粒度数据库

Ⅰ 数据库粒度问题

数据库的粒度问题是设计数据仓库的一个最重要方面。粒度是指数据仓库的数据单位中保存数据的细化或综合程度的级别。粒度越大或越粗，数据库的并发访问能力越小

Ⅱ 粒度的定义能回答吗

粒度grain size，particle size 颗粒的大小。通常球体颗粒的粒度用直径表示，立方体颗粒的粒度用边长表示。对不规则的矿物颗粒，可将与矿物颗粒有相同行为的某一球体直径作为该颗粒的等效直径。实验室常用的测定物料粒度组成的方法有筛析法、水析法和显微镜法。①筛析法，用于测定 250～0.038mm的物料粒度。实验室标准套筛的测定范围为6～0.038mm；②水析法,以颗粒在水中的沉降速度确定颗粒的粒度,用于测定小于0.074mm物料的粒度；③显微镜法，能逐个测定颗粒的投影面积，以确定颗粒的粒度，光学显微镜的测定范围为150～0.4μm，电子显微镜的测定下限粒度可达0.001μm或更小。
常用的粒度分析仪有激光粒度分析仪、超声粒度分析仪、消光法光学沉积仪及X射线沉积仪等。

矿物学
组成矿石、岩石、土壤的矿物或颗粒的大小的度量。常指矿物或颗粒的直径(毫米、微米)大小或以95％的物料所通过的筛孔尺寸(毫米或网目)表示，在研究矿产、岩石、土壤的生成条件和物质来源及其水文地质、工程地质条件时，或在划分矿产的品级，确定使用范围及加工技术性能时，粒度都是一项必要的研究内容。某些工业部门，有时把矿石的块度也称粒度

数据库
计算机领域中粒度指系统内存扩展增量的最小值．
粒度问题是设计数据仓库的一个最重要方面。粒度是指数据仓库的数据单位中保存数据的细化或综合程度的级别。细化程度越高，粒度级就越小；相反，细化程度越低，粒度级就越大。数据的粒度一直是一个设计问题。在早期建立的操作型系统中，粒度是用于访问授权的。当详细的数据被更新时，几乎总是把它存放在最低粒度级上。但在数据仓库环境中，对粒度不作假设。在数据仓库环境中粒度之所以是主要的设计问题，是因为它深深地影响存放在数据仓库中的数据量的大小，同时影响数据仓库所能回答的查询类型。在数据仓库中的数据量大小与查询的详细程度之间要作出权衡。

景观学
在景观生态学中，粒度（scale）指某一现象或事件发生的频率或时间间隔；空间粒度指景观中最小的可辨识单元所代表的特征长度，面积或体积。

http://ke.soso.com/v489076.htm

Ⅲ 什么叫“细粒度”

细粒度模型，通俗的讲就是将业务模型中的对象加以细分，从而得到更科学合理的对象模型，直观的说就是划分出很多对象。

粒度是数据库名词，计算机领域中粒度指系统内存扩展增量的最小值。粒度问题是设计数据仓库的一个最重要方面。粒度是指数据仓库的数据单位中保存数据的细化或综合程度的级别。细化程度越高，粒度级就越小；相反，细化程度越低，粒度级就越大。数据的粒度一直是一个设计问题。

在早期建立的操作型系统中，粒度是用于访问授权的。当详细的数据被更新时，几乎总是把它存放在最低粒度级上。但在数据仓库环境中，对粒度不作假设。

(3)粒度数据库扩展阅读

粒度运算是一种新兴的信息处理运算模型。它涉及到复杂信息实体（即信息粒，英语：Information Granule）的处理，包括数据的抽象化还有从信息推导知识的过程。一般来说，信息粒通常是数值层面上的实体集合，它们以相似性、功能的近似性、不可辨别性及一致性等指标来进行整合。

目前，粒度运算只有较多的理论观点而尚未形成一套完整的方法。从理论观点看，它提倡通过不同的分辨率或尺度，对数据中出现的知识进行认知以及探索。

在这个意义上来讲，粒度运算包含了所有能够在提取及表示知识或信息的尺度中，提供灵活性和适应性的所有方法。

Ⅳ 数据库事务原子性，一致性是怎样实现的

这个问题的有趣之处，不在于问题本身（“原子性、一致性的实现机制是什么”），而在于回答者的分歧反映出来的另外一个问题：原子性和一致性之间的关系是什么？

我特别关注了@我练功发自真心
的答案，他正确地指出了，为了保证事务操作的原子性，必须实现基于日志的REDO/UNDO机制。但这个答案仍然是不完整的，因为原子性并不能够完全保证一致性。

按照我个人的理解，在事务处理的ACID属性中，一致性是最基本的属性，其它的三个属性都为了保证一致性而存在的。

首先回顾一下一致性的定义。所谓一致性，指的是数据处于一种有意义的状态，这种状态是语义上的而不是语法上的。最常见的例子是转帐。例如从帐户A转一笔钱到帐户B上，如果帐户A上的钱减少了，而帐户B上的钱却没有增加，那么我们认为此时数据处于不一致的状态。

在
数据库实现的场景中，一致性可以分为数据库外部的一致性和数据库内部的一致性。前者由外部应用的编码来保证，即某个应用在执行转帐的数据库操作时，必须在
同一个事务内部调用对帐户A和帐户B的操作。如果在这个层次出现错误，这不是数据库本身能够解决的，也不属于我们需要讨论的范围。后者由数据库来保证，即
在同一个事务内部的一组操作必须全部执行成功（或者全部失败）。这就是事务处理的原子性。

为了实现原子性，需要通过日志：将所有对
数据的更新操作都写入日志，如果一个事务中的一部分操作已经成功，但以后的操作，由于断电/系统崩溃/其它的软硬件错误而无法继续，则通过回溯日志，将已
经执行成功的操作撤销，从而达到“全部操作失败”的目的。最常见的场景是，数据库系统崩溃后重启，此时数据库处于不一致的状态，必须先执行一个crash
recovery的过程：读取日志进行REDO（重演将所有已经执行成功但尚未写入到磁盘的操作，保证持久性），再对所有到崩溃时尚未成功提交的事务进行
UNDO（撤销所有执行了一部分但尚未提交的操作，保证原子性）。crash
recovery结束后，数据库恢复到一致性状态，可以继续被使用。

日志的管理和重演是数据库实现中最复杂的部分之一。如果涉及到并行处理和分布式系统（日志的复制和重演是数据库高可用性的基础），会比上述场景还要复杂得多。

但是，原子性并不能完全保证一致性。在多个事务并行进行的情况下，即使保证了每一个事务的原子性，仍然可能导致数据不一致的结果。例如，事务1需要将100元转入帐号A：先读取帐号A的值，然后在这个值上加上100。但是，在这两个操作之间，另一个事务2修改了帐号A的值，为它增加了100元。那么最后的结果应该是A增加了200元。但事实上，
事务1最终完成后，帐号A只增加了100元，因为事务2的修改结果被事务1覆盖掉了。

为了保证并发情况下的一致性，引入了隔离性，即保证每一个事务能够看到的数据总是一致的，就好象其它并发事务并不存在一样。用术语来说，就是多个事务并发执行后的状态，和它们串行执行后的状态是等价的。怎样实现隔离性，已经有很多人回答过了，原则上无非是两种类型的锁：

一
种是悲观锁，即当前事务将所有涉及操作的对象加锁，操作完成后释放给其它对象使用。为了尽可能提高性能，发明了各种粒度（数据库级/表级/行级……）/各
种性质（共享锁/排他锁/共享意向锁/排他意向锁/共享排他意向锁……）的锁。为了解决死锁问题，又发明了两阶段锁协议/死锁检测等一系列的技术。

一种是乐观锁，即不同的事务可以同时看到同一对象（一般是数据行）的不同历史版本。如果有两个事务同时修改了同一数据行，那么在较晚的事务提交时进行冲突
检测。实现也有两种，一种是通过日志UNDO的方式来获取数据行的历史版本，一种是简单地在内存中保存同一数据行的多个历史版本，通过时间戳来区分。

锁也是数据库实现中最复杂的部分之一。同样，如果涉及到分布式系统（分布式锁和两阶段提交是分布式事务的基础），会比上述场景还要复杂得多。

@
我练功发自真心
提到，其他回答者说的其实是操作系统对atomic的理解，即并发控制。我不能完全同意这一点。数据库有自己的并发控制和锁问题，虽然在原理上和操作系统
中的概念非常类似，但是并不是同一个层次上的东西。数据库中的锁，在粒度/类型/实现方式上和操作系统中的锁都完全不同。操作系统中的锁，在数据库实现中
称为latch（一般译为闩）。其他回答者回答的其实是“在并行事务处理的情况下怎样保证数据的一致性”。

最后回到原来的问题（“原子性、一致性的实现机制是什么”）。我手头有本Database
System
Concepts（4ed，有点老了），在第15章的开头简明地介绍了ACID的概念及其关系。如果你想从概念上了解其实现，把这本书的相关章节读完应该能大概明白。如果你想从实践上了解其实现，可以找innodb这样的开源引擎的源代码来读。不过，即使是一个非常粗糙的开源实现（不考虑太复杂的并行处理，不考虑分布式系统，不考虑针对操作系统和硬件的优化之类），要基本搞明白恐怕也不是一两年的事。

Ⅳ 数据库粒度问题

粒度问题是设计数据仓库的一个最重要方面。粒度是指数据仓库的数据单位中保存数据的细化或综合程度的级别。细化程度越高，粒度级就越小；相反，细化程度越低，粒度级就越大。数据的粒度一直是一个设计问题。在早期建立的操作型系统中，粒度是用于访问授权的。当详细的数据被更新时，几乎总是把它存放在最低粒度级上。但在数据仓库环境中，对粒度不作假设。在数据仓库环境中粒度之所以是主要的设计问题，是因为它深深地影响存放在数据仓库中的数据量的大小，同时影响数据仓库所能回答的查询类型。在数据仓库中的数据量大小与查询的详细程度之间要作出权衡。

Ⅵ 数据库加密的最小粒度是什么

就是通常我们所说的锁级别。
数据库引擎具有多粒度锁定，允许一个事务锁定不同类型的资源。 为了尽量减少锁定的开销，数据库引擎自动将资源锁定在适合任务的级别。 锁定在较小的粒度（例如行）可以提高并发度，但开销较高，因为如果锁定了许多行，则需要持有更多的锁。 锁定在较大的粒度（例如表）会降低了并发度，因为锁定整个表限制了其他事务对表中任意部分的访问。 但其开销较低，因为需要维护的锁较少。
数据库引擎通常必须获取多粒度级别上的锁才能完整地保护资源。 这组多粒度级别上的锁称为锁层次结构。 例如，为了完整地保护对索引的读取，数据库引擎实例可能必须获取行上的共享锁以及页和表上的意向共享锁。

MySQL有三种锁的级别：页级、表级、行级。

MyISAM和MEMORY存储引擎采用的是表级锁（table-level locking）；BDB存储引擎采用的是页面锁（page-level
locking），但也支持表级锁；InnoDB存储引擎既支持行级锁（row-level locking），也支持表级锁，但默认情况下是采用行级锁。

MySQL这3种锁的特性可大致归纳如下：
表级锁：开销小，加锁快；不会出现死锁；锁定粒度大，发生锁冲突的概率最高,并发度最低。
行级锁：开销大，加锁慢；会出现死锁；锁定粒度最小，发生锁冲突的概率最低,并发度也最高。
页面锁：开销和加锁时间界于表锁和行锁之间；会出现死锁；锁定粒度界于表锁和行锁之间，并发度一般。

每种锁可以在网上查询详细说明。主要看你用什么存储引擎。

Ⅶ 什么是数据库数据库系统具有哪些特点

你好，
数据库指的是以一定方式储存在一起、能为多个用户共享、具有尽可能小的冗余度的特点、是与应用程序彼此独立的数据集合。

数据库系统的特点：
1.数据的结构化，数据的共享性好，数据的独立性好，数据存储粒度小，数据管理系统，为用户提供了友好的接口。
2.数据库系统的核心和基础，是数据模型,现有的数据库系统均是基于某种数据模型的。
3.数据库系统的核心是数据库管理系统。
4.数据库系统一般由数据库、数据库管理系统（DBMS）、应用系统、数据库管理员和用户构成。DBMS是数据库系统的基础和核心。

希望可以帮到您

Ⅷ 数据库审计的主要功能

美创数据库安全审计系统以安全事件为中心，以全面审计和精确审计为基础，对数据库的各类操作行为进行监视并记录，并以邮件、短信等方式及时发出告警信息，为企业保护自身合法权益提供必要的依据。

美创数据库审计具有一下特色功能

1无死角的全面化审计

2准确定位的精确化审计

3符合需求的订阅和告警

4未知威胁的智能化告警

5基于智能引擎的搜索和分析

6安全审计信息翻译

7丰富的审计报表

8风险引擎智能识别

数据库审计适用场景

1、数据库口令猜解

口令猜解包括撞库和爆破，是大部分数据库入侵的第一步，如数据库上没有开启登录状态策略，数据库管理员无从知道登陆了数据库时间、状态等信息。

2、敏感数据越权访问

数据库中DBA、SchemaUser、Any特权用户拥有高权限，存在数据泄漏、敏感数据访问、账号密码泄漏等风险。

3、用户操作行为审计

前端应用发起的请求，无法获得单一用户操作的相关记录，记录中所有的数据库帐号均为一个，即使记录下来非法操作也无法做到有效追溯。

4、安全事件实时监控

发生违规事件后，缺乏有效、及时告警方式，导致无法快速发现、定位安全事件，造成严重后果。

美创数据库审计的优势

1、全面安全监督，予以震慑

美创数据库审计提供全面审计和精确审计，能够对数据库所有访问和操作行为审计，实现精准到操作人，对数据库的潜在威胁者予以震慑，最大程度的减少各种违规行为。

2、事件快速定位，追踪溯源

基于对数据库所有访问和操作行为的记录，日志有效对应到使用者真实身份，一旦出现事件，能够迅速定位，事中检测、事后追责溯源。

3、符合需求的实时告警通知

数据库审计系统提供符合需求的订阅和告警，通过实时告警引擎和短信、邮件、动画等多种告警手段来保证报警的实时性，同时通过精细化的事件审计、灵活的告警规则、重复事件合并和过滤功能，以及强大的搜索引擎保障来保证告警信息不会泛滥，以免造成管理者麻木，管理者也可以依据自身的安全需求订阅相关的告警，实现事前预警。

Ⅸ 请问计算机领域里的“信息粒度”和“知识粒度”有何区别

信息粒度是反映信息详细程度的概念。为适应不同子系统信息需求的详细程度不同.
知识的粒度用来描述使用该知识对论域划分的分类情况。
下面就我具体讲一下关于粒度测试方面的基知识和基本方法。
粒度测试是通过特定的仪器和方法对粉体粒度特性进行表征的一项实验工作。粉体在我们日常生活和工农业生产中的应用非常广泛。如面粉、水泥、塑料、造纸、橡胶、陶瓷、药品等等。在的不同应用领域中，对粉体特性的要求是各不相同的，在所有反映粉体特性的指标中，粒度分布是所有应用领域中最受关注的一项指标。所以客观真实地反映粉体的粒度分布是一项非常重要的工作。
一、粒度测试的基本知识
1、颗粒：在一尺寸范围内具有特定形状的几何体。这里所说的一尺寸一般在毫米到纳米之间，颗粒不仅指固体颗粒，还有雾滴、油珠等液体颗粒。
2、粉休：由大量的不同尺寸的颗粒组成的颗粒群。
3、粒度：颗粒的大小叫做颗粒的粒度。
4、粒度分布：用特定的仪器和方法反映出的不同粒径颗粒占粉体总量的百分数。有区间分布和累计分布两种形式。区间分布又称为微分分布或频率分布，它表示一系列粒径区间中颗粒的百分含量。累计分布也叫积分分布，它表示小于或大于某粒径颗粒的百分含量。
5、粒度分布的表示方法：
① 表格法：用表格的方法将粒径区间分布、累计分布一一列出的方法。
② 图形法：在直角标系中用直方图和曲线等形式表示粒度分布的方法。
③ 函数法：用数学函数表示粒度分布的方法。这种方法一般在理论研究时用。如着名的Rosin-Rammler分布就是函数分布。
6、粒径和等效粒径：
粒径就是颗粒直径。这概念是很简单明确的，那么什么是等效粒径呢，粒径和等效粒径有什么关系呢？我们知道，只有圆球体才有直径，其它形状的几何体是没有直径的，而组成粉体的颗粒又绝大多数不是圆球形的，而是各种各样不规则形状的，有片状的、针状的、多棱状的等等。这些复杂形状的颗粒从理论上讲是不能直接用直径这个概念来表示它的大小的。而在实际工作中直径是描述一个颗粒大小的最直观、最简单的一个量，我们又希望能用这样的一个量来描述颗粒大小，所以在粒度测试的实践中的我们引入了等效粒径这个概念。
等效粒径是指当一个颗粒的某一物理特性与同质的球形颗粒相同或相近时，我们就用该球形颗粒的直径来代表这个实际颗粒的直径。那么这个球形颗粒的粒径就是该实际颗粒的等效粒径。等效粒径具体有如下几种：
① 等效体积径：与实际颗粒体积相同的球的直径。一般认为激光法所测的直径为等效体积径。
② 等效沉速径：在相同条件下与实际颗粒沉降速度相同的球的直径。沉降法所测的粒径为等效沉速径，又叫Stokes径。
③ 等效电阻径：在相同条件下与实际颗粒产生相同电阻效果的球形颗粒的直径。库尔特法所测的粒径为等效电阻径。
④ 等效投进面积径：与实际颗粒投进面积相同的球形颗粒的直径。显向镜法和图像法所测的粒径大多是等效投影面积直径。
7、表示粒度特性的几个关键指标：
① D50：一个样品的累计粒度分布百分数达到50%时所对应的粒径。它的物理意义是粒径大于它的颗粒占50%，小于它的颗粒也占50%，D50也叫中位径或中值粒径。D50常用来表示粉体的平均粒度。
② D97：一个样品的累计粒度分布数达到97%时所对应的粒径。它的物理意义是粒径小于它的的颗粒占97%。D97常用来表示粉体粗端的粒度指标。
其它如D16、D90等参数的定义与物理意义与D97相似。
③ 比表面积：单位重量的颗粒的表面积之和。比表面积的单位为m2/kg或cm2/g。比表面积与粒度有一定的关系，粒度越细，比表面积越大，但这种关系并不一定是正比关系。
8、粒度测试的重复性：同一个样品多次测量结果之间的偏差。重复性指标是衡量一个粒度测试仪器和方法好坏的最重要的指标。它的计算方法是：
其中，n为测量次数（一般n>=10）；
x i为每次测试结果的典型值（一般为D50值）；
x为多次测试结果典型值的平均值；
σ为标准差；
δ为重复性相对误差。
影响粒度测试重复性有仪器和方法本身的因素；样品制备方面的因素；环境与操作方面的因素等。粒度测试应具有良好的重复性是对仪器和操作人员的基本要求。
9、粒度测试的真实性：
通常的测量仪器都有准确性方面的指标。由于粒度测试的特殊性，通常用真实性来表示准确性方面的含义。由于粒度测试所测得的粒径为等效粒径，对同一个颗粒，不同的等效方法可能会得到不同的等效粒径。
可见，由于测量方法不同，同一个颗粒得到了两个不同的结果。也就是说，一个不规则形状的颗粒，如果用一个数值来表示它的大小时，这个数值不是唯一的，而是有一系列的数值。而每一种测试方法的都是针对颗粒的某一个特定方面进行的，所得到的数值是所有能表示颗粒大小的一系列数值中的一个，所以相同样品用不同的粒度测试方法得到的结果有所不同的是客观原因造成的。颗粒的形状越复杂，不同测试方法的结果相差越大。但这并不意味着粒度测试结果可以漫无边际，而恰恰应具有一定的真实性，就是应比较真实地反映样品的实际粒度分布。真实性目前还没有严格的标准，是一个定性的概念。但有些现象可以做为测试结果真实性好坏的依据。比如仪器对标准样的测量结果应在标称值允许的误差范围内；经粉碎后的样品应比粉粉碎前更细；经分级后的样品的大颗粒含量应减少；结果与行业标准或公认的方法一致等。

Ⅹ bmb17对数据库审计有什么要求

1、多层业务关联审计：
对多层次的数据库访问和操作进行多层业务关联审计，可以完全的追溯到访问者的信息，能定位事件发生前后所有层面的请求和访问，让管理人员可以一目了然，真正的做到数据库操作行为可监控，违规操作可追溯。
2、细粒度数据库审计：
通过对不同数据库的SQL语义分析，提取出SQL中相关的要素，并对违规的操作进行阻断系统不仅对数据库操作请求进行实时审计，而且还可对数据库返回结果进行完整的还原和审计，同时可以根据返回结果设置审计规则。
3、精准化行为回溯：
一旦发生安全事件，提供基于数据库对象的完全自定义审计查询及审计数据展现，彻底摆脱数据库的黑盒状态。
4、全方位风险控制：
灵活的策略定制：根据用户、操作的时间、数据库对象、操作IP地址、返回的记录数等方面组合来定义户所关心的重要事件和风险事件。当发现用户有违规操作时，系统可以在第一时间就通知数据库管理员。
5、多协议层的远程访问监控：
支持对客户端工具、应用层以及对服务器的远程访问实时监控及回放功能，有助于安全事件的定位查询、成因分析及责任认定。