第18章 統(tǒng)一建模語(yǔ)言
18.1 UML視圖分類：用例視圖：用例圖;結(jié)構(gòu)視圖：類圖、對(duì)象圖;行為視圖：順序圖、交互圖、狀態(tài)圖、活動(dòng)圖;實(shí)現(xiàn)視圖：組件圖;環(huán)境視圖：部署圖
18.2 類與類之間有關(guān)聯(lián)(聚集，共享聚集+組成)、通用化(繼承)(帶空心三角形的實(shí)線)、依賴(單向?qū)嵕�)、精化(帶空心三角形的虛線)
18.3 包(子系統(tǒng))的四種可見性還包括實(shí)現(xiàn)可見性，與私有可見性類似。A指向B的單向虛線表示子系統(tǒng)B被子系統(tǒng)A引用。
18.4 順序圖強(qiáng)調(diào)時(shí)間，協(xié)作圖強(qiáng)調(diào)空間，狀態(tài)圖強(qiáng)調(diào)一個(gè)實(shí)體在不同時(shí)刻的狀態(tài)變化，活動(dòng)圖強(qiáng)調(diào)程序?qū)ο筮壿嬃鞒痰拇袌?zhí)行順序和并行次序
第19章 分布式數(shù)據(jù)庫(kù)、對(duì)象數(shù)據(jù)庫(kù)和并行數(shù)據(jù)庫(kù)
19.1 分布式數(shù)據(jù)庫(kù)(物理分散邏輯集中)最基本特征：本地自治、非集中式管理、高可用性;分片透明性(最高級(jí))、位置透明性、局部數(shù)據(jù)模型透明性構(gòu)成了分布式數(shù)據(jù)庫(kù)的分布透明性。
19.2 分片是對(duì)關(guān)系(表)的操作，分配是對(duì)分片結(jié)果的操作。
19.3 分布式數(shù)據(jù)庫(kù)的模式結(jié)構(gòu)：全局外模式、全局概念模式、分片模式、分配模式、局部概念模式、局部?jī)?nèi)模式;系統(tǒng)組成結(jié)構(gòu)：GDBMS全局、GDD、LDBMS局部、CM通信管理
19.4 分布式事務(wù)管理：恢復(fù)控制(基于兩階段的提交協(xié)議)和并發(fā)控制(基于封鎖協(xié)議)
19.5 分布查詢數(shù)據(jù)傳輸量大的主要原因：連接操作和并操作
19.6 單繼承：一顆樹;多繼承：帶根的有向無(wú)回路圖
19.7 面向?qū)ο髷?shù)據(jù)庫(kù)(面向?qū)ο笳Z(yǔ)言中引入數(shù)據(jù)庫(kù))：實(shí)現(xiàn)方法主要是擴(kuò)充面向?qū)ο蟪绦蛟O(shè)計(jì)語(yǔ)言，使之能處理持久數(shù)據(jù)。所謂持久數(shù)據(jù)，指創(chuàng)建這些數(shù)據(jù)的程序運(yùn)行終止后，數(shù)據(jù)仍然存在于系統(tǒng)之中。數(shù)據(jù)庫(kù)中的關(guān)系就是持久數(shù)據(jù)。ObjectStore、Ontos、O2等
19.8 對(duì)象關(guān)系數(shù)據(jù)庫(kù)(關(guān)系數(shù)據(jù)庫(kù)中引入面向?qū)ο?：擴(kuò)展的數(shù)據(jù)類型定義;繼承性;擴(kuò)充的SQL語(yǔ)言.Informix Universal Server、DB2 UDB、Adaptive Server、Oracle8i、SQL Server
19.9 并行數(shù)據(jù)庫(kù)體系結(jié)構(gòu)：共享內(nèi)存;共享磁盤(中小型);無(wú)共享(最好的，銀行出納、民航售票等OLTP類，缺點(diǎn)：通信代價(jià)和非本地磁盤訪問代價(jià));層次結(jié)構(gòu)(綜合)
19.10 一維數(shù)據(jù)劃分方法：輪轉(zhuǎn)法：最適合于掃描整個(gè)關(guān)系;散列劃分法：比轉(zhuǎn)轉(zhuǎn)法更適合點(diǎn)查詢，也適合順序掃描關(guān)系;范圍劃分法：明顯利于范圍查詢和點(diǎn)查詢。缺點(diǎn)：均不能有效支持非劃分屬性上具有選擇謂詞的查詢。
第20章 數(shù)據(jù)他倉(cāng)庫(kù)與數(shù)據(jù)挖掘
20.1 數(shù)據(jù)倉(cāng)庫(kù)解決的問題是如何更合理和理有效的組織企業(yè)的數(shù)據(jù)體系，目的在于根據(jù)決策需求對(duì)數(shù)據(jù)采取適當(dāng)?shù)氖侄芜M(jìn)行集成，形成一個(gè)綜合的面向分析的數(shù)據(jù)環(huán)境;數(shù)據(jù)挖掘解決的問題是如何針對(duì)具體的分析對(duì)象和分需求，嘗試智能和自動(dòng)化的手段把數(shù)據(jù)轉(zhuǎn)換為新的有用的信息和知識(shí)。
20.2 數(shù)據(jù)分類：操作型數(shù)據(jù)(操作型處理，以業(yè)務(wù)處理為主的聯(lián)機(jī)事務(wù)處理OLTP);分析型數(shù)據(jù)(分析型處理，以分析為主的決策支持系統(tǒng)DDS)
20.3 數(shù)據(jù)倉(cāng)庫(kù)是一個(gè)面向主題的、集成的(最重要，抽取、轉(zhuǎn)換、清理、裝載)、非易失的、且隨時(shí)間變化的(時(shí)變性)數(shù)據(jù)集合，用來(lái)支持管理人員的決策。
20.4 數(shù)據(jù)倉(cāng)庫(kù)的體系結(jié)構(gòu)：操作型數(shù)據(jù)、操作型數(shù)據(jù)存儲(chǔ)、數(shù)據(jù)倉(cāng)庫(kù)、數(shù)據(jù)集市;功能層次：數(shù)據(jù)管理、數(shù)據(jù)處理、數(shù)據(jù)應(yīng)用
20.5 粒度涉及數(shù)據(jù)倉(cāng)庫(kù)的數(shù)據(jù)量和支持的查詢類型。粒度小，細(xì)節(jié)度高，數(shù)據(jù)量大，查詢多
20.6 ODS(Operational Data Store，操作型數(shù)據(jù)存儲(chǔ))：一方面，類似于操作型環(huán)境，可進(jìn)行企業(yè)全局性聯(lián)機(jī)操作型處理;另外一方面，是一個(gè)面向主題的、集成的數(shù)據(jù)環(huán)境，但數(shù)據(jù)量小，適合于輔助企業(yè)完成日常決策的數(shù)據(jù)處理分析。(秒級(jí)、小時(shí)級(jí)、天級(jí)、含反饋信息)
20.7 數(shù)據(jù)倉(cāng)庫(kù)設(shè)計(jì)以數(shù)據(jù)倉(cāng)庫(kù)的主題數(shù)據(jù)模型設(shè)計(jì)和實(shí)現(xiàn)為核心。
20.8 OLAP(聯(lián)機(jī)分析處理，On-Line Analytical Processing)：支持復(fù)雜的分析操作，側(cè)重對(duì)決策人員和高層管理人員的決策支持。
20.9 多維分析的基本活動(dòng)：鉆取Drill-Down與卷起Roll-Up;切片Slice與切塊Dice;旋轉(zhuǎn)
20.10 OLAP的實(shí)現(xiàn)方式：基于多維數(shù)據(jù)庫(kù)的;基于關(guān)系數(shù)據(jù)庫(kù)的;混合型的
20.11 數(shù)據(jù)挖掘：數(shù)據(jù)庫(kù)知識(shí)發(fā)現(xiàn)KDD，從存放在數(shù)據(jù)庫(kù)、數(shù)據(jù)倉(cāng)庫(kù)或其他信息庫(kù)中的大量數(shù)據(jù)中挖掘有趣知識(shí)的過(guò)程。三階段：數(shù)據(jù)準(zhǔn)備、數(shù)據(jù)挖掘、結(jié)果的解釋評(píng)估
20.12 數(shù)據(jù)倉(cāng)庫(kù)維護(hù)策略一般分為：實(shí)時(shí)維護(hù)、延時(shí)維護(hù)、快照維護(hù)
20.13 建立ODS的目的一般是為支持即時(shí)OLAP和全局OLTP兩類應(yīng)用
點(diǎn)擊下載：2016年計(jì)算機(jī)四級(jí)數(shù)據(jù)庫(kù)復(fù)習(xí)重難點(diǎn)
相關(guān)推薦：
各地2016年全國(guó)計(jì)算機(jī)等級(jí)考試費(fèi)用匯總
| 北京 | 天津 | 上海 | 江蘇 | 山東 |
| 安徽 | 浙江 | 江西 | 福建 | 深圳 |
| 廣東 | 河北 | 湖南 | 廣西 | 河南 |
| 海南 | 湖北 | 四川 | 重慶 | 云南 |
| 貴州 | 西藏 | 新疆 | 陜西 | 山西 |
| 寧夏 | 甘肅 | 青海 | 遼寧 | 吉林 |
| 黑龍江 | 內(nèi)蒙古 |
