❶ 关系型数据库有哪些
关系型数据库有哪些？
要那么多来干什么啊？现在的数据库大多都耐腊是关系型数据库啊。Oracle、sqlServer、Sybase、Informix、access、DB2、mysql、vfp、人大金仓（国产的，我用过）只要你认为可以，什么xml都可以作为关系型数据库啊。恰好10个。 希望我的回答对你有帮助！
常用的关系型数据库有哪些
关系模型就是指二维表格模型,因而一个关系型数据库就是由二维表及其之间的联系组成的一个数据组织。当前主流的关系型数据库有Oracle、DB2、Microsoft SQL Serve激、Microsoft Access、MySQL等。
关系型数据库都有哪些
大型的有：
oracle、sqlserver、db2、mix、Sybase 等
开源的有：
MySQL、Postpresql 等
文件型的有：
Access、SQL Anywhere、sqlite、interbase
什么是关系型数据库
关系型数据库简介关系型数据库以行和列的形式存储数据，以便于用户理解。这一系列的行和列被称为表，一组表组成了数据库。用户用查询(Query)来检索数据库中的数据。一个Query是一个用于指定数据库中行和列的SELECT语句。关系型数据库通常包含下列组件：客户端应用程序(Client)数据库服务器(Server)数据库(Database)Structured Query Language(SQL)Client端和Server端的桥梁，Client用SQL来象Server端发送请求，Server返回Client端要求的结果。现在流行的大型关系型数据库有IBM DB2、IBM UDB、Oracle、SQL Server、SyBase、Informix等。关系型数据库并不是唯一的高级数据库模型，也完全不是性能最优的模型，但是关系型数据库确实是现今使用最广泛、最容易理解和使用的数据库模型。大多数的企业级系统数据库都采用关系型数据库，关系型数据库的概念是掌握数据库开发的基础，所以本节的问题也拆滑成为.NET面试中频繁出现的问题之一。所涉及的知识点关系型数据库的概念关系型数据库的优点分析问题关系型数据库的概念所谓关系型数据库，是指采用了关系模型来组织数据的数据库。关系模型是在1970年由IBM的研究员E.F.Codd博士首旅亩腊先提出，在之后的几十年中，关系模型的概念得到了充分的发展并逐渐成为数据库架构的主流模型。简单来说，关系模型指的就是二维表格模型，而一个关系型数据库就是由二维表及其之间的联系组成的一个数据组织。下面列出了关系模型中的常用概念。关系：可以理解为一张二维表，每个关系都具有一个关系名，就是通常说的表名。元组：可以理解为二维表中的一行，在数据库中经常被称为记录。属性：可以理解为二维表中的一列，在数据库中经常被称为字段。域：属性的取值范围，也就是数据库中某一列的取值限制。关键字：一组可以唯一标识元组的属性。数据库中常称为主键，由一个或多个列组成。关系模式：指对关系的描述，其格式为：关系名（属性1，属性2，…，属性N）。在数据库中通常称为表结构。关系型数据库的优点关系型数据库相比其他模型的数据库而言，有着以下优点：容易理解：二维表结构是非常贴近逻辑世界的一个概念，关系模型相对网状、层次等其他模型来说更容易理解。使用方便：通用的SQL语言使得操作关系型数据库非常方便，程序员甚至于数据管理员可以方便地在逻辑层面操作数据库，而完全不必理解其底层实现。易于维护：丰富的完整性（实体完整性、参照完整性和用户定义的完整性）大大降低了数据冗余和数据不一致的概率。近几年来，非关系型数据库在理论上得到了飞快的发展，例如：网状模型、对象模型、半结构化模型等。网状模型拥有性能较高的优点，通常应用在对性能要求较高的系统中；对象模型符合面向对象应用程序的思想，可以完美地和程序衔接，而不需要另外的中间转换组件，例如现在很多的O\R Mapping组件；半结构化模型随着XML的发展而得到发展哗现在已经有了很多半结构化的数据库模型。但是，凭借其理论的成熟、使用的便捷以及现有应用的广泛，关系型数据库仍然是系统应用中的主流方案。
有哪些非关系型数据库
现在流行的NoSQL，
360doc/content/11/0429/15/2560742_113169460.shtml
什么是关系型数据库？
所谓关系型数据库，是指采用了关系模型来组织数据的数据库。关系工型是在1970年由IBM的研究员E.F.Codd博士首先提出，在之后的几十年中，关系模型的概念得到了充分的发展并逐渐成为数据库架构的主流模型。简单来说，关系模型指的就是二维表格模型，而一个关系型数据库就是由二维表及其之间的联系组成的一个数据组织。下面列出了关系模型中的常用概念。关系：可以理解为一张二维表，每个关系都具有一个关系名，就是通常说的表名。元组：可以理解为二维表中的一行，在数据库中经常被称为记录。属性：可以理解为二维表中的一列，在数据库中经常被称为字段。域：属性的取值范围，也就是数据库中某一列的取值限制。关键字：一组可以唯一标识元组的属性。数据库中常称为主键，由一个或多个列组成。关系模式：指对关系的描述，其格式为：关系名（属性1，属性2，…，属性N）。在数据库中通常称为表结构。
关系型数据库都有哪些数据库信息
很多了。。关系型的有：SQLServer、Sybase、Informix
mysql 。等等。。
实时的我知道的有：Lotus Notes。。包括XML也可以做为实时数据库的。
关系型数据库是什么？
关系型数据库以行和列的形式存储数据，以便于用户理解。这一系列的行和列被称为表，一组表组成了数据库。表与表之间的数据记录有关系。用户用查询(Query)来检索数据库中的数据。一个Query是一个用于指定数据库中行和列的SELECT语句。关系型数据库通常包含下列组件：客户端应用程序(Client)数据库服务器(Server)Structured Query Language(SQL)Client端和Server端的桥梁，Client用SQL来向Server端发送请求，Server返回Client端要求的结果。现在流行的大型关系型数据库有IBM DB2、Oracle、SQL Server、SyBase、Informix、access、foxpro等。
属于关系型数据库的有什么？
当前主流的关系型数据库有Oracle、DB2、Microsoft SQL Server、Mic钉osoft
Access、MySQL等
传统的关系型数据库面临的挑战有哪些？
挑战一：数据来源错综复杂
丰富的数据源是大数据产业发展的前提。而我国数字化的数据资源总量远远低于美欧，每年新增数据量仅为美国的7%，欧洲的12%，其中 *** 和制造业的数据资源积累远远落后于国外。就已有有限的数据资源来说，还存在标准化、准确性、完整性低，利用价值不高的情况，这大大降低了数据的价值
挑战二：数据挖掘分析模型建立
步入大数据时代，人们纷纷在谈论大数据，似乎这已经演化为新的潮流趋势。数据比以往任何时候都更加根植于我们生活中的每个角落。我们试图用数据去解决问题、改善福利，并且促成新的经济繁荣
挑战三：数据开放与隐私的权衡
数据应用的前提是数据开放，这已经是共识。有专业人士指出，中国人口居世界首位，但2010年中国新存储的数据为250PB，仅为日本的60%和北美的7%。目前我国一些部门和机构拥有大量数据但宁愿自己不用也不愿提供给有关部门共享，导致信息不完整或重复投资。2012年中国的数据存储量达到64EB，其中55%的数据需要一定程度的保护，然而目前只有不到一半的数据得到保护
❷ 数据库架构选型与落地，看这篇就够了
随着时间和业务的发展，数据库中的数据量增长是不可控的，库和表中的数据会越来越大，随之带来的是更高的 磁盘 、 IO 、 系统开销 ，甚至 性能 上的瓶颈，而单台服务器的 资源终究是有限 的。
因此在面对业务扩张过程中，应用程序对数据库系统的 健壮性 ， 安全性 ， 扩展性 提出了更高的要求。
以下，我从数据库架构、选型与落地来让大家入门。
数据库会面临什么样的挑战呢？
业务刚开始我们只用单机数据库就够了，但随着业务增长，数据规模和用户规模上升，这个时候数据库会面临IO瓶颈、存储瓶颈、可用性、安全性问题。
为了解决上述的各种问题，数据库衍生了出不同的架构来解决不同的场景需求。
将数据库的写操作和读操作分离，主库接收写请求，使用多个从库副本负责读请求，从库和主库同步更新数据保持数据一致性，从库可以水平扩展，用于面对读请求的增加。
这个模式也就是常说的读写分离，针对的是小规模数据，而且存在大量读操作的场景。
因为主从的数据是相同的，一旦主库宕机的时候，从库可以 切换为主库提供写入 ，所以这个架构也可以提高数据库系统的 安全性 和 可用性 ；
优点：
缺点：
在数据库遇到 IO瓶颈 过程中，如果IO集中在某一块的业务中，这个时候可以考虑的就是垂直分库，将热点业务拆分出去，避免由 热点业务 的 密集IO请求 影响了其他正常业务，所以垂直分库也叫 业务分库 。
优点：
缺点：
在数据库遇到存储瓶颈的时候，由于数据量过大造成索引性能下降。
这个时候可以考虑将数据做水平拆分，针对数据量巨大的单张表，按照某种规则，切分到多张表里面去。
但是这些表还是在同一个库中，所以库级别的数据库操作还是有IO瓶颈（单个服务器的IO有上限）。
所以水平分表主要还是针对 数据量较大 ，整体业务 请求量较低 的场景。
优点：
缺点：
四、分库分表
在数据库遇到存储瓶颈和IO瓶颈的时候，数据量过大造成索引性能下降，加上同一时间需要处理大规模的业务请求，这个时候单库的IO上限会限制处理效率。
所以需要将单张表的数据切分到多个服务器上去，每个服务器具有相应的库与表，只是表中数据集合不同。
分库分表能够有效地缓解单机和单库的 性能瓶颈和压力 ，突破IO、连接数、硬件资源等的瓶颈。
优点：
缺点：
注：分库还是分表核心关键是有没有IO瓶颈 。
分片方式都有什么呢？
RANGE（范围分片）
将业务表中的某个 关键字段排序 后，按照顺序从0到10000一个表，10001到20000一个表。最常见的就是 按照时间切分 （月表、年表）。
比如将6个月前，甚至一年前的数据切出去放到另外的一张表，因为随着时间流逝，这些表的数据被查询的概率变小，银行的交易记录多数是采用这种方式。
优点：
缺点：
HASH（哈希分片）
将订单作为主表，然后将其相关的业务表作为附表，取用户id然后 hash取模 ，分配到不同的数据表或者数据库上。
优点：
缺点：
讲到这里，我们已经知道数据库有哪些架构，解决的是哪些问题，因此， 我们在日常设计中需要根据数据的特点，数据的倾向性，数据的安全性等来选择不同的架构 。
那么，我们应该如何选择数据库架构呢？
虽然把上面的架构全部组合在一起可以形成一个强大的高可用，高负载的数据库系统，但是架构选择合适才是最重要的。
混合架构虽然能够解决所有的场景的问题，但是也会面临更多的挑战，你以为的完美架构，背后其实有着更多的坑。
1、对事务支持
分库分表后（无论是垂直还是水平拆分），就成了分布式事务了，如果依赖数据库本身的分布式事务管理功能去执行事务，将付出高昂的性能代价（XA事务）；如果由应用程序去协助控制，形成程序逻辑上的事务，又会造成编程方面的负担（TCC、SAGA）。
2、多库结果集合并 （group by，order by）
由于数据分布于不同的数据库中，无法直接对其做分页、分组、排序等操作，一般应对这种多库结果集合并的查询业务都需要采用数据清洗、同步等其他手段处理（TIDB、KUDU等）。
3、数据延迟
主从架构下的多副本机制和水平分库后的聚合库都会存在主数据和副本数据之间的延迟问题。
4、跨库join
分库分表后表之间的关联操作将受到限制，我们无法join位于不同分库的表（垂直），也无法join分表粒度不同的表（水平）， 结果原本一次查询就能够完成的业务，可能需要多次查询才能完成。
5、分片扩容
水平分片之后，一旦需要做扩容时。需要将对应的数据做一次迁移，成本代价都极高的。
6、ID生成
分库分表后由于数据库独立，原有的基于数据库自增ID将无法再使用，这个时候需要采用其他外部的ID生成方案。
一、应用层依赖类（JDBC）
这类分库分表中间件的特点就是和应用强耦合，需要应用显示依赖相应的jar包（以Java为例），比如知名的TDDL、当当开源的 sharding-jdbc 、蘑菇街的TSharding等。
此类中间件的基本思路就是重新实现JDBC的API，通过重新实现 DataSource 、 PrepareStatement 等操作数据库的接口，让应用层在 基本 不改变业务代码的情况下透明地实现分库分表的能力。
中间件给上层应用提供熟悉的JDBC API，内部通过 sql解析 、 sql重写 、 sql路由 等一系列的准备工作获取真正可执行的sql，然后底层再按照传统的方法（比如数据库连接池）获取物理连接来执行sql，最后把数据 结果合并 处理成ResultSet返回给应用层。
优点
缺点
二、中间层代理类（Proxy）
这类分库分表中间件的核心原理是在应用和数据库的连接之间搭起一个 代理层 ，上层应用以 标准的MySQL协议 来连接代理层，然后代理层负责 转发请求 到底层的MySQL物理实例，这种方式对应用只有一个要求，就是只要用MySQL协议来通信即可。
所以用MySQL Navicat这种纯的客户端都可以直接连接你的分布式数据库，自然也天然 支持所有的编程语言 。
在技术实现上除了和应用层依赖类中间件基本相似外，代理类的分库分表产品必须实现标准的MySQL协议，某种意义上讲数据库代理层转发的就是MySQL协议请求，就像Nginx转发的是Http协议请求。
比较有代表性的产品有开创性质的Amoeba、阿里开源的Cobar、社区发展比较好的 Mycat （基于Cobar开发）等。
优点
缺点
JDBC方案 ：无中心化架构，兼容市面上大多数关系型数据库，适用于开发高性能的轻量级 OLTP 应用（面向前台）。
Proxy方案 ：提供静态入口以及异构语言的支持，适用于 OLAP 应用（面向后台）以及对分片数据库进行管理和运维的场景。
混合方案 ：在大型复杂系统中存在面向C端用户的前台应用，也有面向企业分析的后台应用，这个时候就可以采用混合模式。
JDBC 采用无中心化架构，适用于 Java 开发的高性能的轻量级 OLTP 应用；Proxy 提供静态入口以及异构语言的支持，适用于 OLAP 应用以及对分片数据库进行管理和运维的场景。
ShardingSphere是一套开源的分布式数据库中间件解决方案组成的生态圈，它由 Sharding-JDBC 、 Sharding-Proxy 和 Sharding-Sidecar （计划中）这3款相互独立的产品组成，他们均提供标准化的数据分片、分布式事务和数据库治理功能，可适用于如Java同构、异构语言、容器、云原生等各种多样化的应用场景。
ShardingSphere提供的核心功能：
Sharding-Proxy
定位为透明化的 数据库代理端 ，提供封装了 数据库二进制协议的服务端版本 ，用于完成对 异构语言的支持 。
目前已提供MySQL版本，它可以使用 任何兼容MySQL协议的访问客户端 (如：MySQL Command Client, MySQL Workbench, Navicat等)操作数据，对DBA更加友好。
向 应用程序完全透明 ，可直接当做MySQL使用。
适用于任何兼容MySQL协议的客户端。
Sharding-JDBC
定位为 轻量级Java框架 ，在Java的JDBC层提供的额外服务。 它使用客户端直连数据库，以jar包形式提供服务，无需额外部署和依赖，可理解为 增强版的JDBC驱动，完全兼容JDBC和各种ORM框架 。
以电商SaaS系统为例，前台应用采用Sharding-JDBC，根据业务场景的差异主要分为三种方案。
分库（用户）
问题解析：头部企业日活高并发高，单独分库避免干扰其他企业用户，用户数据的增长缓慢可以不分表。
拆分维度：企业ID分库
拆分策略：头部企业单独库、非头部企业一个库
分库分表（订单）
问题解析：订单数据增长速度较快，在分库之余需要分表。
拆分维度：企业ID分库、用户ID分表
拆分策略：头部企业单独库、非头部企业一个库，分库之后用户ID取模拆分表
单库分表（附件）
问题解析：附件数据特点是并发量不大，只需要解决数据增长问题，所以单库IO足以支撑的情况下分表即可。
拆分维度：用户ID分表
拆分策略：用户ID取模分表
问题一：分布式事务
分布式事务过于复杂也是分布式系统最难处理的问题，由于篇幅有限，后续会开篇专讲这一块内容。
问题二：分布式ID
问题三：跨片查询
举个例子，以用户id分片之后，需要根据企业id查询企业所有用户信息。
sharding针对跨片查询也是能够支持的，本质上sharding的跨片查询是采用同时查询多个分片的数据，然后聚合结果返回，这个方式对资源耗费比较大，特别是对数据库连接资源的消耗。
假设分4个数据库，8个表，则sharding会同时发出32个SQL去查询。一下子消耗掉了32个连接；
特别是针对单库分表的情况要注意，假设单库分64个表，则要消耗64个连接。如果我们部署了2个节点，这个时候两个节点同时查询的话，就会遇到数据库连接数上限问题（mysql默认100连接数）
问题四：分片扩容
随着数据增长，每个片区的数据也会达到瓶颈，这个时候需要将原有的分片数量进行增加。由于增加了片区，原先的hash规则也跟着变化，造成了需要将旧数据做迁移。
假设原先1个亿的数据，hash分64个表，现在增长到50亿的数据，需要扩容到128个表，一旦扩容就需要将这50亿的数据做一次迁移，迁移成本是无法想象的。
问题五：一致性哈希
首先，求出每个 服务器的hash值 ，将其配置到一个 0~2^n 的圆环上 （n通常取32）
其次，用同样的方法求出待 存储对象的主键 hash值 ，也将其配置到这个圆环上。
然后，从数据映射到的位置开始顺时针查找，将数据分布到找到的第一个服务器节点上。
一致性hash的优点在于加入和删除节点时只会影响到在哈希环中相邻的节点，而对其他节点没有影响。
所以使用一致性哈希在集群扩容过程中可以减少数据的迁移。
好了，这次分享到这里，我们日常的实践可能只会用到其中一种方案，但它不是数据库架构的全貌，打开技术视野，才能更好地把存储工具利用起来。
老规矩，一键三连，日入两千，点赞在看，年薪百万！
本文作者：Jensen
7年Java老兵，小米主题设计师，手机输入法设计师，ProcessOn特邀讲师。
曾涉猎航空、电信、IoT、垂直电商产品研发，现就职于某知名电商企业。
技术公众号 【架构师修行录】 号主，专注于分享日常架构、技术、职场干货，Java Goals：架构师。
交个朋友，一起成长！
❸ 数据库关系模式有哪些类型
在关系数据库中有型和值两种类型结构。关系模式是型，关系是值，关系模式是对关系的描述。
描述一个关系需要从以下两个方面来定义：第一方面，关系实质上是一个二维表，表的每一行为一个元组，每一列为一个属性。一个元组就是该关系所涉及的属性集的笛卡儿积的一个元素。关系是元组的集合，因此关系模式必须指出这个元组集合的结构，即它由哪些属性构成，这些属性来自哪些域，以及属性与域之间的映象关系。
第二方面，一个关系通常是由赋予它的元组语义来确定的。元组语义实质上是一个n目谓词（n是属性集中属性的个数）。凡使该n目谓词为真的笛卡儿积中的元素（或者说凡符合元组语义的那部分元素）的全体就构成了该关系模式的关系。
1.3.1关系数据库基本概念关系数据中，关系模式涉及众多概念、术语，初学者对这方面不容易把握与理解，以下用通俗易懂的语言来对这些概念及术语作简单的介绍。
1.关系关系（Relation）是指数据库中实体的信息，也就是数据库中二维表的数据。一个关系就是一个数据库表的值，表中的内容是对应关系模式在某个时刻的值，称为一个关系。例如，关系A表示数据库有一张名字为A的数据表所记录的所有数据。关系数据库中每一个关系都具有以下六方面的性质：（（1)列是同质的。即每一列中的分量为同一类型的数据，来自同一个域。
（2）不同的列可出自同一个域，称其中的每列为一个属性，不同的属性要给予不同的属性名。
（3）列的顺序无所谓。即列的次序可以任意交换。
（4）任意两个元组不能完全相同。
（5）行的顺序无所谓。即行的次序可以任意交换。
（6）分量必须取原子值。即每一个分量都必须是不可分的数据库属性。
2.模式模式（Schema）是数据库中全体数据的逻辑结构和特征的描述，是所有用户的公共数据视图，也称逻辑模式。有以下几方面性质：（（1)一个数据库只有一个模式。
（2）模式是数据在逻辑级上的视图。
（3）以某一种数据模型为基础。
定义模式时不仅要定义数据的逻辑结构，包括数据项的构成、名字、类型、取值范围等，而且要定义与数据有关的安全性、完整性要求，定义这些数据之间的联系。
3.关系模式关系模式（RelationSchema）描述的是与关系相对应的二维表的表结构，即关系中包含哪些属性，属性来自哪些域，以及与域之间的映象关系。
关系模式与关系的区别：（（1)关系模式描述了关系数据结构和语义，是关系的型。而关系是一个数据集合，是关系模式的值，是关系模式的一个实例。
（2）关系实际上就是关系模式在某一时刻的状态或内容。关系模式是静态的、稳定的，而关系是动态的、随时间不断变化的，因为数据库操作会不断地更新数据库中的数据。
4.元组元组（Tuple）是关系数据库中的基本概念，一个关系表中的每行就是一个元组。也就是说数据库表中的每条记录都是一个元组，表结构的每列就是一个属性，在二维表里，元组也称为记录。元组可表示一个关系或关系之间的联系。
一般情况下，一个关系数据表中的每条记录均有一个唯一的编号（记录号），这个编号也叫元组号。
5.码码（Key）是关系数据库系统中的基本概念。所谓码，就是能唯一标识实体的属性集，是整个属性集，而不是单个属性。在关系数据库中，码包括多种类型，如超码、候选码和主码。
（（1)超码（SuperKey）。超码是一个或多个属性的集合，这些属性可以在一个实体集中唯一地标识一个实体。如果K是一个超码，那么K的任意超集也是超码，也就是说如果K是超码，那么所有包含K的集合也是超码。例如，学生是一个实体，则学生的集合是一个实体集，而超码用来在学生的集合中区分不同的学生。假设学生（实体）具有多个属性：学号，身份证号，姓名，性别。因为通过学号可以找到唯一一个学生，所以{学号}是一个超码，同理{学号，身份证号}、{学号，身份证号，姓名}、{学号，身份证号，姓名，性别}、{身份证号}、{身份证号，姓名}、{身份证号，姓名，性别}也是超码。在这里，因为不同的学生可能拥有相同的姓名，所以姓名不可以区别一个学生，即{姓名}不是一个超码，{性别}、{姓名，性别}也不是。
（2）候选码（CandidateKey）。候选码是可以唯一标识一个元组的最少的属性集合。候选码是从超码中选出的，因此候选码也是一个或多个属性的集合。因为超码的范围太广，很多是无用的，所以候选码是最小超码，它们的任意真子集都不能成为超码。例如，如果K是超码，那么所有包含K的集合都不能是候选码；如果K，J都不是超码，那么K和J组成的集合{K，J}有可能是候选码。
虽然超码可以唯一标识一个实体，但是可能大多数超码中含有多余的属性，所以需要候选码。
例如学生表，学生（学号，姓名，年龄，性别，专业），其中的学号是可以唯一标识一个元组，所以学号可以作为候选码。既然学号都可以作候选码，那么学号和姓名这两个属性的组合就可以唯一区别一个元组。此时的学号可以成为码，学号和姓名的组合也可以成为码，但是学号和姓名的组合不能成为候选码，因为即使去掉姓名属性，剩下的学号属性也完全可以唯一地标识一个元组。也就是说，候选码中的所有属性都是必需的，缺少任何一个属性，都不能唯一标识一个元组。
（3）主码（PrimaryKey）。主码是从多个候选码中任意选出一个作为主键，这个被选中的候选码就称为主码。如果候选码只有一个，那么候选码就是主码。虽然说主码的选择是比较随意的，但在实际开发中还是需要一定的经验，不然开发出来的系统会出现问题。一般来说，主码都应该选择那些从不或者极少变化的属性。
例如，在一个职工实体中，职工（职工号，姓名，入职时间，部门，岗位，工资，职级，工龄，电话），职工号可以用来唯一确定实体中的一个元组，所以职工号是一个候选码。如果实体属性——姓名、入职时间、部门三者组合也能唯一地确定一个元组，则（姓名，入职时间，部门）也是一个候选码。在上述两个候选码中任选一个均可作为职工实体的主码，一般来说直接选择职工号作为实体的主码是最为简单方便的。
1.3.2关系模式的定义关系是数据库二维表中的数据记录，关系模式是数据库二维表的表结构，关系是动态的，关系模式是静态的。
关系模式可由六个元素来描述，分别是R、U、D、dom、I、F。其中，R为关系的名称；
U为组成该关系的属性名的集合；D为U集合中属性的域集合；dom为属性集U向域集D的映射；I为完整约束集合；F为属性间数据的依赖关系集合。
一个关系模式通常表示为R（U，D，dom，I，F），也可以忽略其他元素，直接简化为R（U）或R（A1，A2，A3，…，An），其中A1，A2，A3，…，An为属性名。
例如，在一个选课模块中，包含“学生”“课程”“选修”等关系实体。“学生”实体的属性有SNO（学号）、SNAME（姓名）、AGE（年龄）、SEX（性别）、SDEPT（系部），其中“学号”为主键；“课程”实体的属性有CNO（课程号）、CNAME（课程名称）、CDEPT（系部）、TNAME（教师），其中“课程号”为主键；“选修”实体的属性有GRADE（成绩）、SNO（学号）、CNO（课程号），其中“学号”和“课程号”为联合主键。学生和课程之间是多对多的关联关系，即一个学生可以同时选修多门课程，一门课程也可以同时被多个学生选修。这种多对多的关联关系可以通过“选修”关系实体作为中间桥接实体，变成两个一对多的实体关联关系，如图所示。
图学生选课实体
从图的实体关系图中可以得到选课模块的实体关系模式集——学生关系、课程关系、选修关系，具体关系模式如下：学生关系模式Student（SNO，SNAME，AGE，SEX，SDEPT）；
课程关系模式Course（CNO，CNAME，CDEPT，TNAME）；
选修关系模式StudentCourse（SNO，CNO，GRADE）。
对以上定义的三个关系模式实例化，插入初始化数据后，可得到学生、课程、选修三个关系的实例，如图所示。图中矩形框圈住部分为选课模块中的关系模式（表结构）；椭圆框圈住部分为选课模块中的关系（数据）。整个选课模块的表环境由关系模式与关系两部分共同组成，缺一不可。关系模式的分解标准关系模式的规范化过程实际上就是关系模式的“分解”过程，即把逻辑上独立的信息放在独立的关系模式中。分解是解决数据冗余的主要方法，也是规范化的一条原则——关系模式有冗余问题就要分解。
数据库设计者在进行关系数据库设计时，应参照模式规范化理论，尽可能使数据库模式保持高的标准。一般尽量把关系数据库设计成巴斯−科德范式（BCNF）的模式集，如果设计成巴斯−科德范式（BCNF）模式集时达不到保持函数依赖的标准，那么只能降低要求，设计成第三范式（3NF）的模式集，以达到保持函数依赖和无损分解的基本要求。
学生、课程、选修三个关系的实例
1.分解的定义一个关系模式可以分解成众多子关系模式，分解方式不同，得到的子关系模式也不同。
关系模式的分解是指把某一个关系模式按照某一种方式进行分解得到的所有子关系模式。
如关系模式R
函数依赖关系集F=F1∪F2∪…∪Fn，其中F1，F2，…，Fn是F在U1，U2，…，Un上的投影。
2.分解的标准把低级的关系模式分解成高级的关系模式的方法不是唯一的，只要能够保证分解后的关系模式与原关系模式等价，就是一个完整、标准的分解方法。关系模式的标准分解方法应同时达到以下两方面的要求：（（1)分解具有无损连接性。
（2）分解要保持函数依赖性。
具有无损连接性的分解保证信息不会丢失，但无损连接不一定能解决插入异常、删除异常、修改复杂、数据冗余等问题，如要解决这些问题，则要考虑更高的关系数据范式理论原则。
❹ 什么叫关系型数据库
关系型数据库，是指采用了关系模型来组织数据的数据库，其以行和列的形式存储数据，以便于用户理解，关系型数据库这一系列的行和列被称为表，一组表组成了数据库。
用户通过查询来检索数据库中的数据，而查询是一个用于限定数据库中某些区域的执行代码。
关系模型可以简单理解为二维表格模型，而一个关系型数据库就是由二维表及其之间的关系组成的一个数据组织。
(4)关系型数据库选型扩展阅读：
关系型数据库特点：
1、存储方式：传统的关系型数据库采用表格的储存方式，数据以行和列的方式进行存储，要读取和查询都十分方便。
2、存储结构：关系型数据库按照结构化的方法存储数据，每个数据表都必须对各个字段定义好，再根据表的结构存入数据，这样做的好处就是由于数据的形式和内容在存入数据之前就已经定义好了，所以整个数据表的可靠性和稳定性都比较高。
3、存储规范：关系型数据库为了避免重复、规范化数据以及充分利用好存储空间，把数据按照最小关系表的形式进行存储，这样数据管理的就可以变得很清晰、一目了然，当然这主要是一张数据表的情况。
4、扩展方式：由于关系型数据库将数据存储在数据表中，数据操作的瓶颈出现在多张数据表的操作中，而且数据表越多这个问题越严重，如果要缓解这个问题，只能提高处理能力，也就是选择速度更快性能更高的计算机。
5、查询方式：关系型数据库采用结构化查询语言来对数据库进行查询，SQL早已获得了各个数据库厂商的支持，成为数据库行业的标准，它能够支持数据库的CRUD操作，具有非常强大的功能，SQL可以采用类似索引的方法来加快查询操作。
6、规范化：在数据库的设计开发过程中开发人员通常会面对同时需要对一个或者多个数据实体进行操作，这样在关系型数据库中，一个数据实体一般首先要分割成多个部分，然后再对分割的部分进行规范化，规范化以后再分别存入到多张关系型数据表中，这是一个复杂的过程。
7、事务性：关系型数据库强调ACID规则（原子性（Atomicity）、一致性（Consistency）、隔离性（Isolation）、持久性（Durability）），可以满足对事务性要求较高或者需要进行复杂数据查询的数据操作，而且可以充分满足数据库操作的高性能和操作稳定性的要求。
8、读写性能：关系型数据库十分强调数据的一致性，并为此降低读写性能付出了巨大的代价，虽然关系型数据库存储数据和处理数据的可靠性很不错，但一旦面对海量数据的处理的时候效率就会变得很差，特别是遇到高并发读写的时候性能就会下降的非常厉害。
9、授权方式：关系型数据库常见的有 Oracle，SQLServer，DB2，Mysql，除了Mysql大多数的关系型数据库如果要使用都需要支付一笔价格高昂的费用，即使是免费的Mysql性能也受到了诸多的限制。
❺ 常用的关系型数据库有哪些(常用的关系型数据库有哪些各有哪些优点)
Nosql的全称是NotOnlySql，这个概念很早就有人提出。Nosql指的是非关系型数据春贺山库，而我们常用的都是关系型数据库。就像我们常用的mysql，oralce、sqlserver等一样，这些数据库一般用来存储重要信息，应对普通的业务是没有问题的。但是，随着互联网的高速发展，传统的关系型数据库在应付超大规模，超大流量以及高并发的时候力不从心。而就在这个时候，Nosql应运而生。
上面说的是NOSQL的定义.Nosql和关系型数据库的区别,这里我说明一比较重要的区别。
存储格式：关系型数据库是表格式的，存储在表的行和列中。他们之间很容易关联协作存储，提取数据很方便。而Nosql数据库则与其相反，他是组合在一起。通常存储在数据集中，就像文档、键值对或者图结构。举个例子，例如在游戏里面玩家的背包数据，我们都知道一个游戏里面的道具是很多，而且不确定玩家什么时候获取什么道具，这个时候如果想在关系数据库里面存储数据，这个表怎么建立就是一个很大的问题，如果你把所有的道具ID当做表头，那么后续每增加一个道具，就需要修改这张表。如果你的表结构是：
用户ID|道具ID|道具数量|道具特殊属性
那么可以想象一下这张表随着用户的增多会变的多么的庞大。所以这个时候我们就需要一个能直接像操作玩家对象一样的数据库，这里比较代表性的就是mongo，通过这个我们就可以看出nosql数据库更适合存储结构不确定的数据。
存储扩展：这可能是两者之间最大的区别，关系型数据库是纵向扩展，也就是说想要提高处理能力，要使用速度更快的计算机。因为数据存储在关系表中，操作的性能瓶颈可能涉及到多个表，需要通过提升计算机性能来克服。虽然有很大的扩展空间，但是最终会达到纵向扩展的上限。而Nosql数据库是横向扩展的，它的存储天然就是分布式的，可以通过给资源池添加更多的普通数据库服务器来分担负载。
上面的的例子已经说明了这个问题。拍好在现代互联网时代大家都是希望能横线扩展服务。这样付出的代价是最小的。
对于上面关系型数据库和NOSQL数据库的区别其实还有很多。我相信大家在用的都会感觉到。上面列出的只是我感觉区别最大的。
那么NOSQL这么好用，是不是都可以用了呢，显示不是这样，NOSQL对于聚合查询显示不是他的强项。这个时候就需要关系型数据库。我是这样建议，对于结构统一，应该存储于关系型数据库，对于结构不统一的可以存储到NOSQL数据库例如mongo。但是这个不是绝对的，在实际的项目的开发过程中，需要根据的自己的业务，仔细揣摩一下，做好最合适的划分。
常见关系型数据库通常有SQLServer，Mysql，Oracle等。主流的Nosql数据库有Redis，Memcache，MongoDb。大多数的关系型数据库都是付费的并且价格昂贵，成本较大，而Nosql数据库通常都是开源的。在互联网行业用大多也是免费的MYSQL（这里偷笑一下）。
在实际的项目扒中中大家的项目都是如何选择的呢？大家可以关注我,私信或者在评论区留言。
❻ 关系型数据库与非关系型数据应用环境上有什么区别，如何选择哪种数据库类型
关系型数据库最典型的数据结构是表，由二维表及其之间的联系所组成的一个数据组织。
优点：
1、易于维护：都是使用表结构，格式一致；
2、使用方便：SQL语言通用，可用于复杂查询；
3、复杂操作：支持SQL，可用于一个表以及多个表之间非常复杂的查询。
缺点：
1、读写性能比较差，尤其是海量数据的高效率读写；
2、固定的表结构，灵活度稍欠；
3、高并发读写需求，传统关系型数据库来说，硬盘I/O是一个很大的瓶颈。
二、非关系型数据库
非关系型数据库严格上不是一种数据库，应该是一种数据结构化存储方法的集合，可以是文档或者键值对等。
优点：
1、格式灵活：存储数据的格式可以是key,value形式、文档形式、图片形式等等，文档形式、图片形式等等，使用灵活，应用场景广泛，而关系型数据库则只支持基础类型。
2、速度快：nosql可以使用硬盘或者随机存储器作为载体，而关系型数据库只能使用硬盘；
3、高扩展性；
4、成本低：nosql数据库部署简单，基本都是开源软件。
缺点：
1、不提供sql支持，学习和使用成本较高；
2、无事务处理；
3、数据结构相对复杂，复杂查询方面稍欠。
非关系型数据库的分类和比较：
1、文档型
2、key-value型
3、列式数据库
4、图形数据库
❼ 如何选择合适的数据库
如何选择数据库
一般来讲，数据分析的查询不会直接从生产环境的数据库来读取数据，一方面是影响线上性能，另一方面是OLTP的表结构设计更多的是面向插入，而不是读取。如何来选择合适的数据库做数据分析呢？本文给出了四方面的考量，抛砖引玉。
1. 客户要分析什么样的数据
2. 客户分析的数据量是多少
3. 客户工程师团队技术背景，运维能力
4. 预期的数据分析的响应时间
客户要分析什么样的数据
上文已简单介绍了关系型数据库和非关系型数据库的区别，这里就不再赘述。下图是一个简单的分类。