北美数据库方向有哪些，数据库方面的发展方向是什么

1，数据库方面的发展方向是什么

Oracl是方向

数据库方面的发展方向是什么

2，数据库的就业方向有哪些

请问你是不是已经学完了数据库呢？如果是，那“数据库工程师”也不错啊！你也可以在数据库设计、维护、管理、应用、开发等等几个方面选择就业啊！

你要就业找好工作肯定这些是不够的，如果是想针对数据库编程，就是作信息管理系统这一块的话有两个方向，可以选择.net或是j2ee.作网站的话学一下php。过级的那些东西，说实话用处不大。

数据库的就业方向有哪些

3，美国哪些大学数据挖掘方向比较厉害

斯坦福还可以，网易公开课的。看你学数据挖掘是什么方向，是工程方向，还是商业、IT方向？

我去年也是这个时候纠结这个问题，也是以数据挖掘为研究方向要定读研的高校。南大的周志华很厉害，他们实验室在数据挖掘上的研究一直被国内认可，而且很低调。我觉得这个是首推的。数据挖掘在国内好像没有国家重点实验室，但是有两个教育部重点实验室，分别是吉大和人大。如果你要去北京的高校，建议是中科院（自动化所和计算所），清华，北大，人大。北航和北邮的计算机都不是以数据挖掘为优势吧，呵呵。

美国哪些大学数据挖掘方向比较厉害

4，nosql数据库有哪些

分类一：键值数据库 Redis, Voldemort, Oracle BDB，国内的ssdb分类二：列存储数据库 Cassandra, HBase分类三：文档型数据库 CouchDB, MongoDb，国内的SequoiaDB分类四：图形(Graph)数据库 Neo4J, InfoGrid, Infinite Graph

这个范围太广了，太多了，而且很多数据库不是纯nosql，给你列几个比较著名的吧。dynamodbberkeley dbmongodbhypergraphdbarangodbgemfireemc documentum xdb等等等等另外，楼上提到的hoodoop不是数据库，而是一种集成了数据分布系统的软件框架，与数据库是有相当大区别的。

5，数据库技术的四个方向

规模会向两头发展—大的越来越大，小的越来越小。所谓大的，指的是企业级数据库的规模。前10年，数据库存储的数据大都以GB为基准衡量，几十GB就已经非常庞大。而如今，只广东移动每个月新增的数据量，就已经以TB衡量，不出3年，很多企业要存储的数据就要达到PB级。数据量越来越大，需要更大的数据库做支撑，这就是数据库的发展方向之一。另一方面，数据库也会越来越小。如今，Sybase的数据库已经安装在高档的Casio手表中了，这些手表中记录的有天气情况、气压、佩带者的血压、心跳等数据。这种数据库并不要求数据存储量大，但是要求在低计算量的情况下反应快，而且能够适应外界环境的变化。存储方式从行到列的改变。以前数据库都是以行的形式存储的，理由很简单，用户需要的是对单条数据的读取和存储。而如今，单纯的数据记录已经不足以支撑企业发展了，企业更需要的是数据分析和决策支持。那么，单纯看一条记录没有任何意义，而是要把所有数据的某一项都统计出来进行分析，这就是列的概念。以中国移动为例，上亿个用户，每个月上TB的数据，哪些是ⅥP用户，该如何根据他们的需求提供专有服务，对于那些动感地带的用户，到底应该制定哪些优惠政策，除了看话费，是不是还能挖掘出他们的消费特点，进行更有针对性的业务推广活动?这些，就不是看一条数据的问题，而需要频繁对列进行操作。预计，不出半年，各大数据库厂商都会推出以列为存储方式的数据库。非结构化数据仍然不能纳入数据库中。说到这里，可能大家都认为我在逆潮流而动，如今很多数据库厂商都可以接受图像、视频等非结构化数据了，Sybase怎么还要死守着结构化数据呢?其实我认为，非结构化数据要想进入数据库，仍然需要结构化，只是这种结构化的方法各厂商不一样，而且相比以前有了很大的进步和提高。以前我们图片的记录方式是记录它的文件名，如果文件名中提到了某个人的名字，那么在整个数据库查询的时候，就可以把这个图片找到。而这是非常不科学的，因为很多非结构化数据的文件名起的并不可能完全。那么，如今大家把非结构化的数据变得结构化，其实就是在用结构化的数据描述这张图片，比如用点和位置来记录这张图片的每个像素。而一旦需要做查询的时候，可以根据像素的组合记录来比对，把符合比对要求的数据全部筛选出来。这样就把非结构化数据以结构化的方式纳入数据库中了，并能接受查询、检索等操作。数据库和数据仓库会分开。很多数据库厂商认为，数据库一个就行，一专多能，既能用它进行实时交易，也能用它来进行数据分析。但是，其实很多用户如今在前台需要数据库提供实时交易功能，需要有很快的响应速度，而在后台，则需要设立一些规则进行数据分析和商务智能分析。Sybase就认为，这两个数据库应该是两种格式，毕竟它们的功能不一样。因此，从产品设置上，Sybase有交易型数据库和分析型数据库两种。