课程文献中心 更多>>

关键词： 实时数据库  

ISBN: (纸本)9787551718844

摘要： 本书并不想面面俱到地对整个实时数据仓库技术进行讨论，而是从实时数据仓库构建的关键技术部分着手，介绍实时数据仓库相关的关键技术的理论和实践知识，并尽可能地涵盖实时数据仓库技术的主要内容。这些关键技术包括实时数据仓库体系结构及实时数据的存储与管理机制、变化数据捕获技术、更新查询任务调度技术、并行查询与优化技术、实时数据立方技术等。

关键词： 地质灾害  

ISBN: (纸本)9787562543916

摘要： 本书集多年的教学、科研成果，采用“数据驱动”的系统设计方法，以区域地质灾害预测预报主题和监测预报主题为例，从需求规格说明、概念模型设计、逻辑模型设计、物理模型设计四个阶段对地质灾害数据仓库进行了设计，并对空间数据和属性数据分别进行了ETL的设计和实现。采用支持向量机等模型对滑坡敏感性和滑坡位移监测进行了数据挖掘应用，初步搭建了基于Hadoop+Kylin的地质灾害大数据多维分析平台。

关键词： 数据库系统   数据采集  

ISBN: (纸本)9787548731719

摘要： 本书系统地介绍了数据仓库和数据挖掘的基本概念、相关知识和基本方法，每种数据挖掘方法都有详尽的实例描述和具体实现步骤。《数据仓库与数据挖掘技术》结构严谨，条理清晰，语言浅显易懂，循序渐进地表达了知识内容；本书坚持理论与实际相结合，概念和具体方法相结合，使知识具体化，生动化，以帮助读者在学习后达到学以致用的目的。

摘要： ISBN:978-7-04-040664-1配套资源:电子教案、教学视频、动画演示及课程实验等,同时配有教辅用书《数据库系统概论(第5版)习题解析与实验指导》。这是一部系统阐明数据库原理、技术和理论的经典教材。该教材自1983年8月出版至今已多次修订,现已至第5版,累计销量逾300万册。该教材的多个版本先后被列为国家计算机软件核心教材及"九五""十五""十二五"国家规划教材,并两次获国家优秀教材奖。

关键词： 林业科研院所   科研项目档案   数据库管理  

摘要： 文章分析了建设林业科研院所科研项目档案全文数据库的意义和价值,通过国内林业科研院所科研项目档案全文数据库建设现状的调查,结合我单位科研项目档案全文数据库建设的实际情况,提出了数据库的建设思路.

关键词： 数据库系统  

ISBN: (纸本)9787568041928

摘要： 全书共分为十个章节。第一章数据库系统概论主要介绍数据库系统的基本概念、数据模型、数据库语言、数据库系统的结构和组成等内容。第二章关系数据库主要介绍关系模型的基本概念、关系数据库结构、关系的完整性以及关系代数。

关键词： 电力系统  

ISBN: (纸本)9787519821258

摘要： 本书以是石家庄供电公司电力决策系统为研究背景, 利用电力系统丰富的数据资源, 将电力系统的海量数据存储到数据仓库中, 并建立了数据仓库星型模式和OLAP多维数据立方体, 通过OLAP快速、交互地访问, 可快捷地得出有价值的电力决策信息。

关键词： 数据库系统  

ISBN: (纸本)9787111583882

摘要： 本书为进阶篇，主要内容有：分布式DBMS及复制服务器；基于对象的DBMS；作为数据库应用平台的Web与DBMS；商务智能技术，包括数据仓库、联机分析处理和数据挖掘。

关键词： 分布式数据库系统   事务分类优化   蚁群优化算法   连接查询优化   遗传算法  

摘要： 信息技术的快速发展和广泛应用,各类信息系统采集、存储和处理的数据量呈爆炸性增长,对服务器的数据存储、搜索和管理能力要求越来越高。分布式数据库系统具有高并发、高可用和易扩展的优点,得到高度关注和系统性研究,其相关技术已经应用于很多大型信息系统。分布式数据库系统设计和查询处理是分布式数据库系统的关键技术,本文针对分布式事务分类优化问题和数据连接查询优化问题,以提高分布式数据库系统的响应效率为目标,对现有技术展开研究并加以改进。在构建分布式事务分类模型时,分析了基于凝聚型层次聚类算法的事务分类策略的机理及其缺陷,提出了引入事务执行频次比例的概念,然后在凝聚型层次聚类算法中结合蚁群优化算法转移概率的思想,通过转移概率随机选择下一个聚类对象,并以此解决凝聚型层次聚类算法不能回退的问题。按照事务分类优化结果将数据片段部署到执行该事务的站点后,在构建多连接查询代价模型时,考虑到带宽较低的网络环境,利用半连接算法减少数据服务器节点间数据传输产生的通信代价。然后通过与其他优化算法的比较,在将遗传算法应用到分布式数据库系统多连接查询优化的过程中对遗传编码、种群初始化、选择、交叉和变异等操作分别进行优化。实验结果表明,改进后的算法降低了分布式数据库系统不同场地间事务的关联度,并且减少了查询所需时间,提高了系统的响应效率。

关键词： 数据库管理系统   自动调优   面向负载   增强学习   降维处理  

摘要： 数据库管理系统(DBMS)中存在着数量众多的配置项,它们控制着内存分布、I/O优化、查询计划的成本、并行性、日志记录、恢复等众多行为。如何有效地进行配置优化是所有数据密集型应用程序的一个重要工作,这在整个数据库发展历史上都是一项困难的任务。许多数据库系统含有近千个配置参数,并且系统的更新也会产生新的配置项。虽然数量众多的配置项可控制数据库系统中几乎所有内容,但其调优复杂度也随之提高。并且配置项的调整并非独立事件,参数间的相互影响难以避免,对于不同应用系统,极难存在一个或一组万能的配置项,因而配置项的设定或选择也就成为一个非常困难的问题。为降低调优成本,沿用相似负载的调优策略或其子策略成为常用方法,然而糟糕的是,影响配置项设定和优化的方法往往来源于数据库管理员甚至数据库专家的宝贵经验。为提高系统调优的可行性,本文构建基于增强学习技术的DBMS自动调优模型,使数据库系统即使在无历史数据的条件下,也可以依据实时系统状态所提供的反馈对配置项进行调整,从而提高数据库系统性能。我们在自研的DBMS自调优工具Loadstar中对模型进行实现,并对模型数据进行降维处理以提高自调优效率。最后在通用的DBMSs上进行实验验证,并对实验结果进行详细对比分析。本文主要贡献如下:构建反馈奖惩函数,基于增强学习技术进行自动调优模型构建;在无历史经验条件下,通过系统状态得到反馈继而迭代更新调优策略,最终得到满足目标状态的配置参数值;设计相似工作负载比较方法,利用历史经验数据,搜索与最新负载最为接近的调优策略,从而实现配置参数初始值的跳跃式设置,以降低自动调优的代价;提出基于关联关系和回归统计的降维方法,对大量系统指标和配置参数进行降维处理,从而进一步提高自动调优工具Loadstar的调优效率。设计充分的实验,对本文所构建的自动调优模型进行验证。