数据库叶子

⑴ 什么叫数据库结构

数据库结构是指在计算机的存储设备上合理存放的相关联的有结构的数据集合的结构。一个数据库结构含有各种成分，包括数据库、数据表、字段等。

数据库(Database)

Visual Basic中使用的数据库是关系型数据库(Relational Database)。一个数据库由一个或一组数据表组成。每个数据库都以文件的形式存放在磁盘上，即对应于一个物理文件。不同的数据库，与物理文件对应的方式也不一样。对于dBASE,FoxPro和Paradox格式的数据库来说，一个数据表就是一个单独的数据库文件，而对于Microsoft Access、Btrieve格式的数据库来说，一个数据库文件可以含有多个数据表。

1、数据表(Table)

简称表，由一组数据记录组成，数据库中的数据是以表为单位进行组织的。一个表是一组相关的按行排列的数据；每个表中都含有相同类型的信息。

表实际上是一个二维表格，例如，一个班所有学生的考试成绩，可以存放在一个表中，表中的每一行对应一个学生，这一行包括学生的学号，姓名及各门课程成绩。

2、记录(Record)

表中的每一行称为一个记录，它由若干个字段组成。

3、字段(Field)

也称域。表中的每一列称为一个字段。每个字段都有相应的描述信息，如数据类型、数据宽度等。

(1)数据库叶子扩展阅读：

数据库结构的其他组成结构：

1、索引(Index)

为了提高访问数据库的效率，可以对数据库使用索引。当数据库较大时，为了查找指定的记录，则使用索引和不使用索引的效率有很大差别。

索引实际上是一种特殊类型的表，其中含有关键字段的值(由用户定义)和指向实际记录位置的指针，这些值和指针按照特定的顺序(也由用户定义)存储，从而可以以较快的速度查找到所需要的数据记录。

2、查询(Query)

一条SQL(结构化查询语言)命令，用来从一个或多个表中获取一组指定的记录，或者对某个表执行指定的操作。当从数据库中读取数据时，往往希望读出的数据符合某些条件，并且能按某个字段排序。使用SQL，可以使这一操作容易实现而且更加有效。

SQL是非过程化语言(有人称为第四代语言)，在用它查找指定的记录时，只需指出做什么，不必说明如何做。每个语句可以看作是一个查询(query)，根据这个查询，可以得到需要的查询结果。

3、过滤器(Filter)

过滤器是数据库的一个组成部分，它把索引和排序结合起来，用来设置条件，然后根据给定的条件输出所需要的数据。

4、视图(view)

数据的视图指的是查找到(或者处理)的记录数和显示(或者进行处理)这些记录的顺序。在一般情况下，视图由过滤器和索引控制。

⑵ 简述数据库应用系统的设计步骤

数据库设计的基本步骤：

1、系统需求分析与设计。

2、概念结构分析与设计。

3、逻辑结构分析与设计。

4、物理结构分析与设计。

5、系统实施。

6、系统维护。

(2)数据库叶子扩展阅读：

数据库设计技巧：

1、原始文件与实体的关系

它可以是一对一，一对多，多对多的关系。一般来说，它们是一对一的关系：一个原始文档只对应于一个实体。在特殊情况下，它们可以是一对多或多对一关系，即一个原始文档对应于多个实体，或者多个原始文档对应于一个实体。

这里的实体可以理解为基本表。在对应关系明确后，对输入接口的设计非常有利。

2、主键和外键

一般来说，实体不能既没有主键也没有外键。在E－R图中，叶中的实体可以定义主键或不定义主键（因为它没有子代），但它必须有外键（因为它有父项）。

主键和外键的设计在全局数据库的设计中起着重要的作用。当全球数据库的设计完成后，一位美国数据库设计专家说：“钥匙无处不在，只有钥匙。”。这是他数据库设计的经验，也体现了他对信息系统核心（数据模型）高度抽象的理念。

因为：主键是一个高度抽象的实体。主键和外键的配对表示实体之间的连接。

3、基本表的属性

基本表不同于中间表和临时表，因为它具有以下四个特点：

原子性。基本表中的字段不可分解。

原始主义。基本表中的记录是原始数据（基本数据）的记录。

演绎的。所有输出数据都可以从基本表和代码表中的数据导出。

稳定。基本表的结构比较稳定，表中的记录要长期保存。

在了解基本表的性质之后，在设计数据库时，可以将基本表与中间表和临时表区分开来。

⑶ 图像控制点库的建立及应用方法探讨

曾福年 赵翠玲

（中国国土资源航空物探遥感中心，北京，100083）

摘要：本文探讨了建立SPOT5图像控制点数据库的原理和方法，介绍了如何建立适合于SPOT5校正的控制点数据库，并提取控制点与待纠正影像进行自动或人工干预匹配，寻找预正射影像上的同名点建立控制点对，实现对影像的几何纠正。

关键词：SPOT5图像；控制点数据库；匹配；几何纠正

1 引言

SPOT5图像的正射纠正是土地动态监测项目中图像处理的一个基本过程，无论是物理模型方程法还是多项式纠正法，都需要利用地面控制点来解算转换矩阵以实现几何纠正。目前，土地动态监测项目已经开始建立许多的图像控制点，包括正射纠正后的航空或高分辨遥感数字图像控制点、扫描纠正后的大比例数字地形图上图形控制点和新测的野外GPS图像控制点。但这些控制点要有效地利用起来，其关键是有效地管理这些控制点。这些控制点应该在使用后被存储，再次使用时可以重新调用和更新。因此，建立控制点数据库以实现控制点的有效利用就非常必要了。由于图像控制点的特殊性，本文就图像控制点数据库的建立和使用方法进行阐述。

图像控制点就是包含具有地理位置信息的一个地物的图像，其存储格式是带地理信息的栅格形式。图像控制点是利用影像之间的匹配来寻找预正射影像上的同名点，从而可以避免传统控制点的标志在预正射影像上不易于识别的困难。在计算机软硬件和模式识别技术的支持下，利用图像控制点来代替传统的控制点进行几何纠正，可以大大减轻劳动强度和提高作业效率与纠正精度。

2 图像控制点库建立

图像控制点数据库的根本目的是用来对控制点进行有效的管理并方便地提取控制点来实现图像的几何纠正。这要求数据库的设计应围绕着控制点的使用来进行。在进行SPOT5几何纠正时，待纠正影像的概略空间范围是根据SPOT5 的轨道参数已知的，控制点就是按照这个范围来提取的。控制点数据库首先实现以空间范围为基础的控制点查询是控制点数据库的最基本功能，同时，每一个图像控制点都包含两种数据，图像数据和属性数据，这两种数据的连接是应用控制点数据库的重要依据。应用控制点数据库应使用带有自动位置预测的遥感软件。图像控制点数据库的设计就是根据这三个基本原则来进行的。

2.1 图像控制点来源

图像控制点是以图像为基础，以矢量为辅的文件。

（1）把正射纠正后的航空或遥感数字图像上裁剪下来的典型区域的一小块范围的图像作为图像控制点。

（2）根据野外GPS控制点坐标，在原始图像上标注控制点的位置，并附带有原数据说明文档和实地数码相片。

（3）从扫描纠正后的数字地形图上得到的典型地物区域的一小块范围的数字图像作为图像控制点。

（4）图像控制点参考坐标系统应与要求的成果图像的坐标系统一致。

2.2 基础控制点库的内容

控制点库是管理图像控制点的，图像控制点包含两种数据：图像数据和属性数据。无论采用何种方式采集的图像控制点，都同时具有这两种数据。图像数据和属性数据分开存放在不同的库体之中，图像数据的存储格式是栅格形式，而且属性数据的存储格式是矢量形式。图像数据和属性数据必须建立存放在不同的库体之中的连接。

2.2.1 图像数据

图像控制点是以栅格形式存储的包含某一个明显地物的图像。在数据库中，由于栅格图像的特殊性，它无法像属性数据以一条记录来存储，每一个图像都是以栅格文件存储在一定的目录下，按目录来进行管理。图像的大小一般在100×100像素和200×200像素之间，以能包含一明显地物为准。图像控制点区别于传统的控制点就在于它有图像数据。图像中的明显地物是指在一定的范围内可以区别于周围其他地物的，可以是一个道路的交叉口，也可以是一个小河流的拐弯处，甚至可以是一个小岛。它的特点使得它在传统的控制点无法确定的区域能够选点进行几何纠正。

2.2.2 属性数据

属性数据是用来描述控制点的地理位置等关系的。一组图像要当作控制点来进行几何纠正，它们必须具有在某一确定的投影空间的正确的相互位置关系。图像控制点的地理位置就是由它们的属性数据来描述的，为了正确描述地理位置关系，每一个控制点的属性数据要具有和影像数据进行联结的一致ID标识号，以实现图像数据与属性数据的正确连接。所有控制点的属性数据格式是相同的，因此属性数据库是关系数据库，每一个图像控制点的属性以规定的格式记录。属性数据记录包括：图像控制点来源；控制点坐标；数据说明；参考椭球；影像的比例尺；超级连接的野外GPS控制点数码相片。

2.2.3 坐标系统

所有的图像控制点都是投影到一定的参考坐标系统里的。为了提高数据库的使用性能，正确表示控制点在整个数据库范围内的相互地理位置关系，控制点应该采用统一的坐标系统，以利于控制点的正确查询提取与使用。

2.3 控制点库的结构

不同地区的控制点数目不同，大范围地区的控制点数据量非常大。大范围地区单一的一个数据库对于控制点的查询使用是非常不便的，会降低数据库的性能，因此为了快速方便地查询提取控制点，就要以索引的方式来层层建库，形成一个树形结构的控制点库体。由于控制点是按空间的地理位置来分布的，因此按地理位置范围来将一个大的区域分为几个小的区域是合理的，而且可以根据实际的情况来对小的区域进行进一步的细分，由此从上到下建立一级一级的索引数据库。

顶级数据库是全局数据库，它描述的是整个建库范围内的分区数据库的信息，也是关系数据库。它的记录描述的内容是：子数据库的名称，子数据库所包含的范围信息等。根据实际的情况，子数据库中描述的可以是再下一级的数据库的信息，也可以是控制点的信息。

图1 树形数据库结构

在这个树形的数据库结构中，叶子数据库处在最基础位置，描述的是图像控制点的信息。当要从数据库中提取控制点时，就可以从顶端的数据库一层一层地向下查询，直至叶子数据库查询基础控制点库的内容，见图1。

从结构图看出，由于图像和属性数据是以文件存放在某一确定的目录中，图像数据库的管理实际就是对文件目录的管理。合理的组织文件目录才能够实现图像数据与属性数据的连接，这就要求目录的结构与命名和属性数据库要一致。

3 控制点库的应用

图像控制点库的目的就是有效地组织管理控制点，方便地提取某一影像范围内的控制点来进行几何纠正。一景待纠正的SPOT5 影像，由于原始数据轨道参数的导入，可以得到它的一个带有地理信息的影像。根据这个地理信息范围，从最上一级的控制点数据库开始，找到这一影像所在范围的子数据库，再进入下一级数据库，进行同样的判断，直至最底层的数据库，就可以提取出位于这一影像范围内的图像控制点，进行几何纠正。

一个控制点一旦被提取出来，就可以获取它的地理位置数据，根据它的位置和待纠正遥感影像的地理信息，可以自动匹配控制点在影像上的大致位置范围，在这一范围内进行搜索，可以大大缩小同名点匹配的搜索过程，提高匹配的速度和精度。

在使用控制点时，不管 GPS 控制点还是图像控制点，简单的方法是在待纠正的影像上标识出控制点的大致范围，这可以仅根据控制点的地理坐标和影像的范围来获取，然后用鼠标在计算机屏幕上通过点击来获取控制点的同名点的影像像素坐标。要实现几何纠正的自动化，就要利用影像的匹配技术来进行控制点与待纠正影像上的同名点的自动匹配。根据控制点的种类的不同，采取不同的匹配技术来进行。控制点数据库中应用过程参见图2。

图2 控制值数据库应用过程

3.1 遥感数字图像控制点配准方法

对正射纠正后的航空或遥感数字图像上裁剪下来的典型区域的一小块范围的图像作为图像控制点采用基于区域特征的和基于点特征的配准方法。

3.1.1 基于区域的配准方法

基于区域的配准方法是将待配准图像中一块区域与参考图像中的相同尺寸的区域从统计学上进行比较，其相似度评测标准是从两块区域的标准化交叉相关系数中取最大值者。也可以通过FFT变换将图像由时域变换到频域，然后再进行配准。对位移量比较大的图像，可以先校正图像的旋转，然后建立两幅图像之间的映射关系。但如果图像中存在比较大的噪声和灰度差异时，这个交叉相关测量标准就变得不可靠。

3.1.2 基于点特征的配准方法

基于点特征的配准方法有较高的性能。它有两个过程：特征抽取和特征配准，一系列的图像分割技术都被用到特征的抽取和边界检测上。如Canny算子、拉普拉斯高斯算子、区域生长算子。抽取出来的空间特征有闭合的边界、开边界、交叉线以及其他特征。特征匹配的算法有：交叉相关、距离变换、动态编程、结构匹配等算法。

3.2 GPS 控制点配准方法

对野外GPS控制点在原始图像上标注控制点的位置和扫描纠正后的数字地形图上得到的典型地物区域的一小块范围的数字图像作为控制点采用人工匹配同名点的方法。

由于地形图控制点所提供的仅是地物的一个结构信息，类似于影像的纹理。它不反映地物的光谱信息，与待纠正影像上的内容不一致；它不能利用控制点片中的数据直接来进行影像匹配。因此，只能利用这一个结构信息采用人工匹配同名点的方法，在可以自动预测控制点在影像上的大致位置范围内，根据影像的纹理特征寻找控制点的同名点。

综合上述方法，在对足够数目的控制点进行匹配找到同名点后，就可以根据这些控制点解算转换矩阵实现几何纠正。

图像控制点库的建立是一项基础的工作，大量的数据要输入数据库。一旦数据库建立起来，可以利用最新的遥感数据进行更新，当需要利用控制点对新的遥感数据进行几何纠正时，可以方便快捷地提取控制点，提高工作效率，为土地调查工作提供技术保障。

参考文献

Barbara Zitová and Jan Flusser.“Image registration methods：a survey.”Imaging and VisionComputing，vol.21，pp.977～1000，2003

张祖勋，张剑清.数字摄影测量学.武汉：武汉测绘科技大学出版社，1996

张祖勋、张剑清.山区遥感（RS）影像的小面元微分纠正.第三届海峡两岸测绘发展研讨会论文集，2000，12

陈跃峰，肖自美.基于内容查询的图像数据库系统模型［J］.中国图像图形学报，1997

⑷ 数据库b树叶节点是存储数据页吗

B+ 树是一种树数据结构，是一个n叉树，每个节点通常有多个孩子，

一棵B+树包含根节点、内部节点和叶子节点。根节点可能是一个叶子节点，

也可能是一个包含两个或两个以上孩子节点的节点。

B+ 树通常用于数据库和操作系统的文件系统中。

NTFS, ReiserFS, NSS, XFS, JFS, ReFS 和BFS等文件系统都在使用B+树作为元数据索引。

B+ 树的特点是能够保持数据稳定有序，

其插入与修改拥有较稳定的对数时间复杂度。B+ 树元素自底向上插入。

⑸ SQL 查找叶子节点

你好
如果是oracle 数据库的话，通过start with connect by 查询
有个叫connect_by_isleaf 函数直接判断是不是叶子！
要是别的数据库，cte递归也能查，但是复杂点！
祝你好运

⑹ 什么是数据库节点

数据库节点：
单节点就是数据库软件安装在一台服务器上。
双节点就是数据库软件安装在两台服务器上，可能是为高可用，或者负载均衡来考虑的，比如oracle 的RAC，一般就是双节点。
多节点就是数据库软件安装在多台服务器上，这样形成更大的集群，其中每一台安装有数据库软件的服务器就叫一个节点。
比较一下网络节点的概念，就清楚了：
每一台连上网络的计算机都是一个网络节点 。
整个网络就是由这许许多多的网络节点组成的。

⑺ 潭州教育集团CTO-叶子老师

叶子，男，潭州软件学院前端开发工程师，毕业于华南师大，精通多种操作系统、嵌入式开发及Oracle数据库等技术；

教学风格幽默诙谐，很受年轻人喜欢，在他的字典中很难找到“不可能”这几个字，“姿势要帅 行动要快”是他的口头禅兼座右铭。搭救过女大学生，他的个人传奇故事还没有被大众所知。

⑻ 数据库中叶子页指什么

一般指四叶的车轴草、苜蓿、或酢浆草。
第一片叶子代表真爱
第二片叶子代表健康
第三片叶子代表名誉
第四片叶子代表幸福

传说中的四叶草是夏娃从天国伊甸园带到大地上，花语是幸福。
学名苜蓿草，是多年生草本植物，一般只有三片小叶子，
叶形呈心形状，叶心较深色的部分亦是心形。
最为有趣也最特别的是，在十万株苜蓿草中，
你可能只会发现一株是‘四叶草’，因为机率大约是十万分之一。
因此‘四叶草’是国际公认为幸运的象征。
它的每片叶子都有着不同的意义，
当中包含了人生梦寐以求的四样东西：
名誉、财富、爱情及健康，倘若同时拥有这些东西，那就是幸运了.

启动四叶草的魔法： 幸运草
One leaf for name,（一叶带来荣誉）
One leaf for wealth,（一叶带来财富）
One for a faithfully lover,（一叶带来爱情）
One for glorious health,（一叶带来健康）
All in this four-leafed clover.（四叶草啊！你拥有了这四种能力.）
喃喃念完上述四叶草的颂曲后，用右手的两只手指握着四叶草，慢慢的转动四叶草，许下你的愿望
大约每十万朵中才能找出一朵来.
相传发现4片小叶的白车轴草,就能带来幸运与幸福
最正统的"四叶草"来自于白车轴草,它们的小叶片通常是三片.只有极少数在基因变异的情况下才会长出第四片叶子.所以说找到了四叶草是幸运的,一点也不为过.
其实,比白车轴草分布更为广泛的"三叶草"是开黄色小花的酢浆草,但酢浆草发生变异的几率很小,很难找到4片小叶的个体.

关于四叶草，还有一个很美的传说呢！以前有一对恋人，他们真的很相爱，一起住在一片很美
的桃林里，但是因为一件特别小的事，他们闹别扭了，彼此不肯让步，终于有一天，爱神看不下去
了，他飘到他们住的那片桃林，悄悄撒了一个谎：告诉他们各方会有难，只有在桃林的最深处找到
那片四叶草才可以挽救他们，他们听后装作十分无所谓，可是心里还是为对方担忧着，那晚下雨了，
是暴雨，可是他们仍偷偷为对方到桃林最深处寻找四叶草，当他们知道对方都很在乎自己，都好感
动，决定让四叶草见证他们的爱情，爱神笑了…… 这是爱神开的一个玩笑，因为她并不想让幸福来
得过于容易，只有彼此在乎，彼此珍惜的人才配拥有幸福 ……
四叶草，爱情的见证！！
如今，四叶草已被制作成首饰，还被做成书出版了。这说明四叶草已深受人们的喜爱。人们都认为四叶草能带来幸运，即使这不是真实的，但要是能找到四叶草，心里还是会有一种说不出满足感。

⑼ 数据库索引的主要种类

数据库索引好比是一本书前面的目录，能加快数据库的查询速度。索引分为聚簇索引和非聚簇索引两种，聚簇索引 是按照数据存放的物理位置为顺序的，而非聚簇索引就不一样了；聚簇索引能提高多行检索的速度，而非聚簇索引对于单行的检索很快。
根据数据库的功能，可以在数据库设计器中创建三种索引：唯一索引、主键索引和聚集索引。有关数据库所支持的索引功能的详细信息，请参见数据库文档。
提示：尽管唯一索引有助于定位信息，但为获得最佳性能结果，建议改用主键或唯一约束。
唯一索引 唯一索引是不允许其中任何两行具有相同索引值的索引。
当现有数据中存在重复的键值时，大多数数据库不允许将新创建的唯一索引与表一起保存。数据库还可能防止添加将在表中创建重复键值的新数据。例如，如果在employee表中职员的姓(lname)上创建了唯一索引，则任何两个员工都不能同姓。
主键索引
数据库表经常有一列或多列组合，其值唯一标识表中的每一行。该列称为表的主键。
在数据库关系图中为表定义主键将自动创建主键索引，主键索引是唯一索引的特定类型。该索引要求主键中的每个值都唯一。当在查询中使用主键索引时，它还允许对数据的快速访问。
聚集索引
在聚集索引中，表中行的物理顺序与键值的逻辑（索引）顺序相同。一个表只能包含一个聚集索引。
如果某索引不是聚集索引，则表中行的物理顺序与键值的逻辑顺序不匹配。与非聚集索引相比，聚集索引通常提供更快的数据访问速度。
索引列
可以基于数据库表中的单列或多列创建索引。多列索引可以区分其中一列可能有相同值的行。
如果经常同时搜索两列或多列或按两列或多列排序时，索引也很有帮助。例如，如果经常在同一查询中为姓和名两列设置判据，那么在这两列上创建多列索引将很有意义。
确定索引的有效性：
检查查询的WHERE和JOIN子句。在任一子句中包括的每一列都是索引可以选择的对象。
对新索引进行试验以检查它对运行查询性能的影响。
考虑已在表上创建的索引数量。最好避免在单个表上有很多索引。
检查已在表上创建的索引的定义。最好避免包含共享列的重叠索引。
检查某列中唯一数据值的数量，并将该数量与表中的行数进行比较。比较的结果就是该列的可选择性，这有助于确定该列是否适合建立索引，如果适合，确定索引的类型。

⑽ 什么是叶子节点，什么是子节点

叶子结点是离散数学当中的概念。一棵树当中没有子结点（即度为0）的结点，称为叶子结点，简称“叶子”。 叶子是指度为0的结点，又称为终端结点。
子节点是父节点的下一层节点。在数据库管理中的数据模型中，早期阶段的层次模型和网状模型中，一个属性如果有上一级，则称这个上一级是它的父节点，如果没有上一级，则这个属性则无父节点。