發信人: soullion (river), 信區: DataMining
標  題: 中醫藥數據庫
發信站: 南京大學小百合站 (Fri Mar  1 14:01:35 2002)


  備課資料


1 數據庫（database）基本概念

數據通常指用符號紀錄下來的可以鑒別的信息。數據的概念包括兩個方面：其一，數據內
容是事物特性的反映或描述；其二，數據是符號的集合。例如：桂枝性溫味甘。數據的概
念在數據處理領域中已經大大地拓寬了。所謂的符號，不僅僅指數字、字母、文字和其它
特殊字符，而且還包括圖形、圖象、聲音等多媒體數據，所謂“記錄”下來也不僅是指印
在紙上，而且包括記錄在磁介質、光介質、半導體存儲器里。數據在空間上的傳遞稱為“
通信”，在時間上的傳遞稱為“存儲”。

信息是關于現實世界事物的存在方式或運動形態反映的綜合，是人們進行各種活動所需要
的知識。同一個數據也可能有不同的解釋（反映不同的信息），由此，信息是人們消化理
解了的數據。信息是抽象的（行上學的），不隨數據設備所決定的數據形式而改變（而數
據的表示方式卻具有可選擇性）。用不同的數據形式可以表示同樣的信息。

數據與信息既有聯系又有區別。數據是載荷信息的物理符號或稱載體，數據能表示信息，
但并非任何數據都能表示信息。數據與信息有時可以混用，例如，數據處理也稱為信息處
理；有時必須分清，例如，不能把信息系統稱為數據系統。數據與信息的關系如下：信息
=數據+處理

數據庫技術是管理數據的一種最新方法，它研究如何組織和存儲數據，如何高效地獲取和
處理數據。數據庫技術已經成為計算機領域中最重要的技術之一，是軟件學科的一個獨立
分支。數據庫系統已經成為當代計算機系統的重要組成部分。

數據庫技術在60年代末出現，主要用來適應管理信息系統對數據管理的要求。30年來，數
據庫技術在理論上和實現技術上都得到很大發展，開發出很多實用的數據庫系統，數據庫
技術得到廣泛的應用。在計算機的三大主要應用領域（科學計算、數據處理、過程控制）
中，數據處理約占70%左右的比重。

數據管理是指對數據的組織、編碼、分類、存儲、檢索和維護，它是數據處理的中心問題
。

數據處理是將數據轉換成信息的過程。它包括對各種形式的數據進行收集、存儲、加工、
傳播等一系列活動的總和，其目的是從大量的、原始的數據中，根據事物之間的固有聯系
和運動規律，通過分析、歸納、演繹推導等方法，抽取、導出有價值、有意義的信息，以
此作為行為和決策的依據。數據處理可以有簡單加工：組織、編碼、分類、排序等；復雜
加工：用統計學方法、數學模型等對數據進行深層次的加工。

    信息系統是提供信息，輔助人們對環境進行控制和進行決策的系統。數據庫是信息系
統的核心和基礎。數據庫技術將數據庫中大量的數據按一定的模型組織起來，提供存儲、
維護、檢索數據的功能，使信息系統可方便地、及時地、準確地從數據庫中獲得所需的信
息。一個信息系統的各個部分能否緊密地結合在一起以及如何結合，關鍵在于數據庫。



2 數據管理方法的發展

    數據管理方法的發展可劃分為三個階段：人工管理階段、文件系統階段和數據庫系統
階段。此種劃分的依據主要是數據管理的特點。


2.1 人工管理階段（至50年代中期）

該階段的計算機系統還沒有支持管理數據的軟件，主要應用于科學計算。在程序中不僅規
定數據的邏輯結構，而且還要設計物理結構（包括存儲結構、存取方法）。當數據的物理
組織或存儲設備改變時，應用程序必須重新編制。這個時期數據管理的特點是：

數據與程序不具有獨立性

數據不長期保存

    數據的組織是面向應用的，應用程序之間無法共享數據資源，存在大量的重復數據，

系統中沒有對數據進行管理的軟件

維護應用程序之間數據的一致性很困難。

    應用程序1-------數據集1

    應用程序2-------數據集2

        

應用程序n-------數據集n

人工管理數據與程序的關系


2.2 文件系統階段（50年代中期到60年代中期）

該階段的計算機系統由統一的軟件管理數據的存取，該軟件稱之為文件系統或存取方法。
其特點為程序和數據是分離的，數據可以長期保存在外存上，以多種文件形式（如順序文
件、索引文件、隨機文件等）組織。數據的邏輯結構（指呈現在用戶面前的數據結構）與
數據的物理結構（指數據在物理設備上的結構）之間可以有一定的差別，由存取方法實現
數據的邏輯結構與物理結構之間的轉化，使程序與數據具有一定獨立性。實現了以文件為
單位的數據共享，但未能實現以記錄或數據項為單位的數據共享，數據的邏輯組織還是面
向應用的，所以在應用之間還存在大量冗余數據（不必要的重復存儲）。

問題：

數據冗余度大

    同一數據重復出現在多個文件中

    2、缺乏數據獨立性

    數據和程序相互依賴，如果改變數據的邏輯結構，或文件的組織格式，必須修改相應
的應用程序。

    3、數據無集中管理

    文件是無彈性、無結構的數據集合。所謂無彈性是指文件內部結構是由程序自己定義
，而不由系統統一管理，因此限制了數據文件的應用擴充、移植等需求，也難以增刪數據
項；所謂無結構是指各個數據文件之間是獨立的，缺乏聯系，不能反映現實世界事物之間
的聯系。

    應用程序1  -------   物理文件1

    應用程序2  -------   物理文件2

           

        

應用程序n  ------   物理文件n

文件系統數據與程序的關系


2.3 數據庫系統階段（60年代后期至70年代后期）

該階段的計算機系統廣泛地應用于企業管理，要求提供更高的數據共享能力，程序和數據
具有更高的獨立性。數據庫系統是在操作系統的文件系統基礎上發展起來的。是具有管理
數據庫功能的計算機系統。它將一個單位或一個部門所需的數據綜合地組織在一起，構成
數據庫。由數據庫管理系統（DBMS：Data Base Management Sybase）軟件實現對數據庫的
定義、操作和管理。數據庫系統的主要特點是：

實現數據共享，減少數據冗余

    數據完全從程序中分離，由數據庫管理系統來統一管理。數據的最小訪問單位是數據
項（字段）。

    2、采用特定的數據模型

    整個組織的數據不是一盤散沙，必須表示出數據之間所存在的有機聯系，才能反映現
實世界事物之間的聯系。也就是說數據是有結構的，這種結構由數據模型表示出來。

    例如《備急千金要方》+ 消渴 + 黃連，非常容易地被聯機查到。

    3、具有較高的數據獨立性

    數據庫系統中，DBMS提供映象的功能，確保應用程序對數據結構和存取方法有較高的
獨立性。數據的物理存儲結構與用戶看到的邏輯結構可以有很大差別。

    4、有統一的數據控制功能

    數據庫作為多個用戶和應用程序的共享資源，對數據的存取往往是并發的，即多個用
戶同時使用同一個數據庫。數據庫管理系統必須提供并發控制功能、數據的安全性控制功
能和數據的完整性控制功能。

    應用程序1

    應用程序2         數據庫管理系統     數據庫


    應用程序n

          數據庫系統數據與程序的關系


2.4 分布式數據庫系統階段（80年代初期到現在）

數據庫系統按數據分布情況可分為集中式和分布式數據庫系統。集中式數據庫系統將其數
據庫集中存放在一臺計算機上，而分布式數據庫系統支持分布式數據庫。分布式數據庫是
由一組數據組成，這組數據可分布在由計算機網絡連接在一起的不同計算機上，網絡上的
每一個結點具有獨立處理的能力（稱為場地自治性），可以執行局部應用，同時每個結點
也可以通過網絡執行全局應用。對于數據庫的用戶來說，一個分布式數據庫系統在邏輯上
看如同一個集中式數據庫系統，用戶可以在任何一個場地執行全局應用。

    分布式數據庫系統是數據庫技術和計算機網絡技術結合的產物，其是一個邏輯上統一
、地域上分布的數據集合。其特點如下：

    1、局部自主

    網絡上每個節點的數據庫系統都具有獨立處理本地事務的能力，而且各局部結點之間
也能夠互相訪問、有效地配合處理更復雜的事務。我們在ORACLE 8i上實現了這樣的操作，
在局域網中，大家可以在不同計算機終端，操作同一個數據庫；9個數據庫系統，在每一臺
計算機上都可以訪問到。

    2、可靠性和可用性

分布式系統比集中式系統有更高的可靠性，一個局部系統發生故障不至導致整個系統停頓
或破壞，只要一個結點上的數據備份可用，則數據是可用的。可見支持一定程度的數據冗
余是充分發揮分布式數據庫系統優點的先決條件之一。

3、效率和靈活性

分布式系統分散了工作負荷，緩解了單機容量的壓力。數據可以存儲在臨近的常用結點，
如果本結點的數據子集包含了要查詢的全部內容，顯然比集中式數據庫在全集上查詢要節
省時間。同時系統易于實現擴展。例如，一個數據庫要增加新的數據項，分布式數據庫系
統能夠在對現有系統影響較小的情況下實現擴充。由此，擴大系統規模比集中式系統更加
方便、經濟、靈活。


3 數據庫系統的結構

3.1 數據庫系統的組成




                                                              最終用戶

      專業用戶



          DBA


                            數據庫系統層次示意圖


    1、硬件系統

    足夠大的內存（1G），足夠大的硬盤（36G），特殊通道能力，軟盤、磁帶等。

    2、數據庫集合

    若干個設計合理、滿足應用需要的數據庫。

    3、系統軟件

支持數據庫管理系統運作的操作系統；數據庫管理系統；開發應用系統（程序語言、工具
軟件）。

4、數據庫管理員

    對于較大規模的數據庫系統必須有人全面負責建立、維護和管理數據庫系統。承擔此
任務的人稱作數據庫管理員DBA（Database Administrator）。

    5、用戶

    數據庫用戶分為2類：一類是最終用戶通過數據庫系統提供的界面來使用數據庫。這些
界面包括菜單、表格、圖形和報表；另一類是專業用戶，即程序員和數據維護人員。


3.2 數據庫系統結構

    1972年美國ANSI的一個研究組開始研究數據庫結構的標準，于1978年提出了三級模式
的數據庫系統結構。

    數據庫系統的體系結構，是數據庫系統的一個總的框架。盡管實際的數據庫系統的軟
件產品多種多樣，支持不同的數據模型，使用不同的數據庫語言，建立在不同的OS之上，
數據的存儲結構也各不相同，但絕大多數數據庫系統在總的體系結構上都具有三級模式結
構的結構特征。

數據庫系統的三級模式結構是：概念模式、外模式和內模式。

    概念模式，又稱邏輯模式，是數據庫中全體數據的邏輯結構和特征的描述，是所有用
戶的公共數據視圖。

    內模式，又稱存儲模式，是數據在數據庫系統內部的表示，即為數據的物理結構和存
儲方式的描述。

    外模式，又稱子模式或用戶模式，是數據庫用戶看到的數據庫的數據視圖。

    數據庫系統的三級模式是數據庫的三個抽象層次的聯系和轉換，數據庫系統在三級模
式中提供兩個映象：外模式/概念模式映象和概念模式/內模式映象。

數據庫系統提供模式描述語言（模式DDL）來嚴格地表示模式所包含的內容。用模式DDL寫
出的一個數據庫邏輯定義的全部語句，稱為數據庫的模式。模式是對數據庫結構的一種描
述，它是裝配數據庫的一個框架。

如下圖所示：







                                         外模式 / 模式映象




                                        模式 / 內模式映象








圖1  數據庫系統結構圖


4 數據庫管理系統的主要功能

    數據庫管理系統的功能是在上面所描述的結構前提下實現的。在數據庫中，數據是多
個用戶和應用程序的共享資源，已經從應用程序中完全獨立出來，由數據庫管理系統來統
一管理。數據庫管理系統應該提供以下幾個方面的功能。

    1、數據庫的定義功能

    提供數據定義語言DDL（Data Description Language），或者操作命令，以便對各級
數據模式進行精確的描述。由此，系統必須包含DDL的編譯或解釋程序。用DDL所作的定義
將被系統保留在數據字典中，以便在進行數據操作和控制時使用。專業用戶可以查閱數據
定義以便共享數據庫中的數據。

    2、數據操作功能

    為了對數據庫中的數據進行追加、插入、修改、刪除、檢索、集合等操作，DBMS提供
語言或者命令，稱作數據操作語言DML（Data Manipulation Language）。不同的DBMS語言
的語法格式也不相同，以其實現方法而言，可以分為兩類：一類可以獨立交互式使用，不
依賴于任何程序設計語言，稱為自含型或自主型語言；另一類是宿主型，嵌入到宿主語言
中使用。如嵌入FORTRAN、C等程序語言中。在使用高級語言編寫的應用程序中，則要用宿
主型DML語句來操縱數據，因此DBMS必須包含DML的編譯或解釋程序。

    3、數據庫運行控制功能

    數據庫中的數據是提供給多個用戶共享的，用戶對數據的存取可能是并發的，DBMS必
須提供以下三個方面的數據控制功能

    * 并發控制功能：對多用戶并發操作加以控制、協調。

    * 數據的安全性控制

    數據安全性是控制是對數據庫采用的一種保護措施，防止非授權用戶存取造成數據泄
密或破壞。

    * 數據完整性是數據的準確性和一致性的測度。系統應采取一定的措施確保數據有效
、與數據庫的定義一致。但這種控制是有限的。

    4、數據字典

    數據字典DD（Data Dictionary）中存放著對實際數據庫各級模式所作的定義，即對數