資料庫演算法

A. 資料庫中數據很量很大時，怎麼實現復雜演算法

可以用存儲過程，另外
合理索引，能分區的表分區。做資料庫同步，查詢與業務分開做。我經常做百萬級的數據表。有不明白的地方請留言

B. 資料庫得查詢功能是怎麼實現的

資料庫的查詢功能實現原理：

資料庫查詢是資料庫的最主要功能之一。我們都希望查詢數據的速度能盡可能的快，因此資料庫系統的設計者會從查詢演算法的角度進行優化。最基本的查詢演算法當然是順序查找（linear search），這種復雜度為O(n)的演算法在數據量很大時顯然是糟糕的，好在計算機科學的發展提供了很多更優秀的查找演算法，例如二分查找（binary search）、二叉樹查找（binary tree search）等。如果稍微分析一下會發現，每種查找演算法都只能應用於特定的數據結構之上，例如二分查找要求被檢索數據有序，而二叉樹查找只能應用於二叉查找樹上，但是數據本身的組織結構不可能完全滿足各種數據結構（例如，理論上不可能同時將兩列都按順序進行組織），所以，在數據之外，資料庫系統還維護著滿足特定查找演算法的數據結構，這些數據結構以某種方式引用（指向）數據，這樣就可以在這些數據結構上實現高級查找演算法。這種數據結構，就是索引。

圖1展示了一種可能的索引方式。左邊是數據表，一共有兩列七條記錄，最左邊的是數據記錄的物理地址（注意邏輯上相鄰的記錄在磁碟上也並不是一定物理相鄰的）。為了加快Col2的查找，可以維護一個右邊所示的二叉查找樹，每個節點分別包含索引鍵值和一個指向對應數據記錄物理地址的指針，這樣就可以運用二叉查找在O(log2n)O(log2n)的復雜度內獲取到相應數據。

C. 資料庫,演算法,數據結構,組件之間的關系是什麼

資料庫和組件我並不知道，我不是學計算機的，是學通信的。
但是演算法和數據結構我還是明白一些的：程序 = 數據結構 + 演算法。
對於一個現實問題，你得把它抽象成一個計算機語言描述的問題，這個就是數據結構；而怎麼編程去解決問題，就是演算法。比如現實中你要求解，自己家裡到a地和b地哪個距離近。假設離a距離10公里，離b距離5公里。那你抽象出來的數據結構肯定是int a = 10; int b = 5;
而對應的演算法就是a>b?b:a;

D. 資料庫怎麼加入演算法

插入加密數據：
1、INSERT INTO userdata(username,pasword,encryptedpassword)
2、VALUES ('smith','htims',AES_ENCRYPT('htims','key'))
上面的插入語句有三個欄位，「用戶名」、「密碼」和「加密的密碼」。
AES_ENCRYPT()函數需要一個「key」來協助加密，同樣，解密也需要它。

從表中查詢加密數據
1、SELECT username,pasword,AES_DECRYPT(encryptedpassword,'key')
2、FROM userdata.

E. 基於資料庫搜索的演算法，關鍵有哪幾點

B+、B- Tree(mysql,oracle,mongodb)
主要用在關系資料庫的索引中，如oracle，mysql innodb；mongodb中的索引也是B-樹實現的；還有HBase中HFile中的DataBlock的索引等等。
動態查找樹主要有：二叉查找樹（Binary Search Tree），平衡二叉查找樹（Balanced Binary Search Tree），紅黑樹(Red-Black Tree )，B-tree/B+-tree/ B*-tree (B~Tree)。前三者是典型的二叉查找樹結構，其查找的時間復雜度O(log2N)與樹的深度相關，那麼降低樹的深度自然會提高查找效率。
但是咱們有面對這樣一個實際問題：就是大規模數據存儲中，實現索引查詢這樣一個實際背景下，樹節點存儲的元素數量是有限的（如果元素數量非常多的話，查找就退化成節點內部的線性查找了），這樣導致二叉查找樹結構由於樹的深度過大而造成磁碟I/O讀寫過於頻繁，進而導致查詢效率低下，那麼如何減少樹的深度（當然是不能減少查詢的數據量），一個基本的想法就是：採用多叉樹結構（由於樹節點元素數量是有限的，自然該節點的子樹數量也就是有限的）。
也就是說，因為磁碟的操作費時費資源，如果過於頻繁的多次查找勢必效率低下。那麼如何提高效率，即如何避免磁碟過於頻繁的多次查找呢？根據磁碟查找存取的次數往往由樹的高度所決定，所以，只要我們通過某種較好的樹結構減少樹的結構盡量減少樹的高度，那麼是不是便能有效減少磁碟查找存取的次數呢？那這種有效的樹結構是一種怎樣的樹呢？
這樣我們就提出了一個新的查找樹結構——多路查找樹。根據平衡二叉樹的啟發，自然就想到平衡多路查找樹結構，也就是B~tree，即B樹結構(後面，我們將看到，B樹的各種操作能使B樹保持較低的高度，從而達到有效避免磁碟過於頻繁的查找存取操作，從而有效提高查找效率)。

Hash表+桶(redis)
mysql中的adaptive hash index，redis中的數據存儲實現都是採用hash，可以高效的進行數據的查詢。
哈希表（Hash table，也叫散列表），是根據關鍵碼值(Key value)而直接進行訪問的數據結構。也就是說，它通過把關鍵碼值映射到表中一個位置來訪問記錄，以加快查找的速度。這個映射函數叫做散列函數，存放記錄的數組叫做散列表。
哈希表的做法其實很簡單，就是把Key通過一個固定的演算法函數既所謂的哈希函數轉換成一個整型數字，然後就將該數字對數組長度進行取余，取余結果就當作數組的下標，將value存儲在以該數字為下標的數組空間里。
而當使用哈希表進行查詢的時候，就是再次使用哈希函數將key轉換為對應的數組下標，並定位到該空間獲取value，如此一來，就可以充分利用到數組的定位性能進行數據定位
數組的特點是：定址容易，插入和刪除困難；而鏈表的特點是：定址困難，插入和刪除容易。綜合兩者特性，設計一種定址容易，插入刪除也容易的數據結構，如拉鏈法實現的哈希表。

Booleam Filter（HBase）
HBase中的rowkey設置建立Booleam Filter映射，用於快速判斷rowkey是否在一個HFile中。在分布式資料庫中用的比較多。
基於BitMap的存儲結構，採用的是哈希函數的方法，將一個元素映射到一個 m 長度的陣列上的一個點，當這個點是 1 時，那麼這個元素在集合內，反之則不在集合內。這個方法的缺點就是當檢測的元素量很多時候可能有沖突，解決方法就是使用 k 個哈希 函數對應 k 個點，如果所有點都是 1 的話，那麼元素在集合內，如果有 0 的話，元素則不再集合內。

F. 資料庫中數據量很大，怎麼寫演算法

合理索引，能分區的表分區。做資料庫同步，查詢與業務分開做。我經常做百萬級的數據表。有不明白的地方請留言

G. 學習《資料庫》、《操作系統》、《計算機網路》和《數據結構和演算法》的好教程

向你推薦絕好的，不好你殺我！資料庫基礎與應用 http://www.xxw001.com/video/?b381b9b129c7614d7f723.shtml資料庫原理及應用 http://www.xxw001.com/video/?b381b9b129c7614d7f588.shtml操作系統原理 http://www.xxw001.com/video/?b381b9b129c7614d7f442.shtmlWindows網路操作系統管理 http://www.xxw001.com/video/?b381b9b129c7614d7f629.shtml計算機網路 http://www.xxw001.com/video/?b381b9b129c7614d7f628.shtml計算機網路 http://www.xxw001.com/video/?b381b9b129c7614d7f500.shtml數據結構與演算法 http://www.xxw001.com/video/?b381b9b129c7614d7f604.shtml 你要的這里都有 第一學習網 www.xxw001.com 海量精品課程 免費在線學習

H. 如何快速學習基於SQL資料庫的演算法

。。有哪些表，哪些欄位啊 select 學號，課1+課2+課3+課4+課5 as 總成績 from 成績表 這種一張表的？

I. 資料庫和演算法是什麼關系

演算法的范圍很大。 一般應用，數據的存儲都委託給資料庫了。
資料庫是一種應用軟體，用來存放各種數據的。 數據結構是計算機存儲、組織數據的方式。 資料庫是程序寫出來的，而程序=數據結構+演算法。 不

J. 「C語言」 「演算法」 「資料庫」 之間是什麼關系為什麼是單獨分幾本書的呢

簡單的可以這么理解， C語言可以用以實現演算法及資料庫。 演算法的范圍很大。 一般應用，數據的存儲都委託給資料庫了。