课程文献中心 更多>>

关键词： Access   数据库管理系统   参与式教学法  

摘要： 本文针对《数据库管理系统》教学中教学效果不突出、师生互动性低、学生积极性不高等痛点,通过"参与式"教学法的改革,结合Access数据库的教学要点,由学生独立完成以《古诗词数据库》为主题的实践项目,由此进行《数据库管理系统》教学新方法的探究.

关键词： 数据库系统  

ISBN: (纸本)9787111739029

摘要： 本书详细剖析了Flink中的时间、窗口、有状态计算和检查点这4项核心难点，尽可能降低读者的学习成本，并且相对全面地介绍了Flink SQL API的相关内容。分为11章，各章内容层层递进。第1-3章是Flink初学者必读内容，主要介绍Flink的由来、特性、API的使用方法和运行时的架构。如果读者想使用Java开发一个Flink流处理作业，推荐仔细阅读第4-7章。第4章介绍Flink DataStream API中的基础接口。第5章和第6章介绍Flink中的时间、窗口、有状态计算和检查点的相关知识。第7章介绍Flink有状态流处理API。如果读者想使用SQL开发一个Flink流处理作业，推荐仔细阅读第8-11章。第8章介绍Flink Table API和SQL API中的基础概念。第9章介绍Flink SQL API中的语法及其执行过程。第10章介绍Flink SQL API中的函数。第11章介绍Flink SQL API中的参数及SQL优化方法。

关键词： SQL语言  

ISBN: (纸本)9787509225165

摘要： 本书内容为上海爱可生信息技术股份有限公司发起的社区日常发表内容精选。社区近几年对于MySQL 8.0新特性的各类新功能一直保持产出, 包括窗口函数、新密码策略、直方图、SQL语法优化等, 并对到目前为止MySQL 8.0主要新特性做了阶段性总结。爱可生开源社区虽然以分享MySQL技术为主, 也经常分享一些流行的开源数据库内容, 如Redis、MongoDB、ClickHouse等。这些数据库在全世界范围都有非常广泛的应用且有非常庞大的用户群体和复杂的使用场景。本书内容涵盖了MySQL新特性、故障处理、技术原理解析、开源数据库产品等主流的数据库技术。

关键词： 数据库管理系统  

ISBN: (纸本)9787560674278

摘要： 本书采用情境对话的方式围绕达梦数据库展开介绍, 包括初始达梦数据库、使用达梦数据库、SQL语言基础认知、表中数据的操作、达梦数据库对象管理、达梦数据库的安全管理、达梦数据库的备份与还原、达梦数据库的作业管理、达梦数据库的应用九个项目。

关键词： 数据库管理系统   索引推荐   蒙特卡洛树搜索   索引收益估计   图神经网络  

摘要： 随着移动互联网的兴起,数据呈爆发式增长,愈加庞大的数据规模对数据库的快速响应能力提出了要求,同时,计算机技术越来越自动化、智能化,导致开发软件的门槛被逐步降低,越来越多的网站和应用出现,但是许多应用开发者缺乏必要的数据库知识,导致数据库的响应速度被限制。建立索引是加速数据库查询的最有效、最常见的方式之一,如何根据数据库内容和查询负载自动创建合适的索引,是数据库查询优化领域的一个重要课题。近年来,机器学习、深度学习等人工智能技术的发展给索引推荐带来了新的机遇。 本文提出了一种索引推荐算法以推荐合适的索引,和一种代价估计模型以更加准确地评估查询语句的运行成本:1)针对当前索引推荐算法存在的问题,本文提出了一种基于蒙特卡洛树搜索的索引推荐算法,蒙特卡洛树搜索具有兼顾探索和利用的特点,能避免像贪心算法那样容易陷入局部最优,同时,将树节点的动作空间定义为选择某个表字段作为单列索引,或者附加在现有的索引后面以扩展索引,使得算法不需要提前使用预设规则对潜在索引集进行筛选并且时间复杂度也相对较低;2)针对数据库代价估计器准确率较低,从而影响索引推荐算法效果的问题,本文在Zero Shot代价估计模型的基础上,提出使用图神经网络学习物理执行计划中的索引信息,设计索引列节点类型,聚合多个索引列的信息来表示一个多列索引,修改扫描类算子和连接类算子中涉及到索引的建模方式,使得模型能够在索引推荐的任务场景下更加准确地估计执行计划的运行时间;3)将本文提出的索引推荐算法和代价估计模型相结合,索引推荐算法评估查询语句的开销时,将从查询优化器得到的执行计划传递给代价估计模型,代价估计模型输出查询的预估运行时间,索引推荐算法以此作为查询的运行开销。 论文对提出的索引推荐算法和代价估计模型进行了实验测试,实验结果表明,本文提出的索引推荐算法能有效降低查询负载的运行开销至原来的68%;相比于原始的Zero Shot模型,本文提出的代价估计模型的平均值的准确率提升了39.2%;将本文提出的索引推荐算法和代价估计模型联合使用,能降低查询负载的运行时间至原来的61.1%。

关键词： 文物保护   数字化保护   考古绘图   数据库系统   文物信息管理  

摘要： 随着考古文物数量激增,对绘图标准的要求不断提高,而目前手工绘图效率较低,且质量因人而异,难以满足数字化考古要求。因此,本文针对现有低效率的绘图方式、参差不齐的绘图质量、文物数据管理保护过程中的繁多杂乱以及意外损伤等现象,运用日益成熟的计算机辅助设计技术进行相关研究:文物三维模型的采集与重构、文物考古绘图二维图像输出、文物数据库系统构建、文物数字化保护系统开发,主要研究内容如下: (1)文物形态数据采集与3D重构。首先采用逆向工程设备手持式三维扫描仪初步获取文物三维模型数据,再通逆向工程软件Geomagic Studio开展三维扫描过程中的噪点和孔洞处理工作,进行三维模型数据的预处理,提高模型表面光滑度及文物数据的完整性,为后期文物三维模型的构建与输出奠定基础。 (2)基于文物3D模型的考古线图输出。针对文物模型导入Rhino软件后模型方向混乱的问题,利用可视化编程软件Grasshopper,进行文物模型方向矫正、平面线图与剖面线图的绘制,并高效输出符合标准要求的文物二维绘图。该方法不仅降低手工绘图的误差,还提高绘图效率与精确性。 (3)文物数字化保护系统功能模块构建。在Visual studio平台,采用c#语言并搭建SQL关系型数据库。通过人机交互等为管理员实现文物信息的查看、修改、新增以及删除等;为游客提供文物信息的浏览功能。可大幅度降低文物档案管理的资本投入,切实提高文物档案管理的效率。 (4)文物数字化保护系统集成及测试。以插件的形式,将文物考古绘图二维图像输出系统与文物信息数据库系统集成在三维模型编辑软件Rhino中,使得文保工作者在Rhino平台上导入文物模型后即可快速直接生成标准的考古线绘图,并且能够同时进行文物信息的数字化管理。 综上所述,本文的研究工作,为现有文物自动化绘图和数字化保护提供了技术支持,使得考古绘图、信息管理工作能够更加高效便捷。

关键词： 模糊测试   物联网安全   DLMS/COSEM协议   数据库管理系统   漏洞挖掘  

摘要： 随着物联网技术在工业系统中的广泛应用,工业物联网系统中信息安全问题时有发生。能源计量DLMS/COSEM协议作为工业物联网系统中广泛使用的通信协议,安全性与数据采集密切相关。数据库管理系统作为数据存储和管理关键组件,安全性严重影响了工业物联网系统数据安全。模糊测试技术广泛应用于漏洞挖掘领域,近年来,研究人员通过模糊测试技术发现了大量安全漏洞。因此,为发掘工业物联网系统中重要组件的安全漏洞,利用模糊测试技术就能源计量DLMS/COSEM协议和数据库管理系统展开了研究,提出了相应的模糊测试方法并实现了相应的模糊工具。 (1)提出了一种面向DLMS/COSEM协议客户端的模糊测试方法,提出了一种基于AST的DLSM/COSEM协议APDU变异算法,该变异算法能对DLMS/COSEM协议APDU进行结构感知的变异,使得变异后APDU仍然符合DLMS/COSEM协议规范。本文实现了快照管理模块并结合所提出的方法实现了模糊测试工具DSClient Fuzz,快照管理模块用于保存DLMS/COSEM协议客户端运行状态,降低测试过程大量连接建立的开销。最后,实验结果表明DSClient Fuzz相较于AFLNET、e Fuzz能够获得更高的代码覆盖率和更多的唯一crash次数,证明了DSClient Fuzz能够对DLMS/COSEM协议客户端有效地进行模糊测试。 (2)提出了一种面向DLMS/COSEM协议栈的模糊测试方法,提出了一种基于状态序列的DLMS/COSEM协议状态的变异算法,该变异算法能对DLMS/COSEM协议状态序列进行基于状态的变异。本文还实现了协议状态机相关模块,能够从真实通信流量中构建协议状态机并对协议状态机进行更新等操作,并实现了模糊测试框架DSFuzz Framework。最后,实验结果表明DSFuzz Framework发现了DLMS/COSEM协议栈的1个非标准状态,证明了DSFuzz Framework能够对运行在不同通信配置文件上的DLMS/COSEM协议栈进行模糊测试的有效性。 (3)提出了一种面向数据库管理系统的模糊测试方法并实现了模糊测试工具DBMSFuzz。提出了一种基于解析树的SQL语句变异算法,该变异算法能够对SQL语句方言进行结构感知的变异,使得变异后SQL语句仍然符合待测数据库管理系统所支持的SQL方言。最后,我们发现了某开源Web应用中存在的2个CVE漏洞。

关键词： 数据库系统  

ISBN: (纸本)9787121477270

摘要： Hive是大数据领域的一个重要开发工具。本书基于Hive3.1.3版本进行编写，首先，简单介绍了Hive的起源和发展，以及Hive的安装和部署；其次，分别介绍了Hive的数据定义语言、数据操作语言、查询语言，以及各种函数，其中穿插安排了大量的综合案例练习；再次，讲解了分区表和分桶表，以及文件的压缩；最后，重点讲解了Hive在使用不同执行引擎时的企业级性能调优手段。