树在关系型数据库中的表示

用关系型数据库处理非线性结构数据时，不仅需对数据本身进行存储，还需对数据间的关系进行存储。本文讨论树状结构数据在关系型数据库中的几种存储方式。     

PostgreSQL与MongoDB处理非结构化数据性能比较

互联网技术的发展产生的海量非结构化数据在传统关系型数据库中难以被高速有效地进行存储和处理,各类NoSQL数据库可以有效存储处理非结构化数据,但是对关系运算功能的弱化难以满足应用场景的需求。具备非结构化数据处理能力的新型关系型数据库提供了适用多种应用场景的高效存储方式。为了能够定量地比较关系型数据库和面向文档的NoSQL数据库的数据存储与处理能力,比较了PostgreSQL的hstore数据类型和MongoDB的内嵌文档对非结构化数据的储存方式,并通过非结构化数据的批量加载、磁盘占用、主键查询、非主键查询、地理空间坐标查询等方面的对比来以分析性能特征与适用场景。     

数据库出现分水岭

随着信息技术的发展,采用两维表结构的数据库,已经无法保存大量的多媒体非结构化复杂数据,以及各类数据之间的关系。关系型数据库亟待突破。     

关系型数据库内存化存储模型研究

大数据环境下,磁盘数据库存在高并发I/O瓶颈,磁盘数据内存化是解决传统关系型磁盘数据库I/O瓶颈的有效方案。已有的内存化技术存在数据丢失、配置复杂等问题。基于内存数据库Redis,以典型开源关系型数据库MySQL为例,提出一种解决关系型数据库磁盘I/O瓶颈的轻量级内存化解决方案,实现MySQL的内存化存储。同时构建行式键值（RB-KVM）和分段列式键值交叉（PCB-KVCM）存储转换模型,实现异构数据库存储模型的转换和自动化数据迁移。通过分析对比,RB-KVM数据存取效率更高,而PCB-KVCM具有更高的内存利用率且在时间开销上优于RB-KVM。通过实际运行分析,该技术不仅提高了数据库在高并发场景下的吞吐能力,实现了海量热点数据的高效存取,在实际应用中也更加快捷,实施成本更低。     

分布式下MongoDB对激光点云的存储和处理研究

近年来,激光点云数据的应用急剧增加,如何对其进行高效存储和快速处理成为当前的一个重要研究方向。点云数据包含着丰富的地理信息,属于空间数据范畴。传统的关系型数据库对海量空间数据的存储和处理相对薄弱,分布式环境下非关系型数据库的应用为此提供了一个新的研究视角。Sharding技术是数据库水平扩展的一种解决方案,在分布式环境下搭建MongoDB的Sharding集群,通过范围分片和哈希分片对大量激光点云数据进行分布式存储、空间查询和MapReduce运算测试,充分体现了分布式下MongoDB在空间数据的存储和处理方面的巨大优势。     

CACHE 2007——进入后关系型数据库时代

在医疗领域中，数据信息复杂多样、千变万化。以一个病人的诊断书为例，它除了具备病人的基本属性信息之外，还具有诊治大夫、诊断记录等许多属性信息，随着诊治次数的增加，这些数据都在不断地变化。如果此时医院的信息管理系统仍采用传统的关系型数据库，数据库管理员的工作就变得非常繁重，他需要经常改变数据信息表的属性，以及各个表之间的关联性信息，稍不注意，就会出差错。在处理复杂信息方面，关系型数据库仍存在着很大的局限性。如果有这样一个数据库，能够在存储病人信息时，不再像传统的关系型数据库那样分类存储，而是把每个病人都当作一个独立的对象，     

一种基于Erlang语言的非关系型数据库的设计与实现

关系型数据库是各类网络服务进行数据存储和查询的重要支撑,但由于其有限的可扩展性,在数据量和访问量爆炸式增长的现在已经越来越难以满足大型网站的需求。非关系型数据库抛弃了关系数据库复杂的关系模型,以高可扩展的架构优势成为了大型网站的支柱。文章探讨了NoSQL的应用模式,并基于Erlang语言设计并实现了易于扩展的NoSQL数据库。在测试中此数据库表现出了优异的可扩展性,可以轻松的搭建以其为基础的集群,支撑大量的数据存储请求。     

海量数据分布式存储与检索优化分析研究

本文主要是针对关系型数据库的信息管理系统在处理海量数据的存储与检索方面的一些可选方案进行探讨与分析,并结合实际应用,分别从分布式数据存储、动态表、索引、查询语句优化等4个方面对海量数据的存储与检索给出可行的优化配置解决方案。     

基于关系型数据库的公文工作流系统

根据公文流转的特点，对工作流模型进行了简化，并将这个简化模型建立在关系型数据库中。简化后的公文工作流模型呈树型结构，公文从树的枝节点向根节点流转、汇合，整个流转过程没有分支。讨论了公文工作流在关系型数据库中的数据存储结构，并以一个部级单位为例，给出了建立在这套模型之上的公文系统的实现方式。     

Native XML数据库在电子病历存储中的应用分析

针对使用传统关系型数据库进行电子病历存储所存在的数据建模复杂、扩展性差、查询性能低等问题,提出了使用Native XML数据库来存储XML格式的电子病历,并以DB2 Pure XML数据库为例,在实验环境下模拟构造XML电子病历数据,分别就数据建模、查询语言、客户端开发和性能四个方面进行验证与分析。验证结果显示使用DB2进行XML数据建模结构简单、扩展性好,优于使用传统对象关系模型建模;使用基于XQuery和XPath的查询语言以及客户端开发成本不高;在性能方面,基于10.6k的病历文件、100000数据量及有索引的情况下,查询性能可以达到0.046秒。表明Native XML数据库适合于构建电子病历的存储。     

基于TYKY cNosql云数据库的医疗卫生信息存储架构研究

随着互联网Web 2.0技术的发展和医疗卫生信息数据的急剧增加,传统关系型数据库针对医疗海量大数据已出现存储效率低、高并发读写性能差、弹性存储扩展和数据管理困难等问题。研究采用非关系型数据库技术作为传统关系型数据库的补充,以模式自由的方式,设计具有海量大数据高效存储、高并发读写、易扩展、低成本等特点的医疗卫生信息存储架构,并阐述TYKY cNosql云数据库的关键技术和应用效果。     

GIS权籍空间数据的存储与查询

探讨了基于关系型数据库存储XML权籍对象的方法和技术。分析了数据库存储XML数据的类型,论述了运用XML存储和管理权籍对象的可行性。基于GML规范建立了权籍对象的概念模型和逻辑模型,并根据XML权籍对象之间的关系,给出了将权籍对象转换到关系型数据库的方法,基于此实现了权籍对象空间关系的查询与应用。     

基于Hibernate OGM的SQL与NoSQL数据库的统一访问模型的设计与实现

针对将现有的关系型数据库和非关系型数据库都有自己的专用API的应用场景,借助于开源框架Hibernate OG建立了一个统一的存储SQL数据库和非No SQL数据库的框架,使其对这两种数据库的读写能在一个框架下按照统一的规则进行,无需进行额外的API查看。通过使用JAVA的注解区别数据库类型、JAVA对象填充数据、Hibernate OGM框架自动将JAVA对象解析成点分格式、底层通过原生API封装写入数据库的引擎。针对混合使用HBase和My SQL的场景,对以上统一访问模型进行了实验和验证。实验表明,通过JAVA注解区分数据库类型,通过JAVA对象填充数据,通过Hibernate OGM统一解析数据存储数据的这一系列的操作来进行对SQL和No SQL数据库的方案是可行的。     

面向海量数据的电子政务云平台研究

针对传统电子政务平台所采用的关系型数据库在处理海量数据时存在性能瓶颈问题,利用Hadoop分布式平台在处理海量数据方面的优势,结合HDFS分布式文件系统、Map/Reduce并行计算模型和Hive仓库技术,设计关系型数据库与Hadoop相结合的电子政务云平台,两者协同提供海量数据查询操作和存储服务,从而降低了关系型数据库服务器的负载压力,增强电子政务平台的扩展性。通过实验证明,Hadoop能大大提高电子政务云平台的查询效率。进一步分析该设计方案中影响查询效率的因素,为深入研究基于Hadoop构建高效的电子政务云提供参考。     

列存储数据库关键技术综述

随着互联网技术的发展、硬件的不断更新、企业及政府信息化的不断深入,应用的复杂性要求越来越高,推动着数据存储技术向着海量数据、分析数据、智能数据的方向发展,以便为数据仓库、在线分析提供高效实时的技术支持。基于行存储的数据库技术面临新的问题,已经出现了技术瓶颈。近些年来,一种新的数据存储理念,即基于列存储的关系型数据库(简称列数据库,下同)应运而生。列数据库能够快速发展,主要原因是其复杂查询效率高,读磁盘少,存储空间少,以及由此带来的技术、管理和应用优势。对列数据库技术的基本现状、关键支撑技术以及应用优势进行了介绍和分析。     

基于RDBMS的地理信息集成数据库系统

在介绍空间数据库基本概念的基础上，分析了ESR的空间数据库引擎SDE（Spatial Database Engine)，提出了一种空间数据库结构模型，将空间数据和属性数据集成在数据库中，分析了数据模型体系结构，数据组织以及空间图形要素表达，进而根据该结构模型实现了在关系型数据库中对空间图形数据进行表示，存储和分析的操作。     

基于GIS的农产品指标数据库表结构设计研究

为了将GIS(地理信息系统)有效地应用到农产品统计中,阐述了农产品指标的3种维度——属性维度、时间维度、空间维度。分析了全关系数据库模型、面向对象数据库模型、对象关系混合数据库模型对GIS数据存储的各类特点,考虑到农产品指标数据本身的特点,提出了采用关系型数据库存储GIS数据与农产品指标数据,并以此模型为基础,设计和分析了数据库物理设计中农产品指标横向与纵向存储的两种结构方案。通过测试数据验证了两者的优缺点,并提出了数据库分区和面向时间或空间维度独立建表的优化途径。     

基于RDBMS的空间数据管理模型及在土地产权产籍系统中的实现

利用关系型数据库来管理空间数据是当前ＧＩＳ研究的热点和前沿领域之一,该文提出了一种空间数据库引擎数据结构模型,分析了数据模型体系结构、数据组织以及空间图形要素表达,进而根据该结构模型,实现了在ＳＱＬ Ｓｅｒｖｅｒ关系型数据库中对空间图形数据进行存储、拓扑运算和拓扑分析的操作,通过在土地产权产籍系统中的实际应用表明,基于该模型开发的空间数据库引擎Ｓｐａｔｉａｌ Ｄａｔａｂａｓｅ Ｇｕｉｄｅ（ＳＤＧ）     

树形数据在关系型数据库中的设计

本文讨论了树形数据类型在关系型数据库中的结构设计，给出了这类数据在关系型数据库中的存储和检索方法。     

基于非关系型数据库HBase存储技术的检索研究

随着信息技术的快速发展,数据量在以指数级飞速增长的同时数据类型也越来越多样化,传统的关系型数据库已不能满足日常数据存储的需求,因此如何实现海量多样化数据的存储和检索成为急需解决的问题。根据上述问题,文中对基于列式存储的HBase数据库的发展和技术原理进行大量调研,得出HBase数据库不但能够有效处理海量数据还可以实现更快速的检索。文中针对HBase的架构和列式存储模型进行检索效率和适用场景的研究,并通过实验验证得出当数据量和返回结果集达到一定数量时,使用HBase数据库的响应时间比传统数据库快得多。