数据库算法

A. 数据库中数据很量很大时，怎么实现复杂算法

可以用存储过程，另外
合理索引，能分区的表分区。做数据库同步，查询与业务分开做。我经常做百万级的数据表。有不明白的地方请留言

B. 数据库得查询功能是怎么实现的

数据库的查询功能实现原理：

数据库查询是数据库的最主要功能之一。我们都希望查询数据的速度能尽可能的快，因此数据库系统的设计者会从查询算法的角度进行优化。最基本的查询算法当然是顺序查找（linear search），这种复杂度为O(n)的算法在数据量很大时显然是糟糕的，好在计算机科学的发展提供了很多更优秀的查找算法，例如二分查找（binary search）、二叉树查找（binary tree search）等。如果稍微分析一下会发现，每种查找算法都只能应用于特定的数据结构之上，例如二分查找要求被检索数据有序，而二叉树查找只能应用于二叉查找树上，但是数据本身的组织结构不可能完全满足各种数据结构（例如，理论上不可能同时将两列都按顺序进行组织），所以，在数据之外，数据库系统还维护着满足特定查找算法的数据结构，这些数据结构以某种方式引用（指向）数据，这样就可以在这些数据结构上实现高级查找算法。这种数据结构，就是索引。

图1展示了一种可能的索引方式。左边是数据表，一共有两列七条记录，最左边的是数据记录的物理地址（注意逻辑上相邻的记录在磁盘上也并不是一定物理相邻的）。为了加快Col2的查找，可以维护一个右边所示的二叉查找树，每个节点分别包含索引键值和一个指向对应数据记录物理地址的指针，这样就可以运用二叉查找在O(log2n)O(log2n)的复杂度内获取到相应数据。

C. 数据库,算法,数据结构,组件之间的关系是什么

数据库和组件我并不知道，我不是学计算机的，是学通信的。
但是算法和数据结构我还是明白一些的：程序 = 数据结构 + 算法。
对于一个现实问题，你得把它抽象成一个计算机语言描述的问题，这个就是数据结构；而怎么编程去解决问题，就是算法。比如现实中你要求解，自己家里到a地和b地哪个距离近。假设离a距离10公里，离b距离5公里。那你抽象出来的数据结构肯定是int a = 10; int b = 5;
而对应的算法就是a>b?b:a;

D. 数据库怎么加入算法

插入加密数据：
1、INSERT INTO userdata(username,pasword,encryptedpassword)
2、VALUES ('smith','htims',AES_ENCRYPT('htims','key'))
上面的插入语句有三个字段，“用户名”、“密码”和“加密的密码”。
AES_ENCRYPT()函数需要一个“key”来协助加密，同样，解密也需要它。

从表中查询加密数据
1、SELECT username,pasword,AES_DECRYPT(encryptedpassword,'key')
2、FROM userdata.

E. 基于数据库搜索的算法，关键有哪几点

B+、B- Tree(mysql,oracle,mongodb)
主要用在关系数据库的索引中，如oracle，mysql innodb；mongodb中的索引也是B-树实现的；还有HBase中HFile中的DataBlock的索引等等。
动态查找树主要有：二叉查找树（Binary Search Tree），平衡二叉查找树（Balanced Binary Search Tree），红黑树(Red-Black Tree )，B-tree/B+-tree/ B*-tree (B~Tree)。前三者是典型的二叉查找树结构，其查找的时间复杂度O(log2N)与树的深度相关，那么降低树的深度自然会提高查找效率。
但是咱们有面对这样一个实际问题：就是大规模数据存储中，实现索引查询这样一个实际背景下，树节点存储的元素数量是有限的（如果元素数量非常多的话，查找就退化成节点内部的线性查找了），这样导致二叉查找树结构由于树的深度过大而造成磁盘I/O读写过于频繁，进而导致查询效率低下，那么如何减少树的深度（当然是不能减少查询的数据量），一个基本的想法就是：采用多叉树结构（由于树节点元素数量是有限的，自然该节点的子树数量也就是有限的）。
也就是说，因为磁盘的操作费时费资源，如果过于频繁的多次查找势必效率低下。那么如何提高效率，即如何避免磁盘过于频繁的多次查找呢？根据磁盘查找存取的次数往往由树的高度所决定，所以，只要我们通过某种较好的树结构减少树的结构尽量减少树的高度，那么是不是便能有效减少磁盘查找存取的次数呢？那这种有效的树结构是一种怎样的树呢？
这样我们就提出了一个新的查找树结构——多路查找树。根据平衡二叉树的启发，自然就想到平衡多路查找树结构，也就是B~tree，即B树结构(后面，我们将看到，B树的各种操作能使B树保持较低的高度，从而达到有效避免磁盘过于频繁的查找存取操作，从而有效提高查找效率)。

Hash表+桶(redis)
mysql中的adaptive hash index，redis中的数据存储实现都是采用hash，可以高效的进行数据的查询。
哈希表（Hash table，也叫散列表），是根据关键码值(Key value)而直接进行访问的数据结构。也就是说，它通过把关键码值映射到表中一个位置来访问记录，以加快查找的速度。这个映射函数叫做散列函数，存放记录的数组叫做散列表。
哈希表的做法其实很简单，就是把Key通过一个固定的算法函数既所谓的哈希函数转换成一个整型数字，然后就将该数字对数组长度进行取余，取余结果就当作数组的下标，将value存储在以该数字为下标的数组空间里。
而当使用哈希表进行查询的时候，就是再次使用哈希函数将key转换为对应的数组下标，并定位到该空间获取value，如此一来，就可以充分利用到数组的定位性能进行数据定位
数组的特点是：寻址容易，插入和删除困难；而链表的特点是：寻址困难，插入和删除容易。综合两者特性，设计一种寻址容易，插入删除也容易的数据结构，如拉链法实现的哈希表。

Booleam Filter（HBase）
HBase中的rowkey设置建立Booleam Filter映射，用于快速判断rowkey是否在一个HFile中。在分布式数据库中用的比较多。
基于BitMap的存储结构，采用的是哈希函数的方法，将一个元素映射到一个 m 长度的阵列上的一个点，当这个点是 1 时，那么这个元素在集合内，反之则不在集合内。这个方法的缺点就是当检测的元素量很多时候可能有冲突，解决方法就是使用 k 个哈希 函数对应 k 个点，如果所有点都是 1 的话，那么元素在集合内，如果有 0 的话，元素则不再集合内。

F. 数据库中数据量很大，怎么写算法

合理索引，能分区的表分区。做数据库同步，查询与业务分开做。我经常做百万级的数据表。有不明白的地方请留言

G. 学习《数据库》、《操作系统》、《计算机网络》和《数据结构和算法》的好教程

向你推荐绝好的，不好你杀我！数据库基础与应用 http://www.xxw001.com/video/?b381b9b129c7614d7f723.shtml数据库原理及应用 http://www.xxw001.com/video/?b381b9b129c7614d7f588.shtml操作系统原理 http://www.xxw001.com/video/?b381b9b129c7614d7f442.shtmlWindows网络操作系统管理 http://www.xxw001.com/video/?b381b9b129c7614d7f629.shtml计算机网络 http://www.xxw001.com/video/?b381b9b129c7614d7f628.shtml计算机网络 http://www.xxw001.com/video/?b381b9b129c7614d7f500.shtml数据结构与算法 http://www.xxw001.com/video/?b381b9b129c7614d7f604.shtml 你要的这里都有 第一学习网 www.xxw001.com 海量精品课程 免费在线学习

H. 如何快速学习基于SQL数据库的算法

。。有哪些表，哪些字段啊 select 学号，课1+课2+课3+课4+课5 as 总成绩 from 成绩表 这种一张表的？

I. 数据库和算法是什么关系

算法的范围很大。 一般应用，数据的存储都委托给数据库了。
数据库是一种应用软件，用来存放各种数据的。 数据结构是计算机存储、组织数据的方式。 数据库是程序写出来的，而程序=数据结构+算法。 不

J. “C语言” “算法” “数据库” 之间是什么关系为什么是单独分几本书的呢

简单的可以这么理解， C语言可以用以实现算法及数据库。 算法的范围很大。 一般应用，数据的存储都委托给数据库了。