⑴ 竞争对手产品分析报告应该怎么写有格式要求么
依据经验，做好竞争对手调查项目，需平时做好对行业排名靠前企业动态信息的长期跟踪积累。
首先, 要明确勾画出各个跟踪对象的业务管理模式，并在此基础上对其动态信息进行有效率归类管理。
其次，信息收集既要包括典型"硬信息"的收集，还需"软信息"的收集，在同业竞争中这些"软信息"与"硬信息"同样重要，虽然"软信息"的量可能比"硬信息"少得多。
第三，还需要收集企业行为和市场表现的有关资料。每个公司都有自己的经营特点，并以非常微妙的方式影响着企业的政策形成（从我们调研者的角度看，这些经营特点有时对企业有利，有时则对企业不利，不能一概而论）。
第四，在多数工作中，在收集信息时，需要考虑信息的表现形式和资料分析，如果不能进行分析，一个满是信息的数据库也没有用：原始信息本身是没有多少价值可言，唯有处理这些原始信息的能力才会产生价值。
第五，竞争对手信息来源有多种途径，常用的信息渠道包括：政府统计、银行、投资银行、专利机构、末端销售商、供货商、客户、公关代理公司、广告代理公司、研讨会、业界专家、专业协会/学会、证券商、行业监察机构/管理机构/执法机构、专业调查公司/机构、企业年报以及企业本身。需要指出的是应慎用行业分析文章、行业年度报告；至于在商业杂志、报纸等媒体上发表的企业公关性文章则往往夸大其辞，目的是提升在企业公众心目中的企业形象。另外，对于相对不够成熟的行业来说，统计资料的可靠性较差。所以，需要仔细考察信息的来源，并从中发现事实。
第六，在大量占有和综合分析案头资料数据的基础上，调查机构才能更好的理解客户的调查目的、内涵和外延，为实地调查创造良好的条件。
⑵ 撰写数据分析报告6个步骤
撰写数据分析报告6个步骤
撰写数据分析报告6个步骤。在职场上，有的岗位是需要撰写数据分析报告的，想要写好数据分析报告就要知道写它的步骤。接下来就由我带大家了解下撰写数据分析报告6个步骤的相关内容。
撰写数据分析报告6个步骤1
1、明确目标
在“ 明确数据分析目标的 3 个步骤 ”这篇文章中，我们说过，要正确地定义问题、合理地分解问题、抓住关键的问题。
当明确目标之后，我们需要梳理分析思路，搭建分析框架，开始思考以下问题：
采用哪些分析指标？
运用哪些分析思维？
使用哪些分析工具？
明确目标，是确保数据分析过程有效进行的先决条件，可以为后续的步骤提供清晰的方向。
2、收集数据
收集数据是围绕数据分析目标，按照分析思路和框架，收集相关数据的过程，为后续的步骤提供素材和依据。
收集的数据包括原始数据和二手数据，其中原始数据包括公司内部的数据库、调查得到的数据等；二手数据包括统计局发布的数据、公开出版物中的数据等。
收集数据的基本要求是：真实性、及时性、同质性、完整性、经济性和针对性。
3、处理数据
处理数据，是从大量杂乱无章的原始数据中，抽取对解决问题有价值的数据，并进行加工整理，形成适合数据分析的样式，保证数据的一致性和有效性，这是数据分析之前必不可少的阶段。
数据的处理主要包括数据清洗、数据转化、数据抽取、数据合并、数据计算等过程，原始数据一般都需要经过一定的处理，才能用于后续的数据分析工作。
在处理数据的过程中，准确性尤为重要，如果数据本身存在错误，那么即使采用最先进的数据分析方法，得到的结果也是错误的，不具备任何参考价值，甚至还会误导决策。
具体处理数据的方法，可以参考以下文章：
4、分析数据
分析数据，是对客观真实的数据，运用恰当的方法和工具，进行科学有效的分析。
参考文章：
如何用 Python 分析数据？
5、展现数据
通过数据分析，隐藏在数据背后有价值的信息逐渐浮现出现，此时需要通过合适的方式展现出来，让人一目了然，提高信息传递的效率。
通常情况下，展现数据的方式通常是用图表说话，即数据可视化，常用的数据可视化图表有很多，可以参考：
数据可视化话题集锦
6、结论建议
一份好的数据分析报告，需要有明确的结论建议。
如果换位思考，站在决策者的角度，更想知道的是可行的解决方案。
如果数据分析报告没有明确的结论建议，那么也就失去了报告的灵魂。
所以，要想制作出更有价值的数据分析报告，不仅要掌握数据分析的思维和工具，而且还要熟悉业务，这样才能提出更好的建议。
小结
数据分析报告的制作过程，通常可以分解为明确目标、收集数据、处理数据、分析数据、展现数据、结论建议等 6 个步骤，这是对整个数据分析过程的总结，为决策者提供科学、严谨的决策依据，从而降低企业的经营风险，提高企业的核心竞争力。
如果把数据分析报告比作一个产品，制作报告的人就是产品经理，看报告的读者就是用户。
作为“产品经理”，同理心很重要，通过自我体验来理解他人，乔布斯能瞬间把自己变成傻瓜，这是同理心的一种表现。数据分析的思维和工具也很重要，它们是数据分析的基础。想象力是广袤的天空，但不是天马行空，而是基于同理心的推演，运用数据分析的思维和工具，让推演更加科学有效。
在一份数据分析报告的背后，有许多枯燥的、基础的准备工作要做，例如数据采集、数据仓库、数据治理等等。
如果没有高质量的数据作为坚实的地基，那么数据分析报告的高楼大厦是不稳固的。 如果没有明确数据分析的目标，那么后面的工作可能就是胡拼乱凑，用一堆图表堆砌的花架子，并不能解决实际的问题。
数据分析报告不要搞形式主义，而要有实质的内容，还要关注细节。
撰写数据分析报告6个步骤2
数据分析报告范文
项目数据分析报告是通过对项目数据全方位的科学分析来评估项目的可行性，为投资方决策项目提供科学、严谨的依据，降低项目投资的风险。
项目数据分析报告—项目市场化操作的科学依据：
政策背景：随着我国经济体制变革的不断深入发展，中国的决策高层已经完全意识到了项目分析的真正意义，这一佐证就是《国务院关于投资体制改革的决定》的出台。决定明确政府不再承担对投资项目的审核评估，实行备案制。而投资方和项目方，则对项目的风险承担完全责任，完全按照市场经济的模式来实施项目分析评估。这就正式宣告，中国的项目分析，将彻底进入市场化的运作模式。
时代需求：进入二十一世纪信息化时代，传统意义上的经济、管理和投资金融等学科和电子信息技术发生了不可分割的交融。作为先进生产力代表的电子信息技术，成为经济、管理和投资金融等领域创新变革的支撑和动力。“项目数据分析”以专业技术的身份出现在经济、管理和投资金融专业等领域，是信息化时代发展的必然结果。
项目数据分析报告—项目可行性判断的重要依据
任何欣欣向荣的企业，都是建立在所开发的优质项目基础上的。但如何才能确定项目的可行和优质呢？发达国家的做法是对项目的最终决策，一切以科学定量分析的项目数据为依据。在中国，随着世界经济一体化进程的加速和全球投资市场的蓬勃发展，加上中国投资分析行业正处于发展的起步阶段，投资人、企业管理层都迫切需要一个统一的、规范的标准来衡量投资项目的科学性和可行性，专业的项目数据分析报告在中国变得炙手可热。越来越多的投资人也选择项目数据分析报告为他们准备投资的项目做出科学、合理的分析，以便正确决策项目；越来越多的风险投资机构把项目数据分析报告作为其判断项目是否可行及是否值得投资的重要依据。
有关数据分析报告的详细样本，建议你到一些权威的数据分析机构去找找。。。
很多的，而且有非常多的数据分析模型和分析数据，还有案例
我给你介绍一个国内比较专业的数据分析机构
“开元研究”，希望你去了解一下。
透析审计领域的数据分析报告
一、目标定位
内容往往服务于目标，目标决定内容，因而数据分析报告的目标很大程度上决定其内容，我们应首先明确其目标定位。
构建数据分析报告的目标概念在外延上有所侧重，定位于为处于信息时代的审计服务。因此，它需要统一并且服务于审计这个大目标，但也具有自身的特点。根据《审计法》规定，我国国家审计的总目标是监督财政财务收支的真实性、合法性和效益性。在这个大前提下，我们认为构建计算机数据分析报告的总体目标是结合业务审计的具体目标，通过数据分析，实现价值最大化的审计决策，从而支撑制订的.审计实施方案。这个总体目标总是可以划分为具体层次上的目标。我们认为，从属于其总目标，构建数据分析报告的具体目标应可以描述为以下3个方面：
1、进行总体分析。从审计工作需求出发，对被审计对象的财务、业务数据进行总量分析，把握全局，形成对被审计对象财务、业务状况的总体印象。
2、确定审计重点，合理配置审计资源。在对被审计对象总体掌握的基础上，根据被审计对象特点，通过具体的趋势分析、对比分析等手段，合理的确定审计的重点，协助审计人员作为正确的审计决策，调整人力物力等资源达到最佳状态。
3、总结经验，建立模型。通过选取指标，针对不同的审计事项建立具体的分析模型，将主观的经验固化为客观的分析模型，从而指导以后审计实践中的数据分析。
以上3个具体目标的联系是紧密的，不是孤立的，只有在进行总体分析的基础上，才能进一步的确定审计重点，并在对重点内容的分析中得出结果，进而实现评价的过程。如果单单实现其中一个目标，最终得出的报告将是不完整的，对制订审计实施方案也没有可靠的支撑作用。
二、适用范围及对象
首先本文所论述的数据，是在信息化环境中审计人员开展审计时需处理的电子数据。为了明确分析对象的范围，我们制定了对于数据的三个限制条件：
①来源于信息系统中，包括财务、业务、管理等方面；
②能以数据库中二维表的形式存储于计算机中；
③有助于审计分析。基于这些限制条件，数据应包括财务数据、业务数据和补充数据（从被审计单位以外的地方采集与数据分析相关的数据）。我们可以根据需要分析其中一种或几种数据。
其次，数据分析报告所记录的对象是计算机审计中审前调查阶段所作的数据分析的过程及结果。在实际审计工作中，数据分析报告应在计算机审计审前调查阶段数据分析完成后撰写，为制订审计实施方案提供参考。
三、原则
我们认为，编制数据分析报告总体上应当遵循以下原则：
1、规范性原则。
数据分析报告中所使用的名词术语一定要规范，标准统一，前后一致，基本上要与前人所提出的相一致，例如对商业银行的盈利能力进行分析时采用了“税收比率”这个已存在的指标，就不能自己重命名为“税收收入比”等其他名称。
2、重要性原则。
数据分析报告一定要体现审计的重点，例如在真实性、合法性审计中，就应该重点选取真实性、合法性指标，构建相关模型，从数据上进行分析。并且反映在分析结果中对同一类问题的描述中，也要按照问题的重要性来排序。
3、谨慎性原则。
数据分析报告的编制过程一定要谨慎，体现在基础数据须要真实完整，分析过程须要科学合理全面，分析结果可靠，建议内容实事求是。
4、鼓励创新原则。
计算机审计技术是在不断发展进步的，必然有创新的方法或模型从实践中摸索总结出来，数据分析报告要将这些创新的想法记录下来，发扬光大。
总之，一份完整的数据分析报告，应当围绕目标，确定范围，遵循一定的前提和原则，系统的反映计算机数据分析的全貌，从而推动计算机审计事业的进一步发展。
⑶ 一份难得的数据库市场分析报告
目录
- 数据库分类维度：关系型/非关系型、交易型/分析型
- Nosql数据库的进一步分类
- OLTP市场规模：关系型数据库仍占营收大头
- 数据库市场份额：云服务和新兴厂商主导NoSQL
- 开源数据库 vs. 商业数据库
- 数据库三大阵营：传统厂商和云服务提供商
最近由于时间原因我写东西少了，在公众号上也转载过几篇搞数据库朋友的大作。按说我算是外行，没资格在这个领域品头论足，而当我看到下面这份报告时立即产生了学习的兴趣，同时也想就能看懂的部分写点心得体会分享给大家。
可能本文比较适合普及性阅读，让数据库领域资深的朋友见笑了：）
数据库分类维度：关系型/非关系型、交易型/分析型
首先是分类维度，上图中的纵轴分类为Relational Database（关系型数据库，RDBMS）和Nonrelational Database （非关系型数据库，NoSQL），横轴的分类为Operational（交易型，即OLTP）和Analytical（分析型，即OLAP）。
按照习惯我们先看关系型数据库，左上角的交易型类别中包括大家熟悉的商业数据库Oracle、MS SQL Server、DB2、Infomix，也包括开源领域流行的MySQL（MariaDB是它的一个分支）、PostgreSQL，还有云上面比较常见的SQL Azure和Amazon Aurora等。
比较有意思的是，SAP HANA正好位于交易型和分析型的中间分界处，不要忘了SAP还收购了Sybase，尽管后者今天不够风光了，而早年微软的SQL Server都是来源于Sybase。Sybase的ASE数据库和分析型Sybase IQ还是存在的。
右上角的分析型产品中包括几款知名的列式数据仓库Pivotal Greenplum、Teradata和IBM Netezza（已宣布停止支持），来自互联网巨头的Google Big Query和Amazon RedShift。至于Oracle Exadata一体机，它上面运行的也是Oracle数据库，其最初设计用途是OLAP，而在后来发展中也可以良好兼顾OLTP，算是一个跨界产品吧。
再来看非关系型数据库，左下角的交易型产品中，有几个我看着熟悉的MongoDB、Redis、Amazon DynamoDB和DocumentDB等；右下角的分析型产品包括着名的Hadoop分支Cloudera、Hortonworks（这2家已并购），Bigtable（来自Google，Hadoop中的HBase是它的开源实现）、Elasticsearch等。
显然非关系型数据库的分类要更加复杂，产品在应用中的差异化也比传统关系型数据库更大。Willian Blair很负责任地对它们给出了进一步的分类。
NoSQL数据库的进一步分类
上面这个图表应该说很清晰了。非关系型数据库可以分为Document-based Store（基于文档的存储）、Key-Value Store（键值存储）、Graph-based（图数据库）、Time Series（时序数据库），以及Wide Cloumn-based Store（宽列式存储）。
我们再来看下每个细分类别中的产品：
文档存储 ：MongoDB、Amazon DocumentDB、Azure Cosmos DB等
Key-Value存储 ：Redis Labs、Oracle Berkeley DB、Amazon DynamoDB、Aerospike等
图数据库 ：Neo4j等
时序数据库 ：InfluxDB等
WideCloumn ：DataStax、Cassandra、Apache HBase和Bigtable等
多模型数据库 ：支持上面不只一种类别特性的NoSQL，比如MongoDB、Redis Labs、Amazon DynamoDB和Azure Cosmos DB等。
OLTP市场规模：关系型数据库仍占营收大头
上面这个基于IDC数据的交易型数据库市场份额共有3个分类，其中深蓝色部分的关系型数据库（RDBMS，在这里不统计数据挖掘/分析型数据库）占据80%以上的市场。
Dynamic Database（DDMS，动态数据库管理系统，同样不统计Hadoop）就是我们前面聊的非关系型数据库。这部分市场显得小（但发展势头看好），我觉得与互联网等大公司多采用开源+自研，而不买商业产品有关。
而遵循IDC的统计分类，在上图灰色部分的“非关系型数据库市场”其实另有定义，参见下面这段文字：
数据库市场份额：云服务和新兴厂商主导NoSQL
请注意，这里的关系型数据库统计又包含了分析型产品。Oracle营收份额42%仍居第一，随后排名依次为微软、IBM、SAP和Teradata。
代表非关系型数据库的DDMS分类中（这里同样加入Hadoop等），云服务和新兴厂商成为了主导，微软应该是因为云SQL Server的基础而小幅领先于AWS，这2家一共占据超过50%的市场，接下来的排名是Google、Cloudera和Hortonworks（二者加起来13%）。
上面是IDC传统分类中的“非关系型数据库”，在这里IBM和CA等应该主要是针对大型机的产品，InterSystems有一款在国内医疗HIS系统中应用的Caché数据库（以前也是运行在Power小机上比较多）。我就知道这些，余下的就不瞎写了。
开源数据库 vs. 商业数据库
按照流行度来看，开源数据库从2013年到现在一直呈现增长，已经快要追上商业数据库了。
商业产品在关系型数据库的占比仍然高达60.5%，而上表中从这列往左的分类都是开源占优：
Wide Cloumn：开源占比81.8%；
时序数据库：开源占比80.7%；
文档存储：开源占比80.0%；
Key-Value存储：开源占比72.2%；
图数据库：开源占比68.4%；
搜索引擎：开源占比65.3%
按照开源License的授权模式，上面这个三角形越往下管的越宽松。比如MySQL属于GPL，在互联网行业用户较多；而PostgreSQL属于BSD授权，国内有不少数据库公司的产品就是基于Postgre哦。
数据库三大阵营：传统厂商和云服务提供商
前面在讨论市场份额时，我提到过交易型数据库的4个巨头仍然是Oracle、微软、IBM和SAP，在这里William Blair将他们归为第一阵营。
随着云平台的不断兴起，AWS、Azure和GCP（Google Cloud Platform）组成了另一个阵营，在国外分析师的眼里还没有BAT，就像有的朋友所说，国内互联网巨头更多是自身业务导向的，在本土发展公有云还有些优势，短时间内将技术输出到国外的难度应该还比较大。（当然我并不认为国内缺优秀的DBA和研发人才）
第三个阵容就是规模小一些，但比较专注的数据库玩家。
接下来我再带大家简单过一下这前两个阵容，看看具体的数据库产品都有哪些。
甲骨文的产品，我相对熟悉一些的有Oracle Database、MySQL以及Exadata一体机。
IBM DB2也是一个庞大的家族，除了传统针对小型机、x86（好像用的人不多）、z/OS大型机和for i的版本之外，如今也有了针对云和数据挖掘的产品。记得抱枕大师对Informix的技术比较推崇，可惜这个产品发展似乎不太理想。
微软除了看家的SQL Server之外，在Azure云上还能提供MySQL、PostgreSQL和MariaDB开源数据库。应该说他们是传统软件License+PaaS服务两条腿走路的。
如今人们一提起SAP的数据库就想起HANA，之前从Sybase收购来的ASE（Adaptive Server Enterprise）和IQ似乎没有之前发展好了。
在云服务提供商数据库的3巨头中，微软有SQL Server的先天优势，甚至把它移植到了Linux拥抱开源平台。关系型数据库的创新方面值得一提的是Amazon Aurora和Google Spanner（也有非关系型特性），至于它们具体好在哪里我就不装内行了：）
非关系型数据库则是Amazon全面开花，这与其云计算业务发展早并且占据优势有关。Google当年的三篇经典论文对业界影响深远，Yahoo基于此开源的Hadoop有一段时间几乎是大数据的代名词。HBase和Hive如今已不再是人们讨论的热点，而Bigtable和BigQuery似乎仍然以服务Google自身业务为主，毕竟GCP的规模比AWS要小多了。
最后这张DB-Engines的排行榜，相信许多朋友都不陌生，今年3月已经不是最新的数据，在这里列出只是给大家一个参考。该排行榜几乎在每次更新时，都会有国内数据库专家撰写点评。
以上是我周末的学习笔记，班门弄斧，希望对大家有帮助。
参考资料《Database Software Market:The Long-Awaited Shake-up》
https://blocksandfiles.com/wp-content/uploads/2019/03/Database-Software-Market-White-Paper.pdf
扩展阅读：《 数据库&存储：互相最想知道的事 》
尊重知识，转载时请保留全文。感谢您的阅读和支持！
⑷ 2019数据架构选型必读：1月数据库产品技术解析
本期目录
DB-Engines数据库排行榜
新闻快讯
一、RDBMS家族
二、NoSQL家族
三、NewSQL家族
四、时间序列
五、大数据生态圈
六、国产数据库概览
七、云数据库
八、推出dbaplus Newsletter的想法
九、感谢名单
为方便阅读、重点呈现，本期Newsletter（2019年1月）将对各个板块的内容进行精简。需要阅读全文的同学可点击文末 【阅读原文】 或登录https://pan..com/s/13BgipbaHeMfvm0YPtiYviA
DB-Engines数据库排行榜
以下取自2019年1月的数据，具体信息可以参考http://db-engines.com/en/ranking/，数据仅供参考。
DB-Engines排名的数据依据5个不同的因素：
新闻快讯
1、2018年9月24日，微软公布了SQL Server2019预览版，SQL Server 2019将结合Spark创建统一数据平台。
2、2018年10月5日，ElasticSearch在美国纽约证券交易所上市。
3、亚马逊放弃甲骨文数据库软件，导致最大仓库之一在黄金时段宕机。受此消息影响，亚马逊盘前股价小幅跳水，跌超2%。
4、2018年10月31日，Percona发布了Percona Server 8.0 RC版本，发布对MongoDB 4.0的支持，发布对XtraBackup测试第二个版本。
5、2018年10月31日，Gartner陆续发布了2018年的数据库系列报告，包括《数据库魔力象限》、《数据库核心能力》以及《数据库推荐报告》。
今年的总上榜数据库产品达到了5家，分别来自：阿里云，华为，巨杉数据库，腾讯云，星环 科技 。其中阿里云和巨杉数据库已经连续两年入选。
6、2018年11月初，Neo4j宣布完成E轮8000万美元融资。11月15日，Neo4j宣布企业版彻底闭源：
7、2019年1月8日，阿里巴巴以1.033亿美元（9000万欧元）的价格收购了Apache Flink商业公司DataArtisans。
8、2019年1月11日早间消息，亚马逊宣布推出云数据库软件，亚马逊和MongoDB将会直接竞争。
RDBMS家族
Oracle 发布18.3版本
2018年7月，Oracle Database 18.3通用版开始提供下载。我们可以将Oracle Database 18c视为采用之前发布模式的Oracle Database 12c第2版的第一个补丁集。未来，客户将不再需要等待多年才能用上最新版Oracle数据库，而是每年都可以期待新数据库特性和增强。Database 19c将于2019年Q1率先在Oracle cloud上发布云版本。
Oracle Database 18c及19c部分关键功能：
1、性能
2、多租户，大量功能增强及改进，大幅节省成本和提高敏捷性
3、高可用
4、数据仓库和大数据
MySQL发布8.0.13版本
1、账户管理
经过配置，修改密码时，必须带上原密码。在之前的版本，用户登录之后，就可以修改自己的密码。这种方式存在一定安全风险。比如用户登录上数据库后，中途离开一段时间，那么非法用户可能会修改密码。由参数password_require_current控制。
2、配置
Innodb表必须有主键。在用户没有指定主键时，系统会生成一个默认的主键。但是在主从复制的场景下，默认的主键，会对丛库应用速度带来致命的影响。如果设置sql_require_primary_key，那么数据库会强制用户在创建表、修改表时，加上主键。
3、字段默认值
BLOB、TEXT、GEOMETRY和JSON字段可以指定默认值了。
4、优化器
1）Skip Scan
非前缀索引也可以用了。
之前的版本，任何没有带上f1字段的查询，都没法使用索引。在新的版本中，它可以忽略前面的字段，让这个查询使用到索引。其实现原理就是把(f1 = 1 AND f2 > 40) 和(f1 = 2 AND f2 > 40)的查询结果合并。
2）函数索引
之前版本只能基于某个列或者多个列加索引，但是不允许在上面做计算，如今这个限制消除了。
5、SQL语法
GROUP BY ASC和GROUP BY DESC语法已经被废弃，要想达到类似的效果，请使用GROUP BY ORDER BY ASC和GROUP BY ORDER BY DESC。
6、功能变化
1）设置用户变量，请使用SET语句
如下类型语句将要被废弃SELECT @var, @var:=@var+1。
2）新增innodb_fsync_threshold
该变量是控制文件刷新到磁盘的速率，防止磁盘在短时间内饱和。
3）新增会话级临时表空间
在以往的版本中，当执行SQL时，产生的临时表都在全局表空间ibtmp1中，及时执行结束，临时表被释放，空间不会被回收。新版本中，会为session从临时表空间池中分配一个临时表空间，当连接断开时，临时表空间的磁盘空间被回收。
4）在线切换Group Replication的状态
5）新增了group_replication_member_expel_timeout
之前，如果某个节点被怀疑有问题，在5秒检测期结束之后，那么就直接被驱逐出这个集群。即使该节点恢复正常时，也不会再被加入集群。那么，瞬时的故障，会把某些节点驱逐出集群。
group_replication_member_expel_timeout让管理员能更好的依据自身的场景，做出最合适的配置（建议配置时间小于一个小时）。
MariaDB 10.3版本功能展示
1、MariaDB 10.3支持update多表ORDER BY and LIMIT
1）update连表更新，limit语句
update t1 join t2 on t1.id=t2.id set t1.name='hechunyang' limit 3;
MySQL 8.0直接报错
MariaDB 10.3更新成功
2）update连表更新，ORDER BY and LIMIT语句
update t1 join t2 on t1.id=t2.id set t1.name='HEchunyang' order by t1.id DESC limit 3;
MySQL 8.0直接报错
MariaDB 10.3更新成功
参考：
https://jira.mariadb.org/browse/MDEV-13911
2、MariaDB10.3增补AliSQL补丁——安全执行Online DDL
Online DDL从名字上看很容易误导新手，以为不论什么情况，修改表结构都不会锁表，理想很丰满，现实很骨感，注意这个坑！
有以下两种情况执行DDL操作会锁表的，Waiting for table metadata lock（元数据表锁）：
针对第二种情况，MariaDB10.3增补AliSQL补丁-DDL FAST FAIL，让其DDL操作快速失败。
例：
如果线上有某个慢SQL对该表进行操作，可以使用WAIT n（以秒为单位设置等待）或NOWAIT在语句中显式设置锁等待超时，在这种情况下，如果无法获取锁，语句将立即失败。 WAIT 0相当于NOWAIT。
参考：
https://jira.mariadb.org/browse/MDEV-11388
3、MariaDB Window Functions窗口函数分组取TOP N记录
窗口函数在MariaDB10.2版本里实现，其简化了复杂SQL的撰写，提高了可读性。
参考：
https://mariadb.com/kb/en/library/window-functions-overview/
Percona Server发布8.0 GA版本
2018年12月21日，Percona发布了Percona Server 8.0 GA版本。
在支持MySQL8.0社区的基础版上，Percona Server for MySQL 8.0版本中带来了许多新功能：
1、安全性和合规性
2、性能和可扩展性
3、可观察性和可用性
Percona Server for MySQL 8.0中将要被废用功能：
Percona Server for MySQL 8.0中删除的功能：
RocksDB发布V5.17.2版本
2018年10月24日，RocksDB发布V5.17.2版本。
RocksDB是Facebook在LevelDB基础上用C++写的高效内嵌式K/V存储引擎。相比LevelDB，RocksDB提供了Column-Family，TTL，Transaction，Merge等方面的支持。目前MyRocks，TiKV等底层的存储都是基于RocksDB来构建。
PostgreSQL发布11版本
2018年10月18日，PostgreSQL 11发布。
1、PostgreSQL 11的重大增强
2、PostgreSQL 插件动态
1）分布式插件citus发布 8.1
citus是PostgreSQL的一款sharding插件，目前国内苏宁、铁总、探探有较大量使用案例。
https://github.com/citusdata/citus
2）地理信息插件postgis发布2.5.1
PostGIS是专业的时空数据库插件，在测绘、航天、气象、地震、国土资源、地图等时空专业领域应用广泛。同时在互联网行业也得到了对GIS有性能、功能深度要求的客户青睐，比如共享出行、外卖等客户。
http://postgis.net/
3）时序插件timescale发布1.1.1
timescale是PostgreSQL的一款时序数据库插件，在IoT行业中有非常好的应用。github star数目前有5000多，是一个非常火爆的插件。
https://github.com/timescale/timescaledb
4）流计算插件 pipelinedb 正式插件化
Pipelinedb是PostgreSQL的一款流计算插件，使用这个创建可以对高速写入的数据进行实时根据定义的聚合规则进行聚合（支持概率计算），实时根据定义的规则触发事件（支持事件处理函数的自定义）。可用于IoT，监控，FEED实时计算等场景。
https://github.com/pipelinedb/pipelinedb
3、PostgreSQL衍生开源产品动态
1）agensgraph发布 2.0.0版本
agensgraph是兼容PostgreSQL、opencypher的专业图数据库，适合图式关系的管理。
https://github.com/bitnine-oss/agensgraph
2）gpdb发布5.15
gpdb是兼容PostgreSQL的mpp数据库，适合OLAP场景。近两年，gpdb一直在追赶PostgreSQL的社区版本，预计很快会追上10的PostgreSQL，在TP方面的性能也会得到显着提升。
https://github.com/greenplum-db/gpdb
3）antdb发布3.2
antdb是以Postgres-XC为基础开发的一款PostgreSQL sharding数据库，亚信主导开发，开源，目前主要服务于亚信自有客户。
https://github.com/ADBSQL/AntDB
4）迁移工具MTK发布52版本
MTK是EDB提供的可以将Oracle、PostgreSQL、MySQL、MSSQL、Sybase数据库迁移到PostgreSQL, PPAS的产品，迁移速度可以达到100万行/s以上。
https://github.com/digoal/blog/blob/master/201812/20181226_01.md
DB2发布 11.1.4.4版本
DB2最新发布Mod Pack 4 and Fix Pack 4，包含以下几方面的改动及增强：
1、性能
2、高可用
3、管理视图
4、应用开发方面
5、联邦功能
6、pureScale
NoSQL家族
Redis发布5.0.3版本
MongoDB升级更新MongoDB Mobile和MongoDB Stitch
2018年11月21日，MongoDB升级更新MongoDB Mobile和MongoDB Stitch，助力开发人员提升工作效率。
MongoDB 公司日前发布了多项新产品功能，旨在更好地帮助开发人员在世界各地管理数据。通过利用存储在移动设备和后台数据库的数据之间的实时、自动的同步特性，MongoDB Mobile通用版本助力开发人员构建更快捷、反应更迅速的应用程序。此前，这只能通过在移动应用内部安装一个可供选择或限定功能的数据库来实现。
MongoDB Mobile在为客户提供随处运行的自由度方面更进了一步。用户在iOS和安卓终端设备上可拥有MongoDB所有功能，将网络边界扩展到其物联网资产范畴。应用系统还可以使用MongoDB Stitch的软件开发包访问移动客户端或后台数据，帮助开发人员通过他们希望的任意方式查询移动终端数据和物联网数据，包括本地读写、本地JSON存储、索引和聚合。通过Stitch移动同步功能(现可提供beta版)，用户可以自动对保存在本地的数据以及后台数据库的数据进行同步。
本期新秀：Cassandra发布3.11.3版本
2018年8月11日，Cassandra发布正式版3.11.3。
Apache Cassandra是一款开源分布式NoSQL数据库系统，使用了基于Google BigTable的数据模型，与面向行(row)的传统关系型数据库或键值存储key-value数据库不同，Cassandra使用的是宽列存储模型(Wide Column Stores)。与BigTable和其模仿者HBase不同，数据并不存储在分布式文件系统如GFS或HDFS中，而是直接存于本地。
Cassandra的系统架构与Amazon DynamoDB类似，是基于一致性哈希的完全P2P架构，每行数据通过哈希来决定应该存在哪个或哪些节点中。集群没有master的概念，所有节点都是同样的角色，彻底避免了整个系统的单点问题导致的不稳定性，集群间的状态同步通过Gossip协议来进行P2P的通信。
3.11.3版本的一些bug fix和改进：
NewSQL家族
TiDB 发布2.1.2版本
2018 年 12 月 22 日，TiDB 发布 2.1.2 版，TiDB-Ansible 相应发布 2.1.2 版本。该版本在 2.1.1 版的基础上，对系统兼容性、稳定性做出了改进。
TiDB 是一款定位于在线事务处理/在线分析处理（ HTAP: Hybrid Transactional/Analytical Processing）的融合型数据库产品。除了底层的 RocksDB 存储引擎之外，分布式SQL层、分布式KV存储引擎（TiKV）完全自主设计和研发。
TiDB 完全开源，兼容MySQL协议和语法，可以简单理解为一个可以无限水平扩展的MySQL，并且提供分布式事务、跨节点 JOIN、吞吐和存储容量水平扩展、故障自恢复、高可用等优异的特性；对业务没有任何侵入性，简化开发，利于维护和平滑迁移。
TiDB：
PD：
TiKV：
Tools：
1）TiDB-Lightning
2）TiDB-Binlog
EsgynDB发布R2.5版本
2018年12月22日，EsgynDB R2.5版本正式发布。
作为企业级产品，EsgynDB 2.5向前迈进了一大步，它拥有以下功能和改进：
CockroachDB发布2.1版本
2018年10月30日，CockroachDB正式发布2.1版本，其新增特性如下：
新增企业级特性：
新增SQL特性：
新增内核特性：
Admin UI增强：
时间序列
本期新秀：TimescaleDB发布1.0版本
10月底，TimescaleDB 1.0宣布正式推出，官方表示该版本已可用于生产环境，支持完整SQL和扩展。
TimescaleDB是基于PostgreSQL数据库开发的一款时序数据库，以插件化的形式打包提供，随着PostgreSQL的版本升级而升级，不会因为另立分支带来麻烦。
TimescaleDB架构：
数据自动按时间和空间分片(chunk)
更新亮点：
https://github.com/timescale/timescaledb/releases/tag/1.0.0
大数据生态圈
Hadoop发布2.9.2版本
2018年11月中旬，Hadoop在2.9分支上发布了新的2.9.2版本，该版本进行了204个大大小小的变更，主要变更如下：
Greenplum 发布5.15版本
Greenplum最新的5.15版本中发布了流式数据加载工具。
该版本中的Greenplum Streem Server组件已经集成了Kafka流式加载功能，并通过了Confluent官方的集成认证，其支持的主要功能如下：
国产数据库概览
K-DB发布数据库一体机版
2018年11月7日，K-DB发布了数据库一体机版。该版本更新情况如下：
OceanBase迁移服务发布1.0版本
1月4日，OceanBase 正式发布OMS迁移服务1.0版本。
以下内容包含 OceanBase 迁移服务的重要特性和功能：
SequoiaDB发布3.0.1新版本
1、架构
1）完整计算存储分离架构，兼容MySQL协议、语法
计算存储分离体系以松耦合的方式将计算与存储层分别部署，通过标准接口或插件对各个模块和组件进行无缝替换，在计算层与存储层均可实现自由的弹性伸缩。
SequoiaDB巨杉数据库“计算-存储分离”架构详细示意
用户可以根据自身业务特征选择面向交易的SQL解析器（例如MySQL或PGSQL）或面向统计分析的执行引擎（例如SparkSQL）。众所周知，使用不同的SQL优化与执行方式，数据库的访问性能可能会存在上千上万倍的差距。计算存储分离的核心思想便是在数据存储层面进行一体化存储，在计算层面则利用每种执行引擎的特点针对不同业务场景进行选择和优化，用户可以在存储层进行逻辑与物理的隔离，将面向高频交易的前端业务与面向高吞吐量的统计分析使用不同的硬件进行存储，确保在多类型数据访问时互不干扰，以真正达到生产环境可用的多租户与HTAP能力。
2、其他更新信息
1）接口变更：
2）主要特性：
云数据库
本期新秀：腾讯发布数据库CynosDB，开启公测
1、News
1）腾讯云数据库MySQL2018年重大更新：
2）腾讯云数据库MongoDB2018年重大更新：
3）腾讯云数据库Redis/CKV+2018年重大更新：
4）腾讯云数据库CTSDB2018年重大更新：
2、Redis 4.0集群版商业化上线
2018年10月，腾讯云数据库Redis 4.0集群版完成邀测、公测、商业化三个迭代，在广州、上海、北京正式全量商业化上线。
产品特性：
使用场景：
官网文档：
https://cloud.tencent.com/document/proct/239/18336
3、腾讯自研数据库CynosDB发布，开启公测
2018年11月22日，腾讯云召开新一代自研数据库CynosDB发布会，业界第一款全面兼容市面上两大最主流的开源数据库MySQL和PostgreSQL的高性能企业级分布式云数据库。
本期新秀：京东云DRDS发布1.0版本
12月24日，京东云分布式关系型数据库DRDS正式发布1.0版本。
DRDS是京东云精心自研的数据库中间件产品，获得了2018年 ”可信云技术创新奖”。DRDS可实现海量数据下的自动分库分表，具有高性能，分布式，弹性升级，兼容MySQL等优点，适用于高并发、大规模数据的在线交易， 历史 数据查询，自动数据分片等业务场景，历经多次618，双十一的考验，已经在京东集团内大规模使用。
京东云DRDS产品有以下主要特性
1）自动分库分表
通过简单的定义即可自动实现分库分表，将数据实际存放在多个MySQL实例的数据库中，但呈现给应用程序的依旧是一张表，对业务透明，应用程序几乎无需改动，实现了对数据库存储和处理能力的水平扩展。
2）分布式架构
基于分布式架构的集群方案，多个对等节点同时对外提供服务，不但可有效规避服务的单点故障，而且更加容易扩展。
3）超强性能
具有极高的处理能力，双节点即可支持数万QPS，满足用户超大规模处理能力的需求。
4）兼容MySQL
兼容绝大部分MySQL语法，包括MySQL语法、数据类型、索引、常用函数、排序、关联等DDL，DML语句，使用成本低。
参考链接：
https://www.jdcloud.com/cn/procts/drds
RadonDB发布1.0.3版本
2018年12月26日，MyNewSQL领域的RadonDB云数据库发布1.0.3版本。
推出dbaplus Newsletter的想法
dbaplus Newsletter旨在向广大技术爱好者提供数据库行业的最新技术发展趋势，为社区的技术发展提供一个统一的发声平台。为此，我们策划了RDBMS、NoSQL、NewSQL、时间序列、大数据生态圈、国产数据库、云数据库等几个版块。
我们不以商业宣传为目的，不接受任何商业广告宣传，严格审查信息源的可信度和准确性，力争为大家提供一个纯净的技术学习环境，欢迎大家监督指正。
至于Newsletter发布的周期，目前计划是每三个月左右会做一次跟进， 下期计划时间是2019年4月14日~4月25日， 如果有相关的信息提供请发送至邮箱：[email protected]
感谢名单
最后要感谢那些提供宝贵信息和建议的专家朋友，排名不分先后。
往期回顾：
↓↓别忘了点这里下载 2019年1月 完整版Newsletter 哦~
⑸ 现在市面上数据库安全评估产品都提供哪些评估报告
我了解到的数据库安全评估产品都会提供文档、表格、图表等多种方式的评估报告，其中报告包括：统计报告、详细报告、漏洞报告等，详细报告提供了漏洞的来源、漏洞的风险级别、漏洞类型、漏洞描述等多项内容，这样可以使用户对其数据库安全状况一目了然。安华金和数据库安全评估系统以上报告都支持还可以将报告导出便于供打印和存档。
另外安华金和的评估系统会针对评估报告进行分析，从而提出合理的修复解决方案，使数据库系统变得更加安全可靠。
⑹ 数据库的发展趋势和发展前景
数据挖掘、海量存储、数据仓库、智能商务运算、高性能并发管理与控制
主流产品的发展现状
数据库管理系统经历了30多年的发展演变，已经取得了辉煌的成就，发展成了一门内容丰富的学科，形成了总量达数百亿美元的一个软件产业。根据Gartner Dataquest公司的调查，2000年国际数据库市场销售总额达88亿美元，比1999年增长10%。根据CCID的报告，2000年的中国数据库管理系统市场销售总额达24.8亿元，比1999年增长了41.7%，占软件市场总销售额的10.8%。可见，数据库已经发展成为一个规模巨大、增长迅速的市场。
目前，市场上具有代表性的数据库产品包括Oracle公司的Oracle、IBM公司的DB2以及微软的SQL Server等。在一定意义上，这些产品的特征反映了当前数据库产业界的最高水平和发展趋势。因此，分析这些主流产品的发展现状，是我们了解数据库技术发展的一个重要方面。
关系数据库技术仍然是主流
关系数据库技术出现在20世纪70年代、经过80年代的发展到90年代已经比较成熟，在90年代初期曾一度受到面向对象数据库的巨大挑战，但是市场最后还是选择了关系数据库。无论是Oracle公司的Oracle 9i、IBM公司的DB2、还是微软的SQL Server等都是关系型数据库。Gartner Dataquest的报告显示关系数据库管理系统(RDBMS)的市场份额最大， 2000年RDBMS的市场份额占整个数据库市场的80%，这个比例比1999年增长了15%。这组数据充分说明RDBMS仍然是当今最为流行的数据库软件。当前，由于互联网应用的兴起，XML格式的数据的大量出现，学术界有一部分学者认为下一代数据库将是支持XML模型的新型的数据库。作者对此持否定态度，认为关系技术仍然是主流，无论是多媒体内容管理、XML数据支持、还是复杂对象支持等都将是在关系系统内核技术基础上的扩展。
产品形成系列化
一方面，Web和数据仓库等应用的兴起，数据的绝对量在以惊人的速度迅速膨胀；另一方面，移动和嵌入式应用快速增长。针对市场的不同需求，数据库正在朝系列化方向发展。例如IBM公司的DB2通用数据库产品包括了从高端的企业级并行数据库服务器，到移动端产品DB2 Everywhere的一整套系列。从支持平台看，今天的DB2已经不再是大型机上的专有产品，它支持目前主流的各种平台，包括Linux和Windows NT。此外，它还有各种中间件产品，如DB2 Connect、DB2 Datajointer、DB2 Replication等，构成了一个庞大的数据库家族。
支持各种互联网应用
数据库管理系统是网络经济的重要基础设施之一。支持Internet（甚至于Mobile Internet）数据库应用已经成为数据库系统的重要方面。例如，Oracle公司从8版起全面支持互联网应用，是互联网数据库的代表。微软公司更是将SQL Server作为其整个.NET计划中的一个重要的成分。对于互联网应用，由于用户数量是无法事先预测的，这就要求数据库相比以前拥有能处理更大量的数据以及为更多的用户提供服务的能力，也就是要拥有良好的可伸缩性及高可用性。此外，互联网提供大量以XML格式数据为特征的半结构化数据，支持这种类型的数据的存储、共享、管理、检索等也是各数据库厂商的发展方向。
向智能化集成化方向扩展
数据库技术的广泛使用为企业和组织收集并积累了大量的数据。数据丰富知识贫乏的现实直接导致了联机分析处理（OLAP）、数据仓库（Data Warehousing）和数据挖掘(Data Mining)等技术的出现，促使数据库向智能化方向发展。同时企业应用越来越复杂，会涉及到应用服务器、Web服务器、其它数据库、旧系统中的应用以及第三方软件等，数据库产品与这些软件是否具有良好集成性往往关系到整个系统的性能。Oracle公司的Oracle 9i 产品包括了OLAP、数据挖掘、ETL工具等一套完整的BI（商业智能）支持平台，中间件产品与其核心数据库具有紧密集成的特性，Oracle Application Server 增加的一项关键功能是高速缓存特性，该特性可以将数据从数据库卸载到应用服务器，加速 Web用户对数据的访问速度。IBM 公司也把BI套件作为其数据库的一个重点来发展。微软认为商务智能将是其下一代主要的利润点。
数据库技术的发展趋势
数据、计算机硬件和数据库应用，这三者推动着数据库技术与系统的发展。数据库要管理的数据的复杂度和数据量都在迅速增长；计算机硬件平台的发展仍然实践着摩尔定律；数据库应用迅速向深度、广度扩展。尤其是互联网的出现，极大地改变了数据库的应用环境，向数据库领域提出了前所未有的技术挑战。这些因素的变化推动着数据库技术的进步,出现了一批新的数据库技术，如Web数据库技术、并行数据库技术、数据仓库与联机分析技术、数据挖掘与商务智能技术、内容管理技术、海量数据管理技术等。限于篇幅，本文不可能逐一去展开来阐述这些方面的变化，只是从这些变化中归纳出数据库技术发展呈现出的突出特点。
“四高” 即DBMS具有高可靠性、高性能、高可伸缩性和高安全性。数据库是企业信息系统的核心和基础，其可靠性和性能是企业领导人非常关心的问题。因为，一旦宕机会给企业造成巨大的经济损失，甚至会引起法律的纠纷。最典型的例子就是证券交易系统，如果在一个行情来临的时候，由于交易量的猛增，造成数据库系统的处理能力不足，导致数据库系统崩溃，将会给证券公司和股民造成巨大的损失。在我国计算机应用的早期，由于计算机系统还不是企业运营必要的成分，人们对数据库的重要性认识不足，而且为了经费上的节约常常采用一些低层次的数据管理软件，如dBASE等，或者盗版的软件。但是，随着信息化进程的深化，计算机系统越来越成为企业运营的不可缺少的部分，这时，数据库系统的稳定和高效是必要的条件。在互联网环境下还要考虑支持几千或上万个用户同时存取和7x24小时不间断运行的要求，提供联机数据备份、容错、容灾以及信息安全措施等。
事实上，数据库系统的稳定和高效也是技术上长久不衰的追求。此外，从企业信息系统发展的角度上看，一个系统的可扩展能力也是非常重要的。由于业务的扩大，原来的系统规模和能力已经不再适应新的要求的时候，不是重新更换更高档次的机器，而是在原有的基础上增加新的设备，如处理器、存储器等，从而达到分散负载的目的。数据的安全性是另一个重要的课题，普通的基于授权的机制已经不能满足许多应用的要求，新的基于角色的授权机制以及一些安全功能要素，如存储隐通道分析、标记、加密、推理控制等，在一些应用中成为切切实实的需要。
“互联” 指数据库系统要支持互联网环境下的应用, 要支持信息系统间“互联互访”，要实现不同数据库间的数据交换和共享，要处理以XML类型的数据为代表的网上数据，甚至要考虑无线通讯发展带来的革命性的变化。与传统的数据库相比，互联网环境下的数据库系统要具备处理更大量的数据以及为更多的用户提供服务的能力，要提供对长事务的有效支持，要提供对XML类型数据的快速存取的有效支持。
“协同” 面向行业应用领域要求，在DBMS核心基础上，开发丰富的数据库套件及应用构件，通过与制造业信息化、电子政务等领域应用套件捆绑，形成以DBMS为核心的面向行业的应用软件产品家族。满足应用需求，协同发展数据库套件与应用构件，已成为当今数据库技术与产品发展的新趋势。规划中的Oracle 11i的主要扩展方面据称主要也是各种面向应用套件的支持。
⑺ 数据库设计报告书
加油！
⑻ IQVIA数据库的价格多少钱一年 怎么收费的
IQVIA数据库的价格以前在一百多万的样子按使用功能模块收费收费不同，具体可以咨询其客服。
说到关于IQVIA数据库的价格问题，说个有趣现象，国内奶粉单价太低卖不掉，价格提高销售量反而蹭蹭往上涨。这说明产品价格并不是衡量产品价值的唯一标准。往往在产品价格与产品价值之间，人们更多在意的是产品所能带给他们的价值，其次才是产品价格。
拿IQVIA数据库来说，其价格假设每年使用费为200万，并不能代表其IQVIA数据库的价值就是200万，而判定一个医药数据库的价值往往取决于它能给使用者带来什么。
一款高价值的医药数据库不仅能够帮助药企更全面调研市场数据信息助力战略决策；还能帮助医药相关工作者更高效的工作减少不必要的资源浪费。相反一款低价值的医药数据库不仅不能创造价值还会给药企造成不可逆的损失，如数据不全面、不精确、更新慢导致错误判断市场形势而做出错误决策。
而判断一款数据库是否是高价值医药数据库的核心是体现在产品功能层面、数据层面、应用场景、增值服务等多个维度。
下面笔者今天就IQVIA（原IMS）数据库的产品构成、数据、应用场景、更新、优缺点、价格、增值服务、社会评价等多个层面进行多维度分析帮助大家对其有一个新的认识。
为了方便大家更直观地了解IQVIA（原IMS）药品数据库，笔者引入一个目前国内客户覆盖最广的药品数据库pharnexcloud作为对比。
1.产品构成
IQVIA（原IMS）药品数据库：由商务咨询、药物研究于开发、综合服务三大版块构成。
药融云医药数据库(pharnexcloud)：药物研发库群、上市药品库群、药品销售库群、市场信息库群、一致性评价库群、原料药库群、医疗器械库群、生产检验库群、合理用药库群、医药文献等十个版块构成。
2.数据源
两者在数据源收集上都涉及数千个数据来源，包含不限于（①医药情报：实验室研究、内部会议、专业报道、专利、商标、技术实施文件、学术会议、技术报告、科技期刊、文献等。②医药数据库：异构资源平台、基于云计算、云存储的医药大数据处理平台等。③医药官方数据：全球各国或地区机构、资讯、企业公告报道、医疗会议、新闻资讯、投资者压降，公司年度报告、医疗卫生机构官网、药企官网、医学杂志、其它官方资源等。）
3.数据展示结果
我们将IQVIA数据库在国内最拿得出手的数据(中国医院药品统计报告CHPA)与pharnexcloud的(全国医院销售数据)一个直观的对比
IQVIA数据库(中国医院药品统计报告)，基于9454家医院总体(≥100张床位)进行样本设计，样本覆盖255个城市。样本医院只有1000家左右，能推算的总量约8000家。
笔者写上万万千，最主要还是自身带着对医药数据库的需求点，亲身试用对比产品才能做出最优决策。
⑼ 试比较万方、中国知网、维普三个文献数据库的异同、优缺点。
万方数据库、维普资讯网、中国知网的区别
简单比较：
1、从收录情况来看，维普收录最久，万方收录时间最短，但是现刊万方收录最好，维普最近两年的很多期刊都没有了，特别是医学类的。
2、文档的清晰度：万方最高，维普最差。
3、使用方便性：知网和万方差不多，维普最差。
4、其它：万方的期刊浏览功能做的很好。
更加深入比较：
中国知识资源总库（CNKI）《中国知识资源总库》是由清华大学主办、中国学术期刊（光盘版）电子杂志社出版、清华同方知网（北京）技术有限公司发行、数百位科学家、院士、学者参与建设，精心打造的大型知识服务平台和数字化学习系统。目前，《总库》囊括了自然科学、人文社会科学及工程技术各领域知识，拥有期刊、报纸、博硕士培养单位的博士和优秀硕士学位论文、全国重要会议论文、中小学多媒体教辅以及1000多个加盟数据库。全文采用CAJ和PDF格式，必须下载专门的CAJ和PDF浏览器才可阅读。
中国知识资源总库的重点数据库有：
《中国期刊全文数据库（CJFD）》截至2007年3月共收录了国内8127种期刊，全文文献总量已达2272万多篇，收录起始时间一般为1994年，个别追溯到1979年或创刊年，按学科分126个专题，内容每日累增。产品形式有网络形式、光盘形式、《中国期刊专题全文数据库光盘版》。
《中国优秀博硕士学位论文全文数据库（CDMD）》收录2000年至今300多个博硕士培养单位的学位论文，内容每日累增。
《中国重要报纸全文数据库（CCND）》收录2000年至今1000多种重要报纸，内容每日累增。
《中国重要会议论文集全文数据库》（CPCD）收录2000年至今400家学术团体的会议论文，内容每日累增。
《中国企业知识仓库（CEKD）》收录国内5400余种核心与专业特色期刊、博硕论文、报纸、行业标准、法律法规、行业经济数据统计、行业深度研究报告、技术发展动态、国外经济发展动态等信息，涵盖企业技术创新、经营决策、企业管理、WTO、行业动态等专业资料信息。
《中国图书全文数据库》《中国年鉴数据库》《各行业网络数据库》《声像资料数据库 》《《保持共产党员先进性教育》专题数据库》等。
以中国期刊全文数据库为例讲解CNKI的检索方式。中国期刊全文数据库有分类检索、初级检索、高级检索和专业检索四种方式。在每种方式的检索结果（包括二次检索的检索结果）里都可以进行二次检索，可以无数次的进行，逐步缩小检索范围，直至检索结果为零。
重庆维普资讯有限公司是科学技术部西南信息中心下属的一家大型的专业化数据公司,是中文期刊数据库建设事业的奠基人。自1989年以来,一直致力于期刊等信息资源的深层次开发和推广应用,集数据采集、数据加工、光盘制作发行和网上信息服务于一体；收录有中文期刊8000种,中文报纸1000种,外文期刊4000种,拥有固定客户2000余家。目前已成为推动我国数字图书馆建设的坚强支柱之一。
在以上的数据库中，最为常用也最受大家欢迎的是《中文科技期刊数据库》。它源于重庆维普资讯有限公司1989年创建的《中文科技期刊篇名数据库》，其全文和题录文摘版一一对应，经过16年的推广使用和完善，全面解决了文摘版收录量巨大但索取原文繁琐的问题。全文版的推出受到国内广泛赞誉，同时成为国内各省市高校文献保障系统的重要组成部分。《中文科技期刊数据库》还是目前世界最大的连续动态更新的中文期刊全文数据库，积累全文文献728多万篇，分七大专辑:自然科学专辑、农业科学专辑、医药卫生专辑、教育科学专辑、经济管理专辑、图书情报专辑、工程技术专辑 。
万方数据库简介
知识来源：万方数据股份有限公司是国内第一家以信息服务为核心的股份制高新技术企业，作为国内第一批开展互联网服务的企业之一，万方数据坚持以信息资源建设为核心，努力发展成为中国第一的信息服务提供商，开发独具特色的信息处理方案和信息增值产品，为用户提供从数据、信息到知识的全面解决方案，服务于国民经济信息化建设，推动中国全民信息素质的成长。
覆盖范围：自然科学、数理化、天文、地球、生物、医药、卫生、工业技术、航空、环境、社会科学、人文地理等各学科领域。
收录年限：《中国会议论文全文数据库》主要收录1998年以来国家级学会、协会、研究会组织召开的全国性学术会议论文。
⑽ 数据库系统设计报告
看你具体写是什么系统？下面是以前我们做的
网络书店系统
需求分析报告书
1、需求分析
1.1、项目背景
当今Internet上随处可见网络购物等网站，消费者足不出户就可购买到需要的商品。此类网站不仅方便了消费者，更让拥有电子商务网站的企业能及时向广大客户推销产品、构建企业形象、赢得利润。电子商务系统与传统的面对面的营销方式相比，具有不可比拟的优势，如销售成本与物流大大降低、信息传输及时等。某书店近年来业务不断拓展，为适应电子商务发展的要求，决定建设一个网络书店系统。
1.1.1、项目开发目的
本系统实现在网上销售图书，让客户（用户）在不同区域利用网络在最短的时间内安全、方便、快捷的买到自己所需要的图书，预期达到的目标是网络客户，实现赢利的目的！
1.1.2、项目开发小组成员名单
名单一，主要任务是
名单二，主要任务是
名单三，主要任务是
1.2任务概述
本系统能够实现图书浏览和查询功能、图书交易功能、图书信息和库存的管理功能、客户管理功能。
本系统最终目标：需要完成如下图1的功能。
图1
2、系统设计
2.1系统总体设计
2.1.1运行环境
硬件环境
服务器端：
客户机端：
软件环境
服务器：IIS+PHP
数据库：Microsoft SQL Server2005
开发语言：PHP
开发工具：Dreamweaver,JBuilder, eclipse
服务器操作系统：Windows Server 2003
2.1.2系统功能描述
本系统主要基于PHP开发系统，从用户注册，登陆，查询到购买图书，实行一体化购物模式，方便用户，对于管理员，对用户信息修改，图书数据库的更新，定单的处理，实行一体化管理模式，使网站各模块的更新的以更简便，降低企业的成本，实现双赢的目的！
2.1.3模块结构
图（4-1）
2.2模块设计
2.2.1用户（管理员）登陆、注册模块
本系统采用用户名和密码相结合的验证方式，以用户登陆后直接进入前台操作界面（即用户专用界面）；当验证登陆管理员页面操作时，则进入后台管理员专用页面，会对顾客信息保密的机制。要实现该模块功能，先要建立一个用户注册信息表，其包括以下字段：
用户帐号、密码、确认密码、姓名、性别、电话号码、住址、邮编
要实现功能，先建立PHP动态网页，插入相应字段，在建立另外一个PHP动态页面，接受前一个PHP页面的信息，当用户的信息输入信息错误时，则返回第一个注册页面，重新填入信息，待正确填写信息正确时，系统会自动弹出提示成功页面。
用户注册流程图：
图（4-2）
2.2.2图书查询模块
主要是对不同种类的书信息分类的浏览可以对站内所售图书查询，查询可以通过书类名，出版时间，书名等内容进行精确查询。为此，要建立书籍管理系统，其包括以下字段：
书籍编号、书名、作者、价格、
用户登陆后所查询到的图书可以直接放入购物车，未登陆系统的用户只可以查询图书，如果要放入购物车，则显示登陆页面，如果未注册的用户则显示注册页面。
查询图书流程图：
图（4-3）
2.2.3管理员模块
管理员模块的功能：添加图书、删除图书、管理用户信息、管理留言、管理用户订单表。
图（4-4）
2.2.4购物车的实现
对于购物车，实现功能有：显示图书内容，添加图书，删除已买图书，更改图书购买数量，提交购物车中的图书，清空购物车等
2.2.5留言版
用户可以在留言版中发表图书留言和提出本网站意见。
2.3 数据库设计
2.3.1 数据库结构
图（4-5）
用户表customer设计
字段 字段名 类型 长度 说明
1 userid varchar 12 用户账号
2 pwd varchar 15 密码
3 pheckpwd varchar 18 确认密码
4 name varchar 20 姓名
5 sex varchar 2 性别
6 address varchar 50 住址
7 post varchar 8 邮编
8 email varchar 20 电邮
9 tel varchar 15 电话
书籍表book表设计
字段 字段名 类型 长度 说明
1 bookid varchar 30 书名编号
2 bname varchar 25 书籍名称
3 author varchar 30 作者
4 price varchar 20 价格
5 number varchar 10 数量
6 img varchar 50 图片
销售信息表sales
字段 字段名 类型 长度 说明
1 userid varchar 20 用户账号
2 Bname varchar 40 书籍名称
3 date varchar 20 日期
5 number varchar 10 数量
订单信息表order
字段 字段名 类型 长度 说明
1 onumber varchar 20 订单编号
2 Userid varchar 20 用户账号
3 bnumber varchar 20 书籍编号
4 bname varchar 40 书籍名字
5 number varchar 10 数量
6 money varchar 20 金额
管理员表admin
字段 字段名 类型 宽度 说明
1 guanid varchar 20 管理员账号
2 pwd varchar 20 密码
留言信息表
字段 字段名 类型 宽度 说明
1 userid varchar 30 用户名
2 massage varchar 20 留言信息