DBS知识整理(冶旭)
系统辩识基础知识点
系统辨识根底复习资料知识点汇总：1.所谓系统，按通常的意义去理解，就是按某种相互依赖关系联系在一起的客体的集合。
2.所谓系统辨识，利用对未知系统的试验数据或在线运行数据〔输入/输出数据〕以及原理和原则建立系统的〔数学〕模型的科学。
3.系统辨识的步骤：〔1〕先验知识和建模目的的依据；〔2〕实验设计；〔3〕结构辨识；〔4〕参数估量；〔5〕模型适用性检验。
4.系统的数学模型，描述系统输入与输出之间数量关系的数学表达式称为系统的数学模型。
5. 目前最流行的操纵系统辅助工具是Matlab。
6.机理分析和系统辨识相结合建模方法也称为“灰箱问题〞。
7.机理建模这种建模方法也称为“白箱问题〞。
8.频谱覆盖宽、能量均匀分布是白噪声信号的特点。
9.最小二乘法辨识方法不属于系统辨识的经典方法。
10.关于多阶最小二乘法，描述错误的选项是计算简单，计算量小，只用五步根本的最小二乘法可获得较好的结果。
11.渐消记忆法是指对旧数据加上遗忘因子，按指数加权来使得旧数据的作用衰减。
12.脉冲响应数学模型属于非参数型。
13.检验模型的标准是模型的实际效果，检验应从不同的侧面检验其可靠性。
14.与周期测试信号相比，阶跃响应法不能够比拟精确地反映对象的动态特性。
15.闭环系统前向通道的阶次不是可辨识的。
16.使辨识系统可被辨识的X要求是辨识时间内系统的动态必须被输入信号延续鼓励。
17.观测数据内容不属于系统辨识的根本内容。
18.输入数据不属于系统辨识过程中的3大要素。
19.棕箱不属于按提供的实验信息分类的建模方法。
20.数学建模不属于现代操纵论的三大支柱。
21.不属于传递函数辨识的时域方法的是时间图索法。
22.关于递推算法收敛性的结论错误的选项是递推辅助变量法收敛于非真值。
23.设A为n×n矩阵，B为n×m矩阵，C为m×n矩阵，并且A，A+BC和I+CA-1B 都是非奇异矩阵，则以下等式横成立的是A+BC-1=A-1-A-1BI+CA-1B]-1CA-1。
高三创新知识点总结
高三创新知识点总结在高三学业结束之际，我们回首整个学年的学习历程，不禁感叹时间的飞逝。
在这个阶段，我们的知识储备和应试技巧得到了大幅提升，尤其是在一些创新知识点上。
本文将对高三阶段的创新知识点进行总结，旨在帮助同学们回顾并深化理解。
1. 新的创新知识点一：微积分的应用微积分作为数学的分支之一，是高中数学的重要内容。
在高三这个阶段，我们学习了微积分的原理和基本运算规则，并通过实例练习掌握了微积分的应用技巧。
在物理、经济学和生物学等领域，微积分都有广泛的应用，例如在物理学中，我们可以利用微积分来计算质点的运动轨迹和变速度；在经济学中，我们可以通过微积分来分析市场供求关系和成本利润；在生物学中，我们可以通过微积分来研究物种的进化规律和种群数量变化。
微积分的应用使我们更好地理解和应对实际问题。
2. 新的创新知识点二：信息技术与人工智能在信息时代，信息技术与人工智能已经成为了高中教育的必修内容。
在高三的学习中，我们学习了计算机基础知识、编程语言和数据结构等，同时接触了人工智能的基本原理和应用。
信息技术和人工智能在各个行业都有广泛的应用，例如在金融领域，人工智能可以通过大数据分析来预测市场趋势；在医疗领域，信息技术可以帮助医生进行诊断和治疗方案的制定。
通过学习信息技术和人工智能，我们不仅提升了自己的技能，还为未来的发展奠定了基础。
3. 新的创新知识点三：社会文化与全球化在全球化进程不断加速的今天，社会文化与全球化成为了高中教育的重要组成部分。
在高三的学习中，我们学习了世界历史、地理和社会学等相关知识。
通过了解不同国家和地区的历史、文化和发展模式，我们能够更好地理解全球化的趋势和影响，培养全球意识和跨文化交流能力。
社会文化与全球化的学习使我们的视野得到了拓宽，能够更好地适应未来的社会。
4. 新的创新知识点四：人类健康与生命教育在高三这个阶段，我们也开始了人类健康与生命教育的学习。
通过学习医学基础知识、生活习惯的养成和心理健康教育等，我们能够更好地保护自己的身体和心理健康。
QMS知识汇总教学文稿
质量管理体系知识汇集，拿走不谢！2017-04-21来源：【字体：】目录⊙5W3H⊙ 8D/5C报告-⊙ QC 旧七大手法⊙ QC 新七大手法⊙ IATF16949 五大核心手册7⊙ 10S/五常法⊙ 7M1E,⊙ SPC八大判异准则/三大判稳原则⊙ ISO知识总结⊙ IE七大手法⊙ RoHS符合性十步曲⊙ SMART管理原则⊙ SWOT分析⊙二八法则1、5W3H思維模式What，Where，When,，Who，Why,，How，How much，How feel。
(1)Why：为何----为什么要做？为什么要如此做（有没有更好的办法）？（做这项工作的原因或理由）(2)What：何事----什么事？做什么？准备什么？（即明确工作的内容和要达成的目标）(3)Where：何处----在何处着手进行最好？在哪里做？（工作发生的地点）？(4)When：何时----什么时候开始？什么时候完成？什么时候检查？（时间）六西(5)Who：何人----谁去做？（由谁来承担、执行？）谁负责？谁来完成？（参加人、负责人）？(6)How：如何----如何做？如何提高效率？如何实施？方法怎样？（用什么方法进行）？(7)How much：何价----成本如何？达到怎样的效果（做到什么程度）？数量如果？质量水平如何？费用产出如何？概括：即为什么？是什么？何处？何时？由谁做？怎样做？成本多少？结果会怎样？也就是：要明确工作/任务的原因、内容、空间位置、时间、执行对象、方法、成本。
再加上工作结果（how do you feel）：工作结果预测，就成为5W3H。
2、8D/5C报告（一）8D报告：D0：准备，征兆紧急反应D1：成立改善小组D2：问题描述D3：临时处理措施D4：根本原因分析D5：制订永久纠正对策D6：实施/确认永久措施PCAD7：防止再发生D8：结案并祝贺（二）5C报告：5C报告是DELL为质量问题解决而提出来的，即五个C 打头的英文字母的缩写：描述；围堵措施；原因；纠正措施；验证检查。
EDA技术重要基础知识点
EDA技术重要基础知识点1. EDA技术概述- EDA(Exploratory Data Analysis)技术是指通过可视化和统计方法来理解和分析数据的过程。
它通常是数据科学和数据分析中的第一步，用于发现数据的模式、异常和趋势。
2. 数据收集与清洗- 在进行EDA之前，正确而全面地收集数据是十分重要的。
这包括确定需要收集的数据类型、数据源以及收集方式等。
同时，数据清洗是为了过滤掉噪声数据、处理缺失值等，以确保数据的准确性和完整性。
3. 描述性统计分析- 描述性统计分析是EDA过程中常用的方法之一。
它通过计算数据的中心位置、离散程度和分布等统计量，来描述数据的基本特征。
常见的描述性统计分析方法包括平均数、中位数、标准差和频率分布等。
4. 数据可视化- 数据可视化是以图形化的方式展示数据的过程，它能够更直观地呈现数据的分布和趋势。
常用的数据可视化方法包括直方图、散点图、折线图和箱线图等。
5. 缺失值处理- 在数据分析中，经常会遇到一些数据缺失的情况。
处理缺失值是EDA 中必不可少的一部分。
常见的方法包括删除缺失值、用均值或中位数填充缺失值、使用插值等。
6. 异常值检测- 异常值是指与大部分样本不符的数值，它们可能是由于记录错误、测量误差或稀有事件等原因引起。
在EDA中，需要通过异常值检测来排除异常值的影响。
常用的方法包括箱线图、Z分数和3σ原则等。
7. 相关性分析- 相关性分析用于衡量两个或多个变量之间的关系强度。
在EDA过程中，通过计算变量之间的相关系数，可以了解变量之间的相关性程度。
常用的相关性分析方法包括Pearson相关系数、Spearman相关系数和点二列相关等。
8. 探索性数据分析报告- 在完成EDA后，通常会生成一份探索性数据分析报告。
这份报告将展示你对数据的理解和分析结果，包括数据的描述统计、可视化图表和相关性分析等。
它可以为进一步的数据分析和建模提供基础。
以上是EDA技术中的重要基础知识点。
数据挖掘知识点归纳
知识点一数据仓库1.数据仓库是一个从多个数据源收集的信息存储库，存放在一致的模式下，并且通常驻留在单个站点上。
2.数据仓库通过数据清理、数据变换、数据集成、数据装入和定期数据刷新来构造。
3.数据仓库围绕主题组织4.数据仓库基于历史数据提供消息，是汇总的。
5.数据仓库用称作数据立方体的多维数据结构建模，每一个维对应于模式中的一个或者一组属性，每一个单元存放某种聚集的度量值6.数据立方体提供数据的多维视图，并允许预计算和快速访问汇总数据7.提供提供多维数据视图和汇总数据的预计算，数据仓库非常适合联机分析处理，允许在不同的抽象层提供数据，这种操作适合不同的用户角度8.OLAP例子包括下钻和上卷，允许用户在不同的汇总级别上观察数据9.多维数据挖掘又叫做探索式多维数据挖掘OLAP风格在多维空间进行数据挖掘，允许在各种粒度进行多维组合探查，因此更有可能代表知识的有趣模式。
知识点二可以挖掘什么数据1.大量的数据挖掘功能，包括特征化和区分、频繁模式、关联和相关性分析挖掘、分类和回归、聚类分析、离群点分析2.数据挖掘功能用于指定数据挖掘任务发现的模式，分为描述性和预测性3.描述性挖掘任务刻画目标数据中数据的一般性质4.预测性挖掘任务在当前数据上进行归纳，以便做出预测5.数据可以与类或概念相关联6.用汇总、简洁、精确的表达描述类和概念，称为类/概念描述7.描述的方法有数据特征化（针对目标类）、数据区分（针对对比类）、数据特征化和区分8.数据特征化用来查询用户指定的数据，上卷操作用来执行用户控制的、沿着指定维的数据汇总。
面向属性的归纳技术可以用来进行数据的泛化和特征化，而不必与用户交互。
形式有饼图、条图、曲线、多维数据立方体和包括交叉表在内的多维表。
结果描述可以用广义关系或者规则（也叫特征规则）提供。
9.用规则表示的区分描述叫做区分规则。
10.数据频繁出现的模式叫做频繁模式，类型包括频繁项集、频繁子项集（又叫频繁序列）、频繁子结构。
《科学计算与MATLAB语言》课程知识图谱的构建
《科学计算与MATLAB语言》课程知识图谱的构建目录一、内容概括 (2)（一）背景介绍 (2)（二）研究目的与意义 (3)（三）研究现状与发展趋势 (4)二、课程知识梳理与分类 (6)（一）科学计算基础知识梳理 (7)（二）MATLAB语言基础及功能分类 (8)（三）课程知识点整合与分类框架构建 (10)三、知识图谱构建方法与流程 (10)（一）知识图谱构建技术概述 (11)（二）构建流程设计 (13)1. 数据收集与预处理 (14)2. 知识图谱建模 (16)3. 知识图谱生成与优化 (17)四、MATLAB语言在知识图谱构建中的应用实践 (18)（一）MATLAB在数据预处理中的应用技巧 (20)（二）MATLAB在知识图谱建模中的功能实现 (21)（三）优化策略与案例分析 (22)五、课程知识图谱的应用与效果评估 (24)（一）知识图谱在科学研究中的应用价值分析 (25)（二）课程学习辅助与支持作用展示分析教学难点问题解决方式..26一、内容概括《科学计算与MATLAB语言》课程知识图谱的构建是一个系统性的项目，旨在将复杂的科学计算概念与MATLAB编程语言相结合，形成一个层次分明、结构清晰的知识体系。
本课程旨在帮助学生掌握科学计算的基本原理和方法，同时培养他们使用MATLAB进行数值计算、数据分析和可视化表达的能力。
本课程还将探讨科学计算在各个领域的应用，如物理、化学、生物、工程、经济等，以展示科学计算与实际问题解决之间的紧密联系。
通过案例研究，学生将学习如何将科学计算方法应用于实际问题的解决过程中，从而增强他们的实践能力和创新思维。
《科学计算与MATLAB语言》课程知识图谱的构建旨在为学生提供一个全面而深入的学习平台，使他们能够在科学计算领域取得更好的成绩，并为未来的学术研究和职业发展打下坚实的基础。
（一）背景介绍随着科学技术的飞速发展，计算机科学与技术的各个领域都取得了显著的成果。
在这些领域中，科学计算和数值分析是非常重要的一部分。
dbs算法的原理
dbs算法的原理DBSCAN（Density-Based Spatial Clustering of Applicationswith Noise）是一种基于密度的聚类算法，用于在无监督学习中对数据集进行聚类。
与传统的聚类算法（如K-means）相比，DBSCAN能够发现任意形状的聚类，并且能够自动检测和过滤噪声数据点。
DBSCAN的原理主要包括密度可达、核心对象、直接密度可达和密度可达等概念。
1. 密度可达（Density Reachability）：DBSCAN通过定义数据点之间的密度可达关系来判断数据点是否属于一个聚类。
对于给定的一个数据点p和半径ε，如果存在一个数据点q，q在半径ε内，并且存在一个由p到q的无限长的路径，该路径上的每一个数据点都在半径ε内，则称p密度可达q。
密度可达是一种自动适应密度的测量方式。
2. 核心对象（Core Object）：对于给定的一个数据点p，如果p在半径ε内至少有最小样本数MinPts个数据点，则称p是一个核心对象。
核心对象是聚类形成的关键，它可以直接密度可达它的所有数据点并构成一个聚类。
3. 直接密度可达（Directly Density Reachable）：对于给定的两个数据点p和q，如果p在半径ε内，在半径ε内存在一个核心对象，则称p直接密度可达q。
4. 密度可达（Density Reachable）：对于给定的两个数据点p和q，如果存在一个数据点o1...on，满足p直接密度可达o1，o1直接密度可达o2，...，on直接密度可达q，则称p密度可达q。
基于上述概念，DBSCAN算法使用了两个重要的参数：半径ε和最小样本数MinPts。
算法流程如下：1.选择一个未被访问过的数据点p。
2.检查p是否是一个核心对象：- 如果p的周围半径ε内至少有最小样本数MinPts个数据点，则标记p为核心对象，并以p为中心，找到所有直接密度可达的数据点，构成一个聚类。
智能控制技术知识点复习总结
例：已知
0.7 0.1
A
0
.
3
0
.
9
0.4 0.9
B
0
.
2
0
.
1
求A∪B，A∩B，A
0.7 0.4 0.1 0.9 0.7 0.9
A B
0.3
0.2
0.9
0.1
0.3
0.9
0.7 0.4 0.1 0.9 0.4 0.1
10，20，50，100}，分别用分别用三种方法表示
模糊集合F。
1
F (u )
100
1 2
u
6
例 ： 设 论 域 U={ 张 三 ， 李 四 ， 王 五 } ， 评 语 为
“学习好”。设三个人学习成绩总评分是张三得
95分，李四得90分，王五得85分。分别用三种方
法表示模糊集合“学习好”。
王五得85分。分别用三种方法表示模糊集合“学习好”。
(3)序偶表示法：
学习好={(张三, 0.95), (李四, 0.9), (王五, 0.85)}
10
例：设论域U={张三，李四，王五}，评语为“学习好”。
设三个人学习成绩总评分是张三得95分，李四得90分，
王五得85分。分别用三种方法表示模糊集合“学习好”。
(4)向量表示法：
学习好={0.95, 0.9, 0.85}
11
例：设论域U={张三，李四，王五}，评语为“学习好”。
设三个人学习成绩总评分是张三得95分，李四得90分，
王五得85分。分别用三种方法表示模糊集合“学习好”。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
数据库系统概念知识点整理冶旭华东师范大学10计算机科学技术系Chapter 1 引言数据库管理系统（DBMS）：由一个互相关联的数据的集合和一组用以访问这些数据的程序组成，数据描述某特定的企业。
DBMS的主要目标是为人们提供方便高效的环境来存储和检索数据。
数据不一致性：即同一数据的不同副本不一致。
模式分为数据库模式，物理模式和逻辑模式。
物理数据独立性：应用程序如果不依赖于物理模式，它们就被称为是具有物理数据独立性，因此即使物理模式改变了它们也无须重写。
数据模型：是数据库结构的基础，是一个用于描述数据、数据联系、数据语义和数据约束的概念工具的集合。
数据操纵语言（DML）：是使得用户可以访问和操纵数据的语言。
分为过程化和非过程DML （即声明式DML）。
过程化DML：要求用户指定需要什么数据以及如何获得这些数据。
非过程化DML：只要求用户指定需要什么数据，而不指明如何获得这些数据。
事务：是数据库应用中完成单一逻辑功能的操作集合，是一个既具有原子性又具有一致性的单元。
事务管理：负责保证不管是否有故障发生，数据库都要处于一致的（正确的）状态。
事务管理器还保证并发事务的执行互不冲突。
数据库管理员（DBA）:对系统进行集中控制的人。
Chapter 2 关系模型关系数据模型(relational data model): 建立在表的集合的基础上。
数据库系统的用户可以对这些表进行查询，可以插入新元组、删除元组以及更新(修改)元组。
关系代数：定义了一套在表上运算，且输出结果也是表的代数运算。
这些运算可以混合使用以得到表达所希望查询的表达式。
关系代数定义了关系查询语言中使用的基本运算。
关系代数运算可分为：基本运算（选择，投影，并，集合差，笛卡尔积，更名）；附加运算（集合交，自然连接，除，赋值），扩展的运算（广义投影，聚集函数，外连接）。
码：是整个关系的性质，而不是一个个元组的性质。
关系中的任意两个元组都不允许同时在码属性上具有相同的值。
超码：是一个或多个属性的集合，这些属性的组合可以使我们在一个关系中唯一地标识一个元组。
候选码：它的任意真子集都不能成为超码，即最小超码称为候选码。
主码：用来代表被数据库设计者选中的、用来在同一关系中区分不同元组的候选码。
外码：一个关系模式（如r1）可能在它的属性中包括另一个关系模式（如r2）的主码。
这个属性叫做r1的参照r2的外码。
关系r1也称为外码依赖的参照关系，r2叫做外码的被参照关系。
模式图：一个含有主码和外码依赖的数据库模式可以用模式图来表示。
关系用一个矩形来表示，矩形内列出属性，矩形上面是关系的名字。
如果有主码属性，用一条横线将主码属性分隔在方框上不。
外码依赖用从参照关系的外码属性到被参照关系的主码属性之间的一个箭头来表示。
外连接运算：是连接运算的扩展，可以处理缺失的信息。
Chapter 3~5 略Chapter 6 数据库设计和E-R模型1. 实体是实际存在的并且可以区别于其他对象的对象，我们通过把每个实体同描述该实体的一组属性相关联来将它与其他对象区分开。
2. 联系是多个实体间的相互关联。
相同类型的所有实体的集合构成实体集，相同类型的所有联系的集合构成联系集。
3. 实体在联系中的作用称为实体的角色。
4. 参与联系集的实体集的数目也称为联系集的度。
5. 属性是实体集中每个成员所拥有的描述性性质。
6. 每个属性都有一个可取值的集合，称为该属性的域。
7. 简单属性就是不能在划分为更小部分的属性。
复合属性就是可以再划分为更小的部分的属性，是有层次的。
单值属性就是对一个特定实体只有一个单独的值的属性。
多值属性就是对一个特定实体对应一组值的属性。
派生属性就是这类属性的值可以从别的相关属性或实体派生出来。
8. 空值——当实体存在某个属性上没有值时使用null值。
Null值可以表示“不可用”，即该实体的这个属性不存在值。
9. 超码是一个或多个属性的集合，这些属性的组合可以使我们在一个实体集中唯一标识一个实体。
我们为每个实体集在其所有的超码中选择一个最小的超码，将它称作实体集的主码。
10. 如果一个实体集没有足够形成主码的属性集合，我们就称其为弱实体集。
而有主码的实体集称为强实体集。
11. 特殊化和一般化定义了高层实体集和一个或多个低层实体集之间的包含关系。
特殊化是取出高层实体集的一个子集来形成一个低实体集。
一般化是用两个或多个不相交的低层实体集的并集来形成一个高层实体集。
高层实体集的属性被低层实体集继承。
Chapter 7 关系数据库设计1. 无损分解的判定：令R为一关系模式，F为R上的函数依赖集。
令R1和R2为R的分解，令r（R）是模式R上的一个关系。
如果我们把r投影到R1和R2上，然后计算投影结果的自然连接，得到的结果和r一模一样，则说明该分解是无损分解。
2. BCNF：具有函数依赖集F的关系模式R属于ΒCNF的条件是，对所有F的闭包中形如α->β的函数依赖（α是R的子集，β是R的子集），下面至少有一个成立：α->β是平凡的函数依赖（即，β是α的子集）α是模式R的一个超码。
3. 3NF：所有F的闭包中形如α->β的函数依赖（α是R的子集，β是R的子集），下面至少有一个成立：α->β是平凡的函数依赖（即，β是α的子集）α是模式R的一个超码。
β-α中的每一个属性Α都包含在R的一个候选码中。
4. Armstrong公理：1、自反律：若α为一个属性集并且β是α的子集，则有α->β2、增补律：若有α->β且γ为一属性集，则有γα->γβ3、传递律：若有α->β及β->γ，则有α->γ5.最小函数依赖集：如果函数依赖集F满足下列条件，则称F为最小函数依赖集或最小覆盖。
①F中的任何一个函数依赖的右部仅含有一个属性；②F中不存在这样一个函数依赖X→A，使得F与F-{X→A}等价；③ F中不存在这样一个函数依赖X→A，X有真子集Z使得F-{X→A}∪{Z→A}与F等价。
6. F闭包：由F中的所有FD可以推导出所有FD的集合，记为F+ 。
Chapter 11 存储和文件结构说明：如何构造稳定的存储器，具体有作业，可参考。
也可部分参考17章。
1.什么是RAID？为了提高性能和可靠性，人们提出了多种磁盘组织技术，统称为冗余独立磁盘阵列（Redundant Arrays of Independent Disks，RAID）。
RAID是一种把多块独立的硬盘按不同的方式组合起来形成一个硬盘组（逻辑硬盘），从而提供比单个硬盘更高的存储性能和提供数据备份技术。
组成磁盘阵列的不同方式称为RAID级别。
RAID 0 级，无冗余拆分，指的是在块级拆分且没有任何冗余（例如镜像或奇偶校验位）的磁盘阵列。
RAID 1 级，指的是使用块级拆分的磁盘镜像。
RAID 2 级，也称为内存风格的纠错码（ECC）组织结构，使用奇偶校验位。
RAID 3 级，也称为位交叉的奇偶校验组织结构。
如果一个扇区被破坏，系统能准确地知道是哪个扇区坏了，并且对扇区的每一位，系统可以通过计算其他磁盘上对应扇区的对应位的奇偶值来推断出该位是1还是0，如果其余位的奇偶校验值等于存储的奇偶校验值，则丢失的位是0，反之为1。
RAID 4 级，也称为块交叉的奇偶校验组织结构。
它像RAID 0级一样使用块级拆分，此外在一个独立的磁盘上为其他N 个磁盘上对应的块保留一个奇偶校验块。
如果一个磁盘发生故障，可以使用奇偶校验块和其他磁盘上对应的块来恢复发生故障的磁盘上的块。
RAID 5 级，也称为块交叉的分布奇偶校验。
RAID 5级将数据和奇偶校验位都分布到所有的N+ 1个磁盘中，而不是在N 个磁盘上存储数据而在一个磁盘上存储奇偶校验位。
RAID 6 级，也称为P + Q冗余方案。
它和RAID 5级非常相似，但是存储了额外的冗余信息，以防止多个磁盘发生故障。
2. 列出常用无力存储介质并比较其优劣1）高速缓冲存储器（cache）：速度最快，价格最贵，为易失性存储。
2）主存（main memory）：速度快，价格贵，易失性存储3）快速闪存储器（flash memory ）：速度快，价格适中，非易失性存储。
4）磁盘存储器（Megnetic-disk storage ）：速度适中，价格便宜，非易失性存储5）光存储器（optical storage ）：速度较慢，价格较便宜，非易失性存储。
√ 只读光盘( CD-ROM )或者只读数字视频磁盘( DVD-ROM ) 是不可写的。
√ 可以“写一次”的光盘（称为CD-R）和DVD盘（称为DVD- R）。
√ 可以多次写的光盘（称为CD-RW）和DVD盘（DVD-RW和DVD-RAM）。
6）磁带存储器（tape storage ）：速度很慢，价格很便宜，非易失性存储。
存储介质层次结构通常划分为如下三类：1.基本存储（primary storage）：如高速缓冲存储器和主存。
2.辅助存储（secondary storage）或联机存储（online storage）：如磁盘、快速闪存储器。
3.第三级存储（tertiary storage），或脱机存储（offline storage）：如磁带机和自动光盘机。
Chapter 15 事务说明：并发执行具体有作业，可参考。
也可部分参考16章。
1. ACID特性：1）原子性（atomicity）：事务的所有操作在数据库中要么全部正确反映出来要么全部不反映。
由完整性约束确保原子性。
2）一致性（consistency）：事务隔离执行时（即在没有其他事务并发执行的情况下）保持数据库的一致性。
确保一致性由事务管理部件处理。
3）隔离性（isolation）：尽管多个事务可以并发执行，但系统保证，对于任何一对事务Ti 和Tj，在Ti 看来，Tj 或者在Ti 开始之前已经停止执行，或者在Ti 完成之后开始执行。
这样，每个事务都感觉不到系统中有其他事务在并发地执行。
确保隔离性是并发控制部件的责任。
4）持久性（durability）：一个事务成功完成后，它对数据库的改变必须是永久的，即使是系统出现故障时也是如此。
确保持久性恢复管理部件实现。
原子性和持久性的实现：数据库系统的恢复管理部件通过不同的方案实现对原子性和持久性的支持。
一个简单但效率极低的方案，名叫影子拷贝（shadow copy）方案。
（自己看书15.3）2.事务状态1）活动状态（active）：初始状态，事务执行时处于这个状态。
2）部分提交状态（partially committed）：最后一条语句被执行后。
3）失败状态（failed）：发现正常的执行不能继续后。
4）中止状态（aborted）：事务回滚并且数据库已被恢复到事务开始执行前的状态后。