课程文献中心 更多>>

摘要： There is an immense increase in big data and cloud computing-based solutions globally for the last decade. This is not different in Kenya, as many businesses are also adopting this phenomenon. Construction can clearly benefit from the tech, but its rate of adoption, more so in Kenya is soaring. This research therefore sought to examine the influence of the cloud computing database management systems (DBMS) on performance of building construction projects in Nairobi County, Kenya. The objective of this study was to establish how the following aspects of cloud computing DBMS influences performance of building construction projects: rapid elasticity nature of cloud computing DBMS, multi tenancy capabilities of cloud computing DBMS, on-demand self-service nature of cloud computing DBMS and broad network access capabilities of cloud DBMS. The study adopted two theories, namely; information system success model and Seddan's model of information success which examines the success, usefulness and relevance of information systems; cloud computing DBMS is a type of information system. The study adopted descriptive research design with a target population of 129; made up of construction project managers in three categories of fellow, corporate and graduate members classified based on the number of years practiced. Stratified random sampling technique was used to come select a sample size of 98 respondents who were served with questionnaires to obtain the primary data for the research. Data was coded and entered into Statistical Packages for Social Sciences (SPSS) which analysed it to give percentages, frequencies, means and standard deviation. Inferential data analysis was done to establish how independent variables related to dependent variable. Frequency tables were used to present quantitative data while quantitative data was presented in prose form stating explanations. The study found that the flexible provisioning of resources influence performance of building constructi

关键词： 数据库系统   人工智能芯片   并行计算单元   高速缓存  

摘要： MLU是寒武纪公司开发人工智能芯片的简称。人工智能芯片是伴随人工智能发展而产生的一类特殊芯片，通常具有大量的并行计算单元，以及高带宽缓存，主要用于神经网络训练等任务。人工智能芯片和传统计算机处理器分工合作，有效地提升了人工智能训练的效率，但也存在一定的问题，主要是人工智能芯片对数据的格式要求严格，通常需要其他处理器对数据进行预处理，再拷贝至人工智能芯片，拷贝过程花费时间较多，数据预处理及拷贝环节，人工智能芯片处于闲置状态，存在资源浪费的问题。针对上述问题，研究人员开始研究基于人工智能芯片的数据库系统。GPU作为使用最广泛的人工智能芯片之一，已经出现了较为成熟的GPU数据库，充分发挥其并行计算单元多，显存带宽高的特点，实现了极佳的数据库性能。　　MLU作为国产人工智能芯片，同样具有大量的并行计算单元和高速缓存，也同样具有对大量数据进行计算，并储存计算结果，运行数据库负载等需求。因基于MLU的数据库研究尚在萌芽阶段，本文将重点放在数据库算子上。利用MLU在线性代数计算上的优势，采用一种基于线性代数的查询方法，将数据库中的数据表转为若干稀疏矩阵，分别开发了针对稀疏矩阵的非压缩格式和压缩格式的数据库算子。通过对数据库算子的性能测试，基于CSC格式的数据库算子性能较好，基于MLU的数据库具备一定的发展潜力。

摘要： In this thesis, I present the variational database management system, a formal framework and its implementation for representing variation in relational databases and managing variational information needs. A variational database is intended to support any kind of variation in a database. Specific kinds of variation in databases have already been studied and are well-supported, for example, schema evolution systems address the variation of a database's schema over time and data integration systems address variation caused by accessing data from multiple data sources simultaneously. However, many other kinds of variation in databases arise in practice, and different kinds of variation often interact, but these scenarios are not well-supported by the existing work. For example, neither the schema evolution systems nor the database integration systems can address variation that arises when data sources combined in one database evolve over time. This thesis collects a large amount of work: It defines the variational database framework and the syntax and denotational semantics of the variational relational algebra, a query language for variational databases. It presents two use cases of the variational database framework that are based on existing datasets and scenarios that are partially supported by existing techniques. It presents the variational database management system which is a prototype of variational databases and variational relational algebra as an abstract layer written in Haskell on top of a traditional RDBMS. It also presents several theoretical results related to the framework and the query language, such as syntax-based equivalence rules that preserve the semantics of a query, a type system for ensuring that a variational query is well-formed with respect to the underlying variational schema, and a confluence property of the variational relational algebra type system with respect to the relational algebra type system and its denotational semantics.

关键词： 高寒草地   大数据   数据库建设   应用服务   数据共享   XML  

摘要： 随着大数据时代的来临,数据信息已经成为了信息化战略决策和资源优化配置的重要依据,如何高效地整合和利用数据信息已经成为了各个研究领域的重要课题。高寒草地是我国重要的生态保护区,对我国各大河流域的可持续发展有着重要的影响,是我国非常重要的草地资源。然而近几十年来由于人为不合理利用、严重的气候变化以及自然灾害等,严重危害到高寒草地生态系统的可持续发展,加剧了高寒草地的退化。为了解决高寒草地退化的问题,国家相关部门和国内外学者对高寒草地生态系统进行了多种方式的监测和研究。并且在探讨高寒草地退化和修复过程中,积累了具有典型4V(即Volume、Variety、Value、Velocity)大数据特征的海量数据。本研究为了实现高寒草地资源的充分开发利用、共享和安全保护,以青海省为例,根据高寒草地资源数据特征以及高寒草地资源监管业务的需求,制定了高寒草地资源数据库标准,对青海省2005年至2018年22个县区高寒草地相关数据进行分类整理。面对多源异构的高寒草地资源数据,提出了XML+Oracle数据库技术的方法实现了海量非结构化数据的统一转换和存储。提出了Web+高寒草地业务的思路,通过Oracle与Arc GIS平台构建了统一管理与控制的高寒草地资源数据库,并基于*** Core MVC的Web开发工具搭建了青海省高寒草地动态监测与监管平台,最后阐述了高寒草地资源数据库在草地业务中的应用。本研究克服了传统数据管理独立性和共享性差的困难,为高寒草地管理工作提供全面、高度共享的数据支撑与技术支持,加快了高寒草地资源信息化建设进程。

标准号: GB/T 39623-2020

摘要： 本标准规定了基础地理信息数据库系统质量测试与评价流程、测试设计、测试实施、质量评价和报告编制。本标准适用于基础地理信息数据库及其管理系统的建设单位、测试机构进行基础地理信息数据库系统质量测试和评价。

关键词： 数据库系统   资格考试  

ISBN: (纸本)9787302569169

摘要： 数据库系统工程师考试是全国计算机技术与软件专业技术资格（水平）考试的中级职称考试，是历年各级考试报名的热点之一。本书汇集了从2014至2019年的所有试题和权威的解析，欲参加考试的考生读懂本书的内容后，将会更加深入理解考试的出题思路，发现自己的知识薄弱点，使学习更加有的放矢，对提升通过考试的信心会有极大的帮助。本书适合参加数据库系统工程师考试的考生备考使用。

关键词： 菜子湖   湿地管理   生态数据   时空数据模型   数据库管理系统  

摘要： 在探讨和分析菜子湖湿地生态数据的多源异构、时空相关和水位动态特性的基础上,提出一种基于“图层对象状态”的三域时空数据模型,并采用ArcGIS平台构建了菜子湖湿地生态数据库管理系统。该系统具有图库管理、查询操作和制图综合等功能,能够直观地呈现菜子湖湿地生境、越冬期水鸟种群数量和分布格局、栖息地选择对水位变化的响应关系,可为菜子湖不同适应性水位优化调度提供科学依据。

关键词： 数据查询   机器学习   数据依赖   数据库系统  

摘要： 随着大数据时代的到来,数据查询迎来了巨大的挑战。首先,单个数据查询任务应具有更快的处理速度,以应对数据量的爆炸式增长;其次,数据查询的复杂性增加,导致DBA人工调整方法以及自动配置工具都无法保证配置的有效性和及时性。传统数据查询过程中,不考虑数据的潜在分布特征。机器学习技术可构建数据依赖型模型,使得数据查询的速度和空间利用率均优于传统方法。本文对将机器学习技术使用于数据查询优化的研究工作进行总结和归纳,主要包括索引结构优化、查询过程优化和学习型数据库系统调优。在对已有技术分析基础上,指出机器学习在数据查询的未来研究方向和可能面临的挑战。

关键词： 数据库系统   课程思政   教学设计   思政元素数据库  

摘要： 依赖课程本身的特色,建立课程思政教学目标关联数据库,在此基础上提出《数据库系统》课程思政教学设计框架,并从挖掘课程思政的教学案例、设计课程思政的教学简案、开展课程思政的实践教学和探讨课程思政的教学方法四个方面进行课程思政的探索研究。

关键词： 数据库系统   资格考试   考试大纲  

ISBN: (纸本)9787302568148

摘要： 数据库系统工程师考试大纲是全国计算机专业技术资格考试办公室编写的数据库系统工程师考试大纲。数据库系统工程师考试大纲还包括人力资源和社会保障部、工业和信息化部的有关文件以及考试简介。《数据库系统工程师考试大纲》是针对本考试的信息系统中级资格制定的。通过本考试的考生，可被用人单位择优聘任为工程师。