기업의 운영과 관련된 정보는 이 데이터베이스에 저장됩니다. 마케팅, 직원 관계, 고객 서비스 등과 같은 기능 라인에는 이러한 종류의 데이터베이스가 필요합니다.

이러한 데이터베이스는 데이터가 미리 정의된 범주에 맞는 테이블 집합으로 분류됩니다. 테이블은 특정 범주에 대한 데이터 항목이 있는 열과 범주에 따라 정의된 해당 데이터에 대한 인스턴스를 포함하는 행으로 구성됩니다. SQL(Structured Query Language)은 관계형 데이터베이스의 표준 사용자 및 응용 프로그램 인터페이스입니다. 테이블에 적용할 수 있는 다양한 간단한 작업이 있어 이러한 데이터베이스를 보다 쉽게 ​​확장하고 두 데이터베이스를 공통 관계로 결합하고 모든 기존 애플리케이션을 수정할 수 있습니다.

이제 데이터는 하이브리드 클라우드, 퍼블릭 또는 프라이빗 클라우드의 가상 환경이라고도 하는 클라우드를 통해 구체적으로 저장되고 있습니다. 클라우드 데이터베이스는 이러한 가상화 환경에 최적화되거나 구축된 데이터베이스입니다. 클라우드 데이터베이스에는 다양한 이점이 있으며, 그 중 일부는 사용자별로 스토리지 용량 및 대역폭 비용을 지불할 수 있고 고가용성과 함께 온디맨드 확장성을 제공합니다. 클라우드 데이터베이스는 또한 기업이 SaaS(Software-as-a-Service) 배포에서 비즈니스 애플리케이션을 지원할 수 있는 기회를 제공

객체 지향 데이터베이스는 객체 지향 프로그래밍과 관계형 데이터베이스의 모음입니다. 관계형 데이터베이스에 저장할 수 있는 C++, Java와 같은 객체지향 프로그래밍 언어를 사용하여 생성되는 다양한 항목이 있지만 객체지향 데이터베이스가 이러한 항목에 적합합니다. 객체 지향 데이터베이스는 작업보다는 객체, 논리보다는 데이터를 중심으로 구성됩니다. 예를 들어, 관계형 데이터베이스의 멀티미디어 레코드는 영숫자 값과 반대로 정의 가능한 데이터 개체가 될 수 있습니다.

그래프는 각 노드가 개체를 나타내는 데 사용되고 각 가장자리가 개체 간의 관계를 설명하는 노드와 가장자리의 모음입니다. 그래프 지향 데이터베이스 또는 그래프 데이터베이스는 그래프 이론을 사용하여 관계를 저장, 매핑 및 쿼리하는 일종의 NoSQL 데이터베이스입니다. 그래프 데이터베이스는 기본적으로 상호 연결을 분석하는 데 사용됩니다. 예를 들어, 회사는 그래프 데이터베이스를 사용하여 소셜 미디어에서 고객에 대한 데이터를 마이닝할 수 있습니다.

데이터베이스 모델은 데이터베이스의 논리적 구조를 결정하고 기본적으로 데이터를 저장, 구성 및 조작할 수 있는 방식을 결정합니다. 데이터베이스가 설계되기 전에 데이터를 저장하는 유일한 방법은 파일 저장소에 있었습니다. 이는 프로그래머가 데이터를 추출하기 위해 많은 시간을 들여야 했고 프로그램이 복잡한 구문 분석 및 관련 작업을 수행해야 했기 때문에 복잡성이 증가했습니다. Perl과 같은 다양한 언어는 강력한 정규식으로 인해 텍스트를 더 쉽게 처리합니다. 그러나 파일에서 데이터에 액세스하는 것은 여전히 ​​복잡한 작업입니다. 시스템에

관계형 데이터 모델은 1970년 C. F. Codd에 의해 도입되었으며 현재 가장 널리 사용되는 데이터 모델입니다. 관계형 데이터 모델은 세계를 상호 관련된 관계(또는 테이블)의 모음으로 설명합니다. 관계형 데이터 모델에는 요소 그룹을 관계로 수집하는 데이터 테이블의 사용이 포함됩니다. 이러한 모델은 각 테이블 설정에 기본 키 또는 식별자가 포함된다는 아이디어를 기반으로 작동합니다. 다른 테이블은 해당 식별자를 사용하여 관계형 데이터 링크 및 결과를 제공합니다. 오늘날 Oracle, IBM DB2 및 Microsoft SQL S

네트워크 모델은 여러 부모를 허용하는 트리와 같은 구조에서 다대다 관계를 관리할 수 있기 때문에 계층 구조의 확장입니다. 네트워크 모델에는 두 가지 기본 개념이 있습니다. 레코드에는 계층적 구성이 필요한 필드가 포함되어 있습니다. 집합은 한 명의 소유자와 많은 구성원을 포함하는 레코드 간의 일대다 관계를 정의하는 데 사용됩니다. 레코드는 여러 세트의 소유자 역할을 하고 세트의 구성원 역할을 할 수 있습니다. 추신 집합을 수학 집합과 혼동해서는 안 됩니다. 세트는 하나의 레코드 유형, 즉 상위라고도 하는 세트의 소유자가 각 원

수집된 정보를 보다 쉽게 ​​접근하고 관리하며 다양한 업데이트를 할 수 있도록 정리된 형태로 데이터베이스라고 합니다. 데이터베이스에 대해 더 자세히 논의하기 전에 DATA가 정확히 무엇인지에 대한 사전 지식이 있어야 합니다. 데이터는 우리가 추론, 할 수 있는 토론 또는 일부 계산을 적용할 수 있는 사실 및 기록의 모음으로 정의할 수 있습니다. 데이터는 항상 쉽게 사용할 수 있고 풍부합니다. 유용한 정보를 처리하는 데 사용할 수 있습니다. 또한 중복되거나 관련이 없을 수 있습니다. 데이터는 모든 종류의 정보를 나타내는 그래픽, 보

관계형 데이터베이스 디자인(RDD) 모델의 정보와 데이터를 행과 열이 있는 테이블 세트로 만듭니다. 관계/테이블의 각 행은 레코드를 나타내고 각 열은 데이터의 속성을 나타냅니다. SQL(Structured Query Language)은 관계형 데이터베이스를 조작하는 데 사용됩니다. 관계형 데이터베이스의 디자인은 데이터가 관련 테이블 세트로 모델링되는 4단계로 구성됩니다. 단계는 - 관계/속성 정의 기본 키 정의 관계 정의 정규화 관계형 데이터베이스는 데이터를 구성하고 트랜잭션을 수행하는 접근 방식이 다른 데이터베이스와 다릅니다.

이진 관계는 두 개의 다른 엔터티 간의 관계입니다. 즉, 한 엔터티의 역할 그룹과 다른 엔터티의 역할 그룹 간의 관계입니다. 이진 관계에는 세 가지 유형의 카디널리티가 있습니다. − 1. 일대일 2. 일대다 3. 다대다 일대일 여기서 한 엔터티의 한 역할 그룹은 다른 엔터티의 한 역할 그룹에 매핑됩니다. 간단히 말해서 한 엔터티의 한 인스턴스는 다른 엔터티의 한 인스턴스에만 매핑됩니다. 이 유형에서 한 엔터티의 기본 키는 다른 엔터티에서 외래 키로 사용할 수 있어야 합니다. 예를 들어 − 두 개의 엔티티 사람 을 고려합니

삼항 관계에서는 세 개의 다른 개체가 관계에 참여합니다. 관계 정도 =3 예:모바일 제조 회사를 생각해 보십시오. 관련된 3개의 다른 단체: 모바일 - 회사에서 제조. 부품 - 회사가 공급업체로부터 받는 모바일 부품입니다. 공급업체 - 공급업체는 회사에 모바일 부품을 공급합니다. Mobile, Part 및 Supplier는 관계에 동시에 참여합니다. 이 사실 때문에 카디널리티를 고려할 때 세 번째 엔터티에 대해 동시에 두 엔터티의 컨텍스트에서 고려해야 합니다. 삼항 관계의 카디널리티 공급업체의 특정 인스턴스와 부

관계에서 참여 제약 조건은 관계 유형의 다른 엔터티와 관련될 때 엔터티의 존재를 지정합니다. 최소 카디널리티 제약이라고도 합니다. 이 제약 조건은 관계 유형에 참여할 수 있는 엔터티의 인스턴스 수를 지정합니다. 참여 제약 조건에는 두 가지 유형이 있습니다. 총 참여 엔터티 집합의 각 엔터티는 관계 집합의 하나 이상의 관계에 포함됩니다. 즉, 관련된 모든 엔터티의 관계 수가 0보다 큽니다. Works_For 관계를 통해 관련된 두 엔터티 Employee 및 Department를 고려하십시오. 이제 모든 Employee는 최

사용 요구 사항에 따라 시장에서 사용할 수 있는 데이터베이스 유형은 다음과 같습니다. − 중앙 집중식 데이터베이스. 분산 데이터베이스. 개인 데이터베이스. 최종 사용자 데이터베이스. 상업 데이터베이스. NoSQL 데이터베이스. 운영 데이터베이스. 관계형 데이터베이스. 클라우드 데이터베이스. 객체 지향 데이터베이스. 그래프 데이터베이스. 모두 설명하겠습니다: 1. 중앙 집중식 데이터베이스 정보(데이터)는 중앙 위치에 저장되며 다른 위치의 사용자가 이 데이터에 액세스할 수 있습니다. 이러한 유형의 데이터베이스에는 사용자가 원

정보(데이터)는 중앙 위치에 저장되며 다른 위치의 사용자가 이 데이터에 액세스할 수 있습니다. 이 유형의 데이터베이스에는 사용자가 원격 위치에서도 데이터에 액세스할 수 있도록 도와주는 응용 절차가 포함되어 있습니다. 최종 사용자의 확인 및 유효성 검사를 위해 다양한 종류의 인증 절차가 적용되며, 마찬가지로 데이터 사용을 추적하고 기록하는 신청 절차를 통해 등록 번호가 제공됩니다. 지역사무소에서 처리합니다.

중앙 집중식 데이터베이스 개념과 정반대로 분산 데이터베이스에는 공통 데이터베이스의 기여와 로컬 컴퓨터에서 캡처한 정보도 있습니다. 데이터는 한 곳에 있지 않고 조직의 여러 사이트에 분산되어 있습니다. 이러한 사이트는 통신 링크를 통해 서로 연결되어 배포된 데이터에 쉽게 액세스할 수 있습니다. 분산 데이터베이스는 데이터베이스의 다양한 부분이 네트워크의 여러 지점 간에 복제 및 분산되는 응용 프로그램 절차와 함께 여러 다른 위치(물리적)에 저장되는 것으로 상상할 수 있습니다. 분산 데이터베이스에는 두 가지 종류가 있습니다. 균질하고

데이터는 작고 쉽게 관리할 수 있는 개인용 컴퓨터에 수집 및 저장됩니다. 데이터는 일반적으로 조직의 같은 부서에서 사용되며 소수의 사람들이 액세스합니다.

최종 사용자는 일반적으로 다양한 수준에서 수행되는 트랜잭션이나 작업에 대해 걱정하지 않으며 소프트웨어 또는 응용 프로그램이 될 수 있는 제품만 알고 있습니다. 따라서 이것은 다른 레벨의 관리자와 마찬가지로 최종 사용자를 위해 특별히 설계된 공유 데이터베이스입니다. 전체 정보의 요약이 이 데이터베이스에 수집됩니다.

도움을 받기 위해 정보에 액세스하려는 사용자를 위해 고유하게 설계된 거대한 데이터베이스의 유료 버전입니다. 이러한 데이터베이스는 주제별로 다르며 그러한 방대한 정보를 유지 관리할 여유가 없습니다. 그러한 데이터베이스에 대한 액세스는 상업적 링크를 통해 제공됩니다.

이들은 대규모 분산 데이터 세트에 사용됩니다. 관계형 데이터베이스에서 효과적으로 처리되는 몇 가지 빅 데이터 성능 문제가 있으며 이러한 종류의 문제는 NoSQL 데이터베이스에서 쉽게 관리됩니다. 클라우드의 여러 가상 서버에 저장될 수 있는 대용량 비정형 데이터를 분석하는 데 매우 효율적입니다.