数据库机会

① 数据库有哪几种

常用数据库有：

1、关系型数据库

关系型数据库是由IBM的E.F. Codd于1970年发明的，它是一个表格数据库，其中定义了数据，因此可以以多种不同的方式对其进行重组和访问。关系数据库由一组表组成，其中的数据属于预定义的类别。每个表在一个列中至少有一个数据类别，并且每一行对于列中定义的类别都有一个特定的数据实例。

2、分布式数据库

分布式数据库是一种数据库，数据库存储在多个物理位置，处理在网络中的不同点之间分散或复制。分布式数据库可以是同构的，也可以是异构的。同构分布式数据库系统中的所有物理位置都具有相同的底层硬件，并运行相同的操作系统和数据库应用程序。异构分布式数据库中的硬件、操作系统或数据库应用程序在每个位置上可能是不同的。

3、云数据库

云数据库是针对虚拟化环境优化或构建的数据库。云数据库提供了一些好处，比如可以按每次使用支付存储容量和带宽的费用，还可以根据需要提供可伸缩性和高可用性。云数据库还为企业提供了在软件即服务部署中支持业务应用程序的机会。

4、NoSQL数据库

NoSQL数据库对于大型分布式数据集非常有用。NoSQL数据库对于关系数据库无法解决的大数据性能问题非常有效。当组织必须分析大量非结构化数据或存储在云中多个虚拟服务器上的数据时，它们是最有效的。

5、面向对象的数据库

使用面向对象编程语言创建的项通常存储在关系数据库中，但是面向对象数据库非常适合于这些项。面向对象的数据库是围绕对象(而不是操作)和数据(而不是逻辑)组织的。例如，关系数据库中的多媒体记录可以是可定义的数据对象，而不是字母数字值。

6、图形数据库

面向图形的数据库是一种NoSQL数据库，它使用图形理论存储、映射和查询关系。图数据库基本上是节点和边的集合，其中每个节点表示一个实体，每个边表示节点之间的连接。

② 大数据有哪些职位和工作机会

下面是比较热门的几个大数据岗位：

1、首席数据官（CDO）

首席数据官的工作内容非常多，职责也很复杂，他们负责公司的数据框架搭建、数据管理、数据安全保证、商务智能管理、数据洞察和高级分析。因此，首席数据师必须个人能力出众，同时还需要具备足够的领导力和远见，找准公司发展目标，协调应变管理过程。

2、营销分析师/客户关系管理分析师

客户忠诚度项目、网络分析和物联网技术积攒了大量的用户数据，很多先进公司已经在使用相关策略来支持公司的发展计划。尤其是市场部门能够运用这些数据进行更有针对性的营销。营销分析师能够发挥他们在Excel和SQL等数据分析工具方面的专业特长，对客户进行细分，确保数字化营销能够到达目标客户群体。

3、数据工程师

随着Hadoop和非结构化数据仓库的流行，所有分析功能的第一要务就是要得到正确的数据。高水平的工程师需要掌握数据管理技能，熟悉提取转换加载过程，很多公司都急需这样的人才。事实上，很多首席数据官甚至认为，数据工程师才是大数据相关行业中最重要的职位。

4、商务智能开发工程师

商务智能开发工程师的最基本职能，是管理结构数据从数据库分配至终端用户的过程。商务智能（BI）曾经只是商务金融的基础，现在已经独立出来，成为了单独的部门，很多商务智能团队正在搭建自服务指示板，这样运营经理就能快速且有效地获取高性能数据，评价公司运营情况。

5、数据可视化

随着指示板和可视化工具的增多，商务智能“前端”研发工程师需要更熟练掌握Tableau、QlikView/QlikSense、SiSense和Looker。能够使用d3.js在网络浏览器中制作数据可视化的研发工程师也越来越受到公司欢迎。很多大公司开出的年薪已经超过了7万5千英镑，平均日薪500多英镑。

6、大数据工程师

正如上文提到过的，数据工程师的工作是负责管理公司的数据，包括数据的收集，存储、处理和分析。大数据工程师需要能够搭建并维护大型异构数据框架，这些数据通常是在MongoDB等NoSQL数据库中。很多公司采用Hadoop框架和很多Hadoop次级软件包，如Hive（数据软件），Pig（数据流语言）和Spark（多编程模型）。

③ SQL数据库专业的就业方向

粘帖点给你，CSDN论坛上看到的，希望能帮助你。
前面四种：
数据库应用开发 (application development)
除了基本的SQL方面的知识，还要对开发流程，软件工程，各种框架和开发工具等等
数据库应用开发这个方向上的机会最多，职位最多，薪水一般
数据建模专家 (data modeler)
除了基本的SQL方面的知识，非常熟悉数据库原理，数据建模
负责将用户对数据的需求转化为数据库物理设计和物理设计
这个方向上在大公司（金融，保险，研究，软件开发商等）有专门职位，
在中小公司则可能由程序员承担。
商业智能专家 (business intelligence - BI)
主要从商业应用，最终用户的角度去从数据中获得有用的信息，
涉及OLAP (online analytical processing)
需要使用SSRS, cognos, crystal report等报表工具，或者其他一些数据挖掘，统计方面的软件工具
这个方面我不熟悉，不敢乱说（以免被拍砖，呵呵）
数据构架师 (Data Architect)
主要从全局上制定和控制关于数据库在逻辑这一层的大方向，
也包括数据可用性，扩展性等长期性战略，
协调数据库的应用开发，建模，DBA之间的工作。
这个方向上在大公司（金融，保险，研究，软件开发商等）有专门职位，
在中小公司或者没有这个职位，或者由开发人员，DBA负责。

前面五种：
数据库管理员 (database administrator - DBA)
数据库的安装，配置，调优，备份/恢复，监控，自动化等，
协助应用开发（有些职位还要求优化SQL，写存储过程和函数等）
这个方向上的职位相对少一些，但一般有点规模的公司还是会有这样的职位
数据仓库专家 (data warehouse - DW)
应付超大规模的数据，历史数据的存储，管理和使用，
和商业智能关系密切，很多时候BI和DW是放在一个大类里面的，
但是我觉得DW更侧重于硬件和物理层上的管理和优化。
存储工程师 (storage engineer)
专门负责提供数据存储方案，使用各种存储技术满足数据访问和存储需求，
和DBA的工作关系比较密切。
对高可用性有严格要求（比如通信，金融，数据中心等）的公司通常有这种职位，
这种职位也非常少。
性能优化工程师 (performance engineer)
专长数据库的性能调试和优化，为用户提供解决性能瓶颈方面的问题。
我知道至少IBM, 微软和Oracle都有专门的数据库性能实验室(database performance lab）,
也有专门的性能优化工程师，负责为其数据库产品和关键应用提供这方面的技术支持。
对数据库性能有严格要求的公司（比如金融行业）可能会有这种职位。
因为针对性很强，甚至要求对多种数据库非常熟悉，所以职位极少。
高级数据库管理员 (senior DBA)
在DBA的基础上，还涉及上面3种职位的部分工作，具体包括下面这些：
对应用系统的数据（布局，访问模式，增长模式，存储要求等）比较熟悉。
对性能优化非常熟悉，可以发现并优化从SQL到硬件I/O，网络等各个层面上的瓶颈
对于存储技术相对熟悉，可能代替存储工程师的一些工作，
对数据库的高可用性技术非常熟悉（比如MSSQL的集群，ORACLE RAC/FailSafe, IBM的DPF, HADR等）
对大规模数据库有效进行物理扩展（比如表分区）或者逻辑扩展（比如数据库分区，联合数据库等）
熟悉各种数据复制技术，比如单向，双向，点对点复制技术，以满足应用要求。
灾难数据恢复过程的建立，测试和执行
这种职位一般只在对数据库要求非常高并且规模非常大（比如金融，电信，数据中心等）的公司需要，
而且这种公司一般有一个专门独立负责数据库的部门或组。
这种职位非常少。

④ 请问我数据库理论知识和SQL2003基本增，删，改，查操作熟练，找个数据库的工作，机会多少

SQL2003只是一个数据库软件，他单独是无法实现复杂的功能的，他就是一个装数据的仓库，后台运行的，还需要前台开发软件，像VB，VC，DELPHI等，通过这些软件与数据库接口，实现动画显示，模拟运行，数据存盘，打印，查询，统计等功能。现在没有人直接操作数据库的，都是通过编程软件提供的接口与数据库打交道。光懂数据库不懂前台开发软件的话，找工作应该不是很好找的。

⑤ 关于数据库方向就业的问题

前面四种：
数据库应用开发 (application development)
除了基本的SQL方面的知识，还要对开发流程，软件工程，各种框架和开发工具等等
数据库应用开发这个方向上的机会最多，职位最多，薪水一般
数据建模专家 (data modeler)
除了基本的SQL方面的知识，非常熟悉数据库原理，数据建模
负责将用户对数据的需求转化为数据库物理设计和物理设计
这个方向上在大公司（金融，保险，研究，软件开发商等）有专门职位，
在中小公司则可能由程序员承担。
商业智能专家 (business intelligence - BI)
主要从商业应用，最终用户的角度去从数据中获得有用的信息，
涉及OLAP (online analytical processing)
需要使用SSRS, cognos, crystal report等报表工具，或者其他一些数据挖掘，统计方面的软件工具
这个方面我不熟悉，不敢乱说（以免被拍砖，呵呵）
数据构架师 (Data Architect)
主要从全局上制定和控制关于数据库在逻辑这一层的大方向，
也包括数据可用性，扩展性等长期性战略，
协调数据库的应用开发，建模，DBA之间的工作。
这个方向上在大公司（金融，保险，研究，软件开发商等）有专门职位，
在中小公司或者没有这个职位，或者由开发人员，DBA负责。

前面五种：
数据库管理员 (database administrator - DBA)
数据库的安装，配置，调优，备份/恢复，监控，自动化等，
协助应用开发（有些职位还要求优化SQL，写存储过程和函数等）
这个方向上的职位相对少一些，但一般有点规模的公司还是会有这样的职位
数据仓库专家 (data warehouse - DW)
应付超大规模的数据，历史数据的存储，管理和使用，
和商业智能关系密切，很多时候BI和DW是放在一个大类里面的，
但是我觉得DW更侧重于硬件和物理层上的管理和优化。
存储工程师 (storage engineer)
专门负责提供数据存储方案，使用各种存储技术满足数据访问和存储需求，
和DBA的工作关系比较密切。
对高可用性有严格要求（比如通信，金融，数据中心等）的公司通常有这种职位，
这种职位也非常少。
性能优化工程师 (performance engineer)
专长数据库的性能调试和优化，为用户提供解决性能瓶颈方面的问题。
我知道至少IBM, 微软和Oracle都有专门的数据库性能实验室(database performance lab）,
也有专门的性能优化工程师，负责为其数据库产品和关键应用提供这方面的技术支持。
对数据库性能有严格要求的公司（比如金融行业）可能会有这种职位。
因为针对性很强，甚至要求对多种数据库非常熟悉，所以职位极少。
高级数据库管理员 (senior DBA)
在DBA的基础上，还涉及上面3种职位的部分工作，具体包括下面这些：
对应用系统的数据（布局，访问模式，增长模式，存储要求等）比较熟悉。
对性能优化非常熟悉，可以发现并优化从SQL到硬件I/O，网络等各个层面上的瓶颈
对于存储技术相对熟悉，可能代替存储工程师的一些工作，
对数据库的高可用性技术非常熟悉（比如MSSQL的集群，ORACLE RAC/FailSafe, IBM的DPF, HADR等）
对大规模数据库有效进行物理扩展（比如表分区）或者逻辑扩展（比如数据库分区，联合数据库等）
熟悉各种数据复制技术，比如单向，双向，点对点复制技术，以满足应用要求。
灾难数据恢复过程的建立，测试和执行
这种职位一般只在对数据库要求非常高并且规模非常大（比如金融，电信，数据中心等）的公司需要，
而且这种公司一般有一个专门独立负责数据库的部门或组。
这种职位非常少。

⑥ 中国投资指南的投资机会数据库

投资机会数据库包括招商引资项目、来华投资意向、重点项目推荐3个子数据库。用户可以按行业、地区，国别/地区、项目名称、发布单位、发布时间、有效期进行单项及组合检索。

⑦ 数据库都有哪些

一、数据库种类有哪些
早期较为时兴的数据库种类有三种，分别是层次式数据库、网络式数据库和关系型数据库。而在如今的互联网中，最常见的数据库种类主要有2种，即关系型数据库和非关系型数据库。

二、层次数据库介绍
层次数据库是最开始研制的数据库系统软件，它把数据根据层次构造（树结构）的方法呈现。层次数据库以前是非常热门的数据库，但伴随着关系数据库的逐渐流行，如今早已非常少应用了。

较为具备象征性的层次数据库是IMS（Information Management System）数据库，由IBM企业研发。

三、关系型数据库详细介绍
网络数据库和层次数据库在数据独立性和抽象性级别上有所欠缺，用户开展存储时，需要声明数据的存储结构和相对路径。而关系数据库就可以较切实解决这种问题。

和Excel工作簿一样，关系型数据库也选用由列和行构成的二维表来管理数据，简单易懂。另外，它还利用SQL（Structured Query Language，结构化查询语言）对数据开展实际操作。

四、非关系型数据库详细介绍
伴随着互联网技术Web2.0的兴起，传统关系型数据库在应对大数据量，比如大规模和高并发的微博、微信或者SNS类型的web2.0动态网页时，已经有些力不从心，曝露了许多难以克服的难题。因此出现了针对大规模数据量场景，以性能卓越和应用便捷为目的的的数据库产品——NOSQL数据库。

⑧ 软件工程(数据库应用技术方向)就业前景

我从实际的工作来说吧，这个方向就业的前景还是十分不错的，几乎各种软件和网站都需要用到数据库，即使不是开发而只是运营维护的，也一样需要，可以说是软件工程里需求和应用最多的方向。从待遇方面讲，则和你实际所学的程度和经验有关，总体来说也是十分不错的，一点不比同级别的开发人员差，而且越往高级去，待遇相对越好，比如接私活的话，一个高级的数据库恢复问题，你会自然就容易，小半天就能赚几万。

⑨ SQL数据库专业的就业方向

SQL数据库专业的就业方向分为三类：

第一类：纯数据分析类。

1.Data Analyst 数据分析师。

2.Data Scientist数据科学家。

3.Data Architect 数据架构师。

4.Data Engineer数据工程师。

5.Database Administrator数据库管理员。

第二类：以数据为驱动的商业分析类。

1.Business Analyst商业分析师。

2.Data and AnalyticsProct Manager数据产品经理。

第三类：统计学家。

统计学家顾名思义，需要熟悉统计理论方法，分布式计算，数据库系统，云工具，数据挖掘机器学习等，语言方面需要R, SAS, SPSS, Mtlab, Stata, Python, Perl, Hive, Pig, Spark, SQL。

(9)数据库机会扩展阅读：

SQL数据库专业任职要求：

计算机相关专业,本科及以上学历,工作两年以上。

熟练掌握C/C++或Java语言。

熟悉Linux操作系统、数据库应用,了解常用的软件架构模式、基本的编程编译工具,熟悉代码优化的规则与技巧。

拥有数据库领域编码经验,熟悉SQL和存储引擎者优先。对机器学习、数据库高可用、时序、图数据库有经验者优先。

有ACM参赛获奖经验者优先。

⑩ 关于大学计算机专业数据库方向

大学计算机专业数据库方向：
1、数据库应用开发 (application development)
除了基本的SQL方面的知识，还要对开发流程，软件工程，各种框架和开发工具等等
数据库应用开发这个方向上的机会最多，职位最多。
2、数据建模专家 (data modeler)
除了基本的SQL方面的知识，非常熟悉数据库原理，数据建模负责将用户对数据的需求转化为数据库物理设计和物理设计，这个方向上在大公司（金融，保险，研究，软件开发商等）有专门职位，在中小公司则可能由程序员承担。
3、商业智能专家 (business intelligence - BI)
主要从商业应用，最终用户的角度去从数据中获得有用的信息，涉及OLAP (online analytical processing) ，需要使用SSRS, cognos, crystal report等报表工具，或者其他一些数据挖掘，统计方面的软件工具。
4、ETL开发 (ETL Developer)
使用ETL工具或者自己编写程序在不同的数据源之间对数据进行导入，导出，转换，所接触的数据库一般数据量非常大，要求进行的数据转换也比较复杂和数据仓库和商业智能的关系比较密切。在一些数据库应用规模很大的公司里面有专门的职位，中小公司里面则可能由程序员或者DBA负责这方面的工作。
5、数据构架师 (Data Architect)
主要从全局上制定和控制关于数据库在逻辑这一层的大方向，也包括数据可用性，扩展性等长期性战略，协调数据库的应用开发，建模，DBA之间的工作。这个方向上在大公司（金融，保险，研究，软件开发商等）有专门职位， 在中小公司或者没有这个职位，或者由开发人员，DBA负责。
6、数据库管理员 (database administrator - DBA)
数据库的安装，配置，调优，备份/恢复，监控，自动化等，协助应用开发（有些职位还要求优化SQL，写存储过程和函数等）。这个方向上的职位相对少一些，但一般有点规模的公司还是会有这样的职位
7、数据仓库专家 (data warehouse - DW)
应付超大规模的数据，历史数据的存储，管理和使用，和商业智能关系密切，很多时候BI和DW是放在一个大类里面的，但是我觉得DW更侧重于硬件和物理层上的管理和优化。
8、存储工程师 (storage engineer)
专门负责提供数据存储方案，使用各种存储技术满足数据访问和存储需求，和DBA的工作关系比较密切。对高可用性有严格要求（比如通信，金融，数据中心等）的公司通常有这种职位， 这种职位也非常少。
9、性能优化工程师 (performance engineer)
专长数据库的性能调试和优化，为用户提供解决性能瓶颈方面的问题。也有专门的性能优化工程师，负责为其数据库产品和关键应用提供这方面的技术支持。对数据库性能有严格要求的公司（比如金融行业）可能会有这种职位。 因为针对性很强，甚至要求对多种数据库非常熟悉，所以职位极少。
10、高级数据库管理员 (senior DBA)
在DBA的基础上，还涉及上面3种职位的部分工作，具体包括下面这些：对应用系统的数据（布局，访问模式，增长模式，存储要求等）比较熟悉。对性能优化非常熟悉，可以发现并优化从SQL到硬件I/O，网络等各个层面上的瓶颈，对于存储技术相对熟悉，可能代替存储工程师的一些工作，对数据库的高可用性技术非常熟悉（比如MSSQL的集群，ORACLERAC/FailSafe, IBM的DPF, HADR等），对大规模数据库有效进行物理扩展（比如表分区）或者逻辑扩展（比如数据库分区，联合数据库等）。熟悉各种数据复制技术，比如单向，双向，点对点复制技术，以满足应用要求。灾难数据恢复过程的建立，测试和执行。这种职位一般只在对数据库要求非常高并且规模非常大（比如金融，电信，数据中心等）的公司需要，而且这种公司一般有一个专门独立负责数据库的部门或组。这种职位非常少。