数据库入门

本文详细介绍了数据库的基本概念,包括数据库的定义、存储结构、数据库系统组成及其核心组件数据库管理系统(DBMS)。同时,深入讲解了SQL语言的四大组成部分:DDL、DML、DQL和DCL,并列举了常见数据库产品。

数据库基本知识:

一、概要:

  1. 数据库DataBase/DB 是按照数据结构来组织、存储和管理数据的仓库。其本身可以看作电子化的文件柜,用户可以对文件中的数据进行增加、删除、修改、查找等操作。
    在这里插入图片描述

  2. 数据库系统Data Base System/DBS 是由数据库、数据库管理系统、数据应用程序等组成。在这里插入图片描述

  3. 数据库管理系统(Database Management System/DBMS):

  • 数据库管理系统是一种操纵管理数据库的大型软件,用于建立使用维护数据库。
  • 数据库管理系统是数据库系统的核心
  • 用户通过DBMS访问数据库中的数据,数据库管理员通过DBMS进行数据库的维护工作。
  • 大部分DBMS提供数据定义语言DDL(Data Definition Language)和数据操作语言DML(Data Manipulation Language)。
  • 数据库管理系统就是实现把用户意义下抽象的逻辑数据处理,转换成为计算机中具体的物理数据处理的软件。
  • 有了数据库管理系统,用户就可以在抽象意义下处理数据,而不必顾及这些数据在计算机中的布局和物理位置。
  1. 常见的数据库产品: 甲骨文的oracle、IBM的DB2,微软的SQL Server、mongoDB、Access、MySQL(开源,免费,跨平台)
    在这里插入图片描述

二、数据库的存储结构:

  • 数据库是存储和管理数据的仓库,但数据库并不能直接存储数据,数据是存储在表中的,在存储数据的过程中一定会用到数据库服务器,所谓数据库服务器就是指在计算机上安装了一个数据库管理程序。在这里插入图片描述

三、SQL语言:

  1. SQL(Structured Query Language结构化查询语言):
  • 是一种数据库查询语言和程序设计语言,主要用于管理数据库中的数据,如存取数据查询数据更新数据等。
  • 关系型数据库语言
  • SQL是专为数据库而建立的操作命令集,是一种功能齐全的数据库语言。
  • 在数据库系统中,SQL语句不区分大小写。但字符串常量区分大小写。建议命令大写,表名库名小写。
  • SQL语句可单行多行书写,以";"结尾。关键词不能跨多行或简写。
  • 用空格和缩进来提高语句的可读性。子句通常位于独立行,便于编辑,提高可读性。
  • 注释:单行 - -
    多行 /* …*/
  1. SQL语言由DDL,DML,DQL和DCL组成:
    (1)数据库定义语言(Data Definition Language,DDL) 数据库定义语言主要用于定义数据库、表等,其中包括CREATE语句、ALTER语句和DROP语句。
    CREATE语句用于创建数据库、数据表等
    ALTER语句用于修改表的定义等
    DROP语句用于删除数据库、删除表等

    (2)数据库操作语言(Data Mabipulation Language,DML)数据库操作语言主要用于数据库进行添加、修改、删除操作,其中包括INSERT语句、UPDATE语言和DELETE语句。
    INSERT语句用于插入数据
    UPDATE语句用于修改数据
    DELETE语句用于删除数据

    (3)数据库查询语言(Data Query Language,DQL) 数据库查询语言主要用于查询语言,也就是指SELECT语句。
    SELECT语句查询数据库中的一条或多条数据

    (4)数据库控制语言(Data Control Language,DCL)数据库控制语言主要用于控制用户的访问权限,其中包括GRANT语句、REVOKE语句、COMMIT语句和ROLLBACK语句。
    GRANT语句用于给用户增加权限
    REVOKE语句用于收回用户的权限
    COMMIT语句用于提交事务
    ROLLBACK语句用于回滚事务(回到上一个正确的)

Nano-ESG数据资源库的构建基于2023年初至2024年秋季期间采集的逾84万条新闻文本,从中系统提炼出企业环境、社会及治理维度的信息。其构建流程首先依据特定术语在德语与英语新闻平台上检索,初步锁定与德国DAX 40成分股企业相关联的报道。随后借助嵌入技术对文本段落执行去重操作,以降低内容冗余。继而采用GLiNER这一跨语言零样本实体识别系统,排除与目标企业无关的文档。在此基础上,通过GPT-3.5与GPT-4o等大规模语言模型对文本进行双重筛选:一方面判定其与ESG议题的相关性,另一方面生成简明的内容概要。最终环节由GPT-4o模型完成,它对每篇文献进行ESG情感倾向(正面、中性或负面)的判定,并标注所涉及的ESG具体维度,从而形成具备时序特征的ESG情感与维度标注数据集。 该数据集适用于多类企业可持续性研究,例如ESG情感趋势分析、ESG维度细分类别研究,以及企业可持续性事件的时序演变追踪。研究者可利用数据集内提供的新闻摘要、情感标签与维度分类,深入考察企业在不同时期的环境、社会及治理表现。此外,借助Bertopic等主题建模方法,能够从数据中识别出与企业相关的核心ESG议题,并观察这些议题随时间的演进轨迹。该资源以其开放获取特性与连续的时间覆盖,为探究企业可持续性表现的动态变化提供了系统化的数据基础。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值