1、关系数据库介绍_MySQL
bitsCN.com
目前经常使用的数据库的包括Oracle数据库、MySQL数据库、Microsoft SQL Server数据库、DB2数据库等。
数据模型是对现实世界数据特征的一种抽象。一个完整的数据模型包括数据结构、数据操作和完整性约束三部分。在数据模型多级描述中，主要包括概念模型、逻辑数据模型和物理数据模型。概念模型是以客户的观点和想法为基础，对现实世界事物的抽象；逻辑数据模型是指用户看到的数据库中的数据模型，常用的是关系数据模型；物理数据模型是用来表示数据的存储结构的。
1.概念模型
在关系数据库的设计中，概念模型通常是通过E-R图来描述的。其中，E表示实体的意思；R表示关系的意思。因此E—R图也叫做实体—关系图。
在E-R图中，关系是用来表示实体与实体之间相互联系的。关系可以分为一对一，一对多和多对多三种类型。
一对一（1：1）：例如，校长和学校的关系
一对多（1：n）：例如，院系和学生之间的关系。
多对多（n：m）：例如，课程与授课教师之间关系。
2.关系数据模型
在数据库管理系统的实现中，关系数据模型是通过二维表的形式描述实体与属性之间的关系。
关系数据模型中的表与一般的二维表相比，还是有些不同的。
a.关系是一种规范化的二维表格，每一个属性值都是不可再分的。
b.关系数据模型的二维表中，不会有重复的行。即关系数据模型的二维表中每一行的数据都应该是不同的。
关系数据模型中，常用的关系操作主要包括查询、连接、交、并、差、数据插入、修改和删除的操作。这些操作需要满足一定的关系完整性约束条件。关系的完整性约束包括实体完整性、参照完整性和用户定义完整性。
3.关系模式
关系模式是用来表示对关系的描述。关系数据库中共有3种关系模式，概念模式、外模式和内模式。
模式（Schema）：也叫做逻辑模式或者概念模式，用来描述数据库中的数据逻辑结构。可以把概念模式理解为现实世界中的实体在数据库系统中的具体实现。例如，一个关系逻辑结构对应的一个二维数据表，就可以理解为关系数据库中的模式。概念模式与应用程序和计算机硬件等环境无关。
外模式（External Schema）：外模式也可以也叫做用户模式，它是概念模式的一部分。在外模式中定义了允许用户操作的数据，例如，在数据库中用户看到的视图就可以理解为关系数据库中的外模式。当然，在关系数据库中由于用户的需求、存储数据的不同，不同数据的外模式也不是完全相同的。
内模式（Internal Schema）：内模式也叫做存储模式，它是用来描述数据的物理结构和数据的存储方式的。例如，关系数据库中索引的组织方式、数据记录的存储方式等就可以理解为关系数据库的内模式。
4.常用关系数据库
a.Oracle数据库
Oracle数据库是美国Oracle公司（甲骨文）推出的关系数据库系统，它是目前主流的广泛使用的数据库系统之一。作为大型的数据库系统，Oracle数据库提供了完整的数据管理功能，主要作用与大、中型应用系统、C/S（客户端/服务器）、B/S(浏览器/服务器)系统中的服务器端。对于数据量大、并发操作多，实时性要求高的系统，服务器端的数据库一般都选择Oracle数据库。
b.Microsoft SQL Server数据库
Microsoft SQL Server数据库是Microsoft公司（微软）推出的关系数据库系。也是目前主流的广泛使用的数据库系统之一。SQL Server数据库具有高性能、可扩展、先进的系统管理、支持WINDOWS图形化管理工具、很好的事务处理功能等特点。
c.MySQL数据库
MySQL是瑞典的MySQL AB公司开发的一款功能强大、使用灵活、多用户、多线程SQL的数据库管理系统。为用户提供了丰富的应用程序接口和非常有用的功能集，是互联网中流行的数据库服务器，很多软件开发人员和商业用户也都在使用MySQL数据库。
Outils d'IA chauds
Undresser.AI Undress
Application basée sur l'IA pour créer des photos de nu réalistes
AI Clothes Remover
Outil d'IA en ligne pour supprimer les vêtements des photos.
Undress AI Tool
Images de déshabillage gratuites
Clothoff.io
Dissolvant de vêtements AI
AI Hentai Generator
Générez AI Hentai gratuitement.
Article chaud
Outils chauds
Bloc-notes++7.3.1
Éditeur de code facile à utiliser et gratuit
SublimeText3 version chinoise
Version chinoise, très simple à utiliser
Envoyer Studio 13.0.1
Puissant environnement de développement intégré PHP
Dreamweaver CS6
Outils de développement Web visuel
SublimeText3 version Mac
Logiciel d'édition de code au niveau de Dieu (SublimeText3)
Sujets chauds
KAN, qui remplace MLP, a été étendu à la convolution par des projets open source
Jun 01, 2024 pm 10:03 PM
Plus tôt ce mois-ci, des chercheurs du MIT et d'autres institutions ont proposé une alternative très prometteuse au MLP – KAN. KAN surpasse MLP en termes de précision et d’interprétabilité. Et il peut surpasser le MLP fonctionnant avec un plus grand nombre de paramètres avec un très petit nombre de paramètres. Par exemple, les auteurs ont déclaré avoir utilisé KAN pour reproduire les résultats de DeepMind avec un réseau plus petit et un degré d'automatisation plus élevé. Plus précisément, le MLP de DeepMind compte environ 300 000 paramètres, tandis que le KAN n'en compte qu'environ 200. KAN a une base mathématique solide comme MLP est basé sur le théorème d'approximation universelle, tandis que KAN est basé sur le théorème de représentation de Kolmogorov-Arnold. Comme le montre la figure ci-dessous, KAN a
Combien de temps les journaux de la base de données Oracle seront-ils conservés ?
May 10, 2024 am 03:27 AM
La durée de conservation des journaux de la base de données Oracle dépend du type de journal et de la configuration, notamment : Redo logs : déterminé par la taille maximale configurée avec le paramètre "LOG_ARCHIVE_DEST". Redo logs archivés : Déterminé par la taille maximale configurée par le paramètre "DB_RECOVERY_FILE_DEST_SIZE". Redo logs en ligne : non archivés, perdus au redémarrage de la base de données et la durée de conservation est cohérente avec la durée d'exécution de l'instance. Journal d'audit : Configuré par le paramètre "AUDIT_TRAIL", conservé 30 jours par défaut.
L'ordre des étapes de démarrage de la base de données Oracle est
May 10, 2024 am 01:48 AM
La séquence de démarrage de la base de données Oracle est la suivante : 1. Vérifiez les conditions préalables ; 2. Démarrez l'écouteur ; 3. Démarrez l'instance de base de données ; 4. Attendez que la base de données s'ouvre ; 6. Vérifiez l'état de la base de données ; . Activez le service (si nécessaire) ; 8. Testez la connexion.
Yolov10 : explication détaillée, déploiement et application en un seul endroit !
Jun 07, 2024 pm 12:05 PM
1. Introduction Au cours des dernières années, les YOLO sont devenus le paradigme dominant dans le domaine de la détection d'objets en temps réel en raison de leur équilibre efficace entre le coût de calcul et les performances de détection. Les chercheurs ont exploré la conception architecturale de YOLO, les objectifs d'optimisation, les stratégies d'expansion des données, etc., et ont réalisé des progrès significatifs. Dans le même temps, le recours à la suppression non maximale (NMS) pour le post-traitement entrave le déploiement de bout en bout de YOLO et affecte négativement la latence d'inférence. Dans les YOLO, la conception de divers composants manque d’une inspection complète et approfondie, ce qui entraîne une redondance informatique importante et limite les capacités du modèle. Il offre une efficacité sous-optimale et un potentiel d’amélioration des performances relativement important. Dans ce travail, l'objectif est d'améliorer encore les limites d'efficacité des performances de YOLO à la fois en post-traitement et en architecture de modèle. à cette fin
Exigences de configuration matérielle du serveur de base de données Oracle
May 10, 2024 am 04:00 AM
Exigences de configuration matérielle du serveur de base de données Oracle : Processeur : multicœur, avec une fréquence principale d'au moins 2,5 GHz Pour les grandes bases de données, 32 cœurs ou plus sont recommandés. Mémoire : au moins 8 Go pour les petites bases de données, 16 à 64 Go pour les tailles moyennes, jusqu'à 512 Go ou plus pour les grandes bases de données ou les charges de travail lourdes. Stockage : disques SSD ou NVMe, matrices RAID pour la redondance et les performances. Réseau : réseau haut débit (10GbE ou supérieur), carte réseau dédiée, réseau à faible latence. Autres : alimentation stable, composants redondants, système d'exploitation et logiciels compatibles, dissipation thermique et système de refroidissement.
Surpassant largement le DPO : l'équipe de Chen Danqi a proposé une optimisation simple des préférences SimPO et a également affiné le modèle open source 8B le plus puissant.
Jun 01, 2024 pm 04:41 PM
Afin d'aligner les grands modèles de langage (LLM) sur les valeurs et les intentions humaines, il est essentiel d'apprendre les commentaires humains pour garantir qu'ils sont utiles, honnêtes et inoffensifs. En termes d'alignement du LLM, une méthode efficace est l'apprentissage par renforcement basé sur le retour humain (RLHF). Bien que les résultats de la méthode RLHF soient excellents, certains défis d’optimisation sont impliqués. Cela implique de former un modèle de récompense, puis d'optimiser un modèle politique pour maximiser cette récompense. Récemment, certains chercheurs ont exploré des algorithmes hors ligne plus simples, dont l’optimisation directe des préférences (DPO). DPO apprend le modèle politique directement sur la base des données de préférence en paramétrant la fonction de récompense dans RLHF, éliminant ainsi le besoin d'un modèle de récompense explicite. Cette méthode est simple et stable
De quelle quantité de mémoire Oracle a-t-il besoin ?
May 10, 2024 am 04:12 AM
La quantité de mémoire requise par Oracle dépend de la taille de la base de données, du niveau d'activité et du niveau de performances requis : pour le stockage des tampons de données, des tampons d'index, l'exécution d'instructions SQL et la gestion du cache du dictionnaire de données. Le montant exact dépend de la taille de la base de données, du niveau d'activité et du niveau de performances requis. Les meilleures pratiques incluent la définition de la taille SGA appropriée, le dimensionnement des composants SGA, l'utilisation d'AMM et la surveillance de l'utilisation de la mémoire.
Aucune donnée OpenAI requise, rejoignez la liste des grands modèles de code ! UIUC publie StarCoder-15B-Instruct
Jun 13, 2024 pm 01:59 PM
À la pointe de la technologie logicielle, le groupe de l'UIUC Zhang Lingming, en collaboration avec des chercheurs de l'organisation BigCode, a récemment annoncé le modèle de grand code StarCoder2-15B-Instruct. Cette réalisation innovante a permis une percée significative dans les tâches de génération de code, dépassant avec succès CodeLlama-70B-Instruct et atteignant le sommet de la liste des performances de génération de code. Le caractère unique de StarCoder2-15B-Instruct réside dans sa stratégie d'auto-alignement pur. L'ensemble du processus de formation est ouvert, transparent et complètement autonome et contrôlable. Le modèle génère des milliers d'instructions via StarCoder2-15B en réponse au réglage fin du modèle de base StarCoder-15B sans recourir à des annotations manuelles coûteuses.
