❶ 關系型資料庫有哪些
關系型資料庫有哪些？
要那麼多來干什麼啊？現在的資料庫大多都耐臘是關系型資料庫啊。Oracle、sqlServer、Sybase、Informix、access、DB2、mysql、vfp、人大金倉（國產的，我用過）只要你認為可以，什麼xml都可以作為關系型資料庫啊。恰好10個。 希望我的回答對你有幫助！
常用的關系型資料庫有哪些
關系模型就是指二維表格模型,因而一個關系型資料庫就是由二維表及其之間的聯系組成的一個數據組織。當前主流的關系型資料庫有Oracle、DB2、Microsoft SQL Serve激、Microsoft Access、MySQL等。
關系型資料庫都有哪些
大型的有：
oracle、sqlserver、db2、mix、Sybase 等
開源的有：
MySQL、Postpresql 等
文件型的有：
Access、SQL Anywhere、sqlite、interbase
什麼是關系型資料庫
關系型資料庫簡介關系型資料庫以行和列的形式存儲數據，以便於用戶理解。這一系列的行和列被稱為表，一組表組成了資料庫。用戶用查詢(Query)來檢索資料庫中的數據。一個Query是一個用於指定資料庫中行和列的SELECT語句。關系型資料庫通常包含下列組件：客戶端應用程序(Client)資料庫伺服器(Server)資料庫(Database)Structured Query Language(SQL)Client端和Server端的橋梁，Client用SQL來象Server端發送請求，Server返回Client端要求的結果。現在流行的大型關系型資料庫有IBM DB2、IBM UDB、Oracle、SQL Server、SyBase、Informix等。關系型資料庫並不是唯一的高級資料庫模型，也完全不是性能最優的模型，但是關系型資料庫確實是現今使用最廣泛、最容易理解和使用的資料庫模型。大多數的企業級系統資料庫都採用關系型資料庫，關系型資料庫的概念是掌握資料庫開發的基礎，所以本節的問題也拆滑成為.NET面試中頻繁出現的問題之一。所涉及的知識點關系型資料庫的概念關系型資料庫的優點分析問題關系型資料庫的概念所謂關系型資料庫，是指採用了關系模型來組織數據的資料庫。關系模型是在1970年由IBM的研究員E.F.Codd博士首旅畝臘先提出，在之後的幾十年中，關系模型的概念得到了充分的發展並逐漸成為資料庫架構的主流模型。簡單來說，關系模型指的就是二維表格模型，而一個關系型資料庫就是由二維表及其之間的聯系組成的一個數據組織。下面列出了關系模型中的常用概念。關系：可以理解為一張二維表，每個關系都具有一個關系名，就是通常說的表名。元組：可以理解為二維表中的一行，在資料庫中經常被稱為記錄。屬性：可以理解為二維表中的一列，在資料庫中經常被稱為欄位。域：屬性的取值范圍，也就是資料庫中某一列的取值限制。關鍵字：一組可以唯一標識元組的屬性。資料庫中常稱為主鍵，由一個或多個列組成。關系模式：指對關系的描述，其格式為：關系名（屬性1，屬性2，…，屬性N）。在資料庫中通常稱為表結構。關系型資料庫的優點關系型資料庫相比其他模型的資料庫而言，有著以下優點：容易理解：二維表結構是非常貼近邏輯世界的一個概念，關系模型相對網狀、層次等其他模型來說更容易理解。使用方便：通用的SQL語言使得操作關系型資料庫非常方便，程序員甚至於數據管理員可以方便地在邏輯層面操作資料庫，而完全不必理解其底層實現。易於維護：豐富的完整性（實體完整性、參照完整性和用戶定義的完整性）大大降低了數據冗餘和數據不一致的概率。近幾年來，非關系型資料庫在理論上得到了飛快的發展，例如：網狀模型、對象模型、半結構化模型等。網狀模型擁有性能較高的優點，通常應用在對性能要求較高的系統中；對象模型符合面向對象應用程序的思想，可以完美地和程序銜接，而不需要另外的中間轉換組件，例如現在很多的O\R Mapping組件；半結構化模型隨著XML的發展而得到發展嘩現在已經有了很多半結構化的資料庫模型。但是，憑借其理論的成熟、使用的便捷以及現有應用的廣泛，關系型資料庫仍然是系統應用中的主流方案。
有哪些非關系型資料庫
現在流行的NoSQL，
360doc/content/11/0429/15/2560742_113169460.shtml
什麼是關系型資料庫？
所謂關系型資料庫，是指採用了關系模型來組織數據的資料庫。關系工型是在1970年由IBM的研究員E.F.Codd博士首先提出，在之後的幾十年中，關系模型的概念得到了充分的發展並逐漸成為資料庫架構的主流模型。簡單來說，關系模型指的就是二維表格模型，而一個關系型資料庫就是由二維表及其之間的聯系組成的一個數據組織。下面列出了關系模型中的常用概念。關系：可以理解為一張二維表，每個關系都具有一個關系名，就是通常說的表名。元組：可以理解為二維表中的一行，在資料庫中經常被稱為記錄。屬性：可以理解為二維表中的一列，在資料庫中經常被稱為欄位。域：屬性的取值范圍，也就是資料庫中某一列的取值限制。關鍵字：一組可以唯一標識元組的屬性。資料庫中常稱為主鍵，由一個或多個列組成。關系模式：指對關系的描述，其格式為：關系名（屬性1，屬性2，…，屬性N）。在資料庫中通常稱為表結構。
關系型資料庫都有哪些資料庫信息
很多了。。關系型的有：SQLServer、Sybase、Informix
mysql 。等等。。
實時的我知道的有：Lotus Notes。。包括XML也可以做為實時資料庫的。
關系型資料庫是什麼？
關系型資料庫以行和列的形式存儲數據，以便於用戶理解。這一系列的行和列被稱為表，一組表組成了資料庫。表與表之間的數據記錄有關系。用戶用查詢(Query)來檢索資料庫中的數據。一個Query是一個用於指定資料庫中行和列的SELECT語句。關系型資料庫通常包含下列組件：客戶端應用程序(Client)資料庫伺服器(Server)Structured Query Language(SQL)Client端和Server端的橋梁，Client用SQL來向Server端發送請求，Server返回Client端要求的結果。現在流行的大型關系型資料庫有IBM DB2、Oracle、SQL Server、SyBase、Informix、access、foxpro等。
屬於關系型資料庫的有什麼？
當前主流的關系型資料庫有Oracle、DB2、Microsoft SQL Server、Mic釘osoft
Access、MySQL等
傳統的關系型資料庫面臨的挑戰有哪些？
挑戰一：數據來源錯綜復雜
豐富的數據源是大數據產業發展的前提。而我國數字化的數據資源總量遠遠低於美歐，每年新增數據量僅為美國的7%，歐洲的12%，其中 *** 和製造業的數據資源積累遠遠落後於國外。就已有有限的數據資源來說，還存在標准化、准確性、完整性低，利用價值不高的情況，這大大降低了數據的價值
挑戰二：數據挖掘分析模型建立
步入大數據時代，人們紛紛在談論大數據，似乎這已經演化為新的潮流趨勢。數據比以往任何時候都更加根植於我們生活中的每個角落。我們試圖用數據去解決問題、改善福利，並且促成新的經濟繁榮
挑戰三：數據開放與隱私的權衡
數據應用的前提是數據開放，這已經是共識。有專業人士指出，中國人口居世界首位，但2010年中國新存儲的數據為250PB，僅為日本的60%和北美的7%。目前我國一些部門和機構擁有大量數據但寧願自己不用也不願提供給有關部門共享，導致信息不完整或重復投資。2012年中國的數據存儲量達到64EB，其中55%的數據需要一定程度的保護，然而目前只有不到一半的數據得到保護
❷ 資料庫架構選型與落地，看這篇就夠了
隨著時間和業務的發展，資料庫中的數據量增長是不可控的，庫和表中的數據會越來越大，隨之帶來的是更高的 磁碟 、 IO 、 系統開銷 ，甚至 性能 上的瓶頸，而單台伺服器的 資源終究是有限 的。
因此在面對業務擴張過程中，應用程序對資料庫系統的 健壯性 ， 安全性 ， 擴展性 提出了更高的要求。
以下，我從資料庫架構、選型與落地來讓大家入門。
資料庫會面臨什麼樣的挑戰呢？
業務剛開始我們只用單機資料庫就夠了，但隨著業務增長，數據規模和用戶規模上升，這個時候資料庫會面臨IO瓶頸、存儲瓶頸、可用性、安全性問題。
為了解決上述的各種問題，資料庫衍生了出不同的架構來解決不同的場景需求。
將資料庫的寫操作和讀操作分離，主庫接收寫請求，使用多個從庫副本負責讀請求，從庫和主庫同步更新數據保持數據一致性，從庫可以水平擴展，用於面對讀請求的增加。
這個模式也就是常說的讀寫分離，針對的是小規模數據，而且存在大量讀操作的場景。
因為主從的數據是相同的，一旦主庫宕機的時候，從庫可以 切換為主庫提供寫入 ，所以這個架構也可以提高資料庫系統的 安全性 和 可用性 ；
優點：
缺點：
在資料庫遇到 IO瓶頸 過程中，如果IO集中在某一塊的業務中，這個時候可以考慮的就是垂直分庫，將熱點業務拆分出去，避免由 熱點業務 的 密集IO請求 影響了其他正常業務，所以垂直分庫也叫 業務分庫 。
優點：
缺點：
在資料庫遇到存儲瓶頸的時候，由於數據量過大造成索引性能下降。
這個時候可以考慮將數據做水平拆分，針對數據量巨大的單張表，按照某種規則，切分到多張表裡面去。
但是這些表還是在同一個庫中，所以庫級別的資料庫操作還是有IO瓶頸（單個伺服器的IO有上限）。
所以水平分表主要還是針對 數據量較大 ，整體業務 請求量較低 的場景。
優點：
缺點：
四、分庫分表
在資料庫遇到存儲瓶頸和IO瓶頸的時候，數據量過大造成索引性能下降，加上同一時間需要處理大規模的業務請求，這個時候單庫的IO上限會限制處理效率。
所以需要將單張表的數據切分到多個伺服器上去，每個伺服器具有相應的庫與表，只是表中數據集合不同。
分庫分表能夠有效地緩解單機和單庫的 性能瓶頸和壓力 ，突破IO、連接數、硬體資源等的瓶頸。
優點：
缺點：
註：分庫還是分表核心關鍵是有沒有IO瓶頸 。
分片方式都有什麼呢？
RANGE（范圍分片）
將業務表中的某個 關鍵欄位排序 後，按照順序從0到10000一個表，10001到20000一個表。最常見的就是 按照時間切分 （月表、年表）。
比如將6個月前，甚至一年前的數據切出去放到另外的一張表，因為隨著時間流逝，這些表的數據被查詢的概率變小，銀行的交易記錄多數是採用這種方式。
優點：
缺點：
HASH（哈希分片）
將訂單作為主表，然後將其相關的業務表作為附表，取用戶id然後 hash取模 ，分配到不同的數據表或者資料庫上。
優點：
缺點：
講到這里，我們已經知道資料庫有哪些架構，解決的是哪些問題，因此， 我們在日常設計中需要根據數據的特點，數據的傾向性，數據的安全性等來選擇不同的架構 。
那麼，我們應該如何選擇資料庫架構呢？
雖然把上面的架構全部組合在一起可以形成一個強大的高可用，高負載的資料庫系統，但是架構選擇合適才是最重要的。
混合架構雖然能夠解決所有的場景的問題，但是也會面臨更多的挑戰，你以為的完美架構，背後其實有著更多的坑。
1、對事務支持
分庫分表後（無論是垂直還是水平拆分），就成了分布式事務了，如果依賴資料庫本身的分布式事務管理功能去執行事務，將付出高昂的性能代價（XA事務）；如果由應用程序去協助控制，形成程序邏輯上的事務，又會造成編程方面的負擔（TCC、SAGA）。
2、多庫結果集合並 （group by，order by）
由於數據分布於不同的資料庫中，無法直接對其做分頁、分組、排序等操作，一般應對這種多庫結果集合並的查詢業務都需要採用數據清洗、同步等其他手段處理（TIDB、KUDU等）。
3、數據延遲
主從架構下的多副本機制和水平分庫後的聚合庫都會存在主數據和副本數據之間的延遲問題。
4、跨庫join
分庫分表後表之間的關聯操作將受到限制，我們無法join位於不同分庫的表（垂直），也無法join分表粒度不同的表（水平）， 結果原本一次查詢就能夠完成的業務，可能需要多次查詢才能完成。
5、分片擴容
水平分片之後，一旦需要做擴容時。需要將對應的數據做一次遷移，成本代價都極高的。
6、ID生成
分庫分表後由於資料庫獨立，原有的基於資料庫自增ID將無法再使用，這個時候需要採用其他外部的ID生成方案。
一、應用層依賴類（JDBC）
這類分庫分表中間件的特點就是和應用強耦合，需要應用顯示依賴相應的jar包（以Java為例），比如知名的TDDL、當當開源的 sharding-jdbc 、蘑菇街的TSharding等。
此類中間件的基本思路就是重新實現JDBC的API，通過重新實現 DataSource 、 PrepareStatement 等操作資料庫的介面，讓應用層在 基本 不改變業務代碼的情況下透明地實現分庫分表的能力。
中間件給上層應用提供熟悉的JDBC API，內部通過 sql解析 、 sql重寫 、 sql路由 等一系列的准備工作獲取真正可執行的sql，然後底層再按照傳統的方法（比如資料庫連接池）獲取物理連接來執行sql，最後把數據 結果合並 處理成ResultSet返回給應用層。
優點
缺點
二、中間層代理類（Proxy）
這類分庫分表中間件的核心原理是在應用和資料庫的連接之間搭起一個 代理層 ，上層應用以 標準的MySQL協議 來連接代理層，然後代理層負責 轉發請求 到底層的MySQL物理實例，這種方式對應用只有一個要求，就是只要用MySQL協議來通信即可。
所以用MySQL Navicat這種純的客戶端都可以直接連接你的分布式資料庫，自然也天然 支持所有的編程語言 。
在技術實現上除了和應用層依賴類中間件基本相似外，代理類的分庫分表產品必須實現標準的MySQL協議，某種意義上講資料庫代理層轉發的就是MySQL協議請求，就像Nginx轉發的是Http協議請求。
比較有代表性的產品有開創性質的Amoeba、阿里開源的Cobar、社區發展比較好的 Mycat （基於Cobar開發）等。
優點
缺點
JDBC方案 ：無中心化架構，兼容市面上大多數關系型資料庫，適用於開發高性能的輕量級 OLTP 應用（面向前台）。
Proxy方案 ：提供靜態入口以及異構語言的支持，適用於 OLAP 應用（面向後台）以及對分片資料庫進行管理和運維的場景。
混合方案 ：在大型復雜系統中存在面向C端用戶的前台應用，也有面向企業分析的後台應用，這個時候就可以採用混合模式。
JDBC 採用無中心化架構，適用於 Java 開發的高性能的輕量級 OLTP 應用；Proxy 提供靜態入口以及異構語言的支持，適用於 OLAP 應用以及對分片資料庫進行管理和運維的場景。
ShardingSphere是一套開源的分布式資料庫中間件解決方案組成的生態圈，它由 Sharding-JDBC 、 Sharding-Proxy 和 Sharding-Sidecar （計劃中）這3款相互獨立的產品組成，他們均提供標准化的數據分片、分布式事務和資料庫治理功能，可適用於如Java同構、異構語言、容器、雲原生等各種多樣化的應用場景。
ShardingSphere提供的核心功能：
Sharding-Proxy
定位為透明化的 資料庫代理端 ，提供封裝了 資料庫二進制協議的服務端版本 ，用於完成對 異構語言的支持 。
目前已提供MySQL版本，它可以使用 任何兼容MySQL協議的訪問客戶端 (如：MySQL Command Client, MySQL Workbench, Navicat等)操作數據，對DBA更加友好。
向 應用程序完全透明 ，可直接當做MySQL使用。
適用於任何兼容MySQL協議的客戶端。
Sharding-JDBC
定位為 輕量級Java框架 ，在Java的JDBC層提供的額外服務。 它使用客戶端直連資料庫，以jar包形式提供服務，無需額外部署和依賴，可理解為 增強版的JDBC驅動，完全兼容JDBC和各種ORM框架 。
以電商SaaS系統為例，前台應用採用Sharding-JDBC，根據業務場景的差異主要分為三種方案。
分庫（用戶）
問題解析：頭部企業日活高並發高，單獨分庫避免干擾其他企業用戶，用戶數據的增長緩慢可以不分表。
拆分維度：企業ID分庫
拆分策略：頭部企業單獨庫、非頭部企業一個庫
分庫分表（訂單）
問題解析：訂單數據增長速度較快，在分庫之餘需要分表。
拆分維度：企業ID分庫、用戶ID分表
拆分策略：頭部企業單獨庫、非頭部企業一個庫，分庫之後用戶ID取模拆分表
單庫分表（附件）
問題解析：附件數據特點是並發量不大，只需要解決數據增長問題，所以單庫IO足以支撐的情況下分表即可。
拆分維度：用戶ID分表
拆分策略：用戶ID取模分表
問題一：分布式事務
分布式事務過於復雜也是分布式系統最難處理的問題，由於篇幅有限，後續會開篇專講這一塊內容。
問題二：分布式ID
問題三：跨片查詢
舉個例子，以用戶id分片之後，需要根據企業id查詢企業所有用戶信息。
sharding針對跨片查詢也是能夠支持的，本質上sharding的跨片查詢是採用同時查詢多個分片的數據，然後聚合結果返回，這個方式對資源耗費比較大，特別是對資料庫連接資源的消耗。
假設分4個資料庫，8個表，則sharding會同時發出32個SQL去查詢。一下子消耗掉了32個連接；
特別是針對單庫分表的情況要注意，假設單庫分64個表，則要消耗64個連接。如果我們部署了2個節點，這個時候兩個節點同時查詢的話，就會遇到資料庫連接數上限問題（mysql默認100連接數）
問題四：分片擴容
隨著數據增長，每個片區的數據也會達到瓶頸，這個時候需要將原有的分片數量進行增加。由於增加了片區，原先的hash規則也跟著變化，造成了需要將舊數據做遷移。
假設原先1個億的數據，hash分64個表，現在增長到50億的數據，需要擴容到128個表，一旦擴容就需要將這50億的數據做一次遷移，遷移成本是無法想像的。
問題五：一致性哈希
首先，求出每個 伺服器的hash值 ，將其配置到一個 0~2^n 的圓環上 （n通常取32）
其次，用同樣的方法求出待 存儲對象的主鍵 hash值 ，也將其配置到這個圓環上。
然後，從數據映射到的位置開始順時針查找，將數據分布到找到的第一個伺服器節點上。
一致性hash的優點在於加入和刪除節點時只會影響到在哈希環中相鄰的節點，而對其他節點沒有影響。
所以使用一致性哈希在集群擴容過程中可以減少數據的遷移。
好了，這次分享到這里，我們日常的實踐可能只會用到其中一種方案，但它不是資料庫架構的全貌，打開技術視野，才能更好地把存儲工具利用起來。
老規矩，一鍵三連，日入兩千，點贊在看，年薪百萬！
本文作者：Jensen
7年Java老兵，小米主題設計師，手機輸入法設計師，ProcessOn特邀講師。
曾涉獵航空、電信、IoT、垂直電商產品研發，現就職於某知名電商企業。
技術公眾號 【架構師修行錄】 號主，專注於分享日常架構、技術、職場干貨，Java Goals：架構師。
交個朋友，一起成長！
❸ 資料庫關系模式有哪些類型
在關系資料庫中有型和值兩種類型結構。關系模式是型，關系是值，關系模式是對關系的描述。
描述一個關系需要從以下兩個方面來定義：第一方面，關系實質上是一個二維表，表的每一行為一個元組，每一列為一個屬性。一個元組就是該關系所涉及的屬性集的笛卡兒積的一個元素。關系是元組的集合，因此關系模式必須指出這個元組集合的結構，即它由哪些屬性構成，這些屬性來自哪些域，以及屬性與域之間的映象關系。
第二方面，一個關系通常是由賦予它的元組語義來確定的。元組語義實質上是一個n目謂詞（n是屬性集中屬性的個數）。凡使該n目謂詞為真的笛卡兒積中的元素（或者說凡符合元組語義的那部分元素）的全體就構成了該關系模式的關系。
1.3.1關系資料庫基本概念關系數據中，關系模式涉及眾多概念、術語，初學者對這方面不容易把握與理解，以下用通俗易懂的語言來對這些概念及術語作簡單的介紹。
1.關系關系（Relation）是指資料庫中實體的信息，也就是資料庫中二維表的數據。一個關系就是一個資料庫表的值，表中的內容是對應關系模式在某個時刻的值，稱為一個關系。例如，關系A表示資料庫有一張名字為A的數據表所記錄的所有數據。關系資料庫中每一個關系都具有以下六方面的性質：（（1)列是同質的。即每一列中的分量為同一類型的數據，來自同一個域。
（2）不同的列可出自同一個域，稱其中的每列為一個屬性，不同的屬性要給予不同的屬性名。
（3）列的順序無所謂。即列的次序可以任意交換。
（4）任意兩個元組不能完全相同。
（5）行的順序無所謂。即行的次序可以任意交換。
（6）分量必須取原子值。即每一個分量都必須是不可分的資料庫屬性。
2.模式模式（Schema）是資料庫中全體數據的邏輯結構和特徵的描述，是所有用戶的公共數據視圖，也稱邏輯模式。有以下幾方面性質：（（1)一個資料庫只有一個模式。
（2）模式是數據在邏輯級上的視圖。
（3）以某一種數據模型為基礎。
定義模式時不僅要定義數據的邏輯結構，包括數據項的構成、名字、類型、取值范圍等，而且要定義與數據有關的安全性、完整性要求，定義這些數據之間的聯系。
3.關系模式關系模式（RelationSchema）描述的是與關系相對應的二維表的表結構，即關系中包含哪些屬性，屬性來自哪些域，以及與域之間的映象關系。
關系模式與關系的區別：（（1)關系模式描述了關系數據結構和語義，是關系的型。而關系是一個數據集合，是關系模式的值，是關系模式的一個實例。
（2）關系實際上就是關系模式在某一時刻的狀態或內容。關系模式是靜態的、穩定的，而關系是動態的、隨時間不斷變化的，因為資料庫操作會不斷地更新資料庫中的數據。
4.元組元組（Tuple）是關系資料庫中的基本概念，一個關系表中的每行就是一個元組。也就是說資料庫表中的每條記錄都是一個元組，表結構的每列就是一個屬性，在二維表裡，元組也稱為記錄。元組可表示一個關系或關系之間的聯系。
一般情況下，一個關系數據表中的每條記錄均有一個唯一的編號（記錄號），這個編號也叫元組號。
5.碼碼（Key）是關系資料庫系統中的基本概念。所謂碼，就是能唯一標識實體的屬性集，是整個屬性集，而不是單個屬性。在關系資料庫中，碼包括多種類型，如超碼、候選碼和主碼。
（（1)超碼（SuperKey）。超碼是一個或多個屬性的集合，這些屬性可以在一個實體集中唯一地標識一個實體。如果K是一個超碼，那麼K的任意超集也是超碼，也就是說如果K是超碼，那麼所有包含K的集合也是超碼。例如，學生是一個實體，則學生的集合是一個實體集，而超碼用來在學生的集合中區分不同的學生。假設學生（實體）具有多個屬性：學號，身份證號，姓名，性別。因為通過學號可以找到唯一一個學生，所以{學號}是一個超碼，同理{學號，身份證號}、{學號，身份證號，姓名}、{學號，身份證號，姓名，性別}、{身份證號}、{身份證號，姓名}、{身份證號，姓名，性別}也是超碼。在這里，因為不同的學生可能擁有相同的姓名，所以姓名不可以區別一個學生，即{姓名}不是一個超碼，{性別}、{姓名，性別}也不是。
（2）候選碼（CandidateKey）。候選碼是可以唯一標識一個元組的最少的屬性集合。候選碼是從超碼中選出的，因此候選碼也是一個或多個屬性的集合。因為超碼的范圍太廣，很多是無用的，所以候選碼是最小超碼，它們的任意真子集都不能成為超碼。例如，如果K是超碼，那麼所有包含K的集合都不能是候選碼；如果K，J都不是超碼，那麼K和J組成的集合{K，J}有可能是候選碼。
雖然超碼可以唯一標識一個實體，但是可能大多數超碼中含有多餘的屬性，所以需要候選碼。
例如學生表，學生（學號，姓名，年齡，性別，專業），其中的學號是可以唯一標識一個元組，所以學號可以作為候選碼。既然學號都可以作候選碼，那麼學號和姓名這兩個屬性的組合就可以唯一區別一個元組。此時的學號可以成為碼，學號和姓名的組合也可以成為碼，但是學號和姓名的組合不能成為候選碼，因為即使去掉姓名屬性，剩下的學號屬性也完全可以唯一地標識一個元組。也就是說，候選碼中的所有屬性都是必需的，缺少任何一個屬性，都不能唯一標識一個元組。
（3）主碼（PrimaryKey）。主碼是從多個候選碼中任意選出一個作為主鍵，這個被選中的候選碼就稱為主碼。如果候選碼只有一個，那麼候選碼就是主碼。雖然說主碼的選擇是比較隨意的，但在實際開發中還是需要一定的經驗，不然開發出來的系統會出現問題。一般來說，主碼都應該選擇那些從不或者極少變化的屬性。
例如，在一個職工實體中，職工（職工號，姓名，入職時間，部門，崗位，工資，職級，工齡，電話），職工號可以用來唯一確定實體中的一個元組，所以職工號是一個候選碼。如果實體屬性——姓名、入職時間、部門三者組合也能唯一地確定一個元組，則（姓名，入職時間，部門）也是一個候選碼。在上述兩個候選碼中任選一個均可作為職工實體的主碼，一般來說直接選擇職工號作為實體的主碼是最為簡單方便的。
1.3.2關系模式的定義關系是資料庫二維表中的數據記錄，關系模式是資料庫二維表的表結構，關系是動態的，關系模式是靜態的。
關系模式可由六個元素來描述，分別是R、U、D、dom、I、F。其中，R為關系的名稱；
U為組成該關系的屬性名的集合；D為U集合中屬性的域集合；dom為屬性集U向域集D的映射；I為完整約束集合；F為屬性間數據的依賴關系集合。
一個關系模式通常表示為R（U，D，dom，I，F），也可以忽略其他元素，直接簡化為R（U）或R（A1，A2，A3，…，An），其中A1，A2，A3，…，An為屬性名。
例如，在一個選課模塊中，包含「學生」「課程」「選修」等關系實體。「學生」實體的屬性有SNO（學號）、SNAME（姓名）、AGE（年齡）、SEX（性別）、SDEPT（系部），其中「學號」為主鍵；「課程」實體的屬性有CNO（課程號）、CNAME（課程名稱）、CDEPT（系部）、TNAME（教師），其中「課程號」為主鍵；「選修」實體的屬性有GRADE（成績）、SNO（學號）、CNO（課程號），其中「學號」和「課程號」為聯合主鍵。學生和課程之間是多對多的關聯關系，即一個學生可以同時選修多門課程，一門課程也可以同時被多個學生選修。這種多對多的關聯關系可以通過「選修」關系實體作為中間橋接實體，變成兩個一對多的實體關聯關系，如圖所示。
圖學生選課實體
從圖的實體關系圖中可以得到選課模塊的實體關系模式集——學生關系、課程關系、選修關系，具體關系模式如下：學生關系模式Student（SNO，SNAME，AGE，SEX，SDEPT）；
課程關系模式Course（CNO，CNAME，CDEPT，TNAME）；
選修關系模式StudentCourse（SNO，CNO，GRADE）。
對以上定義的三個關系模式實例化，插入初始化數據後，可得到學生、課程、選修三個關系的實例，如圖所示。圖中矩形框圈住部分為選課模塊中的關系模式（表結構）；橢圓框圈住部分為選課模塊中的關系（數據）。整個選課模塊的表環境由關系模式與關系兩部分共同組成，缺一不可。關系模式的分解標准關系模式的規范化過程實際上就是關系模式的「分解」過程，即把邏輯上獨立的信息放在獨立的關系模式中。分解是解決數據冗餘的主要方法，也是規范化的一條原則——關系模式有冗餘問題就要分解。
資料庫設計者在進行關系資料庫設計時，應參照模式規范化理論，盡可能使資料庫模式保持高的標准。一般盡量把關系資料庫設計成巴斯−科德範式（BCNF）的模式集，如果設計成巴斯−科德範式（BCNF）模式集時達不到保持函數依賴的標准，那麼只能降低要求，設計成第三範式（3NF）的模式集，以達到保持函數依賴和無損分解的基本要求。
學生、課程、選修三個關系的實例
1.分解的定義一個關系模式可以分解成眾多子關系模式，分解方式不同，得到的子關系模式也不同。
關系模式的分解是指把某一個關系模式按照某一種方式進行分解得到的所有子關系模式。
如關系模式R
函數依賴關系集F=F1∪F2∪…∪Fn，其中F1，F2，…，Fn是F在U1，U2，…，Un上的投影。
2.分解的標准把低級的關系模式分解成高級的關系模式的方法不是唯一的，只要能夠保證分解後的關系模式與原關系模式等價，就是一個完整、標準的分解方法。關系模式的標准分解方法應同時達到以下兩方面的要求：（（1)分解具有無損連接性。
（2）分解要保持函數依賴性。
具有無損連接性的分解保證信息不會丟失，但無損連接不一定能解決插入異常、刪除異常、修改復雜、數據冗餘等問題，如要解決這些問題，則要考慮更高的關系數據範式理論原則。
❹ 什麼叫關系型資料庫
關系型資料庫，是指採用了關系模型來組織數據的資料庫，其以行和列的形式存儲數據，以便於用戶理解，關系型資料庫這一系列的行和列被稱為表，一組表組成了資料庫。
用戶通過查詢來檢索資料庫中的數據，而查詢是一個用於限定資料庫中某些區域的執行代碼。
關系模型可以簡單理解為二維表格模型，而一個關系型資料庫就是由二維表及其之間的關系組成的一個數據組織。
(4)關系型資料庫選型擴展閱讀：
關系型資料庫特點：
1、存儲方式：傳統的關系型資料庫採用表格的儲存方式，數據以行和列的方式進行存儲，要讀取和查詢都十分方便。
2、存儲結構：關系型資料庫按照結構化的方法存儲數據，每個數據表都必須對各個欄位定義好，再根據表的結構存入數據，這樣做的好處就是由於數據的形式和內容在存入數據之前就已經定義好了，所以整個數據表的可靠性和穩定性都比較高。
3、存儲規范：關系型資料庫為了避免重復、規范化數據以及充分利用好存儲空間，把數據按照最小關系表的形式進行存儲，這樣數據管理的就可以變得很清晰、一目瞭然，當然這主要是一張數據表的情況。
4、擴展方式：由於關系型資料庫將數據存儲在數據表中，數據操作的瓶頸出現在多張數據表的操作中，而且數據表越多這個問題越嚴重，如果要緩解這個問題，只能提高處理能力，也就是選擇速度更快性能更高的計算機。
5、查詢方式：關系型資料庫採用結構化查詢語言來對資料庫進行查詢，SQL早已獲得了各個資料庫廠商的支持，成為資料庫行業的標准，它能夠支持資料庫的CRUD操作，具有非常強大的功能，SQL可以採用類似索引的方法來加快查詢操作。
6、規范化：在資料庫的設計開發過程中開發人員通常會面對同時需要對一個或者多個數據實體進行操作，這樣在關系型資料庫中，一個數據實體一般首先要分割成多個部分，然後再對分割的部分進行規范化，規范化以後再分別存入到多張關系型數據表中，這是一個復雜的過程。
7、事務性：關系型資料庫強調ACID規則（原子性（Atomicity）、一致性（Consistency）、隔離性（Isolation）、持久性（Durability）），可以滿足對事務性要求較高或者需要進行復雜數據查詢的數據操作，而且可以充分滿足資料庫操作的高性能和操作穩定性的要求。
8、讀寫性能：關系型資料庫十分強調數據的一致性，並為此降低讀寫性能付出了巨大的代價，雖然關系型資料庫存儲數據和處理數據的可靠性很不錯，但一旦面對海量數據的處理的時候效率就會變得很差，特別是遇到高並發讀寫的時候性能就會下降的非常厲害。
9、授權方式：關系型資料庫常見的有 Oracle，SQLServer，DB2，Mysql，除了Mysql大多數的關系型資料庫如果要使用都需要支付一筆價格高昂的費用，即使是免費的Mysql性能也受到了諸多的限制。
❺ 常用的關系型資料庫有哪些(常用的關系型資料庫有哪些各有哪些優點)
Nosql的全稱是NotOnlySql，這個概念很早就有人提出。Nosql指的是非關系型數據春賀山庫，而我們常用的都是關系型資料庫。就像我們常用的mysql，oralce、sqlserver等一樣，這些資料庫一般用來存儲重要信息，應對普通的業務是沒有問題的。但是，隨著互聯網的高速發展，傳統的關系型資料庫在應付超大規模，超大流量以及高並發的時候力不從心。而就在這個時候，Nosql應運而生。
上面說的是NOSQL的定義.Nosql和關系型資料庫的區別,這里我說明一比較重要的區別。
存儲格式：關系型資料庫是表格式的，存儲在表的行和列中。他們之間很容易關聯協作存儲，提取數據很方便。而Nosql資料庫則與其相反，他是組合在一起。通常存儲在數據集中，就像文檔、鍵值對或者圖結構。舉個例子，例如在游戲裡面玩家的背包數據，我們都知道一個游戲裡面的道具是很多，而且不確定玩家什麼時候獲取什麼道具，這個時候如果想在關系資料庫裡面存儲數據，這個表怎麼建立就是一個很大的問題，如果你把所有的道具ID當做表頭，那麼後續每增加一個道具，就需要修改這張表。如果你的表結構是：
用戶ID|道具ID|道具數量|道具特殊屬性
那麼可以想像一下這張表隨著用戶的增多會變的多麼的龐大。所以這個時候我們就需要一個能直接像操作玩家對象一樣的資料庫，這里比較代表性的就是mongo，通過這個我們就可以看出nosql資料庫更適合存儲結構不確定的數據。
存儲擴展：這可能是兩者之間最大的區別，關系型資料庫是縱向擴展，也就是說想要提高處理能力，要使用速度更快的計算機。因為數據存儲在關系表中，操作的性能瓶頸可能涉及到多個表，需要通過提升計算機性能來克服。雖然有很大的擴展空間，但是最終會達到縱向擴展的上限。而Nosql資料庫是橫向擴展的，它的存儲天然就是分布式的，可以通過給資源池添加更多的普通資料庫伺服器來分擔負載。
上面的的例子已經說明了這個問題。拍好在現代互聯網時代大家都是希望能橫線擴展服務。這樣付出的代價是最小的。
對於上面關系型資料庫和NOSQL資料庫的區別其實還有很多。我相信大家在用的都會感覺到。上面列出的只是我感覺區別最大的。
那麼NOSQL這么好用，是不是都可以用了呢，顯示不是這樣，NOSQL對於聚合查詢顯示不是他的強項。這個時候就需要關系型資料庫。我是這樣建議，對於結構統一，應該存儲於關系型資料庫，對於結構不統一的可以存儲到NOSQL資料庫例如mongo。但是這個不是絕對的，在實際的項目的開發過程中，需要根據的自己的業務，仔細揣摩一下，做好最合適的劃分。
常見關系型資料庫通常有SQLServer，Mysql，Oracle等。主流的Nosql資料庫有Redis，Memcache，MongoDb。大多數的關系型資料庫都是付費的並且價格昂貴，成本較大，而Nosql資料庫通常都是開源的。在互聯網行業用大多也是免費的MYSQL（這里偷笑一下）。
在實際的項目扒中中大家的項目都是如何選擇的呢？大家可以關注我,私信或者在評論區留言。
❻ 關系型資料庫與非關系型數據應用環境上有什麼區別，如何選擇哪種資料庫類型
關系型資料庫最典型的數據結構是表，由二維表及其之間的聯系所組成的一個數據組織。
優點：
1、易於維護：都是使用表結構，格式一致；
2、使用方便：SQL語言通用，可用於復雜查詢；
3、復雜操作：支持SQL，可用於一個表以及多個表之間非常復雜的查詢。
缺點：
1、讀寫性能比較差，尤其是海量數據的高效率讀寫；
2、固定的表結構，靈活度稍欠；
3、高並發讀寫需求，傳統關系型資料庫來說，硬碟I/O是一個很大的瓶頸。
二、非關系型資料庫
非關系型資料庫嚴格上不是一種資料庫，應該是一種數據結構化存儲方法的集合，可以是文檔或者鍵值對等。
優點：
1、格式靈活：存儲數據的格式可以是key,value形式、文檔形式、圖片形式等等，文檔形式、圖片形式等等，使用靈活，應用場景廣泛，而關系型資料庫則只支持基礎類型。
2、速度快：nosql可以使用硬碟或者隨機存儲器作為載體，而關系型資料庫只能使用硬碟；
3、高擴展性；
4、成本低：nosql資料庫部署簡單，基本都是開源軟體。
缺點：
1、不提供sql支持，學習和使用成本較高；
2、無事務處理；
3、數據結構相對復雜，復雜查詢方面稍欠。
非關系型資料庫的分類和比較：
1、文檔型
2、key-value型
3、列式資料庫
4、圖形資料庫
❼ 如何選擇合適的資料庫
如何選擇資料庫
一般來講，數據分析的查詢不會直接從生產環境的資料庫來讀取數據，一方面是影響線上性能，另一方面是OLTP的表結構設計更多的是面向插入，而不是讀取。如何來選擇合適的資料庫做數據分析呢？本文給出了四方面的考量，拋磚引玉。
1. 客戶要分析什麼樣的數據
2. 客戶分析的數據量是多少
3. 客戶工程師團隊技術背景，運維能力
4. 預期的數據分析的響應時間
客戶要分析什麼樣的數據
上文已簡單介紹了關系型資料庫和非關系型資料庫的區別，這里就不再贅述。下圖是一個簡單的分類。