图6.21纽约市每日犯罪折线图图6.22纽约市每月犯罪箱线图用离散点的形式描述抗议事件不能充分体现其空间分布趋势,可采用核密度估计方法。为研究“弗洛伊德事件”发生后纽约市犯罪事件的空间分布变化,对犯罪事件进行核密度分析以及平均最近邻分析。......
2025-09-29
所谓只读(read only)应用,是数据库中使用最广泛的应用。这类应用的特点是,用户的目的是查询信息而不是修改信息(以下部分样例和表述选自参考文献[3])。
为了方便,我们先扩充SQL语言,并以伪代码的形式来展示。
下面是一些我们会用到的记号。
以“#”开头的字串是一个变量,表示查询处理返回的状态值,例如,#FOUND表示查询结果为“真”。
以“$”开头的字串是一个变量,表示这是一个参数变量,主要用于值的交换,说明数据库与应用程序之间的数据交换。
下面是一个简单的例子,其含义是从一个关系Student中按照指定的学号查询出相应的学生姓名:
Select name into$NAME
f rom Student
where sno=$SNO
这个查询很简单。其中:$SNO是一个参数变量,用于从应用程序中将“学生”的姓名值传递给数据库;$NAME也是一个参数变量,用于从数据库中将学生的姓名值传递给应用程序。这类查询可以称为参数查询。
1.分片透明性(level 1)
我们把第一个层面的透明性称为分片透明性,意思是此时并不需要知道数据是否分片。样例如下:
Input(terminal,$SNO);
Selec t name into $NAME
f rom Student where sno=$SNO;
Out put(termina l,$NAME).
以上样例中,我们用Input()函数表示输入,Output()函数表示输出,这两个函数中出现的变量terminal表示为终端。这里的输入终端代表键盘,输出终端代表显示器。
这个伪程序的含义为:按照终端输入的学号(记录于变量$SNO上)查询该学生的姓名,把结果显示在终端上。
2.地点透明性(level 2)
第二个层面的透明性我们称为地点透明性,表示不需要知道数据存放的地点,样例如下:
Input(terminal,$SNO);
Selec t name into $NAME(https://www.chuimin.cn)
f rom Student1
where sno=$SNO;
i f not FOUND then
Select name into $NAME
f rom Student2
where sno=$SNO;
Output(terminal,$NAME).
以上样例的含义是:按终端输入的学号在数据片Student1上查询该学生的姓名,查询到后将结果记录于变量$NAME上,如果没有查询到(#FOUND为假),则查询Student2,查询到后将结果记录于变量$NAME上。最后将结果输出到终端上。
3.本地映射透明性(level 3)
第三个层面的透明性我们称为本地映射透明性,表示不需要知道数据本地的映射机制,但是需指明运算实施的地点,如节点1(SITE 1),记作@SITE 1。假设这两个数据片分别驻留在节点1(SITE 1)和节点3(SITE 3),结果如下:
Input(terminal,$SNO)
Se l ec t name into $NAME
f rom Student1@SITE 1
where sno=$SNO;
i f not FOUND then
Select name into $NAME
f rom Student2@SITE 3
where sno=$SNO,
Output(terminal,$NAME).
这个程序中,首先在节点1上查询Student1,没查询到的话,就在节点3上查询Student2。
相关文章
图6.21纽约市每日犯罪折线图图6.22纽约市每月犯罪箱线图用离散点的形式描述抗议事件不能充分体现其空间分布趋势,可采用核密度估计方法。为研究“弗洛伊德事件”发生后纽约市犯罪事件的空间分布变化,对犯罪事件进行核密度分析以及平均最近邻分析。......
2025-09-29
学术界和工业界对知识管理理论进行了深入而广泛的研究,然而迄今为止对知识管理涉及的具体内容及一般过程尚未形成统一认识。这里重点介绍图书情报领域专家的相关表述。其管理过程大致包括知识生产、组织、构建、检索、发现、分享、应用和创新等阶段。在知识经济的背景下,知识的发现、利用和创新是贯穿于高校图书馆各项业务工作的主线,知识管理理论也成为大数据时代图书馆大数据应用和服务的主要支撑理论。......
2025-09-29
本方案是基于内容的文献推荐方法,当用户浏览图书馆信息系统,点击感兴趣的文献链接时,系统查找与用户当前所点击的文献特征高相似度的文献,经过排名后实施推荐。本方案中用户兴趣建模和文献数据建模均采用“混合关联”方案,如图10.13所示。抽取图书数据库中的“书名”和“内容简介”,与论文数据库中的“篇名”和“中文摘要”等元数据实现关联。Spark库中有专用函数支持“相似性度量”关联的实现。......
2025-09-29
中国少数民族不在业人口、不在业率空间分布差异大,变化地域性显著。1990年、2010年东部的不在业率为22.75、31.80,高出西部4.51和6.34。不在业率的增幅(百分点),东部9.05,西部7.22;西南6.74,西北7.71。增幅≥10的民族,东部4个占50.0%,西部12个占25.5%;西南6个占19.4%,西北6个占37.5%。......
2025-09-29
究其原因,高校图书馆大数据应用正处于起步阶段,数据收集整合、数据分析和知识服务方法有待发展,相关技术有待突破;另外,高校图书馆数据量激增,海量存储的急切需求和计算设备性能的急待提高与资金投入受限也存在尖锐的矛盾。上述因素使得当前高校图书馆大数据应用陷入困境,阻碍了高校图书馆大数据服务的开展。大数据实时处理和高效分析是图书馆知识服务的前提,也是图书馆大数据应用落地的关键。......
2025-09-29
图4.3论文数据库和图书数据库本体模型和聚合元数据关联。设有两篇论文的题名分别为:论文A:大数据时代数字图书馆面临的机遇和挑战论文B:大数据时代下图书馆的挑战及其应对策略按以下步骤计算它们的相似程度。......
2025-09-29
图书馆大数据具体应用模式的比较和分析。一方面,由于图书馆大数据应用服务的对象不同,导致服务的目的、要求、数据来源、数据特点有很大差异,所提出的高校图书馆大数据各种应用模式也有重大区别;另一方面,各种模式也存在诸多共同点,因此需要对其进行比较和分析。......
2025-09-29
相关推荐