司中，很多技術不成熟的公司已經慢慢被淘汰了。我相信經過震盪式的發展後，分布式存儲的市場格局會趨於穩定，也會變成一個寡頭壟斷的格局，未來會有一家或幾家來佔領市場絕大部分的份額，杉岩肯定是其中之一。
從競爭來說，杉岩的優勢還是產品。創業公司沒有捷徑可走，品牌、資金都比拼不過大廠，生存發展一定是靠差異化的競爭力。杉岩的差異化競爭優勢主要體現在客戶價值金字塔模型的「管」和「挖」，「存」大家都在做，如果這一層都做不好自然會被淘汰；「管」層面，大廠的產品很全，內部對於傳統存儲和分布式存儲會有一些博弈和競爭，但對於垂直用戶定製化以及工業化需求領域不一定願意涉足，而杉岩獨特的價值和優勢正體現於此。數據智能層面，杉岩的價值和優勢更加明顯。杉岩的設備產品有一些特殊的功能，這是很多大廠不會去做的事情，他們提供的主要是面向全球市場的標准化產品，聚焦於存儲產品的完善。杉岩則是針對垂直細分市場進行產品差異化。
在市場競爭格局中，同類創業公司競爭方面，從目前來說，2013到2015年成立的一批公司，現在的競爭格局越來越清晰了。當前，軟體定義存儲處於繁榮發展期，蛋糕還沒有定型，在不斷擴展、挖掘客戶新場景、新需求的階段，都在共同培育市場。所以，我們正在共創生態鏈，攜手合作夥伴建設新型IT基礎設施建設。
融中研究：
大型廠商加碼存儲，例如華為、華三等大廠也開始發力對象存儲，對杉岩數據的發展會有沖擊嗎？杉岩數據如何平衡與基礎設施合作夥伴華為的競爭與合作？
陳堅：
大廠確實在加大對存儲領域的布局，但我們也看到一個趨勢，大廠現在主要在公有雲方面布局，而在私有雲方面，可能更多的是以傳統存儲、分布存儲的架構來拓展市場。與大廠的競爭要避免正面交鋒，走差異化路線。比如在金融領域，杉岩在智能化數據處理方面獨具特色，這是我們帶給客戶的獨特價值。
⑧ 什麼是「雲原生存儲」產品有哪些特點有哪些商用的產品
1、雲原生存儲
雲原生存儲的概念來源於雲原生應用，指一個應用為了滿足雲原生特性的要求，其對存儲所要求的特性是雲原生存儲的特性，而滿足這些特性的存儲方案，可以稱其為傾向雲原生的存儲。能夠提供這類服務的產品，就是雲原生存儲產品。
2、雲原生存儲產品有哪些特點？
塊介面——優點：高可用、低延遲、單應用吞吐更高 缺點：容量彈縮弱、數據共享性差。
文件系統介面——優點：多負載共享數據、多負載吞吐更高 缺點：共享數據時，文件鎖性能差。
對象存儲介面——優點：高可用、大容量、多負載共享數據、多負載吞吐更高 缺點：時延高。
3、具體推薦要根據實際情況來定，不同的介面偏向不同的業務。
⑨ 如何將DataSet對象存儲到資料庫中
將DataSet數據集寫入資料庫： string strConnect = Provider=SQLOLEDB.1;Password=1234;Persist Security Info=True; + User ID=username;Initial Catalog=MyTempDb;Data Source=localhost; OleDbConnection dbConn = new OleDbConnection; dbConn.ConnectionString = strConnect;try{StringBuilder strXml = new StringBuilder(); StringWriter strWriter = new StringWriter( strXml ); XmlTextWriter writer = new XmlTextWriter(strWriter); writer.WriteStartDocument(); m_dsDataSet.WriteXml(writer); string strSQL = INSERT INTO temp(Temp_date,Temp_data) VALUES(GETDATE(),?); OleDbCommand aCommand = new OleDbCommand( strSQL , dbConn ); aCommand.Parameters.Add(Temp_data, OleDbType.VarChar).Value = strXml.ToString(); aCommand.Connection.Open(); aCommand.ExecuteNonQuery();}catch ( OleDbException e ){Debug.WriteLine(發生異常： + e.ToString());}從資料庫中讀出DataSet數據集： // 這里省略千篇一律的資料庫的Query操作 OleDbDataReader aReader = aCommand.ExecuteReader( ); if (aReader.Read() ){StringBuilder strXml = new StringBuilder( aReader[temp_data].ToString() ); StringReader strReader = new StringReader( strXml.ToString() ); XmlTextReader reader = new XmlTextReader(strReader);try{m_dsDataSet.ReadXml(reader); aReader.Close( );}catch( OleDbException e ){Debug.WriteLine(發生異常： + e.ToString());}}注意以上例子所引用的變數m_dsDataSet的原始定義為DataSet m_dsDataSet，在這里是一個作者自定義包含有兩個表和記錄的DataSet實例，其中的記錄來源於搜索引擎分析出的每條記錄。