什么是工厂大数据库(大厂用什么数据库)

何谓数据仓库？为什么要建立数据仓库？何谓数据挖掘？它有哪些方面的功能

何谓数据仓库？为什么要建立数据仓库？

答：数据仓库是一种新的数据处理体系结构，是面向主题的、集成的、不可更新的(稳定性)、随时间不断变化(不同时间)的数据集合，为企业决策支持系统提供所需的集成信息。

建立数据仓库的目的有3个：

一是为了解决企业决策分析中的系统响应问题，数据仓库能提供比传统事务数据库更快的大规模决策分析的响应速度。

二是解决决策分析对数据的特殊需求问题。决策分析需要全面的、正确的集成数据，这是传统事务数据库不能直接提供的。

三是解决决策分析对数据的特殊操作要求。决策分析是面向专业用户而非一般业务员，需要使用专业的分析工具，对分析结果还要以商业智能的方式进行表现，这是事务数据库不能提供的。

何谓数据挖掘？它有哪些方面的功能？

答：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过程称为数据挖掘。相关的名称有知识发现、数据分析、数据融合、决策支持等。

数据挖掘的功能包括：概念描述、关联分析、分类与预测、聚类分析、趋势分析、孤立点分析以及偏差分析等。

大数据库是什么东东啊？

大数据的数据库，目前流行列存储数据库，譬如vertica，monetdb等等。

国内的GBase，或者永洪科技的Z-Data Mart

什么是大型数据库

大型数据库是IBM公司开发

他有两种数据库类型;一种是关系数据库，典型代表产品:DB2;另一种则是层次数据库，代表产品:IMS层次数据库。

大型数据库的数据定义包括数据库模式定义和外模式定义。大型数据库的数据库模式是物理数据库记录型的集合。每个物理数据库记录型对应于层次数据模型中的一个层次模式，由一个DBD定义。物理数据库记录型到存储数据库的映射包含在这个物理数据库记录型的DBD定义中。

大型数据库的外模式是逻辑数据库记录型的集合。每个逻辑数据库记录型由一个PCB定义。一个逻辑数据库记录型到大型数据库模式的映射包含在这个逻辑数据库记录型的PCB定义中。用户是按照外模式操纵数据的。

工厂的数据库怎么建？

1、背景资料

工厂需建立一个管理数据库存储以下信息：

*工厂信息包括工厂代号，工厂名，厂长名及工厂运营开销。

*一个厂内有多个车间，每个车间有车间号、车间主任姓名、地址，电话及每个月的车间运营开销。

*一个车间有多个工人，每个工人有职工号、姓名、年龄、性别，工种及月工资。

*一个车间生产多种产品，产品有产品号、产品名、规格，制造成本和销售价格。

*一个车间生产多个零件，一个零件也可能由多个车间制造。零件有零件号、零件名，制造成本和销售价格。

*一个产品由多个零件组成，一个零件也可装配出多种产品。

*产品与零件均存入仓库中。

*厂内有多个仓库，仓库有仓库号，仓库主任姓名、电话及仓库的运营成本。

1、系统功能的基本要求：

应完成的主要功能：（1）各种各样的管理功能，如工厂信息的管理功能，包括录入、修改、查询、输出工厂的信息；车间信息的管理功能，包括录入、修改、查询、输出车间的信息；还有工人，零件，产品，仓库等的信息管理功能。(2) 工厂的利润统计，包括月利润和年利润统计。

二、基本要求

（1）完成问题陈述中所提到的所有需求功能

（3）文档中至少要包括：ER模型图、系统功能图、数据字典、表关系的详细说明。

（4）用户界面设计：采用窗口式，色彩要柔和，界面要友好，操作要简单。

三、文档格式1、概述包括项目背景、编写目的、软件定义、开发环境等内容。

2、需求分析

问题陈述、需完成的功能。以数据流图和数据字典表达。

3、概念设计

将上述需求发行成果抽象为ER模型图

4、逻辑设计

把ER模型图转换为关系表。

描述每一个基本表关系。并进行规范化。定义视图、定义索引、主关键字、定义权限

大数据是什么？

大数据是指在一定时间内，常规软件工具无法捕捉、管理和处理的数据集合。它是一种海量、高增长、多元化的信息资产，需要一种新的处理模式，以具备更强的决策、洞察和流程优化能力。

大数据技术的战略意义不在于掌握庞大的数据信息，而在于对这些有意义的数据进行专业的处理。换句话说，如果把大数据比作一个行业，这个行业盈利的关键在于提高数据的“处理能力”，通过“处理”实现数据的“增值”。

从技术上讲，大数据和云计算的关系就像硬币的正反面一样密不可分。大数据不能用单台计算机处理，必须采用分布式架构。其特点在于海量数据的分布式数据挖掘。但它必须依赖云计算分布式处理、分布式数据库、云存储和虚拟化技术。

扩展信息:

大数据只是现阶段互联网的一个表征或特征。没有必要将其神话或保持敬畏。在以云计算为代表的技术创新背景下，这些原本看似难以收集和使用的数据开始被轻松使用。通过各行各业的不断创新，大数据将逐渐为人类创造更多的价值。

是体现大数据技术价值的手段，是进步的基石。这里从云计算、分布式处理技术、存储技术、感知技术的发展，阐述大数据从采集、处理、存储到形成结果的全过程。

实践是大数据的终极价值。在这里，我们从互联网大数据、政府大数据、企业大数据、个人大数据四个方面来描绘大数据的美好图景和将要实现的蓝图。

什么大数据，什么工业4.0

大数据技术是指从各种各样类型的数据中，快速获得有价值信息的能力。适用于大数据的技术，包括大规模并行处理（MPP）数据库，数据挖掘电网，分布式文件系统，分布式数据库，云计算平台，互联网，和可扩展的存储系统。

“工业4.0”是德国推出的概念，美国叫“工业互联网”，我国叫“中国制造2025”，这三者本质内容是一致的，都指向一个核心，就是智能制造。

工业4.0的特点：

互联：互联工业4.0的核心是连接，要把设备、生产线、工厂、供应商、产品和客户紧密地联系在一起。

数据：工业4.0连接和产品数据、设备数据、研发数据、工业链数据、运营数据、管理数据、销售数据、消费者数据。

集成：工业4.0将无处不在的传感器、嵌入式中端系统、智能控制系统、通信设施通过CPS形成一个智能网络。通过这个智能网络，使人与人、人与机器、机器与机器、以及服务与服务之间，能够形成一个互联，从而实现横向、纵向和端到端的高度集成。

创新：工业4.0的实施过程是制造业创新发展的过程，制造技术、产品、模式、业态、组织等方面的创新，将会层出不穷，从技术创新到产品创新，到模式创新，再到液态创新，最后到组织创新。

转型：对于中国的传统制造业而言，转型实际上是从传统的工厂，从2.0、3.0的工厂转型到4.0的工厂，整个生产形态上，从大规模生产，转向个性化定制。实际上整个生产的过程更加柔性化、个性化、定制化。这是工业4.0一个非常重要的特征。