数据库概念
三层模式
系统结构：三级模式，内模式、概念模式、外模式。 内模式：管理如何存储物理数据。 概念模式：根据需求划分为一张张的表。 外模式：对应视图级别，将表进行了一次封装处理。
内模式：存储模式，数据库在物理方面的描述，定义记录类型、索引、文件组织方式（概念模式下的一张表，在内模式中可能存储在不同文件中）。 外模式：用户模式、子模式，用户与数据库系统的接口，用户用到的那部分数据的描述，如视图。 概念模式：模式，是数据库中全部数据的逻辑结构的描述，如库、表。
两层映射关系
外模式和概念模式有映射关系（逻辑独立性），概念模式与内模式也有映射关系（物理独立性），因此在出现变动时，无关层不会影响。
外模式-概念模式映像：表和视图进行映射，表改了只需要改视图，不用动程序。 概念模式-内模式映像：表和物理存储的映射，DBMS自动管理。
数据模型
ER实体联系图（结构化中用的数据模型，面向对象中用类图表示数据模型），体现了数据之间的关系。
E-R模型： ERD数据图
关系模型
目或度：关系模型中属性的个数。
候选键：唯一标识元组，且无冗余（不能有多余）的集合（可以多个属性的组合）。
主键：候选键中任选一个。
主属性与非主属性：组成候选码的属性，就是主属性。
外键：其他表中的主属性。
完整性约束：
- 实体完整性约束：主属性不能取空值。
- 参照完整性：关系与关系间的引用，外键约束。
- 用户自定义约束。
- 触发器 。
关系表类型
基本关系：实际存在的表，实际存储数据的逻辑表示。查询表：查询结果对应的表。 视图表：虚拟表，其内容由查询定义（仅仅保存SQL查询语句）。
- 视图能简化用户操作
- 视图使用对重构数据库提供一定程度的逻辑独立性（表结构改了，只需要调整视图sql，上层应用不用改）
- 视图对数据提供安全保护（可以设定访问权限之类）
关系代数
并集、交集、差集、笛卡尔积
数据库设计
数据库如果设计不合理，往往会成为系统的“瓶颈”。
数据库设计主要分为用户需求分析、概念结构、逻辑结构和物理结构设计四个阶段。
其中，在用户需求分析阶段中，数据库设计人员采用一定的辅助工具对应用对象的功能、性能、限制等要求所进行的科学分析，并形成需求说明文档、数据字典和数据流程图。用户需求分析阶段形成的相关文档用以作为概念结构设计（ERD）的设计依据。
输出：需求分析：数据流图、数据字典、需求说明书。 概念结构设计：ER模型图（与数据库无关） 逻辑结构设计：关系模型（由ER图转换而来，注意转换规则和规范化理论），即表。 物理设计：关注索引，等跟硬件、操作系统的特性。
设计规则和指南：
- 每个基本实体、关联实体和弱实体都被实现成一个独立表（多对多关系必须要单独设计成一个关系模式（表））
- 数据完整性和访问完整性约束
函数依赖：
规范化：
非规范化问题：数据冗余、更新异常（一部分改了，一部分没改到，修改操作一致性问题）、插入异常、删除异常。
// 没有非主属性就不会违反第二、第三范式。
第一范式：属性不可再拆分。
- 姓名：假如姓名这个属性硬要说不满足第一范式，是因为“姓名”还可以拆成“姓”和“名”。
- 第二范式：在第一范式之上，表中的候选键能够确定表中其他属性，就存在部分依赖，不属于第二范式。
- id、名称、名称的英文形式：其中名称就能够确定“名称的英文形式”，那就存在部分依赖，不满足第二范式。
- 如下图，课程号就能够确定课程名了，因此存在部分依赖。
第三范式：在第二范式基础上，不存在传递函数依赖。（一般表现为，其他属性可以从非候选键中推导出来，二非候选键又刚好可以从候选键推出来）
BC范式：解决主属性的依赖问题。
反规范化：数据库设计者希望牺牲部分规范化来提升性能。 优点：连接操作减少，查询的表变少，查询、统计变快，检索变容易。 缺点：数据有冗余，存储空间变大。有数据不一致的问题。插入更新变得困难，增删改的异常也会出现。
实现方式： 增加派生性冗余：通过某些属性能够计算得到的其他属性。 增加冗余：已有学号，增加姓名。 重新组表：为了提高效率。 分割表：把表水平切割，长沙地区的存长沙表，其他地区存其他表。
索引：
提升查询效率，降低增加、删除、修改效率。一般采用B、B+树结构。
树形结构能够提升查找效率。
视图：
虚拟的表，好比已经写好的SQL，可以直接调用（可以转成物化视图）。
物化视图：将SQL语句查询的结果存成表，系统自动维护数据同步。 优点：安全（可以设置权限，只显然若干属性<针对直连数据库的系统，现代系统已经可以控制返回字段显示>）、简化操作（不用写sql）、逻辑独立、不同角度返回数据。
分区分表分库：
提升系统性能。
分区：表数据量很大，从物理文件上划分，下次读取时数据量变小，速度会变快。（数据库底层支持，开发人员不用考虑）范围分区：按表中的字段范围，如记录的id号分区，5000~10000存第二个区。 哈希分区：对key进行哈希运算求余，取余后看落在哪个区，分布会比较均匀。 列表分区：要分的本身是列表，如城市，可以分成上海市、北京。 分表：逻辑上是多张表了，（分区上来看，数据表还是整体）。 分库：多个表打包成一个库，完整数据库分成多个库。
并发控制
// 主要是对事务的处理事务的ACID特性：
解决并发方式：封锁协议，X锁（排他性）、S锁（共享性）。
三级封锁协议：
两阶段加锁协议：2PL，指的是单机事务中的加锁机制，是指所有事务必须分两个阶段对数据项加锁和解锁。事务分为两个阶段，第一阶段是获得封锁，第二阶段是释放封锁。
两阶段提交协议：2PC，主要用于分布式事务中，把分布式事务的提交过程分成表决和执行两个阶段。
分布式数据库
在原来独立的数据库之上，加盖了全局的数据库管理，把所有库统一管理。 // 集中式数据库：Oacle、sqlserver。
特点：在集中式数据库的架构上，增加了全局的概念，通过全局来控制分片，将分片数据存储到局部数据（原集中式）。数据独立性、集中与自治共享的结合控制结构、适当增加数据冗余度、全局的一致性、可串行、可恢复。
透明性： // 表示用户不需要关心数据是怎么分片的 分片透明（水平<南方节点、北方节点>、垂直、混合）、位置透明、局部数据模型透明（表结构，逻辑结构）
分布模式：管数据存在哪里。
- 位置透明性：不管数据库存哪里。
- 分片透明性：不管是否分片（水平、垂直），用户没有感知。
NoSQL
不仅仅是SQL，泛指非关系数据库。
联邦数据库系统
彼此协作又相互独立的成员数据库的集合。
数据库优化
