大數(shù)據(jù)與優(yōu)化方法(常見的數(shù)據(jù)庫(kù)優(yōu)化方法)
1.有哪些常見的數(shù)據(jù)庫(kù)優(yōu)化方法
設(shè)計(jì)數(shù)據(jù)庫(kù)要滿足三大范式：第一范式：
1、內(nèi)容相似的數(shù)據(jù)列必須消除（消除的辦法就是再創(chuàng)建一個(gè)數(shù)據(jù)表來(lái)存放他們，建立關(guān)聯(lián)關(guān)系）
2、必須為每一組相關(guān)數(shù)據(jù)分別創(chuàng)建一個(gè)表
3、每條數(shù)據(jù)記錄必須用一個(gè)主鍵來(lái)標(biāo)示
第二范式：
1、只要數(shù)據(jù)列里面的內(nèi)容出現(xiàn)重復(fù)，就意味著應(yīng)該把表拆分為多個(gè)表
2、拆分形成的表必須用外鍵關(guān)聯(lián)起來(lái)。
第三范式：
1、與主鍵沒有直接關(guān)系的數(shù)據(jù)列必須消除（消除的辦法就是再創(chuàng)建一個(gè)表來(lái)存放他們）
2.如何優(yōu)化操作大數(shù)據(jù)量數(shù)據(jù)庫(kù)
下面以關(guān)系數(shù)據(jù)庫(kù)系統(tǒng)Informix為例，介紹改善用戶查詢計(jì)劃的方法。
1.合理使用索引索引是數(shù)據(jù)庫(kù)中重要的數(shù)據(jù)結(jié)構(gòu)，它的根本目的就是為了提高查詢效率?，F(xiàn)在大多數(shù)的數(shù)據(jù)庫(kù)產(chǎn)品都采用IBM最先提出的ISAM索引結(jié)構(gòu)。
索引的使用要恰到好處，其使用原則如下：●在經(jīng)常進(jìn)行連接，但是沒有指定為外鍵的列上建立索引，而不經(jīng)常連接的字段則由優(yōu)化器自動(dòng)生成索引?！裨陬l繁進(jìn)行排序或分組（即進(jìn)行g(shù)roup by或order by操作）的列上建立索引。
●在條件表達(dá)式中經(jīng)常用到的不同值較多的列上建立檢索，在不同值少的列上不要建立索引。比如在雇員表的“性別”列上只有“男”與“女”兩個(gè)不同值，因此就無(wú)必要建立索引。
如果建立索引不但不會(huì)提高查詢效率，反而會(huì)嚴(yán)重降低更新速度。●如果待排序的列有多個(gè)，可以在這些列上建立復(fù)合索引（compound index）。
●使用系統(tǒng)工具。如Informix數(shù)據(jù)庫(kù)有一個(gè)tbcheck工具，可以在可疑的索引上進(jìn)行檢查。
在一些數(shù)據(jù)庫(kù)服務(wù)器上，索引可能失效或者因?yàn)轭l繁操作而使得讀取效率降低，如果一個(gè)使用索引的查詢不明不白地慢下來(lái)，可以試著用tbcheck工具檢查索引的完整性，必要時(shí)進(jìn)行修復(fù)。另外，當(dāng)數(shù)據(jù)庫(kù)表更新大量數(shù)據(jù)后，刪除并重建索引可以提高查詢速度。
2.避免或簡(jiǎn)化排序應(yīng)當(dāng)簡(jiǎn)化或避免對(duì)大型表進(jìn)行重復(fù)的排序。當(dāng)能夠利用索引自動(dòng)以適當(dāng)?shù)拇涡虍a(chǎn)生輸出時(shí)，優(yōu)化器就避免了排序的步驟。
以下是一些影響因素：●索引中不包括一個(gè)或幾個(gè)待排序的列；●group by或order by子句中列的次序與索引的次序不一樣；●排序的列來(lái)自不同的表。為了避免不必要的排序，就要正確地增建索引，合理地合并數(shù)據(jù)庫(kù)表（盡管有時(shí)可能影響表的規(guī)范化，但相對(duì)于效率的提高是值得的）。
如果排序不可避免，那么應(yīng)當(dāng)試圖簡(jiǎn)化它，如縮小排序的列的范圍等。3.消除對(duì)大型表行數(shù)據(jù)的順序存取在嵌套查詢中，對(duì)表的順序存取對(duì)查詢效率可能產(chǎn)生致命的影響。
比如采用順序存取策略，一個(gè)嵌套3層的查詢，如果每層都查詢1000行，那么這個(gè)查詢就要查詢10億行數(shù)據(jù)。避免這種情況的主要方法就是對(duì)連接的列進(jìn)行索引。
例如，兩個(gè)表：學(xué)生表（學(xué)號(hào)、姓名、年齡……）和選課表（學(xué)號(hào)、課程號(hào)、成績(jī)）。如果兩個(gè)表要做連接，就要在“學(xué)號(hào)”這個(gè)連接字段上建立索引。
還可以使用并集來(lái)避免順序存取。盡管在所有的檢查列上都有索引，但某些形式的where子句強(qiáng)迫優(yōu)化器使用順序存取。
下面的查詢將強(qiáng)迫對(duì)orders表執(zhí)行順序操作：SELECT * FROM orders WHERE (customer_num=104 AND order_num>1001) OR order_num=1008雖然在customer_num和order_num上建有索引，但是在上面的語(yǔ)句中優(yōu)化器還是使用順序存取路徑掃描整個(gè)表。因?yàn)檫@個(gè)語(yǔ)句要檢索的是分離的行的集合，所以應(yīng)該改為如下語(yǔ)句：SELECT * FROM orders WHERE customer_num=104 AND order_num>1001UNIONSELECT * FROM orders WHERE order_num=1008 這樣就能利用索引路徑處理查詢。
4.避免相關(guān)子查詢一個(gè)列的標(biāo)簽同時(shí)在主查詢和where子句中的查詢中出現(xiàn)，那么很可能當(dāng)主查詢中的列值改變之后，子查詢必須重新查詢一次。查詢嵌套層次越多，效率越低，因此應(yīng)當(dāng)盡量避免子查詢。
如果子查詢不可避免，那么要在子查詢中過(guò)濾掉盡可能多的行。5.避免困難的正規(guī)表達(dá)式MATCHES和LIKE關(guān)鍵字支持通配符匹配，技術(shù)上叫正規(guī)表達(dá)式。
但這種匹配特別耗費(fèi)時(shí)間。例如：SELECT * FROM customer WHERE zipcode LIKE “98_ _ _” 即使在zipcode字段上建立了索引，在這種情況下也還是采用順序掃描的方式。
如果把語(yǔ)句改為SELECT * FROM customer WHERE zipcode >“98000”，在執(zhí)行查詢時(shí)就會(huì)利用索引來(lái)查詢，顯然會(huì)大大提高速度。 另外，還要避免非開始的子串。
例如語(yǔ)句：SELECT * FROM customer WHERE zipcode[2,3]>“80”，在where子句中采用了非開始子串，因而這個(gè)語(yǔ)句也不會(huì)使用索引。 6.使用臨時(shí)表加速查詢把表的一個(gè)子集進(jìn)行排序并創(chuàng)建臨時(shí)表，有時(shí)能加速查詢。
它有助于避免多重排序操作，而且在其他方面還能簡(jiǎn)化優(yōu)化器的工作。例如：SELECT cust.name,rcvbles.balance，……other columns FROM cust,rcvbles WHERE cust.customer_id = rcvlbes.customer_id AND rcvblls.balance>0 AND cust.postcode>“98000” ORDER BY cust.name 如果這個(gè)查詢要被執(zhí)行多次而不止一次，可以把所有未付款的客戶找出來(lái)放在一個(gè)臨時(shí)文件中，并按客戶的名字進(jìn)行排序： SELECT cust.name,rcvbles.balance，……other columns FROM cust,rcvbles WHERE cust.customer_id = rcvlbes.customer_id AND rcvblls.balance>0 ORDER BY cust.name INTO TEMP cust_with_balance 然后以下面的方式在臨時(shí)表中查詢：SELECT * FROM cust_with_balance WHERE postcode>“98000” 臨時(shí)表中的行要比主表中的行少，而且物理順序就是所要求的順序，減少了磁盤I/O，所以查詢工作量可以得到大幅減少。
注意：臨時(shí)表創(chuàng)建后不會(huì)反映主表的修改。在主表中數(shù)據(jù)頻繁修改的情況下，注意不要丟失數(shù)據(jù)。
7.用排序來(lái)取代非順序存取非順序磁盤存取是最慢的操作，。
3.大數(shù)據(jù)挖掘常用的方法有哪些
1. Analytic Visualizations（可視化分析）
不管是對(duì)數(shù)據(jù)分析專家還是普通用戶，數(shù)據(jù)可視化是數(shù)據(jù)分析工具最基本的要求。可視化可以直觀的展示數(shù)據(jù)，讓數(shù)據(jù)自己說(shuō)話，讓觀眾聽到結(jié)果。
2. Data Mining Algorithms（數(shù)據(jù)挖掘算法）
可視化是給人看的，數(shù)據(jù)挖掘就是給機(jī)器看的。集群、分割、孤立點(diǎn)分析還有其他的算法讓我們深入數(shù)據(jù)內(nèi)部，挖掘價(jià)值。這些算法不僅要處理大數(shù)據(jù)的量，也要處理大數(shù)據(jù)的速度。
3. Predictive Analytic Capabilities（預(yù)測(cè)性分析能力）
數(shù)據(jù)挖掘可以讓分析員更好的理解數(shù)據(jù)，而預(yù)測(cè)性分析可以讓分析員根據(jù)可視化分析和數(shù)據(jù)挖掘的結(jié)果做出一些預(yù)測(cè)性的判斷。
4. Semantic Engines（語(yǔ)義引擎）
由于非結(jié)構(gòu)化數(shù)據(jù)的多樣性帶來(lái)了數(shù)據(jù)分析的新的挑戰(zhàn)，需要一系列的工具去解析，提取，分析數(shù)據(jù)。語(yǔ)義引擎需要被設(shè)計(jì)成能夠從“文檔”中智能提取信息。
5. Data Quality and Master Data Management（數(shù)據(jù)質(zhì)量和數(shù)據(jù)管理）
數(shù)據(jù)質(zhì)量和數(shù)據(jù)管理是一些管理方面的最佳實(shí)踐。通過(guò)標(biāo)準(zhǔn)化的流程和工具對(duì)數(shù)據(jù)進(jìn)行處理可以保證一個(gè)預(yù)先定義好的高質(zhì)量的分析結(jié)果。
4.大數(shù)據(jù)可以解決的問題有哪些
大數(shù)據(jù)（big data,mega data），或稱巨量資料，指的是需要新處理模式才能具有更強(qiáng)的決策力、洞察力和流程優(yōu)化能力的海量、高增長(zhǎng)率和多樣化的信息資產(chǎn)。 在維克托·邁爾-舍恩伯格及肯尼斯·庫(kù)克耶編寫的《大數(shù)據(jù)時(shí)代》中大數(shù)據(jù)指不用隨機(jī)分析法（抽樣調(diào)查）這樣的捷徑，而采用所有數(shù)據(jù)進(jìn)行分析處理。大數(shù)據(jù)的4V特點(diǎn)：Volume（大量）、Velocity（高速）、Variety（多樣）、Value（價(jià)值）。
大數(shù)據(jù)的價(jià)值體現(xiàn)在以下幾個(gè)方面：
1）對(duì)大量消費(fèi)者提供產(chǎn)品或服務(wù)的企業(yè)可以利用大數(shù)據(jù)進(jìn)行精準(zhǔn)營(yíng)銷
2） 做小而美模式的中長(zhǎng)尾企業(yè)可以利用大數(shù)據(jù)做服務(wù)轉(zhuǎn)型
3） 面臨互聯(lián)網(wǎng)壓力之下必須轉(zhuǎn)型的傳統(tǒng)企業(yè)需要與時(shí)俱進(jìn)充分利用大數(shù)據(jù)的價(jià)值
5.如何優(yōu)化操作大數(shù)據(jù)量數(shù)據(jù)庫(kù)
下面以關(guān)系數(shù)據(jù)庫(kù)系統(tǒng)Informix為例，介紹改善用戶查詢計(jì)劃的方法。
1.合理使用索引索引是數(shù)據(jù)庫(kù)中重要的數(shù)據(jù)結(jié)構(gòu)，它的根本目的就是為了提高查詢效率?，F(xiàn)在大多數(shù)的數(shù)據(jù)庫(kù)產(chǎn)品都采用IBM最先提出的ISAM索引結(jié)構(gòu)。
索引的使用要恰到好處，其使用原則如下：●在經(jīng)常進(jìn)行連接，但是沒有指定為外鍵的列上建立索引，而不經(jīng)常連接的字段則由優(yōu)化器自動(dòng)生成索引。●在頻繁進(jìn)行排序或分組（即進(jìn)行g(shù)roup by或order by操作）的列上建立索引。
●在條件表達(dá)式中經(jīng)常用到的不同值較多的列上建立檢索，在不同值少的列上不要建立索引。比如在雇員表的“性別”列上只有“男”與“女”兩個(gè)不同值，因此就無(wú)必要建立索引。
如果建立索引不但不會(huì)提高查詢效率，反而會(huì)嚴(yán)重降低更新速度?！袢绻判虻牧杏卸鄠€(gè)，可以在這些列上建立復(fù)合索引（compound index）。
●使用系統(tǒng)工具。如Informix數(shù)據(jù)庫(kù)有一個(gè)tbcheck工具，可以在可疑的索引上進(jìn)行檢查。
在一些數(shù)據(jù)庫(kù)服務(wù)器上，索引可能失效或者因?yàn)轭l繁操作而使得讀取效率降低，如果一個(gè)使用索引的查詢不明不白地慢下來(lái)，可以試著用tbcheck工具檢查索引的完整性，必要時(shí)進(jìn)行修復(fù)。另外，當(dāng)數(shù)據(jù)庫(kù)表更新大量數(shù)據(jù)后，刪除并重建索引可以提高查詢速度。
2.避免或簡(jiǎn)化排序應(yīng)當(dāng)簡(jiǎn)化或避免對(duì)大型表進(jìn)行重復(fù)的排序。當(dāng)能夠利用索引自動(dòng)以適當(dāng)?shù)拇涡虍a(chǎn)生輸出時(shí)，優(yōu)化器就避免了排序的步驟。
以下是一些影響因素：●索引中不包括一個(gè)或幾個(gè)待排序的列；●group by或order by子句中列的次序與索引的次序不一樣；●排序的列來(lái)自不同的表。為了避免不必要的排序，就要正確地增建索引，合理地合并數(shù)據(jù)庫(kù)表（盡管有時(shí)可能影響表的規(guī)范化，但相對(duì)于效率的提高是值得的）。
如果排序不可避免，那么應(yīng)當(dāng)試圖簡(jiǎn)化它，如縮小排序的列的范圍等。3.消除對(duì)大型表行數(shù)據(jù)的順序存取在嵌套查詢中，對(duì)表的順序存取對(duì)查詢效率可能產(chǎn)生致命的影響。
比如采用順序存取策略，一個(gè)嵌套3層的查詢，如果每層都查詢1000行，那么這個(gè)查詢就要查詢10億行數(shù)據(jù)。避免這種情況的主要方法就是對(duì)連接的列進(jìn)行索引。
例如，兩個(gè)表：學(xué)生表（學(xué)號(hào)、姓名、年齡……）和選課表（學(xué)號(hào)、課程號(hào)、成績(jī)）。如果兩個(gè)表要做連接，就要在“學(xué)號(hào)”這個(gè)連接字段上建立索引。
還可以使用并集來(lái)避免順序存取。盡管在所有的檢查列上都有索引，但某些形式的where子句強(qiáng)迫優(yōu)化器使用順序存取。
下面的查詢將強(qiáng)迫對(duì)orders表執(zhí)行順序操作：SELECT * FROM orders WHERE (customer_num=104 AND order_num>1001) OR order_num=1008雖然在customer_num和order_num上建有索引，但是在上面的語(yǔ)句中優(yōu)化器還是使用順序存取路徑掃描整個(gè)表。因?yàn)檫@個(gè)語(yǔ)句要檢索的是分離的行的集合，所以應(yīng)該改為如下語(yǔ)句：SELECT * FROM orders WHERE customer_num=104 AND order_num>1001UNIONSELECT * FROM orders WHERE order_num=1008 這樣就能利用索引路徑處理查詢。
4.避免相關(guān)子查詢一個(gè)列的標(biāo)簽同時(shí)在主查詢和where子句中的查詢中出現(xiàn)，那么很可能當(dāng)主查詢中的列值改變之后，子查詢必須重新查詢一次。查詢嵌套層次越多，效率越低，因此應(yīng)當(dāng)盡量避免子查詢。
如果子查詢不可避免，那么要在子查詢中過(guò)濾掉盡可能多的行。5.避免困難的正規(guī)表達(dá)式MATCHES和LIKE關(guān)鍵字支持通配符匹配，技術(shù)上叫正規(guī)表達(dá)式。
但這種匹配特別耗費(fèi)時(shí)間。例如：SELECT * FROM customer WHERE zipcode LIKE “98_ _ _” 即使在zipcode字段上建立了索引，在這種情況下也還是采用順序掃描的方式。
如果把語(yǔ)句改為SELECT * FROM customer WHERE zipcode >“98000”，在執(zhí)行查詢時(shí)就會(huì)利用索引來(lái)查詢，顯然會(huì)大大提高速度。 另外，還要避免非開始的子串。
例如語(yǔ)句：SELECT * FROM customer WHERE zipcode[2,3]>“80”，在where子句中采用了非開始子串，因而這個(gè)語(yǔ)句也不會(huì)使用索引。 6.使用臨時(shí)表加速查詢把表的一個(gè)子集進(jìn)行排序并創(chuàng)建臨時(shí)表，有時(shí)能加速查詢。
它有助于避免多重排序操作，而且在其他方面還能簡(jiǎn)化優(yōu)化器的工作。例如：SELECT cust.name,rcvbles.balance，……other columns FROM cust,rcvbles WHERE cust.customer_id = rcvlbes.customer_id AND rcvblls.balance>0 AND cust.postcode>“98000” ORDER BY cust.name 如果這個(gè)查詢要被執(zhí)行多次而不止一次，可以把所有未付款的客戶找出來(lái)放在一個(gè)臨時(shí)文件中，并按客戶的名字進(jìn)行排序： SELECT cust.name,rcvbles.balance，……other columns FROM cust,rcvbles WHERE cust.customer_id = rcvlbes.customer_id AND rcvblls.balance>0 ORDER BY cust.name INTO TEMP cust_with_balance 然后以下面的方式在臨時(shí)表中查詢：SELECT * FROM cust_with_balance WHERE postcode>“98000” 臨時(shí)表中的行要比主表中的行少，而且物理順序就是所要求的順序，減少了磁盤I/O，所以查詢工作量可以得到大幅減少。
注意：臨時(shí)表創(chuàng)建后不會(huì)反映主表的修改。在主表中數(shù)據(jù)頻繁修改的情況下，注意不要丟失數(shù)據(jù)。
7.用排序來(lái)取代非順序存取非順序磁盤存取是最慢的操作。
