資料庫分布式

㈠ 分布式資料庫是做什麼的

1.分布式資料庫是資料庫的一種，是資料庫技術和網路技術的結合產物。
2.各有優點和缺點.分布式資料庫分為邏輯上分部物理上分布及邏輯上分布物理上集中兩種。
是的,分布式數據文件便於資料庫的管理維護。
分布式資料庫系統通常使用較小的計算機系統，每台計算機可單獨放在一個地方，每台計算機中都有DBMS的一份完整拷貝副本，並具有自己局部的資料庫，位於不同地點的許多計算機通過網路互相連接，共同組成一個完整的、全局的大型資料庫。
這種組織資料庫的方法克服了物理中心資料庫組織的弱點。
1、首先，降低了數據傳送代價，因為大多數的對資料庫的訪問操作都是針對局部資料庫的，而不是對其他位置的資料庫訪問；
2、其次，系統的可靠性提高了很多，因為當網路出現故障時，仍然允許對局部資料庫的操作，而且一個位置的故障不影響其他位置的處理工作，只有當訪問出現故障位置的數據時，在某種程度上才受影響；
3、便於系統的擴充，增加一個新的局部資料庫，或在某個位置擴充一台適當的小型計算機，都很容易實現。然而有些功能要付出更高的代價;
例如，為了調配在幾個位置上的活動，事務管理的性能比在中心資料庫時花費更高，而且甚至抵消許多其他的優點。
分布式資料庫系統主要特點：
1.多數處理就地完成；
2.各地的計算機有數據通信網路相聯系。
3.克服了中心資料庫的弱點：降低了數據傳輸代價；
4. 提高了系統的可靠性，局部系統發生故障，其他部分還可繼續工作；
5.各個資料庫的位置是透明的，方便系統的擴充；
6.為了協調整個系統的事務活動，事務管理的性能花費高；
數據分片
類型：
（1）水平分片：按一定的條件把全局關系的所有元組劃分成若干不相交的子集，每個子集為關系的一個片段。
（2）垂直分片：把一個全局關系的屬性集分成若乾子集，並在這些子集上作投影運算，每個投影稱為垂直分片。
（3）導出分片：又稱為導出水平分片，即水平分片的條件不是本關系屬性的條件，而是其他關系屬性的條件。
（4）混合分片：以上三種方法的混合。可以先水平分片再垂直分片，或先垂直分片再水平分片，或其他形式，但他們的結果是不相同的。
條件：
（1）完備性條件：必須把全局關系的所有數據映射到片段中，決不允許有屬於全局關系的數據卻不屬於它的任何一個片段。
（2）可重構條件：必須保證能夠由同一個全局關系的各個片段來重建該全局關系。對於水平分片可用並操作重構全局關系；對於垂直分片可用聯接操作重構全局關系。
（3）不相交條件：要求一個全局關系被分割後所得的各個數據片段互不重疊（對垂直分片的主鍵除外）。
數據分配方式
（1）集中式：所有數據片段都安排在同一個場地上。
（2）分割式：所有數據只有一份，它被分割成若干邏輯片段，每個邏輯片段被指派在一個特定的場地上。
（3）全復制式：數據在每個場地重復存儲。也就是每個場地上都有一個完整的數據副本。
（4）混合式：這是一種介乎於分割式和全復制式之間的分配方式。
目前分布式資料庫分配的設計，越來越多的採用尋找最優解的演算法，比如遺傳演算法、退火機制等.

㈡ 什麼叫分布式資料庫

1.分布式資料庫是資料庫的一種，是資料庫技術和網路技術的結合產物。

2.各有優點和缺點.分布式資料庫分為邏輯上分部物理上分布及邏輯上分布物理上集中兩種。

是的,分布式數據文件便於資料庫的管理維護。

㈢ 什麼是分布式資料庫

分布式計算機系統所支撐的分布式資料庫是資料庫技術與計算機網路技術相結合的產物。與常見的集中式資料庫相比，雖然分布式資料庫的數據分散存儲在網路上的各點，但它可以為網上所有的用戶所共享，任何地方的合法用戶都可以十分方便地獲取和處理所需的數據，就像數據在他們本地的計算機上一樣。

㈣ 分布式資料庫與並行資料庫有什麼區別

（1） 應用目標不同。並行資料庫系統的目標是充分發揮並行計算機的優勢，利用系統中的各個處理機結點並行完成資料庫任務，提高資料庫系統的整體性能。分布式資料庫系統主要目的在於實現場地自治和數據的全局透明共享，而不要求利用網路中的各個結點來提高系統處理性能。
（2） 實現方式不同。在具體實現方法上，並行資料庫系統與分布式資料庫系統也有著較大的不同。在並行資料庫系統中，為了充分利用各個結點的處理能力，各結點間可以採用高速網路連接。結點鍵的數據傳輸代價相對較低，當某些結點處於空閑狀態時，可以將工作負載過大的結點上的部分任務通過高速網傳送給空閑結點處理，從而實現系統的負載平衡。
但是在分布式資料庫系統中，為了適應應用的需要，滿足部門分布特點的需要，各結點間一般採用區域網或廣域網相連，網路帶寬較低，顛倒點的通信開銷較大。因此，在查詢處理時一般應盡量減少結點間的數據傳輸量。
（3） 各結點的地位不同。在並行資料庫系統中，各結點是完全非獨立的，不存在全局應用和局部應用的概念，在數據處理中只能發揮協同作用，而不能有局部應用。在分布式資料庫系統中，各結點除了能通過網路協同完成全局事務外，各結點具有場地自治性，每個場地使獨立的資料庫系統。每個場地有自己的資料庫、客戶、CPU等資源，運行自己的DBMS，執行局部應用，具有高度的自治性。

㈤ 哪些資料庫支持分布式

什麼是分布式計算？所謂分布式計算是一門計算機科學，它研究如何把一個需要非常巨大的計算能力才能解決的問題分成許多小的部分，然後把這些部分分配給許多計算機進行處理，最後把這些計算結果綜合起來得到最終的結果。最近的分布式計算項目已經被用於使用世界各地成千上萬位志願者的計算機的閑置計算能力，通過網際網路，您可以分析來自外太空的電訊號，尋找隱蔽的黑洞，並探索可能存在的外星智慧生命；您可以尋找超過1000萬位數字的梅森質數；您也可以尋找並發現對抗艾滋病病毒的更為有效的葯物。這些項目都很龐大，需要驚人的計算量，僅僅由單個的電腦或是個人在一個能讓人接受的時間內計算完成是決不可能的。 分布式計算是利用互聯網上的計算機的 CPU 的閑置處理能力來解決大型計算問題的一種計算科學。下面，我們看看它是怎麼工作的： 首先, 要發現一個需要非常巨大的計算能力才能解決的問題。這類問題一般是跨學科的、極富挑戰性的、人類急待解決的科研課題。其中較為著名的是: 1.解決較為復雜的數學問題，例如：GIMPS（尋找最大的梅森素數）。 2.研究尋找最為安全的密碼系統，例如：RC-72（密碼破解）。 3.生物病理研究，例如：Folding@home（研究蛋白質折疊，誤解，聚合及由此引起的相關疾病）。 4.各種各樣疾病的葯物研究，例如：United Devices（尋找對抗癌症的有效的葯物）。 5.信號處理，例如：SETI@Home（在家尋找地外文明）。 從這些實際的例子可以看出，這些項目都很龐大，需要驚人的計算量，僅僅由單個的電腦或是個人在一個能讓人接受的時間內計算完成是決不可能的。在以前，這些問題都應該由超級計算機來解決。但是, 超級計算機的造價和維護非常的昂貴，這不是一個普通的科研組織所能承受的。隨著科學的發展，一種廉價的、高效的、維護方便的計算方法應運而生——分布式計算！ 隨著計算機的普及，個人電腦開始進入千家萬戶。與之伴隨產生的是電腦的利用問題。越來越多的電腦處於閑置狀態，即使在開機狀態下CPU的潛力也遠遠不能被完全利用。我們可以想像，一台家用的計算機將大多數的時間花費在「等待」上面。即便是使用者實際使用他們的計算機時,處理器依然是寂靜的消費，依然是不計其數的等待（等待輸入，但實際上並沒有做什麼）。互聯網的出現, 使得連接調用所有這些擁有限制計算資源的計算機系統成為了現實。 那麼，一些本身非常復雜的但是卻很適合於劃分為大量的更小的計算片斷的問題被提出來，然後由某個研究機構通過大量艱辛的工作開發出計算用服務端和客戶端。服務端負責將計算問題分成許多小的計算部分，然後把這些部分分配給許多聯網參與計算的計算機進行並行處理，最後將這些計算結果綜合起來得到最終的結果。 當然，這看起來也似乎很原始、很困難，但是隨著參與者和參與計算的計算機的數量的不斷增加, 計算計劃變得非常迅速，而且被實踐證明是的確可行的。目前一些較大的分布式計算項目的處理能力已經可以達到甚而超過目前世界上速度最快的巨型計算機。 您也可以選擇參加某些項目以捐贈的 Cpu 內核處理時間,您將發現您所提供的 CPU 內核處理時間將出現在項目的貢獻統計中。您可以和其他的參與者競爭貢獻時間的排名，您也可以加入一個已經存在的計算團體或者自己組建一個計算小組。這種方法很利於調動參與者的熱情。 隨著民間的組隊逐漸增多, 許多大型組織(例如公司、學校和各種各樣的網站)也開始了組建自己的戰隊。同時，也形成了大量的以分布式計算技術和項目討論為主題的社區，這些社區多數是翻譯製作分布式計算項目的使用教程及發布相關技術性文章，並提供必要的技術支持。 那麼誰可能加入到這些項目中來呢? 當然是任何人都可以! 如果您已經加入了某個項目，而且曾經考慮加入計算小組, 您將在中國分布式計算總站及論壇里找到您的家。任何人都能加入任何由我站的組建的分布式計算小組。希望您在中國分布式總站及論壇里發現樂趣。 參與分布式計算——一種能充分發揮您的個人電腦的利用價值的最有意義的選擇——只需要下載有關程序，然後這個程序會以最低的優先度在計算機上運行，這對平時正常使用計算機幾乎沒有影響。如果你想利用計算機的空餘時間做點有益的事情，還猶豫什麼？馬上行動起來吧，你的微不足道的付出或許就能使你在人類科學的發展史上留下不小的一筆呢！ 專業定義 （中國科學技術信息研究所對分布式計算的定義） 分布式計算是近年提出的一種新的計算方式。所謂分布式計算就是在兩個或多個軟體互相共享信息，這些軟體既可以在同一台計算機上運行，也可以在通過網路連接起來的多台計算機上運行。分布式計算比起其它演算法具有以下幾個優點： 1、稀有資源可以共享， 2、通過分布式計算可以在多台計算機上平衡計算負載， 3、可以把程序放在最適合運行它的計算機上， 其中，共享稀有資源和平衡負載是計算機分布式計算的核心思想之一。 實際上，網格計算就是分布式計算的一種。如果我們說某項工作是分布式的，那麼，參與這項工作的一定不只是一台計算機，而是一個計算機網路，顯然這種「螞蟻搬山」的方式將具有很強的數據處理能力。網格計算的實質就是組合與共享資源並確保系統安全。 ENGLISH: What is Distributed Computing? ( http://www.distributedcomputing.info ) Distributed computing is a science which solves a large problem by giving small parts of the problem to many computers to solve and then combining the solutions for the parts into a solution for the problem. Recent distributed computing projects have been designed to use the computers of hundreds of thousands of volunteers all over the world, via the Internet, to look for extra-terrestrial radio signals, to look for prime numbers so large that they have more than ten million digits, and to find more effective drugs to fight the AIDS virus. These projects are so large, and require so much computing power to solve, that they would be impossible for any one computer or person to solve in a reasonable amount of time. 所謂分布式就是指數據和程序可以不位於一個伺服器上，而是分散到多個伺服器，以網路上分散分布的地理信息數據及受其影響的資料庫操作為研究對象的一種理論計算模型。分布式有利於任務在整個計算機系統上進行分配與優化，克服了傳統集中式系統會導致中心主機資源緊張與響應瓶頸的缺陷，解決了網路GIS 中存在的數據異構、數據共享、運算復雜等問題，是地理信息系統技術的一大進步。 傳統的集中式GIS 起碼對兩大類地理信息系統難以適用，需用分布式計算模型。第一類是大范圍的專業地理信息系統、專題地理信息系統或區域地理信息系統。這些信息系統的時空數據來源、類型、結構多種多樣，只有靠分布式才能實現數據資源共享和數據處理的分工合作。比如綜合市政地下管網系統，自來水、燃氣、污水的數據都分布在各自的管理機構，要對這些數據進行採集、編輯、入庫、提取、分析等計算處理就必須採用分布式，讓這些工作都在各自機構中進行，並建立各自的管理系統作為綜合系統的子系統去完成管理工作。而傳統的集中式提供不了這種工作上的必要性的分工。第二類是在一個范圍內的綜合信息管理系統。城市地理信息系統就是這種系統中一個很有代表性的例子。世界各國管理工作城市市政管理占很大比例，城市信息的分布特性及城市信息管理部門在地域上的分散性決定了多層次、多成份、多內容的城市信息必須採用分布式的處理模式。 很明顯，傳統的集中式地理信息系統不能滿足分工明確的現代社會的需求，分布式地理信息系統的進一步發展具有不可阻擋的勢頭。而且，分布式GIS 與網路GIS 、客戶/伺服器GIS計算模型、WWW計算模型的關系都很密切。分布式GIS 是實現網路GIS 的途徑，是實現NGIS的一種重要計算模型；CIS模型實際上是分布式GIS 可供採用的一種具體化計算模型；WWW模型實際上也是分布式GIS模型可採用的一種具體化模型，而且也是具有相當發展前途的分布式GIS模型。分布式 GIS 與當今主導地理信息系統發展方向的技術的緊密聯系使分布式GIS相應地成為地理信息系統的主要發展趨勢。

㈥ 分布式資料庫和集中式資料庫的區別是什麼

分部式資料庫是資料庫的一種，是資料庫技術和網路技術的結合產物.各有優點和缺點.分布式資料庫分為邏輯上分部物理上分布及邏輯上分布物理上集中兩種. 是的,分布式數據文件便於資料庫的管理維護.
分部式資料庫是資料庫的一種，是資料庫技術和網路技術的結合產物.各有優點和缺點.分布式資料庫分為邏輯上分部物理上分布及邏輯上分布物理上集中兩種. 是的,分布式數據文件便於資料庫的管理維護.

㈦ 大數據的分布式資料庫技術的對比

大數據技術的實現離不開很多其他的技術，我們提到最多的就是Hadoop技術，其實就目前而言，Hadoop技術看似是自成一套體系，其實並不是這樣的，Hadoop和Spark以及分布式資料庫其實也是存在差異的，我們就在這篇文章中給大家介紹一下這些內容。
首先我們說一說大數據分析，現在的大數據分析體系以Hadoop生態為主，而近年來逐漸火熱的Spark技術也是主要的生態之一。可以這么說，Hadoop技術只能算是以HDFS+YARN作為基礎的分布式文件系統，而不是資料庫。我們提到的Hadoop的歷史可以向前追溯10年，當年穀歌為了在幾萬台PC伺服器上構建超大數據集合並提供極高性能的並發訪問能力，從而發明了一種新的技術，而這個技術，也是Hadoop誕生的理論基礎。如果我們從Hadoop的誕生背景可以看出，其主要解決的問題是超大規模集群下如何對非結構化數據進行批處理計算。實際上，在Hadoop架構中，一個分布式任務可以是類似傳統結構化數據的關聯、排序、聚集操作，也可以是針對非結構化數據的用戶自定義程序邏輯。
那麼Hadoop的發展道路是什麼樣的呢。最開始的Hadoop以Big、Hive和MapRece三種開發介面為代表，分別適用於腳本批處理、SQL批處理以及用戶自定義邏輯類型的應用。而Spark的發展更是如此，最開始的SparkRDD幾乎完全沒有SQL能力，還是套用了Hive發展出的Shark才能對SQL有了一部分的支持。但是，隨著企業用戶對Hadoop的使用越發廣泛，SQL已經漸漸成為大數據平台在傳統行業的主要訪問方式之一。
下面我們就說一說分布式資料庫，分布式資料庫有著悠久的歷史，從以Oracle RAC為代表的聯機交易型分布式資料庫，到IBM DB2 DPF統計分析性分布式資料庫，分布式資料庫覆蓋了OLTP與OLAP幾乎全部的數據應用場景。而大部分分布式資料庫功能集中在結構化計算與在線增刪改查上。但是，這些傳統的分布式資料庫以數倉及分析類OLAP系統為主，其局限性在於，其底層的關系型資料庫存儲結構在效率上並不能滿足大量高並發的數據查詢以及大數據數據加工和分析的效率要求。因此，分布式資料庫在近幾年也有著極大的轉型，從單一的數據模型向多模的數據模型轉移，將OLTP、聯機高並發查詢以及支持大數據加工和分析結合起來，不再單獨以OLAP作為設計目標。同時，分布式資料庫在訪問模式上也出現了K/V、文檔、寬表、圖等分支，支持除了SQL查詢語言之外的其他訪問模式，大大豐富了傳統分布式資料庫單一的用途。一般來說，多模資料庫的主要目的是為了滿足具有高性能要求的操作型需求以及目標明確的數據倉庫功能，而不是類似大數據深度學習等數據挖掘場景。這就是分布式資料庫的實際情況。
我們在這篇文章中給大家介紹了大數據分析以及分布式資料庫的相關知識，通過這些內容相信大家已經理解了其中的具體區別了吧，如果這篇文章能夠幫助到大家這就是我們最大的心願。

㈧ 分布式資料庫的工作原理是什麼

分布式數據有不同的理論支撐，TiDB 官方社區（AskTUG）

目前國產數據排名靠前的可以了解下 TiDB

• 水平彈性擴展

  通過簡單地增加新節點即可實現 TiDB 的水平擴展，按需擴展吞吐或存儲，輕松應對高並發、海量數據場景。

• 分布式事務

  TiDB 100% 支持標準的 ACID 事務。

• 真正金融級高可用

  相比於傳統主從 (M-S) 復制方案，基於 Raft 的多數派選舉協議可以提供金融級的 100% 數據強一致性保證，且在不丟失大多數副本的前提下，可以實現故障的自動恢復 (auto-failover)，無需人工介入。