資料庫詞彙

Ⅰ 學習中遇到了哪些與資料庫理論或資料庫應用有關的英文術語,寫下它們,並註明它

資料庫系統:databasesystem(DS)，databasemanagementsystem(DBMS)，資料庫系統(DS)，資料庫管理系統(DBMS)，關系和關系資料庫table=relation，column=attribute屬性，domain，atomicdomain，row=tuple，relationaldatabase，relationschema，relationinstance，databaseschema，databaseinstance;
資料庫系統（DataBaseSystem，DBS)定義：是由資料庫，資料庫管理系統（及應用開發工具），應用程序和資料庫管理員（DataBaseAdministrator，DBA）組成的存儲，管理，處理和維護數據的系統。

Ⅱ 我現在又在學習資料庫 有些單詞不懂 請知道的人幫我解釋下 謝謝了

創建資料庫
登錄
負載forattach
小學
maxsize
filegrowth
對小學
aler資料庫
新增檔案
托菲萊組
添加日誌文件
刪除文件
新增檔案群組
修改檔案群組

Ⅲ 視圖的計算機資料庫術語

從用戶角度來看，一個視圖是從一個特定的角度來查看資料庫中的數據。從資料庫系統內部來看，一個視圖是由SELECT語句組成的查詢定義的虛擬表。從資料庫系統內部來看，視圖是由一張或多張表中的數據組成的，從資料庫系統外部來看，視圖就如同一張表一樣，對表能夠進行的一般操作都可以應用於視圖，例如查詢，插入，修改，刪除操作等。
視圖是一個虛擬表，其內容由查詢定義。同真實的表一樣，視圖的作用類似於篩選。定義視圖的篩選可以來自當前或其它資料庫的一個或多個表，或者其它視圖。分布式查詢也可用於定義使用多個異類源數據的視圖。
視圖是存儲在資料庫中的查詢的SQL 語句，它主要出於兩種原因：安全原因， 視圖可以隱藏一些數據，如：社會保險基金錶，可以用視圖只顯示姓名，地址，而不顯示社會保險號和工資數等，另一原因是可使復雜的查詢易於理解和使用。
視圖：查看圖形或文檔的方式。
視圖一經定義便存儲在資料庫中，與其相對應的數據並沒有像表那樣又在資料庫中再存儲一份，通過視圖看到的數據只是存放在基本表中的數據。對視圖的操作與對表的操作一樣，可以對其進行查詢、修改(有一定的限制)、刪除。
當對通過視圖看到的數據進行修改時，相應的基本表的數據也要發生變化，同時，若基本表的數據發生變化，則這種變化也可以自動地反映到視圖中。 * 簡單性。看到的就是需要的。視圖不僅可以簡化用戶對數據的理解，也可以簡化他們的操作。那些被經常使用的查詢可以被定義為視圖，從而使得用戶不必為以後的操作每次指定全部的條件。
* 安全性。通過視圖用戶只能查詢和修改他們所能見到的數據。但不能授權到資料庫特定行和特定的列上。通過視圖，用戶可以被限制在數據的不同子集上：
使用許可權可被限制在另一視圖的一個子集上，或是一些視圖和基表合並後的子集上。
* 邏輯數據獨立性。視圖可幫助用戶屏蔽真實表結構變化帶來的影響。
軟道語錄
視圖：
視圖是由一個或者多個表組成的虛擬表。 視圖有很多優點，主要表現在：
·視點集中
·簡化操作
·定製數據
·合並分割數據
·安全性
1. 視點集中
視圖集中即是使用戶只關心它感興趣的某些特定數據和他們所負責的特定任務。這樣通過只允許用戶看到視圖中所定義的數據而不是視圖引用表中的數據而提高了數據的安全性。
2. 簡化操作
視圖大大簡化了用戶對數據的操作。因為在定義視圖時，若視圖本身就是一個復雜查詢的結果集，這樣在每一次執行相同的查詢時，不必重新寫這些復雜的查詢語句，只要一條簡單的查詢視圖語句即可。可見視圖向用戶隱藏了表與表之間的復雜的連接操作。
3. 定製數據
視圖能夠實現讓不同的用戶以不同的方式看到不同或相同的數據集。因此，當有許多不同水平的用戶共用同一資料庫時，這顯得極為重要。
4. 合並分割數據
在有些情況下，由於表中數據量太大，故在表的設計時常將表進行水平分割或垂直分割，但表的結構的變化卻對應用程序產生不良的影響。如果使用視圖就可以重新保持原有的結構關系，從而使外模式保持不變，原有的應用程序仍可以通過視圖來重載數據。
5. 安全性
視圖可以作為一種安全機制。通過視圖用戶只能查看和修改他們所能看到的數據。其它資料庫或表既不可見也不可以訪問。如果某一用戶想要訪問視圖的結果集，必須授予其訪問許可權。視圖所引用表的訪問許可權與視圖許可權的設置互不影響。 視圖的安全性可以防止未授權用戶查看特定的行或列，使用戶只能看到表中特定行的方法如下：
1 在表中增加一個標志用戶名的列；
2 建立視圖，是用戶只能看到標有自己用戶名的行；
3 把視圖授權給其他用戶。 視圖可以使應用程序和資料庫表在一定程度上獨立。如果沒有視圖，應用一定是建立在表上的。有了視圖之後，程序可以建立在視圖之上，從而程序與資料庫表被視圖分割開來。視圖可以在以下幾個方面使程序與數據獨立：
1 如果應用建立在資料庫表上，當資料庫表發生變化時，可以在表上建立視圖，通過視圖屏蔽表的變化，從而應用程序可以不動。
2 如果應用建立在資料庫表上，當應用發生變化時，可以在表上建立視圖，通過視圖屏蔽應用的變化，從而使資料庫表不動。
3 如果應用建立在視圖上，當資料庫表發生變化時，可以在表上修改視圖，通過視圖屏蔽表的變化，從而應用程序可以不動。
4 如果應用建立在視圖上，當應用發生變化時，可以在表上修改視圖，通過視圖屏蔽應用的變化，從而資料庫可以不動。 CREATE VIEW <視圖名>【(列名組)】AS <子查詢>
DROP VIEW <視圖名>
注意：視圖可以和基本表一樣被查詢，但是利用視圖進行數據增，刪，改操作，會受到一定的限制。
（1）由兩個以上的基本表導出的視圖（2）視圖的欄位來自欄位表達式函數（3）視圖定義中有嵌套查詢（4）在一個不允許更新的視圖上定義的視圖 （創建視圖時注意事項的介紹）
（一）. 利用企業管理器創建與管理視圖
1.使用企業管理器創建視圖： 2.使用企業管理器的「向導」創建視圖： 3.使用企業管理器的修改視圖： 注意：在 「設計視圖」時完成的工作：添加表/刪除表添加引用欄位/刪除引用欄位調整欄位順序設置分組設置過濾條件設置引用欄位是否輸出設置視圖其他屬性4.使用企業管理器的刪除視圖：
（二）. 用T-SQL語句創建與管理視圖
（查看由企業管理器創建的視圖—「項目信息」其相應的T-SQL語句）（「視圖屬性」） 1. 使用CREATE VIEW創建視圖的語法：參見教材p130~135 例子1：選擇『員工表』和『項目表』中的部分欄位和記錄創建視圖，並且限製表『員工表』 中的記錄只能是部門為「項目部」的記錄集合，視圖定義為view_part，其程序清單如下：
CREATE VIEW view_partAS SELECT 員工表.編號，員工表.姓名，員工表.性別，員工表.所屬部門，項目表.項目編號，項目表.名稱FROM 項目表 INNER JOIN 員工表 ON 項目表.負責人 = 員工表.編號WHERE 員工表.所屬部門='項目部'
例子2：定義視圖時指定別名並加密
CREATE VIEW 項目信息視圖(項目名稱，項目客戶，項目負責人，DATEDIFF(day,項目表.開始日期，項目表.結束日期)FROM 項目表 INNER JOIN 員工表 ON 項目表.負責人 = 員工表.編號 INNER JOIN 客戶表 ON 項目表.客戶 = 客戶表.客戶編號 WHERE 員工表.所屬部門='項目部'
使用語句：execsp_helptext『項目信息視圖』顯示消息為：「對象備注已加密。」 例子5-3：使用WITH CHECK OPTION子句問題提出：若創建視圖ygb_view,其程序清單如下：
CREATE VIEW ygb_view AS SELECT * FROM 員工表 WHERE 員工表.性別=『女』執行下列語句，插入新記錄：INSERT INTO ygb_view(姓名，性別，工資)values(『李立三』，『男』，2300)
插入操作成功，但不合理！解決辦法：使用with check option,程序清單如下：
CREATE VIEW ygb_view AS SELECT * FROM 員工表 WHERE 員工表.性別=『女』With check option
同樣，插入新記錄：INSERT INTO ygb_view(姓名，性別，工資) values(『李立三』，『男』，2300)插入操作將失敗！
2.使用ALTER VIEW修改視圖 語法：參見教材3.刪除視圖DROP VIEW 使用DROP VIEW命令刪除視圖的語法如下：DROP VIEW 視圖名1 【，……】例： DROP VIEW ygb_view （一）、通過視圖添加表數據
使用INSERT語句實現。注意：視圖是虛擬表，其本身不存儲數據（來自其引用表),添加的數據是存儲於視圖參照的數據表中。
條件分析：1）用戶有向數據表插入數據的許可權；2）視圖只引用表中部分欄位，插入數據時只能是明確其應用的欄位取值；3）未引用的欄位應具備下列條件之一：允許空值；設有默認值；是標識欄位；數據類型是timestamp或uniqueidentifer；4）視圖不能包含多個欄位的組合；5）視圖不能包含使用統計函數的結果；6）視圖不能包含DISTINCT或GROUP BY子句；7）定義視圖使用WITH CHECK OPTION，則插入數據應符合相應條件；8）若視圖引用多個表，一條INSERT語句只能同一個基表表中數據；
例：首先創建了一個新的視圖：
CREATE VIEW ygb_view AS SELECT * FROM 員工表 WHERE 員工表.性別=『女』 with check option
然後，通過執行以下語句使用該視圖向基表添加一條新的數據記錄：INSERT INTO ygb_view(姓名，性別，工資) values(『李立平』，『女』，2300)
（二）、更新數據記錄使用視圖可以更新基表數據記錄(注意使用INSERT時的限制同樣適用)。例子3：(1) update 項目_viewset 項目負責人= 『王大力』 where 項目負責人= 『王立兵』(2) update 項目_viewset 結束日期= DATEADD(day,50,結束日期) where 客戶名稱=『CCH公司』
（三）、刪除數據記錄 利用DELETE語句，使用視圖刪除記錄，可以刪除任何基表中的記錄。注意： 必須指定在視圖中定義過的欄位來刪除記錄；視圖引用多個表時，無法用DELETE命令刪除數據。例子4：delete ygb_view where 員工工資<1500

Ⅳ 外碼的資料庫詞彙

屬性或屬性組X不是關系模式R的碼（既不是主碼也不是候選碼），但X是另一個關系模式的碼，則稱X是R的外部碼，也稱外碼。主碼與外部碼提供了一個實現關系間聯系的手段，也是在計算機世界描述現實世界實體間聯系的手段。——《資料庫原理與開發》，人民郵電出版社，趙明硯，單世民，趙鳳強 著

Ⅳ pubmed資料庫詞彙自動轉換功能可以實現對單復數 同義詞的檢索嗎

摘要 你好親 只能實現單復數的檢索，不能實現同義詞的檢索。

Ⅵ 大數據熱門詞彙匯總

大數據熱門詞彙匯總
可以說，大數據是如今IT行業最熱門的趨勢之一，它催生出了處理大數據的一批全新技術。而新技術帶來了新的熱門詞彙：首字母縮略詞、專業術語和產品名稱等。連"大數據"這個短語本身都讓人犯暈。許多人一聽到"大數據"，覺得是指"大量數據"，而大數據的涵義絕不僅僅涉及數據量的多寡。

下面是我們認為你要熟悉的幾個熱門詞彙，按字母順序排列。
ACID
ACID的全稱是原子性、一致性、隔離性和持久性，這其實是一組需求或屬性：如果這四個方面都得到遵守，就能在處理過程中確保資料庫事務的數據完整性。雖然ACID問世已有一段時日，但是事務數據量的急劇增長把更多的注意力投向在處理大數據時需要滿足ACID的規定。
大數據三要素
如今的IT系統在生成數量、速度和種類都很"龐大"的數據。
數量：IDC公司估計，今年全球信息總量將達到2.7澤位元組（這相當於27億太位元組），而且每兩年就翻一番。
速度：讓IT管理人員們頭痛的不僅僅是數據數量，還有數據從金融系統、零售系統、網站、感測器、無線射頻識別（RFID）晶元以及Facebook和推特等社交網路源源而來的速度越來越快。
種類：如果回到5年前或可能10年前，IT人員處理的主要是字母數字數據，它們很容易存儲在關系資料庫中整齊排列的行和列中。現在不再是這樣了。如今，推特和Facebook上的帖子、各種文檔及網頁內容等非結構化數據都是大數據組合的一部分。
列式（或列型）資料庫
一些新一代資料庫（如開源Cassandra和惠普的Vertica資料庫）被設計成了按列存儲數據，而不是像傳統的SQL資料庫那樣按行存儲數據。這種設計提供了更快的磁碟訪問速度，提高了處理大數據時的性能。對數據密集型業務分析應用系統而言，列式資料庫尤其受到歡迎。
數據倉庫
數據倉庫這個概念存在至今已有大概25年了，具體指將數據從多個操作IT系統復制到面向業務分析應用系統的輔助離線資料庫
但是隨著數據量急劇增長，數據倉庫系統正在迅速改變。它們需要存儲更多的數據以及更多種類的數據，因而數據倉庫管理成為一大難題。10年或20年前，數據可能每周或每月復制到數據倉庫系統中；而如今，數據倉庫的更新要頻繁得多，有的甚至實時更新。
ETL
將數據從一個資料庫（比如支持銀行應用事務處理系統的資料庫）轉移到另一個資料庫（比如用於業務分析的數據倉庫系統）時，就要用到提取、轉換和載入（ETL）軟體。數據從一個資料庫傳送到另一個資料庫時，常常需要對數據進行重新格式化和清理操作。
由於數據量急劇增長，數據處理速度大大加快，對ETL工具的性能要求也大大提高了。
Flume
Flume是屬於Apache Hadoop大家族（其他技術包括HBase、Hive、Oozie、Pig和Whirr）的一項技術，這種框架用於為Hadoop填充數據。該技術使用散布於應用伺服器、Web伺服器、移動設備及其他系統上的軟體代理，收集數據，並將數據傳送到Hadoop系統。
比如說，公司可以使用在Web伺服器上運行的Apache Flume，收集來自推特帖子的數據，以便分析。
地理空間分析
推動大數據潮流的一個趨勢是，由如今的IT系統生成和收集的地理空間數據越來越多。常言道，一幅圖片的信息量抵得上1000個單詞；所以難怪越來越多的地圖、圖表、照片及其他基於地理位置的內容是導致如今大數據呈爆炸式增長的主要動因。
地理空間分析是一種特殊形式的數據可視化（參閱下面的"可視化"條目），在地理地圖上覆蓋數據，以幫助用戶更清楚地理解大數據分析的結果。
Hadoop
Hadoop是一種開源平台，用於開發分布式、數據密集型的應用程序。它由Apache軟體基金會控制。
Hadoop的發明者是雅虎公司的開發者道格o卡廷（Doug Cutting），他在谷歌實驗室的MapRece概念這個基礎上開發出了Hadoop，以他兒子的玩具象命名。
另外，HBase是一種非關系資料庫，它是作為Hadoop項目的一部分開發而成的。Hadoop分布式文件系統（HDFS）是Hadoop的一個關鍵組成部分。Hive則是建立在Hadoop基礎上的數據倉庫系統。
內存中資料庫
計算機在處理事務或執行查詢時，一般從磁碟驅動器獲取數據。但是當IT系統處理大數據時，這個過程可能實在太慢。
內存中資料庫系統利用計算機的主內存來存儲經常使用的數據，因而大大縮短了處理時間。內存中資料庫產品包括SAP HANA和甲骨文Times Ten內存中資料庫。
Java
Java是一種編程語言，由現隸屬甲骨文公司的Sun開發，於1995年發布。Hadoop和其他許多大數據技術都是使用Java開發而成的，它仍是大數據領域一種主要的開發技術。
Kafka
Kafka是一種高吞吐量的分布式消息傳送系統，最初是在LinkedIn開發而成，用於管理該服務網站的活動流（關於網站使用情況的數據）和操作數據處理流水線（關於伺服器組件的性能）。
Kafka在處理大量流式數據時很有效，而流式數據是許多大數據計算環境的一個關鍵問題。由推特開發的Storm是另一種大行其道的流處理技術。
Apache軟體基金會已將Kafka列為一個開源項目。所以，別以為這是有缺陷的軟體。
延遲時間
延遲時間是指數據從一個點傳送到另一個點過程中的延遲，或者是某個系統（如應用程序）響應另一個系統的延遲數量。
雖然延遲時間不是什麼新術語，但是隨著數據量不斷增長，IT系統竭力跟上步伐，如今你更常聽到這個術語。簡單地說，"低延遲"是好事，"高延遲"是壞事。
映射/化簡
映射/化簡（Map/Rece）這種方法是指把一個復雜的問題分解成多個較小的部分，然後將它們分發到多台計算機上，最後把它們重新組裝成一個答案。
谷歌的搜索系統用到了映射/化簡概念，這家公司有一個品牌名為MapRece的框架。
谷歌在2004年發布的一份白皮書描述了它使用映射/化簡的情況。Hadoop之父道格o卡廷充分認識到了其潛力，開發出了同樣借用映射/化簡概念的第一個版本的Hadoop。
NoSQL資料庫
大多數主流的資料庫（如甲骨文資料庫和微軟SQL Server）基於關系型體系結構，使用結構化查詢語言（SQL）用於開發和數據管理。
但是名為"NoSQL"（有些人現在稱NoSQL表示"不是只有SQL"）的新一代資料庫系統基於支持者們認為更適合處理大數據的體系結構。
一些NoSQL資料庫是為提高可擴展性和靈活性設計的，另一些NoSQL資料庫在處理文檔及其他非結構化數據方面比較有效。典型的NoSQL資料庫包括Hadoop/HBase、Cassandra、MongoDB和CouchDB，而甲骨文等一些知名開發商已推出了各自的NoSQL產品。
Oozie
Apache Oozie是一種開源工作流引擎，用於幫助管理面向Hadoop的處理工作。使用Oozie，一系列工作可以用多種語言（如Pig和MapRece）來加以定義，然後彼此關聯起來。比如說，一旦從操作應用程序收集數據的作業已完成，程序員就可以啟動數據分析查詢任務。
Pig
Pig是Apache軟體基金會的另一個項目，這個平台用於分析龐大的數據集。就其本質而言，Pig是一種編程語言，可用於開發在Hadoop上運行的並行計算查詢。
定量數據分析
定量數據分析是指使用復雜的數學或統計模型，解釋金融和商業行為，或者甚至預測未來的行為。
由於如今收集的數據量急劇增加，定量數據分析已變得更加復雜。但是如果公司知道如何利用海量數據，獲得更好的可視性，深入了解公司業務，並且洞察市場發展趨勢，那麼更多的數據也有望在數據分析方面帶來更多的機會。
一個問題是，擁有這種分析技能的人才嚴重匱乏。知名咨詢公司麥肯錫表示，光美國就需要150萬名擁有大數據分析技能的分析員和管理員。
關系資料庫
關系資料庫管理系統（RDBM）是如今使用最廣泛的一種資料庫，包括IBM的DB2、微軟的SQL Server和甲骨文資料庫。從銀行應用系統、零售店的銷售點系統到庫存管理應用軟體，大多數的企業事務處理系統都在RDBM上運行。
但有些人認為，關系資料庫可能跟不上如今數據量和種類都呈爆炸式增長的形勢。比如說，RDBM當初在設計時著眼於處理字母數字數據，處理非結構化數據時不是同樣有效。
分片
隨著資料庫變得越來越龐大，處理起來也變得越來越困難。分片（sharding）是一種資料庫分區技術，把資料庫分成了更小、更容易管理的部分。具體來說，資料庫被橫向分區，以便單獨管理資料庫表中的不同行。
分片方法讓龐大資料庫的片段可以分布在多台伺服器上，從而提高資料庫的整體運行速度和性能。
另外，Sqoop是一種開源工具，用於將來自非Hadoop來源（如關系資料庫）的數據轉移到Hadoop環境。
文本分析
導致大數據問題的因素之一是，從推特和Facebook等社交媒體網站、外部新聞源，甚至公司內部收集而來以便分析的文本數量越來越多。由於文本是非結構化數據（不像通常存儲在關系資料庫中的結構化數據），主流的業務分析工具面對文本時常常束手無策。
文本分析採用了一系列方法（關鍵字搜索、統計分析法和語言研究法等），從基於文本的數據中獲得洞察力。
非結構化數據
就在不久前，大部分數據還是結構化數據，這種字母數字信息（如來自銷售交易的財務數據）很容易存儲在關系資料庫中，並由商業智能工具來分析。
但是如今共計2.7澤位元組的存儲數據中很大一部分是非結構化數據，比如基於文本的文檔、推特消息、發布在Flickr上的照片、發布在YouTube上的視頻，等等。（頗有意思的是，每分鍾有長達35個小時的視頻內容上傳到YouTube。）處理、存儲和分析所有這些凌亂的非結構化數據常常是如今的IT系統面臨的難題。
可視化
隨著數據量的增長，人們使用靜態的圖表和圖形來理解數據越來越困難了。這就導致開發新一代的數據可視化和分析工具，能夠以新的方式呈現數據，從而幫助人們理解海量信息。
這些工具包括：標以色碼的熱圖，三維圖形，顯示一段時間內變化的動畫可視化，以及在地理地圖上覆蓋數據的地理空間呈現。今天的先進數據可視化工具還具有更強的互動性，比如允許用戶放大某個數據子集，進行更仔細的檢查。
Whirr
Apache Whirr是一組Java類庫，用於運行大數據雲服務。更確切地說，它可以加快在亞馬遜彈性計算雲（EC2）和Rackspace等虛擬基礎設施上開發Hadoop集群的過程。
XML
可擴展標記語言（XML）用來傳輸和存儲數據（別與HTML混為一談，後者用來顯示數據）。藉助XML，程序員們就可以創建通用的數據格式，並通過互聯網共享信息和格式。
由於XML文檔可能非常龐大、復雜，它們往往被認為導致IT部門面臨大數據挑戰。
堯位元組
堯位元組（yottabyte）是一種數據存儲度量指標，相當於1000澤位元組。據知名調研機構IDC公司估計，今年全球存儲的數據總量預計將達到2.7澤位元組，比2011年增長48%。所以，我們離達到堯位元組這個大關還有很長一段路，不過從目前大數據的增長速度來看，那一天的到來可能比我們想像的要快。
順便說一下，1澤位元組相當於1021位元組的數據。它相當於1000艾位元組（EB）、100萬拍位元組（PB）和10億太位元組（TB）。
ZooKeeper
ZooKeeper是由Apache軟體基金會創建的一項服務，旨在幫助Hadoop用戶管理和協調跨分布式網路的Hadoop節點。
ZooKeeper與HBase緊密集成，而HBase是與Hadoop有關的資料庫。ZooKeeper是一項集中式服務，用於維護配置信息、命名服務、分布式同步及其他群組服務。IT管理人員用它來實現可靠的消息傳遞機制、同步流程執行及實施冗餘服務。

Ⅶ 資料庫中常用的英語單詞有哪些

下列是一些資料庫中經常碰到的英文單詞：
Access method（訪問方法）：此步驟包括從文件中存儲和檢索記錄。
Alias（別名）：某屬性的另一個名字。在SQL中，可以用別名替換表名。
Alternate keys（備用鍵，ER/關系模型）：在實體/表中沒有被選為主健的候選鍵。
Anomalies（異常）參見更新異常（update anomalies）
Application design（應用程序設計）：資料庫應用程序生命周期的一個階段，包括設計用戶界面以及使用和處理資料庫的應用程序。
Attribute（屬性）（關系模型）：屬性是關系中命名的列。
Attribute（屬性）（ER模型）：實體或關系中的一個性質。
Attribute inheritance（屬性繼承）：子類成員可以擁有其特有的屬性，並且繼承那些與超類有關的屬性的過程。
Base table（基本表）：一個命名的表，其記錄物理的存儲在資料庫中。
Binary relationship（二元關系）：一個ER術語，用於描述兩個實體間的關系。例如，panch Has Staff。
Bottom-up approach（自底向上方法）：用於資料庫設計，一種設計方法學，他從標識每個設計組建開始，然後將這些組件聚合成一個大的單元。在資料庫設計中，可以從表示屬性開始底層設計，然後
將這些屬性組合在一起構成代表實體和關系的表。
Business rules（業務規則）：由用戶或資料庫的管理者指定的附加規則。
Candidate key（候選鍵，ER關系模型）：僅包含唯一標識實體所必須得最小數量的屬性/列的超鍵。
Cardinality（基數）：描述每個參與實體的可能的關系數目。
Centralized approach（集中化方法,用於資料庫設計）：將每個用戶試圖的需求合並成新資料庫應用程序的一個需求集合
Chasm trap（深坑陷阱）：假設實體間存在一根，但某些實體間不存在通路。
Client（客戶端）：向一個或多個伺服器請求服務的軟體應用程序。
Clustering field（群集欄位）：記錄總的任何用於群集（集合）航記錄的非鍵欄位，這些行在這個欄位上有相同的值。
Clustering index（群集索引）：在文件的群集欄位上定義的索引。一個文件最多有一個主索引或一個群集索引。
Column（列）：參加屬性（attribute）。
Complex relationship（復雜關系）：度數大於2的關系。
Composite attribute（復合屬性）：由多個簡單組件組成的屬性。
Composite key（復合鍵）：包含多個列的主健。
Concurrency control（並發控制）：在多用戶環境下同時執行多個十五並保證數據完整性的一個DBMS服務。
Constraint（約束）：資料庫不允許包含錯誤數據的一致性規則。
Data conversion and loading（數據轉換和載入）：資料庫應用生命周期重的一個階段，包括轉換現有數據到新資料庫中以及醬下耨應用程序轉換到新的資料庫上運行。
Data dictionary（數據字典）：參見系統目錄（system catalog）。
Data independence（數據獨立性）：使用數據的應用程序的數據描述部分。這意味著，如果將新的數據結構添加到資料庫中，或者資料庫中現有的結構被修改了，那麼使用此資料庫的就會受到影響，除
非應用程序不直接依賴於被修改的部分。
Data model（數據模型）：描述數據、數據間關系以及數據的約束的概念的一個集成的集合。
Data rendancy（數據冗餘）：參見冗餘數據（rendant data）。
Data security（數據安全）：包括對資料庫對象（如表和視圖）的訪問和使用以及用戶可以在這些對象上實施的操作。
Database（資料庫）：是邏輯上相關的數據（以及這些數據的描述）的一個共享的集合，用於解決公司對信息的需求。
Database design（資料庫設計）：資料庫應用生命周期中的一個階段，包括創建一個支持公司的操作和目標的資料庫的設計。
Database integrity（資料庫完整性）：指存儲數據的正確定和一致性。完整性通常用約束來表達。
Database Management System，DBMS（資料庫管理系統）：一個能夠讓用戶定義、創建和維護資料庫並控制對資料庫的訪問的軟體系統。
Database planning（資料庫規劃）：能盡可能有效的實現資料庫應用的各階段的管理活動。
Database server（資料庫伺服器）：同伺服器。
DBMS engine（DBMS引擎）：同伺服器。
DBMS selection（DBMS選擇）：資料庫應用生命周期中的一個階段，包括選擇一個合適的DBMS來支持資料庫應用。
Degree of a relationship（關系的度）：一個關系中參與的實體的個數。
Denormalization（反規范化）：形式上，這個術語指的是對基本表結構的修改，這樣新的表比原始的表的規范化程度要低。但也可以用此屬於更寬泛地形容將兩個表和並成一個新表的情形，而這個新表
與原來的表具有相同的範式，但比原表包含更多的空值。
Derived attribute（派生屬性）：表示其值可以從一個相關屬性和屬性集的值派生得到的屬性，這個屬性在實體中不是必須的。
Design methodology（設計方法學）：一種結構化的方法，它使用過程、工具和文檔來支持和簡化設計過程。
Disjoint constraint（無連接約束）：描述子類的成員間的關系，並指明超類某個成員是否有可能成為一個或多個子類的成員。
Domain（域）：一個或多個屬性的取值范圍。
Entity（實體）：具有相同性質的對象的集合，它是由用戶或公司標識並可獨立存在的。
Entity integrity（實體完整性）：在一個基本表中，主健列的值不能為空。
Entity occurrence（實體出現）：實體中的一個唯一可標識的對象。
Entity-Relationship model（實體關系模型）：公司的實體、屬性和關系的詳細邏輯表示。
Fact-finding（事實發現）：使用諸如面談和提問等技術收集關於系統的事實、需求和性能的形式化過程。
Fan trap（扇形陷阱）：但從第三個實體扇出的兩個實體有1:*關系時出現扇形陷阱，但這兩個實體在他們之間應該有直接關系以提供必要的信息
Field（欄位）：同元組（Tuple）。
File（文件）：存儲在副主存儲器中的相關記錄的一個命名集合。
File-based system（基於文件的系統）：一個文件集合，用來管理（創建、插入、刪除、更新和檢索）一個或多個文件中的數據，並產生基於這些文件中的數據的應用（通常是報表）。
File organization（文件組織）：當文件存儲在磁碟上時，對文件中的記錄的安排方式。
First normal form（1NF，第一範式）：表中的每個列的交叉處以及記錄包含切進包含一個值的表。
Foreign key（外健）：一個表中的一個列或者多個列的集合，這些列匹配某些其他（也可能是同一個）表中的候選鍵。
4GL, Fourth-Generation Language（第四代語言）：一種非過程化語言，比如SQL，他只需要用戶定義必須完成什麼操作，4GL負責將所進行的操作翻譯成如何實現這些操作。
Full functional dependency（完全函數依賴）：一個列在功能上依賴於復合主健，但不依賴於主健的任何一個子集的條件。
Functional dependency（函數依賴）：描述表中列之間的關系。
Generalization（泛化）：通過標識實體間的公共特徵使實體間差別最小化的過程。
Generalization hierarchy（泛化層次結構）：同類型層次（type hierarchy）。
Global data model（全局數據模型）：代表整個公司（和被模型化的公司的一部分）的數據模型。
Implementation（實現）：資料庫應用生命周期中的一個階段，包括資料庫和應用程序設計的物理實現。
Index（索引）：一種允許DBMS將特定的記錄更快的放置到文件中，從而加快對用戶查詢的響應的數據結構。
Infomation system（信息系統）：能夠在整個公司范圍內收集、管理、控制和分發數據/信息的資源。
Inheritance（繼承）：參見屬性繼承（attribute inheritance）。
Integrity constaints（完整性約束）：防止出現資料庫中的數據不一致的約束。
IS-A hierarchy（IS－A層次結構）：同類型層次結構（type hierarchy）。
Local logical data model（局部邏輯數據模型）：代表特定用戶視圖或用戶視圖的組合的數據模型。
Logical database design（邏輯資料庫設計）：基於特定的數據模型構建公司的數據的模型的過程，但不依賴於特定的DBMS以及其他的物理條件。
Meta-data（元數據）：關於數據的數據，參見系統目錄（system catalog）。
Mision objective（使命目標）：標識資料庫必須支持的特定任務。
Mission statement（使命語句）：定義資料庫應用程序的主要目標。
Multiplicity（多樣性）：定義與某個相關實體的一次出現有關的實體的出現數目。
Multi-valued attribute（多值屬性）：為一個實體的出現保存多個值的屬性。
Nonkey attribute/column（非鍵屬性/列）：不是鍵的一部分的屬性/列。
Normal forms（範式）：規范化過程的一個階段。前三個範式分別為第一範式（1NF）、第二範式（2NF）、第三範式（3NF）。
Normalization（規范化）：一種產生帶有需要的特性的技術，這種特性能支持用戶和公司的需求。
差不多就是這些了。