《数据库管理系统v》PPT课件.ppt

第 10章 数据库管理系统 内容提要 管理服务层解决数据存 储（ 数据库 与海量 存储技术），检索（搜 索引擎），使用（数据 挖掘与机器学习）以及 如何不被滥用（数据安 全与隐私保护）等问题。 本章将介绍关系数据库 的相关概念以及物联网 对数据库的新需求。 第 6-9章介绍了网络构建层各种网络形式的基本概念和技 术，以及在物联网中的应用。 互联网 无线宽带网络（ Wi-Fi、 WiMAX） 无线低速网络（蓝牙、红外、 802.15.4/ZigBee） 移动通信网络（ 3G） 本章重点介绍 关系数据库 的基本概念，并简单讨论 关 系代数 的相关理论，最后探讨 物联网中数据管理 的特 点和需求。 内容回顾 10.1 数据库系统的起源与发展 10.2 关系数据库 10.3 关系代数 10.4 物联网与数据库 什么是数据库？数据库有哪些分类和新发展？ 本章内容 什么是数据库？ 数据库 是存储在一起的 相关数据的集合 这些数据是 结构化 的，无害的或不必要的冗余，并为多种应用服务 数据库的 存储独立于 使用它的 程序 对数据库插入新数据，修改和检索原有数据均能按一种 公用的和可 控制的方式 进行 数据库的应用： 个人电脑： 快速查找文件 公司： 财务管理软件 互联网： 论坛数据存储 物联网： 海量数据管理 早期的数据库系统：导航式数据库 网状模型 由图灵奖得主 Charles Bachman提出 第一个数据库系统： IDS 层次模型 典型代表： IBM的 IMS系统 缺点： 数据的存储结构依赖于数据的类型 数据通过指针相互串联起来，为了访问到想要的内容，可能需要遍历 整个数据库 查找操作代价大 关系数据库（ RDBMS） 理论基石： Edgar Codd于 1970年发表的论文 A Relational Model of Data for Large Shared Data Banks 重要思想： 逻辑组成与存储结构相分离 早期著名的关系数据库系统 System R（ 1970年， IBM公司） Ingres（ 1973年，加州大学伯克利分校） 当前主流的 关系数据库系统 数据库系统的新发展 关系数据库系统的 缺点 缺乏对真实世界实体的有效表达 缺乏对复杂查询的有效处理 缺乏对 WEB应用的有效支持 XML数据库 （德国 Software AG公司的 Tamino等）：针对 XML数据 时空数据库 （甲骨文公司的 Oracle 8i Spatial）：针对地理信息系统 NoSQL数据库 （ Apache基金会的 Cassandra）：针对 Web数据 10.1 数据库系统的起源与发展 10.2 关系数据库 10.3 关系代数 10.4 物联网与数据库 什么是关系数据库？ 本章内容 关系数据库的架构图 同早期导航式数据库的架构相比， 关系数据库的优势 高度的数据独立性 开放的数据语意、数据一致 性、数据冗余性 灵活的自定义数据操作语言 关系数据库的架构图（续） 查询过程三个步骤 应用程序将查询语句发送给 数据库前端 数据库对查询语句进行语法 解析和优化 数据库按照执行计划查询数 据文件并返回结果 关系数据库模型：以绿野千传为例 关系数据库 是一组具有不同名 称的 关系的集合 绿野千传 （ http:/orbsmap.greenorbs.org） 存储的数据 传感器节点的基本信息（编号 、 经纬度等） 周围环境的温度 、 相对湿度 、 光 照强度、传感器电压 图中每一个点都对应于部署在实地的一个传感器 关系数据库模型 关系（ Relation） 关系即数据库中的 表 关系表仅是数据逻辑上的组织形式，物理上可以用 B+树等数据结构进 行索引 可以直观表达真实世界的物理量 关系数据库模型 属性（ Attribute） 关系表的 每一列 称为一个属性，描述了数据某一方面的信息 表的每一列包含且 仅包含一个属性的值 属性的值可以有多种整数、实数、日期时间等多种类型 关系数据库模型 域（ Domain） 域是一组 具有相同数据类型的值的集合 表中的任何属性都必须定义在域上 关系数据库模型 元组（ Tuple） 关系表中的 每一行 都叫做一个元组 元组是关系的基本组成元素 在关系中，元组排列的 顺序并不重要 关系数据库模型 度（ Degree）： 关系表包含的 属性数目 叫做度 基数（ Cardinality）： 关系表包含的 元组数目 叫做基数 关系数据库模型 模式（ Schema） 关系的 名称 及其所含 属性 的集合统称为模式 用“关系名称（属性 1，属性 2，属性 3， ）”的方法来表示模式 属性在模式中的排列顺序是 无序 的 10.1 数据库系统的起源与发展 10.2 关系数据库 10.3 关系代数 10.4 物联网与数据库 关系代数是关系数据库数据操作的基础。 本章内容 10.3 关系代数 关系数据库的数据模型不仅定义了数据库的 结构 （关系、属性、元组等）， 而且提供了 查询数据 、 修改数据 的方法，数据操作基于 “ 关系代数 ” 的特殊代数运算 关系代数的 操作数 是 关系 （传统代数的操作数是数字常量或变量 ） 关系代数的 操作符 主要分四类 传统的集合运算符 专门的关系运算符 比较运算符 逻辑运算符 传统的集合运算符 关系代数操作符 传统集合运算符 专门关系运算符 比较运算符 逻辑运算符 交（ ） 关系 R与关系 S的交由既属于 R又属于 S的元组组成， 即 RS=t|t R t S 差（） 关系 R与关系 S的交由属于 R但不属于 S的元组组成， 即 R-S=t|t R tS。 并（ ） 关系 R与关系 S的交由属于 R或属于 S的元组组成，即 R S=t|t R t S 广义笛卡尔积（ ） 关系 R（度为 n）与关系 S（度为 m）的广义笛卡尔 积是一个有 n+m项属性的元组的集合，其中前 n个 属性来自关系 R，后 m个属性来自关系 S，即 RS=trts|tr R ts S 传统的集合运算符（续） 传感器编号 经度 纬度 1 119.7227 30.2585 2 119.7224 30.2586 3 119.7225 30.2585 4 119.7224 30.2584 5 119.7220 30.2580 传感器编号 经度 纬度 1 119.7227 30.2585 3 119.7225 30.2585 5 119.7220 30.2580 7 119.7222 30.2583 9 119.7222 30.2584 关系 R 关系 S 传统的集合运算符（续 2） 传感器编号 经度 纬度 1 119.7227 30.2585 2 119.7224 30.2586 3 119.7225 30.2585 4 119.7224 30.2584 5 119.7220 30.2580 7 119.7222 30.2583 9 119.7222 30.2584 传感器编号 经度 纬度 1 119.7227 30.2585 3 119.7225 30.2585 5 119.7220 30.2580 R S RS 传统的集合运算符（续 3） R.传感器编号 R.经度 R.纬度 S.传感器编号 S.经度 S.纬度 1 119.7227 30.2585 2 119.7224 30.2586 1 119.7227 30.2585 4 119.7224 30.2584 3 119.7225 30.2585 2 119.7224 30.2586 3 119.7225 30.2585 4 119.7224 30.2584 5 119.7220 30.2580 2 119.7224 30.2586 5 119.7220 30.2580 4 119.7224 30.2584 传感器编号 经度 纬度 2 119.7224 30.2586 4 119.7224 30.2584 笛卡尔积 R-S 专门的关系运算符 关系代数操作符 传统集合运算符 专门关系运算符 比较运算符 逻辑运算符 投影（ ） 投影运算用于从已有关系 R产生新关系 S使得 S包含 R的部分列。表达式 A1,A2,An(R)的结果为仅包含 R 的属性列 A1,A2, An的新关系 S 选择（ ） 选择运算用于从已有关系 R产生新关系 S使得 S是 R 中满足条件 C的元组的集合，记作 C（ R） 自然连接（ ） 通过相等的共同属性值将两种关系连接起来 专门的关系运算符（续） 关系代数操作符 传统集合运算符 专门关系运算符 比较运算符 逻辑运算符 连接 基于条件 C将两种关系连接起来 可分两步完成 取关系 R和 S的笛卡尔积 RS 从 RS选择所有满足条件 C的元组 专门的关系运算符 （续 2） 经度 longitude 119.7227 119.7224 119.7225 119.7224 119.7220 经度 (R) 传感器编号 sid 经度 longitude 纬度 latitude 3 119.7225 30.2585 传感器编号 =3（ R） 传感器编号 经度 纬度 温度 相对湿度 更新时间 2 119.7224 30.2586 24.16 85.75 9/17/2009 7:18 3 119.7225 30.2585 23.47 88.49 9/17/2009 6:19 5 119.7220 30.2580 23.57 86.01 9/17/2009 5:20 自然连接 RT 专门的关系运算符 （续 3） R1.传感器编号 R1.经度 R1.纬度 R2.传感器编号 R2.经度 R2.纬度 1 119.7227 30.2585 4 119.7224 30.2584 1 119.7227 30.2585 5 119.7220 30.2580 2 119.7224 30.2586 1 119.7227 30.2585 2 119.7224 30.2586 3 119.7225 30.2585 2 119.7224 30.2586 4 119.7224 30.2584 2 119.7224 30.2586 5 119.7220 30.2580 3 119.7225 30.2585 4 119.7224 30.2584 3 119.7225 30.2585 5 119.7220 30.2580 4 119.7224 30.2584 5 119.7220 30.2580 对表 R进行 连接，其中条件 C=R1.纬度 R2.纬度， R1、 R2均为关系 R SQL查询语言 * SQL（ Structured Query Language）结构化查询语言是现代数据库中应用最 广泛的查询语言。语法中支持的查询部分与关系代数十分接近。 选择运算 C(R)： SELECT * FROM R WHERE C; 投影运算 A1,A2,An(C(R) ： SELECT A1， A2， ， Ak FROM R WHERE C; 集合运算： 运算符 INTERSECT、 EXCEPT、 UNION 连接运算： SELECT R.sid, T.temperature, T.humidity, FROM R, T WHERE R.sid = T.sid 子查询： SELECT * FROM R WHERE latitude (SELECT latitude FROM R WHERE sid = 3); 10.1 数据库系统的起源与发展 10.2 关系数据库 10.3 关系代数 10.4 物联网与数据库 物联网数据有哪些特点？物联网中应如何管理数据？ 本章内容 传感器数据的特点？ 海量性： 假设每个传感器每分钟内仅传回 1K数据，则 1000个节点 每天 的数据量就达到了约 1.4GB 多态性 ： 生态监测系统 ： 温度、湿度、光照 多媒体传感网：视频、音频 火灾导航系统：结构化通讯数据 关联性及语义性 描述同一个实体的数据在 时间 上具有关联性（同一节点上温度随时间 变化 ） 描述不同实体的数据在 空间 上具有关联性 （ 同一区域内不同节点测得 的温度值相近） 描述实体的不同 维度 之间也具有关联性（同一节点同一时间测得的温 度与湿度值相关） 传感器网络的数据存储 分布式存储 数据可保存在“存储节点”上 查询被分发到网络中去，由存储节点返回查询结果 集中式存储 数据全部保存在 sink端（汇聚点） 查询仅在 sink端进行 传感器网络的数据查询 查询 分为 快照查询 和 连续查询 。 快照查询特点 ：查询不固定，数据不固定 连续查询特点 ：查询固定，数据不固定 近似查询技术 针对 数据不确定 ，可减小网络通信 开销 基于模型的查询 查询优化 针对 查询固定 ，优化查询内容 节点仅返回所需要的数据 查询仅发往满足查询条件的地区 传感器网络的数据融合 互联网中 数据流从丰富的 网络资源流向终端设备 ， 传感网中 数据流 从传感器设备流向网络 数据融合 ，即怎样分析 、 综合不同来源的无数的数据流，是传感网乃至 物联网跨向大规模应用所必须越过的障碍 数据流管理系统 本章小结 内容回顾 本章介绍了数据库管理系统的发展，重点介绍了关系数据库的基本概念和关 系代数的基本运算，并讨论了物联网中数据管理的特点。 重点掌握 了解数据库模型的发展，举例说明新兴数据库的发展趋势。 掌握关系 、 属性、域、元组、度、基数、模式的基本概念。 能根据要求写出相应的关系代数查询表达式。 掌握物联网数据管理的特点（数据特点，数据查询、存储和融合的方法）。 Thank you!