大数据库有哪些设备，请列举出出常见的数据存储设备的名称并说出它们的各自特性

来源：整理时间：2024-11-06 21:24:54 编辑：黑码技术手机版

本文目录一览

1，请列举出出常见的数据存储设备的名称并说出它们的各自特性
2，如何建立数据库并使用数据库需要什么硬件
3，数据网主要有哪些设备
4，数据库系统的组成
5，大数据分析工具有哪些有什么特点

1，请列举出出常见的数据存储设备的名称并说出它们的各自特性

这个可以说，移动硬盘，携带方便容量大

请列举出出常见的数据存储设备的名称并说出它们的各自特性

2，如何建立数据库并使用数据库需要什么硬件

硬件: 一台电脑（500G硬盘C盘需要50G以上的硬盘空间）,micrsoft系统软件: 数据库软件(SQL Server 或 MySql 或MS SqlServer或oracle)设计: 新建数据库(库名,多大,放在哪,权限等等) 怎么设计表,表的字段有哪些,表与表之间有什么关联,表是否要建主键,外键,索引等等. 还要看你的数据量有多大,安全性要求有多高,是否需要备份等等.

看你用户规模：1人用Excel2-10人用Access>10人用SQL Server或者MySQL像什么oracle的就算了太大了。。。硬件的话只要不是规模巨大，比普通的办公电脑再稍好点即可。。

恒温

用Access数据库通用管理系统,不需要其它硬件,也不需要买服务器

数据库其实只是一个软件，比如mysql，Oracle DB之类的很多你只需要安装到某台电脑上，就可以使用了。然后根据数据库种类以及访问频度不同，需要的硬件配置也不一样。10几个人用，普通PC就可以，几千个人频繁访问的话，就买个服务器吧。然后关于配置（CPU，内存之类的），你百度数据库名字+最低配置就能看到了

如何建立数据库并使用数据库需要什么硬件

3，数据网主要有哪些设备

进入新的千年，我国数据网络建设步入了一个崭新的发展阶段。在网络建设项目中，作为网络建设的决策者，尤其是技术方面的负责人，如何因地制宜，既考虑现实需求，又兼顾过去网络的投资和未来网络的发展；如何冷静地面对激烈竞争的网络市场，作出正确的选择呢? 数据网络无论大小，或是城域网、园区网，或是一栋大楼内的局域网，通常不可避免的要考虑在网络中采用什么样的主干设备。就这点而言，我们认为从网络主干设备的系统结构入手，将使你的选型思路变得清晰和准确（本文不对设备中使用何种协议展开讨论）。这些观点是结合许多网络项目的实践,并吸收国外第三方的一些评述而成的。我们的指导思想是，尽可能从客观、中立的角度品评一些技术问题，以供广大的网络技术工作者在实践中参考，并希望能有所陴益。网络主干设备的系统结构网络主干设备的系统结构直接决定了设备的性能和功能水平。这犹如先天很好的一个婴儿和一个先天不足的婴儿，即便后天成长条件完全相同，他们的能力依然有相当大的差别。因此，深入了解设备的系统结构设计，客观认知设备的性能和功能，这对正确选择设备极有帮助，下面将从七个方面进行讨论。

随着internet的飞速发展，数据网络技术及其设备也随之不断推陈出新。进入新的千年，我国数据网络建设步入了一个崭新的发展阶段。在网络建设项目中，作为网络建设的决策者，尤其是技术方面的负责人，如何因地制宜，既考虑现实需求，又兼顾过去网络的投资和未来网络的发展；如何冷静地面对激烈竞争的网络市场，作出正确的选择呢? 　　　　数据网络无论大小，或是城域网、园区网，或是一栋大楼内的局域网，通常不可避免的要考虑在网络中采用什么样的主干设备。就这点而言，我们认为从网络主干设备的系统结构入手，将使你的选型思路变得清晰和准确（本文不对设备中使用何种协议展开讨论）。这些观点是结合许多网络项目的实践,并吸收国外第三方的一些评述而成的。我们的指导思想是，尽可能从客观、中立的角度品评一些技术问题，以供广大的网络技术工作者在实践中参考，并希望能有所陴益。　　　　网络主干设备的系统结构　　　　网络主干设备的系统结构直接决定了设备的性能和功能水平。这犹如先天很好的一个婴儿和一个先天不足的婴儿，即便后天成长条件完全相同，他们的能力依然有相当大的差别。因此，深入了解设备的系统结构设计，客观认知设备的性能和功能，这对正确选择设备极有帮助，下面将从七个方面进行讨论。 http://cisco.chinaitlab.com/colligate/38655.html

数据网主要有哪些设备

4，数据库系统的组成

数据库系统一般由数据库、数据库管理系统（及其开发工具）、应用系统、数据库管理员和用户构成一、硬件平台及数据库由于数据库系统数据量都很大，加之DBMS丰富的功能使得自身的规模也很大，因此整个数据库系统对硬件资源提出了较高的要求，这些要求是：（1）足够大的内存，存放操作系统、DBMS的核心模块、数据缓冲区和应用程序。（2）有足够大的磁盘等直接存取设备存放数据库，有足够的磁带（或微机软盘）作数作备份。（3）要求系统有较高的通道能力，以提高数据传送率。二、软件数据库系统的软件主要包括：（1）DBMS。DBMS是为数据库的建立、使用和维护配置的软件。（2）支持DBMS运行的操作系统。（3）具有与数据库接口的高级语言及其编译系统，便于开发应用程序。（4）以DBMS为核心的应用开发工具。应用开发工具是系统为应用开发人员和最终用户提供的高效率、多功能的应用生成器、第四代语言等各种软件工具。它们为数据库系统的开发和应用提供了良好的环境。（5）为特定应用环境开发的数据库应用系统。三、人员开发、管理和使用数据库系统的人员主要是：数据库管理员、系统分析员和数据库设计人员、应用程序员和最终用户。不同的人员涉及不同的数据抽象级别，具有不同的数据视图，如图1.30所示，其各自的职责分别是：1．数据库管理员（DataBase Administrator，简称 DBA）在数据库系统环境下，有两类共享资源。一类是数据库，另一类是数据库管理系统软件。因此需要有专门的管理机构来监督和管理数据库系统。DBA则是这个机构的一个（组）人员，负责全面管理和控制数据库系统。具体职责包括：（1）决定数据库中的信息内容和结构数据库中要存放哪些信息，DBA要参与诀策。因此DBA必须参加数据库设计的全过程，并与用户、应用程序员、系统分析员密切合作共同协商，搞好数据库设计。（2）决定数据库的存储结构和存取策略 DBA要综合各用户的应用要求，和数据库设计人员共同决定数据的存储结构和存取策略以求获得较高的存取效率和存储空间利用率。（3）定义数据的安全性要求和完整性约束条件 DBA的重要职责是保证数据库的安全性和完整性。因此DBA负责确定各个用户对数据库的存取权限、数据的保密级别和完整性约束条件。（4）监控数据库的使用和运行 DBA还有一个重要职责就是监视数据库系统的运行情况，及时处理运行过程中出现的问题。比如系统发生各种故障时，数据库会因此遭到不同程度的破坏，DBA必须在最短时间内将数据库恢复到正确状态，并尽可能不影响或少影响计算机系统其他部分的正常运行。为此，DBA要定义和实施适当的后备和恢复策略。如周期性的转储数据、维护日志文件等。有关这方面的内容将在下面做进一步讨论。（5）数据库的改进和重组重构 DBA还负责在系统运行期问监视系统的空间利用率、处理效率等性能指标，对运行情况进行记录、统计分析，依靠工作实践并根据实际应用环境，不断改进数据库设计。不少数据库产品都提供了对数据库运行状况进行监视和分析的实用程序，DBA可以使用这些实用程序完成这项工作。另外，在数据运行过程中，大量数据不断插入、删除、修改，时间一长，会影响系统的性能。因此，DBA要定期对数据库进行重组织，以提高系统的性能。当用户的需求增加和改变时，DBA还要对数据库进行较大的改造，包括修改部分设计，即数据库的重构造。2．系统分析员和数据库设计人员系统分析员负责应用系统的需求分析和规范说明，要和用户及DBA相结合，确定系统的硬件软件配置，并参与数据库系统的概要设计。数据库设计人员负责数据库中数据的确定、数据库各级模式的设计。数据库设计人员必须参加用户需求调查和系统分析，然后进行数据库设计。在很多情况下，数据库设计人员就由数据库管理员担任。3．应用程序员应用程序员负责设计和编写应用系统的程序模块，并进行调试和安装。4．用户这里用户是指最终用户（End User）。最终用户通过应用系统的用户接口使用数据库。常用的接口方式有浏览器、菜单驱动、表格操作、图形显示、报表书写等，给用户提供简明直观的数据表示。最终用户可以分为如下三类：（1）偶然用户。这类用户不经常访问数据库，但每次访问数据库时往往需要不同的数据库信息，这类用户一般是企业或组织机构的高中级管理人员。（2）简单用户。数据库的多数最终用户都是简单用户。其主要工作是查询和修改数据库，一般都是通过应用程序员精心设计并具有友好界面的应用程序存取数据库。银行的职员、航空公司的机票预定工作人员、旅馆总台服务员等都属于这类用户。（3）复杂用户。复杂用户包括工程师、科学家、经济学家、科学技术工作者等具有较高科学技术背景的人员。这类用户一般都比较熟悉数据库管理系统的各种功能，能够直接使用数据库语言访问数据库，甚至能够基于数据库管理系统的API编制自己的应用程序。满意请采纳。

5，大数据分析工具有哪些有什么特点

大数据是宝藏，人工智能是工匠。大数据给了我们前所未有的收集海量信息的可能，因为数据交互广阔，存储空间近乎无限，所以我们再也不用因“没地方放”而不得弃掉那些“看似无用”的数据。在浩瀚的数据中，如果放置这些数据，不去分析整理，那就相当于一堆废的数据，对我们的发展没有任何意义。今天给大家分享的就是：大数据分析工具的介绍和使用。工具一：Pentaho BIPentaho BI和传统的一些BI产品不一样，这个框架以流程作为中心，再面向Solution(解决方案)。Pentaho BI的主要目的是集成一系列API、开源软件以及企业级别的BI产品，便于商务智能的应用开发。自从Pentaho BI出现后，它使得Quartz、Jfree等面向商务智能的这些独立产品，有效的集成一起，再构成完整且复杂的一项项商务智能的解决方案。工具二：RapidMiner在世界范围内，RapidMiner是比较好用的一个数据挖掘的解决方案。很大程度上，RapidMiner有比较先进的技术。RapidMiner数据挖掘的任务涉及了很多的范围，主要包括可以简化数据挖掘的过程中一些设计以及评价，还有各类数据艺术。工具三：StormStorm这个实时的计算机系统，它有分布式以及容错的特点，还是开源软件。Storm可以对非常庞大的一些数据流进行处理，还可以运用在Hadoop批量数据的处理。Storm支持各类编程语言，而且很简单，使用它时相当有趣。像阿里巴巴、支付宝、淘宝等都是它的应用企业。工具四：HPCC某个国家为了实施信息高速路施行了一个计划，那就是HPCC。这个计划总共花费百亿美元，主要目的是开发可扩展的一些计算机系统及软件，以此来开发千兆比特的网络技术，还有支持太位级网络的传输性能，进而拓展研究同教育机构与网络连接的能力。工具五：HadoopHadoop这个软件框架主要是可伸缩、高效且可靠的进行分布式的处理大量数据。Hadoop相当可靠，它假设了计算元素以及存储可能失败，基于此，它为了保证可以重新分布处理失败的节点，维护很多工作数据的副本。Hadoop可伸缩，是因为它可以对PB级数据进行处理。当数据变得多多益善，当移动设备、穿戴设备以及其他一切设备都变成了数据收集的“接口”，我们便可以尽可能的让数据的海洋变得浩瀚无垠，因为那里面“全都是宝”。

数据分析再怎么说也是一个专业的领域，没有数学、统计学、数据库这些知识的支撑，对于我们这些市场、业务的人员来说，难度真的不是一点点。从国外一线大牌到国内宣传造势强大的品牌，我们基本试用了一个遍，总结一句话“人人都是数据分析师”这个坑实在太大，所有的数据分析工具无论宣传怎样，都有一定的学习成本，尤其是要深入业务实际。今天就我们用过的几款工具简单总结一下，与大家分享。1、Tableau这个号称敏捷BI的扛把子，魔力象限常年位于领导者象限，界面清爽、功能确实很强大，实至名归。将数据拖入相关区域，自动出图，图形展示丰富，交互性较好。图形自定义功能强大，各种图形参数配置、自定义设置可以灵活设置，具备较强的数据处理和计算能力，可视化分析、交互式分析体验良好。确实是一款功能强大、全面的数据可视化分析工具。新版本也集成了很多高级分析功能，分析更强大。但是基于图表、仪表板、故事报告的逻辑，完成一个复杂的业务汇报，大量的图表、仪表板组合很费事。给领导汇报的PPT需要先一个个截图，然后再放到PPT里面。作为一个数据分析工具是合格的，但是在企业级这种应用汇报中有点局限。2、PowerBIPowerBI是盖茨大佬推出的工具，我们也兴奋的开始试用，确实完全不同于Tableau的操作逻辑，更符合我们普通数据分析小白的需求，操作和Excel、PPT类似，功能模块划分清晰，上手真的超级快，图形丰富度和灵活性也是很不错。但是说实话，毕竟刚推出，系统BUG很多，可视化分析的功能也比较简单。虽然有很多复杂的数据处理功能，但是那是需要有对Excel函数深入理解应用的基础的，所以要支持复杂的业务分析还需要一定基础。不过版本更新倒是很快，可以等等新版本。3、Qlik和Tableau齐名的数据可视化分析工具，QlikView在业界也享有很高的声誉。不过Qlik Seanse产品系列才在大陆市场有比较大的推广和应用。真的是一股清流，界面简洁、流程清晰、操作简单，交互性较好，真的是一款简单易用的BI工具。但是不支持深度的数据分析，图形计算和深度计算功能缺失，不能满足复杂的业务分析需求。最后将视线聚焦国内，目前搜索排名和市场宣传比较好的也很多，永洪BI、帆软BI、BDP等。不过经过个人感觉整体宣传大于实际。4、永洪BI永洪BI功能方面应该是相对比较完善的，也是拖拽出图，有点类似Tableau的逻辑，不过功能与Tableau相比还是差的不是一点半点，但是操作难度居然比Tableau还难。预定义的分析功能比较丰富，图表功能和灵活性较大，但是操作的友好性不足。宣传拥有高级分析的数据挖掘功能，后来发现就集成了开源的几个算法，功能非常简单。而操作过程中大量的弹出框、难以理解含义的配置项，真的让人很晕。一个简单的堆积柱图，就研究了好久，看帮助、看视频才搞定。哎，只感叹功能藏得太深，不想给人用啊。5、帆软BI再说号称FBI的帆软BI，帆软报表很多国人都很熟悉，功能确实很不错，但是BI工具就真的一般般了。只能简单出图，配合报表工具使用，能让页面更好看，但是比起其他的可视化分析、BI工具，功能还是比较简单，分析的能力不足，功能还是比较简单。帆软名气确实很大，号称行业第一，但是主要在报表层面，而数据可视化分析方面就比较欠缺了。6、Tempo另一款工具，全名叫“Tempo大数据分析平台”，宣传比较少，2017年Gartner报告发布后无意中看到的。是一款BS的工具，申请试用也是费尽了波折啊，永洪是不想让人用，他直接不想卖的节奏。第一次试用也是一脸懵逼，不知道该点那！不过抱着破罐子破摔的心态稍微点了几下之后，操作居然越来越流畅。也是拖拽式操作，数据可视化效果比较丰富，支持很多便捷计算，能满足常用的业务分析。最最惊喜的是它还支持可视化报告导出PPT，彻底解决了分析结果输出的问题。深入了解后，才发现他们的核心居然是“数据挖掘”，算法十分丰富，也是拖拽式操作，我一个文科的分析小白，居然跟着指导和说明做出了一个数据预测的挖掘流，简直不要太惊喜。掌握了Tempo的基本操作逻辑后，居然发现他的易用性真的很不错，功能完整性和丰富性也很好。不过没有宣传也是有原因的，系统整体配套的介绍、操作说明的完善性上还有待提升。

强烈推荐楼主下载FineBI！从技术上看，大数据与云计算的关系就像一枚硬币的正反面一样密不可分。大数据必然无法用单台的计算机进行处理，必须采用分布式架构。它的特色在于对海量数据进行分布式数据挖掘，但它必须依托云计算的分布式处理、分布式数据库和云存储、虚拟化技术。随着云时代的来临，大数据（Big data）也吸引了越来越多的关注。《著云台》的分析师团队认为，大数据（Big data）通常用来形容一个公司创造的大量非结构化数据和半结构化数据，这些数据在下载到关系型数据库用于分析时会花费过多时间和金钱。大数据分析常和云计算联系到一起，因为实时的大型数据集分析需要像MapReduce一样的框架来向数十、数百或甚至数千的电脑分配工作。

1. 开源大数据生态圈Hadoop HDFS、Hadoop MapReduce, HBase、Hive 渐次诞生，早期Hadoop生态圈逐步形成。开源生态圈活跃，并免费，但Hadoop对技术要求高，实时性稍差。2. 商用大数据分析工具一体机数据库/数据仓库（费用很高）IBM PureData(Netezza), Oracle Exadata, SAP Hana等等。数据仓库（费用较高）Teradata AsterData, EMC GreenPlum, HP Vertica 等等。数据集市（费用一般）QlikView、 Tableau 、国内永洪科技Yonghong Data Mart 等等。前端展现用于展现分析的前端开源工具有JasperSoft，Pentaho, Spagobi, Openi, Birt等等。用于展现分析商用分析工具有Cognos,BO, Microsoft, Oracle,Microstrategy,QlikView、 Tableau 、国内永洪科技Yonghong Z-Suite等等。