数据库管理系统范文第1篇

关键词：关键词：数据库管理系统数据库安全模型安全性数据库安全数据库中间件（DBSAPI）

中图分类号：TP393.08 文献标识码：A 文章编号：

1.访问控制模型

访问控制模型是从访问控制的角度描述安全系统并建立安全模型的方法。主体依据某些控制策略或权限对客体本身或资源进行的不同授权访问，称为访问控制，访问控制的三要素为主体、客体和控制策略，它的内容则包括认证、控制策略实现和审计。目前，访问控制模型可分为自主访问控制（Discretionary

Access Control)、强制访问控制（Mandatory Access control）和基于角色的访问控制（Role Based Access

Control）。

自主访问控制模型（DAC）的特点是：允许合法用户以用户或用户组的身份访问规定的客体并阻止非授权用户访问客体。DAC的主要表现形式为目录式访问控制、访问控制表、访问控制矩阵和面向过程的访问控制。DAC的优点是简单易操作，缺点是安全性较低。这是由DAC的特点导致，因操作系统无法区别哪种修改是用户的合法操作还是病毒或黑客的非法操作，所以系统容易受到病毒感染和黑客攻击。

强制访问控制模型（MAC）的特点是：系统对访问主体和受控对象实行强制访问控制，系统先根据事先分配的安全级别属性对访问主体和受控对象的安全级别属性进行比较，然后决定其是否可以进行访问。由于MAC模型采用分级安全标识，从而实现了信息的单向流动，其最大的优点是有效地防止机密信息向下级泄漏及有效地保护数据的完整性。但缺点是使用不灵活，工作量大且管理不便，由于MAC模型过于强调保密性，因此其应用范围也受到限制。

基于角色的访问控制模型（RBAC）的特点是：将访问权限于角色对应联系起来，通过分配给用户的适当角色，使用户与访问权限相联系，即在RBAC中，角色的作用类似于中介，主体与客体的联系通过中介来沟通。RBAC的优势在于它将数据资源访问许可封装在各种角色中，不同的角色对应不同的用户，角色或用户可以灵活地转换变化，而且RBAC也非常贴近日常生活。

2.数据库安全操作

2.1 数据库驱动程序的安全扩展

结构化查询语言的英文缩写是SQL。在数据库中的存取接口上，可使用扩展标准的SQL语言，执行对象定义、数据操纵、权限管理、流程控制等操作，从而实现对数据库中机密信息的加密和完整性保护。实际工作中，对于关系数据库的扩展操作，通常选用SQL DDL和SQL DML语言，同时，通过 ODBC、IDBC、BDE等数据库程序控制存取数据库中的表格、记录和字段，进一步对用户操作方面进行日志记录和审计，从内部加强关系数据库的存储和存取安全。这种方式的好处是简便易行，并且不会对数据库系统的基本性能造成大的改变。

当进行安全扩展时，在常规数据库驱动程序中增加审计日志管理、完整性验证、密钥管理和数据加解密安全扩展模块，例如，数据库审计日志和存储加密密钥等与安全相关的信息，从而提高数据库的安全性。同时，增加加密算法设置、更新和主密钥设置等安全属性，进一步提高SQL语句的安全性。

2.2 数据库安全数据视图

标准的SQL Server 数据库安全模型由用户、SQL Server 登录、权限和基本表组成，其安全认证通过数据库对用户所输入的帐号和口令进行确认，它包括确认用户的帐号是否有效、能否访问系统、能够访问哪些数据等。此安全模型的特点是将权限赋予表，用户在需要查询及更改数据时，直接对表进行存取，只要用户有对表的Select权限，便可以检索表中所有的信息。然而，大多数数据库中的数据是非常机密或涉及个人隐私的，这就要求对信息本身划分为不同的保密级别，例如国家机密、商业秘密和个人隐私等就不能简单地划分为公开和保密两类，而是需要更细致的分类，可细分为多级保密级或不同的保密级。在多级保密系统中，不同的保密级别被赋予不同的数据项，再根据数据项的不同细分项，给存取本数据项的操作赋予不同的级别。SQL Server通用安全模式显然不能将数据项细分，这是因为用户有对表的Select权限，可直接存取存储数据的数据库表。采用基于视图的数据库安全模型是解决问题的方法之一。在SQL中，把传统的关系模型中的子模式称为视图（VIEW)，视图是从若干基本表和其他视图构造出来的表。基本表为“实表”，是实际存放在数据库中的表。视图则称为“虚表”。创建一个视图时，只把视图的定义存储在数据词典中，而不存储视图所对应的数据。在关系数据系统中为不同的用户定义不同的视图，对无权存取这些数据的用户，通过视图机制，把要保密的数据隐藏起来，这种方法是实现视图并只授权访问视图。若使用该方式，用户只能访问在生成视图时返回的数据。视图机制使系统具有数据安全性、数据逻辑独立性和操作简便等优点，视图不仅可以简化用户对数据的理解，也可以简化他们的操作。那些被经常使用的查询可以被定义为视图，从而使得用户不必为以后的操作每次都指定全部的条件。视图和存储过程，就好像一座架设在用户与底层表之间的桥梁，用户的操作只能针对视图和存储过程进行，而无法直接访问底层表。

3.数据库中间件（DBSAPI）的应用

数据库中间件是连接用户和底层数据库之间的系统软件或服务程序，主要用于屏蔽异构数据库的底层细节问题，是客户与后台的数据库进行通讯的桥梁。中间件可减少对数据的直接读取，能对数据起到一个缓冲作用，安全且高效。当客户发出对某个数据库的SQL请求时，依次进行语法词法分析、加密字典和检索访问控制，再根据加密定义和访问控制进行相关操作，然后提交给DBMS做数据提取处理；即由数据库中间件搜索匹配的数据库连接，并将SQL请求转发给对应的数据库服务器，然后对数据库进行操作。这种方式访问数据库，最大的好处就是安全性，因为中间件的服务是定制的，应用程序只能通过中间件接到数据库。所以，应用程序无法做中间件服务之外的事情。只要将所需的应用逻辑写在中间件中，就可以保证数据的安全性。

参考文献：

数据库管理系统范文第2篇

构件仓库；

数据挖掘；

反馈；

决策树 作者简介：陈文，23岁，男，四川南充人，软件工程师，重庆西南大学计算机与信息科学学院2005级硕士研究生，研究方向：软件测试，软件复用。1 引言 软件构件技术是软件复用的一种重要手段，是近年来软件复用研究的热点，目前出现了大量的基于构件的应用软件开发，取得了良好的效果。要使用基于构件的软件开发技术，发挥构件在软件重用方面的优势，就必须要有支持整个软件生命周期并包含有大量可用构件的构件库系统，有效的构件管理和高效的构件查询是构件库系统成功的关键。本文研究的重点是将数据仓库，数据挖掘技术应用到构件库系统中，为构件库管理员提供切实有效的构件管理方法和为用户提供高效的构件查找方法和构件选择的辅助决策支持。2 数据仓库与数据挖掘技术2.1 数据仓库技术 著名的数据仓库专家W.H.Inmo在其著作《Building Data WareHouse》一书中给出了如下的数据仓库的定义：数据仓库是面向主题的（Subject-Oriented）,集成的（Interated），时变的（Time-Variant），非违约的（Non-volatile）一系列用于管理和决策制定的数据集。面向主题是数据仓的重要特征，这是与传统数据库面向应用相对应的。主题是一个在较高层次将数据归类的标准。基于主题组织的数据，被划分为各自独立的领域，每一个领域有自己的逻辑内涵，互不交叉，数据只是为具体处理而组织在一起。传统的E-R型数据模式能较好的执行联机事务处理（OLTP），但不适应决策支持分析，而数据仓库则是为决策管理提供支持信息，根据业务需求从用户的角度基于主题来组织数据，并形成相应的数据视图，汇总表等，因此适于联机分析处理（OLAP）。数据仓库的第二个特点是集成化，数据从面向应用的操作环境中，提取到数据仓库中时，都要经过集成化，统一原始数据中的所有矛盾如命名冲突，数据结构转换等，最终达到：一致的命名，变量度量，编码结构，物理属性等。数据仓库的另一个特点是非违约性。因为数据仓库中的数据是历史数据，数据经集成进入数据仓库后，一般不需要改变。针对数据进行的基本操作只是装数据和访问数据，因此不存在传统数据库中的数据恢复，数据同步，修复死锁等复杂问题.2.2 数据挖掘技术概述 数据挖掘（Data Mining）就是从大量的、不完全的、有噪声的、模糊的、随机的数据中，提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的非平凡过程，这些信息的表现形式为：规则、概念、规律及模式等。它可帮助决策者分析历史数据及当前数据，并从中发现隐藏的关系和模式，进而预测未来可能发生的行为。3 当前构件库系统应用中的困难 随着构件库系统的发展，当构件数目逐渐增多时，用户在查询和选取构件时会碰到以下一些困难： （1）在查询的过程中，可能有多个满足用户查询条件的构件，如何快速有效地从众多的候选构件中，准确的判断并选取所需的构件，这是一个复杂的决策过程，一般都依赖于用户的复用经验，以及对构件的理解和主观判断。 （2）通常用户都是通过刻面、属性、关键词、关系等表达式， 根据所需构件的特征，进行构件的查询。然而访问构件的用户具有不同的层次，可能不熟悉构件的刻面分类模式，对构件的理解比较困难。 （3）用户查询前并没有一个明确的目标，只是想通过查询构件库，找到能够利用和复用的构件，因而，如何通过构件的复用历史和其它用户的览胜经验，为用户提供一定程度的复用帮助是很必要的。 （4）对需求规约、设计、模式、测试计划等文档知识的构件复用属于间接复用，需要复用者首先进行分析和理解。在大多数复用情况下，对构件的复用是白盒复用，也是就根据构件复用者的反馈，对构件进行适应性修改。如何跟踪软件复用的经验和构件的使用历史，辅助用户选取相应的分析，设计及改动最小的构件是关键。 综上所述，由于当前的构件描述多是基于构件某一方面特征，如构件接口、构件属性、运行环境等进行描述，而缺乏对构件的功能及非功能属性的精确的，形式化的语义描述，这将导致某一候选构件与需求构件在构件的描述匹配中完全一致，但该构件并不一定能完成需求的功能。例如，用户试图寻找一个计算两数相加输出和的加法构件，但候选的是一个计算两相乘输出积的乘法构件，需求构件与候构件在构件接口参数描述、环境依赖等方面完全匹配，但功能上却大相径庭。因为缺乏非功能属性上描述，当前的构件匹配也存在着即使候选构件与需求构件在功能上一致但由于在非功能属性上不合要求仍不能完成用户需求的问题。特别是当用户应用程序在总体的非功能属性上，例如用户界面、程序安全性、适时性、可靠性等，有特殊要求时，构件的非功能属性一致性就更加重要。 构件描述必须具有完全性、完备性、易解理性。构件描述完全性指能够描述构件各个方面的特性，不存在构件的某一特性不能描述的情况，完备性是指所有的构件都能描述，不存在某一构件不能描述的情况。理论的构件描述方法是语义描述，即以形式化手段描述构件的功能或行为语义，系统可以通过定理证明及基于知识的推理过程来寻找语义上等价或相近的构件。遗憾的是这种基于语义的描述方法涉及许多人工智能难题，目前难于支持大型构件库工程实现。当前基于不同构件模型的较为成功的构件描述语言CORBA IDL,DCOM IDL和EJB IDL以及被认为是最好的通用构件描述语言XML，它们都能够描述构件多方面的特性,并且具备编译和浏览工具的支持，但是在描述构件接口语义和构件间复杂的交互协议方面缺乏进一步的支持，因此都不能很好的满足构件描述的完全性、完备性、易理解性三个方面的要求。例如CORBA IDL不能描述符合CORBA标准以外的构件，也不能精确的描述构件的功能及非功能性特点。因此基于当前的各类构件描述语言，它们的描述只能让用户获得构件某些方面的，抽象的认识，尚不能让用户对整个构件有全面清楚的认识，故势必影响构件选取，构件复用。而构件的复用历史，早期用户对构件的使用结果，使用评价，修改意件等复用经验会对后期用户对构件的认识，选取决策起到重要的辅助作用。因此有效的管理构件的复用历史记录，先期用户的复用反馈信息非常重要。4 基于数据仓库技术的构件管理 传统的基于联机事处理理（OLTP）的E-R数据库并不适于历史数据的长期存放与管理，而数据仓库技术正是用于存放历史数据信息，并对用户提供决策支持的系统，适宜于联机事务分析(OLAP)，故建立基于数据仓库技术的用户反馈信息库以支持构件的存储和检索是可行的。在用户反馈信息库中，对反馈信息进行一定程序的量化处理，主要包括七个维度：时间维度Time，制作者维度Provider，用户维Userinfo，组装维Compositeinfo，测试维Testinfo，描述维Descripinfo，评价维Valuatinoinfo；

两类反馈事实：细节事实Freedbackfact，聚集事实AggregrateFact。其多维模式如图1所示： Feedback Fact 图1 用户反馈为数据模式 用户反馈通过收集工具捕获用户提交的反馈信息，并对用户反馈信息进行筛选、分类，集成存入数据仓库。由于用户反馈库采用多维数据模式，当需要查询和分析的主题不断增加时，可以通过为新增的主题建立相应的事实表和维表（可以共享原来的很多维表），数据库结构不变，集成到原来的信息库中，逐步完善软件企业信息仓库。这是符合数据仓库开发的原则，即先从某一主题入手不断加以完善。5 基于决策树的分类发现在软件构件查询中的应用 数据挖掘所能发现的知识有如下几种:广义型知识，反映同类事物共同性质的知识；

特征型知识，反映事物各方面的特征知识；

差异型知识，反映不同事物之间属性差别的知识；

关联型知识，反映事物之间依赖或关联的知识；

预测型知识，根据历史的和当前的数据推测未来数据；

偏离型知识，揭示事物偏离常规的异常现象。所有这些知识都可以在不同的概念层次上被发现，随着概念树的提升，从微观到中观再到宏观，以满足不同用户、不同层次决策的需要。至于发现工具和方法，常用的有分类、聚类、减维、模式识别、可视化、决策树、遗传算法、不确定性处理等。本文在基于前述建立的构件仓库上，使用决策树分类法对构件进行检索。

5.1 决策树分类方法 分类在数据挖掘中是一项非常重要的任务，目前在商业上应用最多。分类的目的是学会一个分类函数或分类模型(也常常称作分类器)，该模型能把数据库中的数据项映射到给定类别中的某一个。给出一个数据集中的一些属性，分类器可以预测出某一个特定的属性。被预测的属性叫做标签（label），用于预测的其他属性叫做描述属性（descriptive attributes）。在生成分类器后，则可以利用它来对数据集中不包含标签属性的记录进行分类，标签的值可以用分类器来预测。要构造分类器，需要有一个训练样本数据集作为输入。训练集由一组数据库记录或元组构成，每个元组是一个由有关字段(又称属性或特征)值组成的特征向量，此外，训练样本还有一个类别标记。一个具体样本的形式可为:(v1，v2，...，vn；

c)；

vi表示字段值，c表示类别。从训练集中自动地构造出分类器的算法叫做生成器（inducer），在生成分类器后，可以利用它来对数据集中不包含标签属性的记录进行分类，标签属性的值也可以用分类器来预测。 决策树分类方法属于分类方法的一种，该方法的输入是一组带有类别标记的数据，构造的结果是一棵二叉树或多叉树。二叉树的内部节点（非叶子节点）一般表示为一个逻辑判断，如形为（ai=vi），基中ai 是属性，vi是该属性的某个属性值；

树的边是逻辑判断的分支结果；

多叉树（ID3）的内部节结点是属性，边是该属性的所有取值，有几个属性值，就有几条边，树的叶子节点都是类别标记。5.2 决策树方法与构件分类检索 决策树分类算法通常包括两部分：一是树的生成，开始时所有数据都在根结点，然后根据设定的标准选择测试属性，用不同的测试属性递归的进行数据分割；

二是树的修剪，就是去掉一些可能是噪音或者异常的数据。构造一棵决策树就是形成一个训练集的分类，在分类过程中完成对目标的获取策略与规则提取。 构件仓库中构件信息包构件描述信息，复用历史信息及用户反馈信息。构件描述信息如下表1所示，复用历史信息如表2所示，用户反馈信息如表3所示。表1 构件描述信息表构件号入库时间提供者功能描述非功能描述应用领域其它0012006-1-1微软XP升级视窗界面PC用户。。。0022006-1-2瑞星杀毒安全性好PC用户。。。0032006-1-2金算盘财务结算计算精度高金融领域。。。0042006-1-5创业软件CT机控制适时性好医疗领域。。。。。。。。。。。。。。。。。。。。。。。。表2 复用历史信息表 构件号复用时间复用者复用结果复用领域其它0012006-11-7张三成功PC用户。。。0012006-10-2李四成功PC用户。。。0032006-7-2金软d 411 金达软件 失败财务软件公司。。。0042006-9-19创业软件部分成功医疗软件公司。。。。。。。。。。。。。。。。。。。。。 表3用户反馈信息表构件号反馈时间反馈者复用结果复用评价修改意件其它0012006-11-9张三成功良好需要更好的易操作性。。。0012006-10-3李四成功优升级时间更短。。。0032006-7-12金软d 411 金达软件 失败差需更高计算精度及安全性。。。0042006-9-20创业软件部分成功一般更快的响应时间。。。。。。。。。。。。。。。。。。。。。。。。 构件分类模型

图2 分类模型

数据库管理系统范文第3篇

关键词：数据仓库；元数据；体系结构；接口

1 概述

数据仓库所要管理的数据量要远远多于传统系统所管理的数据量，随着时间的推移数据仓库平台必须支持更多的数据和用户、更多的和复杂的查询处理，随着系统功能的增加，在应用接入的同时需要保持原有能力，并能够加载新应用，结合各类需求使得数据仓库系统需要支持可扩展。

在传统数据仓库设计的体系结构下，系统内部结构耦合程度高，OLAP与数据挖掘功能组件结合紧密。当前，增加数据仓库系统体系结构的可扩展性主要有两种模式：一种主要研究系统部件模块化和分层策略提高数据仓库的可扩展性。如基于Web的数据挖掘算法与数据仓库的接口设计[1]，将算法库模块化并解决了算法与数据仓库的接口问题；基于Agent的三层数据仓库系统体系结构的研究，将软件Agent引入数据仓库系统，增强了系统的伸缩性，拓广了数据仓库的应用领域[2]。另一种是采用高性能软硬件、并行计算机系统结构，用可扩展的软件并行和硬件并行相结合的方法进行数据仓库的性能扩展。如采用高速缓存相关的非一致性内存访同结构，并且较好地利用I/O并行性，解决大量异构数据涌入可扩展数据}库中时系统性能问题；采用并行技术实现基于可扩展的数据集市的数据仓库系统结构[3]等。

在数据仓库系统的设计过程中，如果采用多层扩展或分层内部模块化方式实现扩展，系统中单一层模块不断增加，层内部件耦合度不断提高，降低了系统的可维护性。而采用高性能软硬件、并行解决方案，除考虑费用问题外，还需建立高性能平台。如果其中某个组件性能较弱，将会影响整个数据仓库系统，增加了数据仓库系统开发与维护的难度。

为更有效地适应数据的飞速膨胀与用户需求的不断变化，管理分布的、异构的集成环境，保持数据仓库系统层次的独立性和自主性，减轻开发与维护的负担，作者提出了基于元数据管理的可扩展数据仓库系统体系结构与接口设计方案，通过层次与模块自定义扩展提高数据仓库的可扩展性，增强系统的可扩展性和可维护性。

2 基于元数据管理的数据仓库系统

体系结构：基于元数据管理的可扩展数据仓库系统模型体系结构如图1所示，包括元数据管理层、数据存储层、数据处理层、前端应用层。随工作负载的增加，数据仓库系统需要进行功能扩展时，元数据层通过对接口文件的管理，将完成层次的增删。完成数据仓库逻辑层次与物理层次的实际扩展，保证了数据仓库系统体系结构的清晰性与可扩展性。

（1）元数据管理层

元数据管理层包括元数据获取、元数据存储、元数据服务接口、元数据管理和元数据应用等组件，在系统执行过程中完成任务接受、任务分解、系统管理、请求判断、日志记录等功能。存储的元数据包括技术元数据（Technical Metadata）和业务元数据（Business Metadata）。为实现可扩展的数据仓库系统，将元数据分为基础元数据、运行元数据和映射元数据三类，系统应用以组件形式加载，通过接口实现各层关联。

（2）数据存储层

数据存储层主要由原始数据和结果数据构成。原始数据为数据仓库中所存储的各类应用多源数据；结果数据由各类数据分析和挖掘服务计算产生。

（3）数据处理层

数据处理层中集成各类数据集成工具、多维分析工具、数据挖掘工具等，完成原始数据处理形成结果数据，为用户提供决策支持。

（4）前端应用层

前端应用层完成对用户输入参数的获取，以数据流的形式提供给诸如元数据层进行分析。本模块通过使用系统web页面获取所需数据，参数获取的方式是调用可视化系统中关于应用请求的API接口。

3 接口设计

为实现各功能组件能够访问数据仓库与增强数据仓库系统的可扩展性，需要对数据仓库各层之间的接口进行设计（图2所示）。通过接口设计对各层进行必要的规范和组织，数据仓库中每层都按照该规范和定义建立相应的模型构造，各层独立并通过接口进行交互，各层内部实现封装。系统数据传输过程从接口文件开始，需要对接口进行规范化描述，以保证接口文件的质量和数据抽取流程的正确。

（1）元数据层服务控制中心

系统以元数据层组件构成服务控制中心，实现数据仓库的可扩展性；建立模型管理库，为上层协同服务集成提供各种应用接口；构建可扩展的数据挖掘平台示范应用。元数据层的对外接口模块有数据存储层模块、数据处理处理模块和前端应用层接收模块，完成接口文件处理、权限验证、完整性判断、接口文件管理、异常处理、消息传递等功能。

（2）数据获取接口

数据获取接口模块通过各数据层组件实现对数据的抽取，为上层服务提供数据基础。完成对数据源组件、数据映射组件、模型组件、关系组件等的操作与控制，提供数据结果。对外接口为元数据处理模块和数据处理层接收模块两部分，传递与元数据处理的交互参数和对数据处理层传输的数据信息相关的参数。

（3）数据处理库接口

数据处理库接口完成对数据处理层各算法和工具组件的调用与控制，其对外接口模块包含元数据处理模块、应用层模块和数据层模块。与元数据为交互参数的传递；与应用层模块传递的为复合类型；与数据层交互规范为接收数据层传输的复合类型数据。

（4）应用库接口

应用库接口完成对前端应用层功能模块的操作，提供各类前端BI展示方式。其对外接口模块包含元数据模块和数据处理模块两部分，完成与元数据模块进行查询、反馈参数的交互；与数据处理层数据的交互。

4 应用实例

基于前面介绍的技术和方法，作者以赤潮为例设计并实现了数据仓库系统各层以及接口的实现。完成了各层间接口及各层内的算法、工具组件输入输出数据参数的定义和预处理功能。（图3所示）

从用户提交输入参数中获取请求数据，调用获取模块得到用户的输入信息，并按照要求进行格式转换。从客户端获取符合规范的请求传输至服务端，对接收的请求进行请求判断，如系统资源是否支持、请求是否超出权限等。多线程执行请求任务，完成多维分析与数据挖掘，实现对已有数据直接操作、对原始数据进行查询操作、原始数据查询结果与已有数据进行集成操作等功能。元数据管理综合各种数据和信息，对数据仓库系统的执行过程进行控制。完成记录操作信息、对比分析用户操作等。通过展示工具集将目标数据反馈给用户，实现交互式的旋转、钻取和切片等分析操作。

5 结束语

上述基于元数据管理的数据仓库系统体系结构与接口方案，主要采用对接口文件管理的策略，实现系统各层间及部件内部的交互规范，层次与模块自定义扩展。本文提出了一种新的切实可行的数据仓库体系结构，有效避免了系统部件的耦合，实现了对功能的分割和保护，增加了数据仓库系统部件的独立性，解决了系统数据交互的规范问题。通过应用这种数据仓库体系结构与接口方案，提高了数据仓库系统的开发效率，可以降低系统维护的复杂性，增强系统的可扩展性和可维护性。通过接口技术完成数据仓库的多维分析与数据挖掘发现有用知识，提高了决策的智能性，同时保证了系统的扩展性。

参考文献

[1]刘新颖，王丽亚.基于Web的数据挖掘算法与数据仓库的接口设计[J].上海：计算机工程，2006，32（21）：88-90.

数据库管理系统范文第4篇

关键词：遥感影像数据库管理系统；要求；管理模式

中图分类号：P23 文献标识码：A

遥感技术的发展准确来说应该开始于人类第一颗人造卫星发射。经过几十年来的发展，遥感影像的应用范围越来越广泛，涉及到了军事、科学研究、气象预报等等多个行业领域，也正是由于遥感影像的应用越来越广泛，遥感影像数据量越来越大。遥感影像数据量与日剧增以后，遥感影像的发展必然呈现出越来越繁荣的趋势，数据量也会越来越大，面对这样的情况，对建设遥感影像数据库管理系统提出了更高的标准。

1 遥感影像数据库管理系统所具备的要求分析

遥感影像是记录电磁波的胶片，与我们日常的影像数据存在很大的区别，从遥感影像数据特征来进行分析，遥感影像数据库管理系统需要具备以下几点要求：

1.1 在实际当中，遥感影像的来源有很多渠道，如航空影像、卫星影像等等，因此，遥感影像数据库管理系统的兼容性要强。

1.2 遥感影像具有一个很明显的特点就是能够表现立体空间，支持空间表达对于应高影像来说是至关重要的，所以遥感影像数据库管理系统对于空间数据索引和数据查询具有一定的能力。

1.3 由于遥感影像数据库来源于很多的渠道，影像数据也没有统一的标准，所以对于遥感影像要满足多尺度的特性。

1.4 遥感影像数据库管理系统必须具备“无缝性”，主要表现在其一集合空间的无缝，遥感影像的存储一般来说具有固定的存储模式，而无缝性的要求就是要打破这种模式，构建一个无缝的区域，用户在使用的时候图幅是透明的。二是色彩空间的无缝性，遥感影像数据库管理系统在一定区域和分辨率范围内，影像色彩的变化应当是平滑的，不能出现明显的差异。其三是尺度空间的无缝性，在操作遥感影像数据缩放的时候，应该保持不同尺寸之间的遥感影像能够平稳的过渡。其四是影像数据和元数据的无缝性，该性质是遥感影像数据库管理系统建设当中需要着重强调的。

1.5 遥感影像应用较为广泛，对于商业用途来说，系统的通用性、扩展性以及维护性是非常重要的。

1.6 随着社会经济的发展，遥感影像数据量急剧增加，遥感数据库管理系统的储存量也应该是海量的，必须要达到TB级。

1.7 从数据可视化的角度上来说，遥感影像数据库管理系统的建设应该以零延迟为目标。

2 遥感影像数据库系统管理模式研究

从大体上来说，遥感数据库系统管理的主要方式可以分为三大类，一个是基于文件的方式，其次是基于数据库的方式，最后就是文件和数据库混合的方式，下面文章对三种方法进行简单的分析：

2.1 基于文件的方式

遥感影像数据库管理系统基于文件方式进行管理的主要优点就是结构不复杂，并且维护的费用也不高，技术相对来说较为成熟。同时也存在一定的缺点，主要表现为安全性能不高，不能支持多用户进行并发操作，元数据管理效率较低等等。因此，对于这种管理方式来说在多数据量的环境下性能表现力不从心，大多数情况下只能适用于遥感影像数据量较小的环境下。

2.2 文件和数据库混合的方式

文件和数据库混合的方式的主要原理是将遥感影像数据以文件的形式保存在服务器上，但是与之对应的元数据却分隔开来保存在了数据库当中，这种管理方式的主要优点是遥感影像数据存储的效率高，但是相对难度也会增大很多，并且随着时间的推移，遥感影像数据量会不断增多，并且后期的维护难度也非常大。

2.3 基于数据库的方式

基于数据库的遥感影像管理模式主要以分布式对象对应关系数据库管理遥感影像数据，该方式不仅可以给中央服务器减负，还可以减少产生瓶颈的几率，提高数据的传送率、查询以及更新效率，可以大大缩短相应时间，并且能够支持多用户的并发访问，这些都是其他管理模式无法比拟的。除此之外目前的数据库都设置了安全访问控制机制，这样的设置能够为开发人员省下了不少的麻烦，提高效率。

3 遥感影像数据库管理系统建设对比分析

由于工作的需要，遥感影像数据库管理系统的功能要求越来越高，为了更好的进行分析研究，文章对比了传统遥感影像数据库系统来论述。

3.1 传统遥感影像数据库管理系统分析

3.1.1 关系数据库系统

传统的关系数据库对于遥感影像数据的处理仅限于数值和字符串，并没有丰富的数据类型，这对于遥感影像的使用、研究来说是极其不方便的，建立在对象层来挖掘面向对象应该是目前的主流，对于对象数据库的存储和访问不能优化，其效率不高，而且技术上也存在严重的问题。

3.1.2 对象数据库系统

在上个世纪八十年代以来，对了遥感影像数据的最好技术就是面对象技术，这种技术的应用能够使得系统当中的数据模型表现的更加直观、并且性能更加的问题，后期维护也较为方便，同时这种系统也存在致命的缺陷，对于SQL的支持很少，实际的工作当中，许多软件需要应用到SQL接口。

3.2 对象一关系数据库系统

对象一关系数据库管理系统具备最大的优势就是具有面向对象的建模能力，对于复杂的遥感影像数据都能进行分析，用户可以直接使用数据管理工具，将遥感影像应用的具体范围与系统实现无缝结合，极大的提高了工作效率。

在目前来说，对象一关系数据库管理模式还处在研发阶段，只能说是一种新兴的技术，其应用的行业领域也较窄，相比上文论述的遥关系数据库管理来说还尚不成熟，关系数据库系统的所有操作只是按照既定的操作标准来执行，相对来说非常简单，但是其致命缺点有限的数据类型以及程序设计中数据结构是制约关系数据库系统发展的最大障碍。而遥感影像数据对象一关系数据库管理系统能够将面向对象的建模能力和关系数据库的功能实现了有机的结合，理论上来说都优于上述两种遥感影像数据库管理系统，还能将关系数据库系统缺点转换成优势，具有高度的扩展性、管理复杂遥感影像数据的能力也大大提高，用户通过自定义的功能和索引表达，对于各种类型的遥感影像数据实现访问、存储以及恢复等功能。

遥感影像数据对象一关系数据库管理系统通过开放SQL平台，可以最大限度的避免定义复杂对象的专有数据结构，使得遥感影像数据库管理系统的应用更加广泛。

4 遥感影像数据库管理系统建设的技术分析

随着遥感技术的不断发展，遥感影像数据量增长速度越来越快，在这样的背景下，必须要研发出一套高效的管理应用系统，将遥感影像的分发以及处理能力提升到新的高度，与此同时还需要很好的契合遥感影像数据制作影像海图等各方面应用需求。高效科学的遥感影像数据库管理系统建设成为了业内关注的焦点。鉴于此，文章对遥感影像数据库管理系统建设的总体构架以及相关的技术问题提出了几点愚见。

4.1 遥感影像数据库管理系统建设的总体架构

针对日常生产生活对遥感影像数据库管理系统提出的功能和要求，总的来说，系统的总体框架可以分成四层： 基础设施层、数据层、逻辑层和应用层。在这四个层次当中，基础设施层是整个遥感影像数据库管理系统运行的基础，主要包含了系统的软硬件运行环境以及网络运行环境的建设；第二层数据层对于整个遥感影像数据库管理系统来说，是非常关键的组成部分，也应该是建设的重中之重，其主要的功能是对采集的原始遥感影像、影像元数据以及矢量数据等等进行储存；而对于逻辑层来说，主要的工作就是对客户端访问遥感影像数据库所需的功能部件进行优化升级；最后的应用层主要就是对遥感影像数据库管理系统当中的集成影像进行日常的管理和维护，同时提供查询、分析以及分发等等功能。

4.2 遥感影像数据库管理系统功的能设计

结合上文对遥感影像数据库管理系统总体架构分析，所提出的四层主要架构需要实现的功能，可以将遥感影像数据库管理系统分为五个子系统。

4.2.1 质检入库子系统

遥感影像采集后需录入到系统当中，但是在此之前需要对遥感影像进行质检，主要检查的内容包括了遥感影像的完整性、一致性等等，并且通过工程化方式对遥感影像、元数据等等实现快速入库，支持断点续传、后台任务同时进行。

4.2.2 组织管理子系统

该子系统是对遥感影像数据管理的核心部分，主要对数据库当中遥感影像的参数进行配制、同时还包含了数据建模、数据备份以及数据共享等等应用，方便遥感影像数据的共享和管理系统的集成。

4.2.3 分发服务子系统

需要在系统中引入电子商务模式的影像分发服务，实现对数据库中遥感影像的查询、分发等功能，同时在改子系统当中提供开放的数据接口。

4.2.4 技术支援子系统

对入库的遥感影像数据进行规范化处理，包括了元数据的采集、快视图提取、镶嵌、配准等。

4.2.5 配置维护子系统

主要的工作是支持和维护遥感影像数据库管理系统的运行，提供一系列的安全管理配套功能，如用户管理、日志信息维护等。

结语

遥感技术随着社会经济的发展，应用越来越广泛，面对与日俱增的遥感影像数据，必须要建立一个强大的遥感影像数据库管理，这也是遥感影像发展的必然趋势。遥感影像信息系统核心技术设计的范围较广、难度较大，目前有很多的学者在进行这方面的研究，本文对遥感影像数据库管理系统的建设只是进行了粗浅的探讨，相信随着研究的深入和科技的发展，遥感影像数据库管理系统建设相关研究会更加的深入，遥感影像也会更加方便的应用于我们的各项工作当中。

参考文献

[1]黄杰，刘仁义，刘南，沈林芳，王娜. 海量遥感影像管理与可视化系统的研究与实现[J]. 浙江大学学报（理学版）. 2008（06）.

数据库管理系统范文第5篇

关键词：信息管理；计算机数据库；技术

一、信息管理中计算机数据库系统的概述

计算机数据库是指存储在计算机内，为了达到一定目的而组织起来的数据的集合。在信息管理中，如何高效的将计算机数据库系统中的数据进行处理，并获得内在的信息，成为数据库技术一直以来不断攻克的难题，而数据库技术又是现代计算机系统的主要组成部分。信息管理下的计算机数据系统主要经历了三个阶段，第一个是人工管理的初始阶段，主要在当时计算机的软硬件的条件均不成熟，计算机中没有可以支持数据管理的软件，为此，程序员需要在程序中规定数据的逻辑结构及设计一系类的物理结构，当数据的组织或者设备发生改变时，程序员需要重新编制，而不同的应用之间也存在大量的重复和不可共享的数据，对于维护应用程序之间的数据的一致性的可能性不大，为此，当时对数据进行的是批处理方式。第二是文件系统阶段，这一阶段的状态主要指在外存储器上，用户的程序与数据可分别存放，应用程序之间可以共享一组数据，实现了以文件作为单位的共享。而这一状态的实现主要得益于计算机大容量的存储设备的出现推动了软件技术的发展，数据不仅可以以文件为单位进行外存，并且由操作系统统一管理。但是由于文件之间的相互独立，最终也不能反映现实世界中的事物之间的联系。第三，是数据库系统阶段，这一阶段的发展主要是数据库管理领域的普遍应用，数据库技术不断的发展解决了当数据逻辑结构改变时，应用程序不受影响，为人们提供了更多的数据共享能力。

二、信息管理下计算机数据库系统的特征

2.1计算机数据库系统的应用范围不断的扩大。目前，在我国计算机数据库系统的应用范围已经涉及到工业、农业及第三产业方面，休息管理的效率得到有效的提升，成为带动行业信息增长的推动力，是生产力水平及技术发展的基础和保障。体现出了计算机数据库系统的良好的市场发展潜力。

2.2计算机数据库系统技术不断更新，安全性得到保证。在使用过程中，质量的好坏主要取决于计算机数据库技术的高低，也对进一步的发展有一定的影响，现代化的数据库系统的经历了不同阶段的发展以后，具备了很强的适用性和操作性，这对在信息管理中的应用提供了强有力的基础保证。

三、信息管理下计算机数据库系统的现状

数据库系统的发展初期是在美国，目前已经发展成为一个国际的经济与科技发展的重要战略手段，成为整个社会化进程的发展的推动力，某种程度上已经演变成一个国家的经济发展与科技进行的重要标杆，计算机数据库系统的发展更是各行各业中的一个必要条件。我国的计算机技术的起步相较于西方社会较晚，但是发展的数据超快，在我国的经济不断发展的情况下，市场的竞争也面临着重大的挑战，信息量的不足不断地暴露，企业对于外界的信息获取处于饥渴状态，不断向外界获取大量的信息源，为此计算机数据库系统的应用范围和领域不断扩大。

四、信息管理下计算机数据库系统应用建议

信息管理下的计算机数据库系统具很高的价值，因而在现代化的企业发展过程中得到大量的应用，然而在实际存在的问题中，需要我们更好地运用相关的技术及知识进一步的解决，为此，提出如下两条建议;其一，信息管理下对数据库系统的安全性进行进一步的加强。在信息管理中对其计算机数据库系统的应用具有决定性作用的是指其安全性，在操作过程中，由于不同的情况下造成的原因因素有很多。其二，在信息管理下对数据库系统的理论与实践进行融合。增强计算机数据库理论知识的针对性。实践与理论的综合性发展与提升有助于决定信息管理下数据库系统的良好的发展和适应性。为此，我们还需要不断地进行研究以希望计算机数据库系统的能够在现代化社会中得到更好更充分的利用。信息管理下的计算机数据库系统也会得到更好的应用。

参考文献

[1]吴邵宇.浅析在信息管理中计算机数据库系统的应用[J].电脑知识与技术,2023(35).