求数据库应用题

数据库语言的目标

要说清这个目标，先要理解数据库是做什么的。

数据库这个软件，名字中有个“库”字，会让人觉得它主要是为了存储的。其实不然，数据库实现的重要功能有两条：计算、事务！也就是我们常说的 OLAP 和 OLTP，数据库的存储都是为这两件事服务的，单纯的存储并不是数据库的目标。

我们知道，SQL 是目前数据库的主流语言。那么，用 SQL 做这两件事是不是很方便呢？

事务类功能主要解决数据在写入和读出时要保持的一致性，实现这件事的难度并不小，但对于应用程序的接口却非常简单，用于 *** 纵数据库读写的代码也很简单。如果假定目前关系数据库的逻辑存储模式是合理的（也就是用数据表和记录来存储数据，其合理性与否是另一个复杂问题，不在这里展开了），那么 SQL 在描述事务类功能时没什么大问题，因为并不需要描述多复杂的动作，复杂性都在数据库内部解决了。

但计算类功能却不一样了。

这里说的计算是个更广泛的概念，并不只是简单的加加减减，查找、关联都可以看成是某种计算。

什么样的计算体系才算好呢？

还是两条：写着简单、跑得快。

写着简单，很好理解，就是让程序员很快能写出来代码来，这样单位时间内可以完成更多的工作；跑得快就更容易理解，我们当然希望更短时间内获得计算结果。

其实 SQL 中的 Q 就是查询的意思，发明它的初衷主要是为了做查询（也就是计算），这才是 SQL 的主要目标。然而，SQL 在描述计算任务时，却很难说是很胜任的。

SQL为什么不行

先看写着简单的问题。

SQL 写出来很象英语，有些查询可以当英语来读和写（网上多得很，就不举例了），这应当算是满足写着简单这一条了吧。

且慢！我们在教科书上看到的 SQL 经常只有两三行，这些 SQL 确实算是写着简单的，但如果我们尝试一些稍复杂化的问题呢？

这是一个其实还不算很复杂的例子：计算一支股票最长连续上涨了多少天？用 SQL 写出来是这样的：

selectmax(consecutive_day)from(selectcount() (consecutive_dayfrom(selectsum(rise_mark) over(orderbytrade_date) days_no_gainfrom(selecttrade_date,case when closing_price>lag(closing_price) over(order by trade_date)then 0 else 1 END rise_markfrom stock_price ) )group by days\_no\_gain)

这个语句的工作原理就不解释了，反正有点绕，同学们可以自己尝试一下。

这是润乾公司的招聘考题，通过率不足 20%；因为太难，后来被改成另一种方式：把 SQL 语句写出来让应聘者解释它在算什么，通过率依然不高。

这说明什么？说明情况稍有复杂，SQL 就变得即难懂又难写！

再看跑得快的问题，还是一个经常拿出来的简单例子：1 亿条数据中取前 10 名。这个任务用 SQL 写出来并不复杂：

SELECTTOP 10x FROMT ORDERBYx DESC

但是，这个语句对应的执行逻辑是先对所有数据进行大排序，然后再取出前 10 个，后面的不要了。大家知道，排序是一个很慢的动作，会多次遍历数据，如果数据量大到内存装不下，那还需要外存做缓存，性能还会进一步急剧下降。如果严格按这句 SQL 体现的逻辑去执行，这个运算无论如何是跑不快的。然而，很多程序员都知道这个运算并不需要大排序，也用不着外存缓存，一次遍历用一点点内存就可以完成，也就是存在更高性能的算法。可惜的是，用 SQL 却写不出这样的算法，只能寄希望于数据库的优化器足够聪明，能把这句 SQL 转换成高性能算法执行，但情况复杂时数据库的优化器也未必靠谱。

看样子，SQL 在这两方面做得都不够好。这两个并不复杂的问题都是这样，现实中数千行的 SQL 代码中，这种难写且跑不快的情况比比皆是。

为什么 SQL 不行呢？

要回答这个问题，我们要分析一下用程序代码实现计算到底是在干什么。

本质上讲，编写程序的过程，就是把解决问题的思路翻译成计算机可执行的精确化形式语言的过程。举例来说，就象小学生解应用题，分析问题想出解法之后，还要列出四则运算表达式。用程序计算也是一样，不仅要想出解决问题的方法，还要把解法翻译成计算机能理解执行的动作才算完成。

用于描述计算方法的形式语言，其核心在于所采用的代数体系。所谓代数体系，简单说就是一些数据类型和其上的运算规则，比如小学学到的算术，就是整数和加减乘除运算。有了这套东西，我们就能把想做的运算用这个代数体系约定的符号写出来，也就是代码，然后计算机就可以执行了。

如果这个代数体系设计时考虑不周到，提供的数据类型和运算不方便，那就会导致描述算法非常困难。这时候会发生一个怪现象：翻译解法到代码的难度远远超过解决问题本身。

举个例子，我们从小学习用阿拉伯数字做日常计算，做加减乘除都很方便，所有人都天经地义认为数值运算就该是这样的。其实未必！估计很多人都知道还有一种叫做罗马数字的东西，你知道用罗马数字该怎么做加减乘除吗？古罗马人又是如何上街买菜的？

代码难写很大程度是代数的问题。

再看跑不快的原因。

软件没办法改变硬件的性能，CPU 和硬盘该多快就是多快。不过，我们可以设计出低复杂度的算法，也就是计算量更小的算法，这样计算机执行的动作变少，自然也就会快了。但是，光想出算法还不够，还要把这个算法用某种形式语言写得出来才行，否则计算机不会执行。而且，写起来还要比较简单，都要写很长很麻烦，也没有人会去用。所以呢，对于程序来讲，跑得快和写着简单其实是同一个问题，背后还是这个形式语言采用的代数的问题。如果这个代数不好，就会导致高性能算法很难实现甚至实现不了，也就没办法跑得快了。就象上面说的，用 SQL 写不出我们期望的小内存单次遍历算法，能不能跑得快就只能寄希望于优化器。

我们再做个类比：

上过小学的同学大概都知道高斯计算 1+2+3+…+100 的小故事。普通人就是一步步地硬加 100 次，高斯小朋友很聪明，发现 1+100=101、2+99=101、…、50+51=101，结果是 50 乘 101，很快算完回家午饭了。

听过这个故事，我们都会感慨高斯很聪明，能想到这么巧妙的办法，即简单又迅速。这没有错，但是，大家容易忽略一点：在高斯的时代，人类的算术体系（也是一个代数）中已经有了乘法！象前面所说，我们从小学习四则运算，会觉得乘法是理所当然的，然而并不是！乘法是后于加法被发明出来的。如果高斯的年代还没有乘法，即使有聪明的高斯，也没办法快速解决这个问题。

目前主流数据库是关系数据库，之所以这么叫，是因为它的数学基础被称为关系代数，SQL 也就是关系代数理论上发展出来的形式语言。

现在我们能回答，为什么 SQL 在期望的两个方面做得不够好？问题出在关系代数上，关系代数就像一个只有加法还没发明乘法的算术体系，很多事做不好是必然的。

关系代数已经发明五十年了，五十年前的应用需求以及硬件环境，和今天比的差异是很巨大了，继续延用五十年前的理论来解决今天的问题，听着就感觉太陈旧了？然而现实就是这样，由于存量用户太多，而且也还没有成熟的新技术出现，基于关系代数的 SQL，今天仍然是最重要的数据库语言。虽然这几十年来也有一些改进完善，但根子并没有变，面对当代的复杂需求和硬件环境，SQL 不胜任也是情理之中的事。

而且，不幸的是，这个问题是理论上的，在工程上无论如何优化也无济于事，只能有限改善，不能根除。不过，绝大部分的数据库开发者并不会想到这一层，或者说为了照顾存量用户的兼容性，也没打算想到这一层。于是，主流数据库界一直在这个圈圈里打转转。

SPL为什么能行

那么该怎样让计算写着更简单、跑得更快呢？

发明新的代数！有“乘法”的代数。在其基础上再设计新的语言。

这就是 SPL 的由来。它的理论基础不再是关系代数，称为离散数据集。基于这个新代数设计的形式语言，起名为SPL（Structured Process Language)。

SPL 针对 SQL 的不足（更确切地说法是，离散数据集针对关系代数的各种缺陷）进行了革新。SPL 重新定义了并扩展许多结构化数据中的运算，增加了离散性、强化了有序计算、实现了彻底的集合化、支持对象引用、提倡分步运算。

限于篇幅，这里不能介绍 SPL（离散数据集）的全貌。我们在这里列举 SPL（离散数据集）针对 SQL（关系代数）的部分差异化改进：

游离记录

离散数据集中的记录是一种基本数据类型，它可以不依赖于数据表而独立存在。数据表是记录构成的集合，而构成某个数据表的记录还可以用于构成其它数据表。比如过滤运算就是用原数据表中满足条件的记录构成新数据表，这样，无论空间占用还是运算性能都更有优势。

关系代数没有可运算的数据类型来表示记录，单记录实际上是只有一行的数据表，不同数据表中的记录也不能共享。比如，过滤运算时会复制出新记录来构成新数据表，空间和时间成本都变大。

特别地，因为有游离记录，离散数据集允许记录的字段取值是某个记录，这样可以更方便地实现外键连接。

有序性

关系代数是基于无序集合设计的，集合成员没有序号的概念，也没有提供定位计算以及相邻引用的机制。SQL 实践时在工程上做了一些局部完善，使得现代 SQL 能方便地进行一部分有序运算。

离散数据集中的集合是有序的，集合成员都有序号的概念，可以用序号访问成员，并定义了定位运算以返回成员在集合中的序号。离散数据集提供了符号以在集合运算中实现相邻引用，并支持针对集合中某个序号位置进行计算。

有序运算很常见，却一直是 SQL 的困难问题，即使在有了窗口函数后仍然很繁琐。SPL 则大大改善了这个局面，前面那个股票上涨的例子就能说明问题。

离散性与集合化

关系代数中定义了丰富的集合运算，即能将集合作为整体参加运算，比如聚合、分组等。这是 SQL 比 Java 等高级语言更为方便的地方。

但关系代数的离散性非常差，没有游离记录。而 Java 等高级语言在这方面则没有问题。

离散数据集则相当于将离散性和集合化结合起来了，既有集合数据类型及相关的运算，也有集合成员游离在集合之外单独运算或再组成其它集合。可以说 SPL 集中了 SQL 和 Java 两者的优势。

有序运算是典型的离散性与集合化的结合场景。次序的概念只有在集合中才有意义，单个成员无所谓次序，这里体现了集合化；而有序计算又需要针对某个成员及其相邻成员进行计算，需要离散性。

在离散性的支持下才能获得更彻底的集合化，才能解决诸如有序计算类型的问题。

离散数据集是即有离散性又有集合化的代数体系，关系代数只有集合化。

分组理解

分组运算的本意是将一个大集合按某种规则拆成若干个子集合，关系代数中没有数据类型能够表示集合的集合，于是强迫在分组后做聚合运算。

离散数据集中允许集合的集合，可以表示合理的分组运算结果，分组和分组后的聚合被拆分成相互独立的两步运算，这样可以针对分组子集再进行更复杂的运算。

关系代数中只有一种等值分组，即按分组键值划分集合，等值分组是个完全划分。

离散数据集认为任何拆分大集合的方法都是分组运算，除了常规的等值分组外，还提供了与有序性结合的有序分组，以及可能得到不完全划分结果的对位分组。

聚合理解

关系代数中没有显式的集合数据类型，聚合计算的结果都是单值，分组后的聚合运算也是这样，只有 SUM、COUNT、MAX、MIN 等几种。特别地，关系代数无法把 TOPN 运算看成是聚合，针对全集的 TOPN 只能在输出结果集时排序后取前 N 条，而针对分组子集则很难做到 TOPN，需要转变思路拼出序号才能完成。

离散数据集提倡普遍集合，聚合运算的结果不一定是单值，仍然可能是个集合。在离散数据集中，TOPN 运算和 SUM、COUNT 这些是地位等同的，即可以针对全集也可以针对分组子集。

SPL 把 TOPN 理解成聚合运算后，在工程实现时还可以避免全量数据的排序，从而获得高性能。而 SQL 的 TOPN 总是伴随 ORDER BY 动作，理论上需要大排序才能实现，需要寄希望于数据库在工程实现时做优化。

有序支持的高性能

离散数据集特别强调有序集合，利用有序的特征可以实施很多高性能算法。这是基于无序集合的关系代数无能为力的，只能寄希望于工程上的优化。

下面是部分利用有序特征后可以实施的低复杂度运算：

1) 数据表对主键有序，相当于天然有一个索引。对键字段的过滤经常可以快速定位，以减少外存遍历量。随机按键值取数时也可以用二分法定位，在同时针对多个键值取数时还能重复利用索引信息。

2) 通常的分组运算是用 HASH 算法实现的，如果我们确定地知道数据对分组键值有序，则可以只做相邻对比，避免计算 HASH 值，也不会有 HASH 冲突的问题，而且非常容易并行。

3) 数据表对键有序，两个大表之间对位连接可以执行更高性能的归并算法，只要对数据遍历一次，不必缓存，对内存占用很小；而传统的 HASH 值分堆方法不仅比较复杂度高，需要较大内存并做外部缓存，还可能因 HASH 函数不当而造成二次 HASH 再缓存。

4) 大表作为外键表的连接。事实表小时，可以利用外键表有序，快速从中取出关联键值对应的数据实现连接，不需要做 HASH 分堆动作。事实表也很大时，可以将外键表用分位点分成多个逻辑段，再将事实表按逻辑段进行分堆，这样只需要对一个表做分堆，而且分堆过程中不会出现 HASH 分堆时的可能出现的二次分堆，计算复杂度能大幅下降。

其中 3 和 4 利用了离散数据集对连接运算的改造，如果仍然延用关系代数的定义（可能产生多对多），则很难实现这种低复杂的算法。

除了理论上的差异， SPL 还有许多工程层面的优势，比如更易于编写并行代码、大内存预关联提高外键连接性能等、特有的列存机制以支持随意分段并行等。

再把前面的问题用 SPL 重写一遍有个直接感受。

一支股票最长连续上涨多少天：

stock_pricesort(trade_date)group@o(closing_price

计算思路和前面的 SQL 相同，但因为引入了有序性后，表达起来容易多了，不再绕了。

1 亿条数据中取前 10 名：

Tgroups(;top(-10,x))

SPL 有更丰富的集合数据类型，容易描述单次遍历上实施简单聚合的高效算法，不涉及大排序动作。

这里还有更多 SPL 代码以体现其思路及大数据算法：

重磅！开源SPL交流群成立了

简单好用的SPL开源啦！

为了给感兴趣的小伙伴们提供一个相互交流的平台，

特地开通了交流群（群完全免费，不广告不卖课）

需要进群的朋友，可长按扫描下方二维码

1首先是软件工程这本书，上午题75个选择里有18个左右，下午题第一道题DFD图和第三题UML图都在这本书上，必看。

2数据结构。数据结构上午题会有七八个，下午题第四个是个数据结构的算法，C语言伪代码的。

3数据库。数据库SQL语言比较难，上午题会考几道关系和2-3道SQL语言题目。下午题第二大题ER图是数据库的。

4计算机网络，汇编， *** 作系统，还有HTML上午题也都会考两三道，最后会有五道英语完型填空题，不知道你英语怎么样。

软件设计

此次考试的试题一至试题四为必答题，试题五至试题七选答一题。

试题一

该题以一个音像管理信息系统为载体来考核考生对数据流图知识点的把握。从题目的问答形式上来看，就是07年下半年第一题的翻版。除第4问的简答较难外，其他三问对于一般的考生，应能够快速而准确地做出来。

解答此类问题最关键的一点就是要细心，把题目看清，不要丢掉任何一个条件，将条件和题目中的图相对应，看是否能对上。另外解题有一定的技巧，从一些常规的入口作为突破口，会事半功倍。可以利用分层数据流图的数据流的平衡原则来解决。

数据流图一直是希赛模拟试题训练的重点，第二套试题一、第三套试题一、第四套试题二、第五套试题三、第六套试题一、第七套试题一轮番对数据流图进行训练，尤其第三套试题一的试题分析对解这类题的方法进行了详细介绍

试题二

该题以某地区举行篮球比赛，需要开发一个比赛信息管理系统来记录比赛的相关信息来考查考生对数据库知识的掌握。这是属于比较传统的题型，也是我们平时最喜欢做的一道题。本次考试的这道题非常容易，可以说是送分题，考了补充联系及类型、完善实体联系图、填充关系模式，指出模式的主键和外键、修改关系模式。数据库中实体联系、E-R模型、关系模式的主键、外键、候选键也是模拟试题下午题训练的重点，第一、二、三、四、六套均有数据库设计训练题。

试题三

该题以某汽车场信息管理系统为题材，采用面向对象方法对其进行分析与设计，考查考生对UML类图、状态图的掌握。07年上半年本道题考的是UML的类图，难度相当。

试题四

该题是一个算法题，(1)主要考查考生对分治算法的快速排序的理解。(2)考查考生对伪代码、快速排序的复杂度的掌握，做题的关键是要读懂题干，理解题干中对算法的描述。这道题不难，基本是送分题。希赛的辅导综合答疑中特别强调了快速排序及时间复杂度。

试题五

该题考查考生对“栈”的掌握。用C代码实现一个整数栈 *** 作。“栈”是数据结构复习中一个重要的知识点，在多年的考试中一直是个重点，也是在平时辅导当中强调的最多的。在考前就特别强调了这个知识点。这类题要求考生平时多阅读程序，理解算法的精髓，方可轻松解决。在希赛软考学院的模拟试题中，有多处试题对这方面进行了练习。

试题六-试题七

这两题分别是C++和Java开发的家用电器遥控系统为背景，考查考生对面向对象程序设计类的用例和继承，题干相同，只是用两种不同的语言来描述。难度适中。

1B 2C 3B 4C 5D 6C 7C 8D 9C 10A

11A 12A 13A --不太确定 14B 15C 16A 17B 18A 19D 20C

1试述事务的概念及事务的四个特性。

答：

事务是用户定义的一个数据库 *** 作序列，这些 *** 作要么全做要么全不做,是一个不可分割的工作单位。

事务具有四个特性：原子性（Atomicity）、一致性（Consistency）、隔离性（Isolation）和持续性（Durability）。这个四个特性也简称为ACID特性。

原子性：事务是数据库的逻辑工作单位，事务中包括的诸 *** 作要么都做，要么都不做。

一致性：事务执行的结果必须是使数据库从一个一致性状态变到另一个一致性状态。

隔离性：一个事务的执行不能被其他事务干扰。即一个事务内部的 *** 作及使用的数据对其他并发事务是隔离的，并发执行的各个事务之间不能互相干扰。

持续性：持续性也称永久性（Permanence），指一个事务一旦提交，它对数据库中数据的改变就应该是永久性的。接下来的其他 *** 作或故障不应该对其执行结果有任何影响。

2为什么事务非正常结束时会影响数据库数据的正确性，请列举一例说明之。

答：

事务执行的结果必须是使数据库从一个一致性状态变到另一个一致性状态。如果数据库系统运行中发生故障，有些事务尚未完成就被迫中断，这些未完成事务对数据库所做的修改有一部分已写入物理数据库，这时数据库就处于一种不正确的状态，或者说是不一致的状态。

例如某工厂的库存管理系统中，要把数量为Q的某种零件从仓库1移到仓库2存放。

则可以定义一个事务T，T包括两个 *** 作；Q1=Q1-Q，Q2=Q2+Q。如果T非正常终止时只做了第一个 *** 作，则数据库就处于不一致性状态，库存量无缘无故少了Q。

3数据库中为什么要有恢复子系统？它的功能是什么？

答：

因为计算机系统中硬件的故障、软件的错误、 *** 作员的失误以及恶意的破坏是不可避免的，这些故障轻则造成运行事务非正常中断，影响数据库中数据的正确性，重则破坏数据库，使数据库中全部或部分数据丢失，因此必须要有恢复子系统。

恢复子系统的功能是：把数据库从错误状态恢复到某一已知的正确状态（亦称为一致状态或完整状态）。

4．数据库运行中可能产生的故障有哪几类？哪些故障影响事务的正常执行？哪些故障破坏数据库数据？

答：数据库系统中可能发生各种各样的故障，大致可以分以下几类：

（1）事务内部的故障；

（2）系统故障；

（3）介质故障；

（4）计算机病毒。

事务故障、系统故障和介质故障影响事务的正常执行；介质故障和计算机病毒破坏数据

库数据。

5．据库恢复的基本技术有哪些？

答：

数据转储和登录日志文件是数据库恢复的基本技术。

当系统运行过程中发生故障，利用转储的数据库后备副本和日志文件就可以将数据库恢复到故障前的某个一致性状态。

6 数据库转储的意义是什么？ 试比较各种数据转储方法。

答：

数据转储是数据库恢复中采用的基本技术。所谓转储即DBA定期地将数据库复制到磁带或另一个磁盘上保存起来的过程。当数据库遭到破坏后可以将后备副本重新装入，将数据库恢复到转储时的状态。

静态转储：在系统中无运行事务时进行的转储 *** 作。静态转储简单，但必须等待正运行的用户事务结束才能进行。同样，新的事务必须等待转储结束才能执行。显然，这会降低数据库的可用性。

动态转储：指转储期间允许对数据库进行存取或修改。动态转储可克服静态转储的缺点，它不用等待正在运行的用户事务结束，也不会影响新事务的运行。但是，转储结束时后援副本上的数据并不能保证正确有效。因为转储期间运行的事务可能修改了某些数据，使得后援副本上的数据不是数据库的一致版本。

为此，必须把转储期间各事务对数据库的修改活动登记下来，建立日志文件（log file）。这样，后援副本加上日志文件就能得到数据库某一时刻的正确状态。

转储还可以分为海量转储和增量转储两种方式。

海量转储是指每次转储全部数据库。增量转储则指每次只转储上一次转储后更新过的数据。从恢复角度看，使用海量转储得到的后备副本进行恢复一般说来更简单些。但如果数据库很大，事务处理又十分频繁，则增量转储方式更实用更有效。

7 什么是日志文件？为什么要设立日志文件？

答：

（1）日志文件是用来记录事务对数据库的更新 *** 作的文件。

（2）设立日志文件的目的是： 进行事务故障恢复；进行系统故障恢复；协助后备副本进行介质故障恢复。

8 登记日志文件时为什么必须先写日志文件，后写数据库？

答：

把对数据的修改写到数据库中和把表示这个修改的日志记录写到日志文件中是两个不同的 *** 作。有可能在这两个 *** 作之间发生故障，即这两个写 *** 作只完成了一个。

如果先写了数据库修改，而在运行记录中没有登记这个修改，则以后就无法恢复这个修改了。如果先写日志，但没有修改数据库，在恢复时只不过是多执行一次UNDO *** 作，并不会影响数据库的正确性。所以一定要先写日志文件，即首先把日志记录写到日志文件中，然后写数据库的修改。

9 针对不同的故障，试给出恢复的策略和方法。（即如何进行事务故障的恢复？系统故障的恢复？介质故障恢复？）

答：

事务故障的恢复：

事务故障的恢复是由DBMS自动完成的，对用户是透明的。

DBMS执行恢复步骤是：

（1）反向扫描文件日志（即从最后向前扫描日志文件），查找该事务的更新 *** 作。

（2）对该事务的更新 *** 作执行逆 *** 作。即将日志记录中“更新前的值”写入数据库。

（3）继续反向扫描日志文件，做同样处理。

（4）如此处理下去，直至读到此事务的开始标记，该事务故障的恢复就完成了。

答：

系统故障的恢复：

系统故障可能会造成数据库处于不一致状态：

一是未完成事务对数据库的更新可能已写入数据库；

二是已提交事务对数据库的更新可能还留在缓冲区，没来得及写入数据库。

因此恢复 *** 作就是要撤销(UNDO)故障发生时未完成的事务，重做(REDO)已完成的事务。

系统的恢复步骤是：

（1）正向扫描日志文件，找出在故障发生前已经提交的事务队列（REDO队列）和未完成的事务队列（UNDO队列）。

（2）对撤销队列中的各个事务进行UNDO处理。

进行UNDO处理的方法是，反向扫描日志文件，对每个UNDO事务的更新 *** 作执行逆 *** 作，即将日志记录中“更新前的值”（Before Image）写入数据库。

（3）对重做队列中的各个事务进行REDO处理。

进行REDO处理的方法是：正向扫描日志文件，对每个REDO事务重新执行日志文件登记的 *** 作。即将日志记录中“更新后的值”（After Image）写入数据库。

解析：

在第（1）步中如何找出REDO队列和UNDO队列？请大家思考一下。

下面给出一个算法：

1） 建立两个事务队列:

· UNDO-LIST: 需要执行undo *** 作的事务集合；

· REDO-LIST: 需要执行redo *** 作的事务集合；

两个事务队列初始均为空。

2） 从日志文件头开始，正向扫描日志文件

· 如有新开始（遇到Begin Transaction）的事务Ti，把Ti暂时放入UNDO-LIST队列；

· 如有提交的事务（遇到End Transaction）Tj，把Tj从UNDO-LIST队列移到REDO-LIST队列；

直到日志文件结束

答：

介质故障的恢复：

介质故障是最严重的一种故障。

恢复方法是重装数据库，然后重做已完成的事务。具体过程是：

（1）DBA装入最新的数据库后备副本（离故障发生时刻最近的转储副本），使数据库恢复到转储时的一致性状态。

（2）DBA装入转储结束时刻的日志文件副本

（3）DBA启动系统恢复命令，由DBMS完成恢复功能，即重做已完成的事务。

解析

1）我们假定采用的是静态转储，因此第（1）步装入数据库后备副本便可以了。

2）如果采用的是静动态转储，第（1）步装入数据库后备副本还不够，还需同时装入转储开始时刻的日志文件副本，经过处理后才能得到正确的数据库后备副本。

3）第（2）步重做已完成的事务的算法是：

a 正向扫描日志文件，找出故障发生前已提交的事务的标识，将其记入重做队列

b 再一次正向扫描日志文件，对重做队列中的所有事务进行重做处理。即将日志记录中“更新后的值”写入数据库。

10 具有检查点的恢复技术有什么优点？

答：

利用日志技术进行数据库恢复时，恢复子系统必须搜索日志，确定哪些事务需要REDO，哪些事务需要UNDO。一般来说，需要检查所有日志记录。这样做有两个问题：

一是搜索整个日志将耗费大量的时间。

二是很多需要REDO处理的事务实际上已经将它们的更新 *** 作结果写到数据库中了，恢复子系统又重新执行了这些 *** 作，浪费了大量时间。

检查点技术就是为了解决这些问题。

11 试述使用检查点方法进行恢复的步骤。

答：

① 从重新开始文件中找到最后一个检查点记录在日志文件中的地址，由该地址在日志文件中找到最后一个检查点记录。

② 由该检查点记录得到检查点建立时刻所有正在执行的事务清单ACTIVE-LIST。

这里建立两个事务队列:

· UNDO-LIST: 需要执行undo *** 作的事务集合；

· REDO-LIST: 需要执行redo *** 作的事务集合；

把ACTIVE-LIST暂时放入UNDO-LIST队列，REDO队列暂为空。

③ 从检查点开始正向扫描日志文件

· 如有新开始的事务Ti，把Ti暂时放入UNDO-LIST队列；

· 如有提交的事务Tj，把Tj从UNDO-LIST队列移到REDO-LIST队列，直到日志文件结束；

④ 对UNDO-LIST中的每个事务执行UNDO *** 作, 对REDO-LIST中的每个事务执行REDO *** 作。

12 什么是数据库镜像？它有什么用途？

答：

数据库镜像即根据DBA的要求，自动把整个数据库或者其中的部分关键数据复制到另一个磁盘上。每当主数据库更新时，DBMS自动把更新后的数据复制过去，即DBMS自动保证镜像数据与主数据的一致性。

数据库镜像的用途有：

一是用于数据库恢复。当出现介质故障时，可由镜像磁盘继续提供使用，同时DBMS自动利用镜像磁盘数据进行数据库的恢复，不需要关闭系统和重装数据库副本。

二是提高数据库的可用性。在没有出现故障时，当一个用户对某个数据加排它锁进行修改时，其他用户可以读镜像数据库上的数据，而不必等待该用户释放锁。

1、查和“S0701026”读者借了相同图书的读者的图书证号和姓名selectrno,rnfromreaderwherernoin(selecta

rnofromborrowasa,borrowasbwherea

bno=b

bnoandb

rno='S0701026')2、查询每个读者的姓名和所借图书名selectrn,bnfromreader,borrow,bookwherereader

rno=borrow

rnoandborrow

bno=book

bno3、查没有借书的读者的图书证号和姓名selectrno,rnfromreaderwherernonotin(selectrnofromborrow)4、查询借阅了“数据结构”的读者数量selectcount()fromborrowwherebno=(selectbnofrombookwherebn='数据结构')groupbybno5、查“李丽”和“张朝阳”都借阅了的图书的书号selecta

bnofromborrowasa,borrowasbwherea

rno=(selectrnofromreaderwherern='李丽')andb

rno=(selectrnofromreaderwherern='张朝阳')anda

bno=b

bno6、查询借书上限最大的读者信息selectfromreaderwhererup=(selectmax(rup)fromreader)orderbyrupdesc7、查询借阅图书数量达到2本的读者信息selectfromreaderwherernoin(selectrnofromborrowgroupbyrnohavingcount()>1)8、查询每个读者姓名，所借图书的图书号，没有借书的读者也列出来selectreader

rn,bnofromreaderleftjoinborrowonreader

rno=borrow

rno9、查询没有借阅“C程序设计”的读者姓名selectrnfromreaderwherernonotin(selectrnofromborrowwherebno=(selectbnofrombookwherebn='C程序设计'))10、检索所有姓李的读者所借图书的书号selectbnofromborrowwherernoin(selectrnofromreaderwherernlike'李%')11、查被借出的图书编号以“TP”开头的图书信息selectfrombookwherebnoin(selectbnofromborrowwherebnolike'TP%')12、查没有被借阅的图书信息selectfrombookwherebnonotin(selectbnofromborrow)13、查询借阅了“数据库原理及其应用教程”的读者的图书证号和姓名selectreader

rno,rnfromreader,borrow,bookwherereader

rno=borrow

rnoandborrow

bno=book

bnoandbn='数据库原理及其应用教程'14、统计各个系读者的数量，显示系名和数量selectrde系名,count()数量fromreadergroupbyrde15、查询有过期未还图书的读者的书号、姓名、所在系selectbno,rn,rdefromreader,borrowwherereader

rno=borrow

rnoandrda

rnofromborrowasa,borrowasbwherea

bno=(selectbnofrombookwherebn='数据结构')andb

bno=(selectbnofrombookwherebn=' *** 作系统教程')anda

rno=b

rno17、查库存书的总数selectsum(bnu)frombook18、查询借阅了图书的读者信息selectfromreaderwherernoin(selectrnofromborrow)

以上就是关于求数据库应用题全部的内容，包括:求数据库应用题、学习软件设计应该要学习哪些书本、软件设计试题分析等相关内容解答，如果想了解更多相关内容，可以关注我们，你们的支持是我们更新的动力！