4分布数据库系统

全局外模式

全局概念模式

分片模式

分布模式

局部概念模式

局部内模式

局部数据库

分布透明性

分片透明性：分不分片，用户感受不到：水平分片、垂直分片、混合分片

位置透明性：数据存放在哪里，用户不用管

局部数据模型透明性（逻辑透明）：用户不用关系局部数据模型

分布式数据库管理系统组成

LDBMS

GDBMS

全局数据字典

通信管理CM

结构：

NOSQL（Not-only SQL ）：不仅仅只是SQL  泛指非关系型的数据库

对比维度                         关系数据库                                        NoSQL

应用领域                        面向通用领域                                  特定应用领域

数据容量                          有限数据                                           海量数据

数据类型                           结构化数据（二维表）                   非结构化数据

并发支持                         支持并发、性能低                               高并发

事务支持                               高事务性                                       弱事务性

扩展方式                               向上扩展                                       向外扩展

NoSQL

分类                       典型应用场景

键值                     内容缓存、主要用于处理大量数据的高

                            访问负载，也用于一些日志系统等等

列存储数据库      分布式的文件系统

文档型数据库       web应用

图形数据库           社交网络、推荐系统等。

联邦数据库系统

联邦数据库系统是一个彼此协作却又相互独立的成员数据库CDBS集合，它将成员数据库系统按不同程度进行集成，对该系统整体提供控制和协同操作的软件叫做联邦数据库管理系统FDBMS

特征：

分布性

异构性

自治性

透明性

分类：

紧耦合

松耦合

数据性能优化：

集中式数据库优化：硬件系统：CPU 内存、硬盘阵列，网络

                                系统软件  参数，如进程优先级，cpu使用权，内存使用

                                数据库设计     表与视图（表的规划、建立物化视图）、索引（常查询-建索引，常修改-避免索引）、SQL优化

                                 应用软件    数据库连接池

分布式数据库优化：通信代价：全局查询树的变化、多副本策略、查询树的分解、半连接与直接连接

大数据：

特征4V 

数据量Volume 大   速度Velocity快   多样化Variety多   值 Value

比较维度                              传统数据                                   大数据

数据量                              GB或TB级                                     PB级或以上

数据分析需求                   现有数据的分析与检测                   深度分析

硬件平台                          高端服务器                                          集群平台

大数据处理系统应该具有的重要特征：

高度可扩展性

高性能

高度容错

支持异构环境

较短的分析延迟

易用且开放的接口

较低成本

向下兼容性