精华内容
下载资源
问答
  • ise9.2中的冗余设计步骤

    千次阅读 2019-03-15 17:38:56
    这一步需要选择信号的处理类型,选择需要进行模处理的信号,设置为相应的类型,首先在Component将工程中的所有DCM,FIFO,BRAM,IBUF,OBUF,IOBUF类型信号都设置为converge(标识不需要做模),然后在Hierachy...

    一.ISE中跑综合,生成NGC文件
    首先利用ISE软件生成TMR所需的ngc文件。设置综合和实现的约束:

    1. 综合设置如下图:(Pack I/O Registers into IOBs设置为No,记得与正常工程是不同的)。

    2. 为了保证工程中没有分布式RAM(Distributed ram),HDL Options –RAM Style 改为block;保证工程中没有移位寄存器(shift-register),HDL Options—去除Shift Register Extraction 和Logical Shifter Extraction的勾选。

    3. 为了方便后续设计哪些信号需要做三模,keep hierarchy(模块保持层次)选为NO

    设置需修改的就这几项,综合完成后将工程目录下的所有.ngc文件拷贝到一个新建的文件夹内。
    二.根据NGC文件使用TMR Tools生成EDIF文件
    1.打开TMRTool软件,在source窗口右击选择“set top-level source”,找到之前新建的文件夹,先选择顶层ngc文件(set top-level source),然后右击添加其他ngc文件(add source)。

    在这里插入图片描述
    set top-level source
    在这里插入图片描述
    add source
    2.Import
    在添加ngc文件完成后,双击Import,等待几分钟。完成。

    3.Edit XTMR Types
    这一步需要选择信号的处理类型,选择需要进行三模处理的信号,设置为相应的类型,首先在Component将工程中的所有DCM,FIFO,BRAM,IBUF,OBUF,IOBUF类型信号都设置为converge(标识不需要做三模),然后在Hierachy将其他需要处理的信号设置为相应类型,
    另外,尽量不要添加原工程中时序路径较长的模块的三模(火星工程中小波模块的路径就比较长,故小波模块的信号均不做三模),这样会导致原本满足时序约束的路径在三模后不满足时序约束。 注:其中时序路径在原工程中跑完实现后,使用Xilinx Timing Analyzer ---- Analyze---- Analyze against Constraint file的方法查看

    4.设置完成后,继续进行Implement XTMR属性设置如下:
    (Process Settings :Power Source 设置为Exteral – Active High)其他默认。

    等待大约两个小时。
    5.设置双击Export,最终生成edf文件。
    三.使用EDIF文件在ISE中创建三模后的工程。
    1.基于EDIF文件新建 Project
    创建工程名,选择工程路径。Top-Level Source Type:HDL为创建普通工程;EDIF是创建三模工程。Top-Level Source Type选择EDIF。Next。

    2.选择工程输入文件:之前生成好的.edf文件和准备好的.ucf文件

    Input Design:选择三模生成后缀位edf的文件
    Constraint File:选择工程用户约束文件UCF
    3.修改配置项,跑实现并产生bit/mcs
    1)设备信息设置:选择与原ISE工程对应的设备信息

    2)实现设置:
    i.Pack I/O Registers/Latches into IOBs:For Inputs and Outputs。
    ii.一般做三模的工程的面积使用比较大,为了在实现跑完后资源不超,需在实现设置中进行下列设置
    Property display level 均选Advanced
    Map properties—Perform Timing Driven Packing and Placement勾选—Map Effort Level选High
    Place &Route properties---- Place Effort Level 、Route Effort Level均选High
    Post-Place & Route Static Timing Report properties----Performed Advanced Analysis 勾选

    3)检查静态时序报告:使用Xilinx Timing Analyzer ---- Analyze---- Analyze against Constraint file的方法查看

    工具报告若出现了路径时序报错(报告中会报出红字路径),根据所提示路径修改代码,将超时路径变短直至报告中无红字报错。
    4)Generate Programming File生成上板测试的可执行文件----.bit/.mcs文件

    展开全文
  • 1、三种事实表概述 2、三种事实表对比 3、事实表设计 8 大原则 4、事实表设计方法 第一步:选择业务过程及确定事实表类型 第二步:声明粒度 第三步:确定维度 第四步:确定事实

    目录

    1、三种事实表概述

    2、三种事实表对比

    3、事实表设计 8 大原则

    4、事实表设计方法

    第一步:选择业务过程及确定事实表类型

    第二步:声明粒度

    第三步:确定维度

    第四步:确定事实


    事实表作为数据仓库维度建模的核心,紧紧围绕着业务过程来设 计,通过获取描述业务过程的度量来表达业务过程,包含了引用的维度 和与业务过程有关的度量。

    1、三种事实表概述

    事实表有三种类型 : 事务事实表、周期快照事实表累积快照事实表

    • 1.1 事务事实表

    也称原子事实表,描述业务过程,跟踪控件或时间上某点的度量事件,保存的是最原子的数据;

    个人理解:类似于mysql binlog日志,每一次相关的 change 都记录下来,生成一行新的数据

    • 1.2 周期快照事实表

    以一个周期为时间间隔,来记录事实,一般周期可以是每天、每周、每月、每年等;

    个人理解:只看某个业务过程,比如订单收货,数据按订单收货时间来切分,周期可以为每天、每月等。

    • 1.3 累积快照事实

    用来描述过程开始和结束之间的关键步骤事件,覆盖过程的整个生命周期,通常具有多个日期字段来记录关键时间点;当过程随着生命周期不断变化时,记录也会随着过程的变化而被修改;

    个人理解:要看整个生命周期的多个业务过程,比如:创建订单 → 买家付款 → 卖家发货 → 买家确认收货。粒度是一个订单一行数据,创建订单时间,付款时间,发货时间,收货时间,分别作为一个字段,便于计算不同业务过程的时间间隔。

     

    2、三种事实表对比

     事务事实表 周期快照事实表 累积快照事实表 
    时期/时间 离散事务时间点 以有规律的、可预测的 用于时间跨度不确定的不断变化的工作流 
    日期维度 事务日期 快照日期 相关业务过程涉及的多个日期 
    粒度每行代表实体的一个事务 每行代表某时间周期的一个实体 每行代表一个实体的生命周期 
    事实 事务事实累积事实相关业务过程事实和时间间隔事实 
    事实表加载 插入 插入 插入与更新 
    事实表更新 不更新 不更新 业务过程变更时更新 

    3、事实表设计 8 大原则

    • 原则 1:尽可能包含所有与业务过程相关的事实
      • 分析哪些事实与业务过程相关,是设计过程中非常重要的关注点;
      • 在事实表中,尽量包含所有与业务过程相关的事实,即使存在冗余,由于事实通常是数字型,存储开销不会太大;
    • 原则 2:只选择与业务过程相关的事实
      • 如,订单的下单这个业务过程,事实表中不应该存在支付金额这个表示支付业务过程的事实;
    • 原则 3:分解不可加性事实为可加的组件
      • 如,订单的优惠率,应分解为订单原价金额与订单优惠金额两个事实存储在事实表中;
    • 原则 4:在选择维度和事实之前必须先声明粒度
      • 粒度用于确定事实表中一行所表示业务的细节层次,决定了维度模型的扩展性;
      • 每个维度和事实必须与所定义的粒度保持一致;
      • 设计事实表时,粒度定义越细越好,一般从最低级别的原子粒度开始;
        • 因为原子粒度提供了最大限度的灵活性,可以支持无法预期的各种细节层次的用户需求;
    • 原则 5:在同一个事实表中不能有多种不同粒度的事实
      • 疑问:怎么判断不同事实的粒度是否相同?
        • 粒度为票一级;(实际业务中,一个订单可以同时支付多张票)
        • 票支付金额和票折扣金额,两个事实的粒度为 “票级”,与定义的粒度一致;
        • 订单支付金额和订单票数,两个事实的粒度为 “订单级”,属于上一层订单级数据,与 “票级” 事实表的粒度不一致,且不能进行汇总;
        • 如果,以订单金额和订单票数这两个维度汇总总金额和总票数,会造成大量的重复计算;
    • 原则 6:事实的单位要保持一致
      • 如,订单金额、订单优惠金额、订单运费这 3 个事实,应该采用统一的计量单位,统一为元或者分,以方便使用;
    • 原则 7:对事实的 null 值要处理
      • 原因:在数据库中,null 值对常用数字型字段的 SQL 过滤条件都不生效;如,大于、小于、等于、大于或等于、小于或等于;
      • 处理:用 0 代替 null ;
    • 原则 8:使用退化维度提高事实表的易用性
      1. 事实表中存储各种类型的常用维度信息,较少下游用户使用时关联多个表的操作;
      2. 通过退化维度,可以实现对事实表的过滤查询、控制聚合层次、排序数据、定义主从关系等;
      • 易用性:对事实表,更较少关联操作、过滤查询、控制聚合层次、排序数据、定义主从关系等;
    • 在 Kimball 的维度建模中,通常按照星形模型的方式设计,通过事实表的外键关联专门的维表,这种方式来获取维度,谨慎使用退化维表;这与大数据领域的事实表设计不一样;
      • 思路:通过增加冗余存储,减少计算开销,提高使用效率;

     

    4、事实表设计方法

    Kimball 的维度模型设计 4 步法:选择业务过程、声明粒度、确定维度、确定事实;

    当前的互联网大数据环境,维度模型的设计,是基于 Kimball 的四步维度建模方法进行了更进一步的改进:

    • 第一步:选择业务过程及确定事实表类型

      • 思路:详细分析需求,对业务的整个生命周期进行分析,明确关键的业务步骤,从而选择与需求有关的业务过程;
      • 以实例说明:如何选择业务过程?如何确定事实表类型?
        • 例:淘宝的一个交易订单
          1. 分析业务的生命周期:如上图,业务过程通常使用行为动词表示业务执行的活动
          2. 明确关键的业务步骤:该订单流转的业务过程有 4 个:创建订单 → 买家付款 → 卖家发货 → 买家确认收货;
          3. 根据业务需求,选择与维度建模有关的业务过程;
            • 如,是选择 “买家付款” 这个业务过程,还是选择 “创建订单” 和 “买家付款” 这两个业务过程,具体根据业务情况来定;
          4. 根据所选的业务过程确定事实表类型;
            • 如,选择 “买家付款” 这个业务过程,则事实表类型应为只包含买家付款这一个业务过程的 “单事务事实表”;
            • 如,选择了所有 4 个业务过程,并且需要分享各业务过程的时间间隔,则事实表类型应为包含了所有 4 个业务过程的 “累积快照事实表”;
    • 第二步:声明粒度

      • 粒度的作用:
        1. 粒度的声明,意味着精确定义事实表的每一行所表示的业务含义
        2. 明确的粒度能够确保对实表中行的意思的理解不会产生混淆,保证所有的事实按照同样的细节层次记录;
      • 粒度的选择:尽量选择最细级别的原子粒度,以确保事实表的应用具有最大的灵活性;
        1. 灵活性:支持无法预期的各种细节层次的用户需求;
        2. 对于订单级别,粒度可以定义为最细的订单级别;(如,父子订单,事实表的粒度可以定 “子订单级别” ;)
    • 第三步:确定维度

      • 完成了粒度声明,就意味着确定了主键,对应的维度组合以及相关的维度字段也可以确定了;
      • 选择维度的原则:应该选择能够描述清楚业务过程所处的环境的维度信息;
        • 如,淘宝订单 “付款事务事实表” 中,粒度为 “子订单”,相关的维度有买家、卖家、商品、收货人信息、业务类型、订单时间等;
    • 第四步:确定事实

      • 确定原则:选择与业务过程有关的所有事实,且事实的粒度要与所声明的事实表的粒度一致
      • 思路:可以通过回答 “过程的度量是什么” 来确定;
      • 注意:将不可加性事实分解为可加的组件;(分解的原则:可以通过分解后的可加的属性值,计算得到不可加性事实)

    汇总图:

    参考文献:阿里巴巴大数据之路

     

    整理不易,点个赞吧~

    展开全文
  • 提出了一煤矿排水控制系统冗余可靠性的设计方案,分析了煤矿排水控制系统的主要故障类型,根据可靠性设计原则,设计了关键传感器冗余、控制器软冗余及独立运行、双机热备、双冗余环网通信网络、备用电源等方案,在曹庄...
  • Elasticsearch数据类型冗余方案

    千次阅读 2014-08-06 11:31:48
    为此,我们必须提供一数据类型冗余的机制,而此机制并不复杂。 为了实现此数据类型冗余机制,我们需要做两件事情: 1. 对每个值进行数据类型推断 2. 将推断出来的类型与数据一并写入到Elastic...

    在互联网环境中,我们从不指望用户都是规矩的玩家。


    在我们的Elasticsearch应用场景中,用户向我们发送各种各样的JSON数据,而Elasticsearch会在某个JSON字段第一次来之后,判断其值的类型,并以此类型作为后续的相同字段的类型。可是不合规矩的数据总是会来:


    第一次发送的数据: {"event":"buy", "context": {"price": 100}}

    第二次发送的数据:{"event":"buy", "context":{"price":"kitty"}}


    第一条数据发来之后,Elasticsearch会将context.price字段设置成long的数字类型,但是当第二条数据过来之后,Elasticsearch尝试将kitty转换成数字类型时出错了,换句话说本条数据丢了,这对于挑剔(不规矩,也有可能是不小心)的用户来说是不能接受的。为此,我们必须提供一种数据类型冗余的机制,而此机制并不复杂。


    为了实现此数据类型冗余机制,我们需要做两件事情:

    1. 对每个值进行数据类型推断

    2. 将推断出来的类型与数据一并写入到Elasticsearch中


    对每个值进行数据类型推断

    这里需要注意的是,类型的推断应该从具体到抽象,也就是说我们应该先判断一个值是不是能够转换成数字,而后再判断一个值是不是能够转换成字符串,这是显而易见的,因为发过来的数据都是字符串。


    将推断出来的类型与数据一并写入到Elasticsearch中

    原始数据: {"event":"buy", "context": {"price": 100}}...
    转换之后:{'event': {'s': "buy"}}, {'context':{"price": {'dbl': 100}}}

    原始数据: {"event":"buy", "context": {"price": "kitty"}}...
    转换之后:{'event': {'s': "buy"}}, {'context':{"price": {'s': "kitty"}}}

    其中:l代表long,s代表string。dbl可以用来代表double, b可以用来代表bool等。


    通过以上的方案,我们就完成了对数据类型信息的冗余。这样我们就可以以用户需要的操作来选择不同的数据类型:如果用户需要算price平均值,我们要做的仅仅是对context.price.dbl进行操作;而如果用户要做是查看price的分布,我们就可以分别对这个字段上所有类型的:context.price.s, context.price.dbl等一同进行操作即可。


    还需要注意一点:对于字符串的处理


    字符串在默认情况下,存储时会被analyze(默认是标准分析器),这个过程会将字符串进行分词动作,这对于数据分析需求来说是不必须要的,对于性能来说也是有损耗的,为此,我们需要将对应索引中的所有的字符串值设置成not_analyzed,这可以通过动态模板来完成:

    curl -XPUT "http://localhost:9200/_template/not_analyzed_template" -d'
    {
        "template": "test*", 
        "mappings": {
            "_default_": {
                "dynamic_templates": [
                    {
                        "template_1": {
                            "mapping": {
                                "index": "not_analyzed",
                                "type": "string"
                            },
                            "match_mapping_type": "string",
                            "match": "*"
                        }
                    }
                ],
                _all: {
                    "enabled": false
                }
            }
        }
    }


    需要注意几点:

    1. 我们匹配了所有名字符合test*模式的索引,只对这些索引应用这个模板

    2. 我们将字符串类型的值都设置成了not_analyzed

    3. 由于不需要全文搜索,_all字段也是被禁用的,这对性能提升也有一定帮助


    以上,希望对遇到类似问题的同学能有帮助。

    展开全文
  • 考虑到侦察射击系统的冗余结构和功能要素的类型和数量,已设计出一程序,以考虑到这一点。这种系统的操作模式。 指定的过程包括算法以及评估生存能力的方法和评估功能可靠性的方法。 通过考虑证明可产生足够结果的...
  • 核心思想 1.第一范式 要求消除拆分字段至原子字段,即不可再拆分; 2.第二范式 要求消除部分函数依赖,实现...除开道德问题,图上数据库表设计存在多少中设计缺陷 Q1: ’人物特色(渣男)'列还可以再拆分,解耦,能更适合变.

    数据库

    核心思想

    1.第一范式 要求消除拆分字段至原子字段,即不可再拆分;

    2.第二范式 要求消除部分函数依赖,实现完全函数依赖;

    3.第三范式 要求消除传递函数依赖;

    函数依赖: A列属性跟主键有关系

    部分函数依赖: A列属性只跟主键的部分属性有关系

    完全函数依赖: A列属性跟主键的全部属性有关系

    传递函数依赖: A列属性跟B列属性有关系,B列属性跟主键有关系

    举个栗子

    栗子

    人渣系统表设计1.0-我叫栗子

    除开道德问题,图上数据库表设计存在多少中设计缺陷

    Q1:

    ’人物特色(渣男)'列还可以再拆分,解耦,能更适合变化(违背第一范式原则)

    其实渣男类型还可以有很多的组合

    Q2:

    严重的传递依赖,(违背第三范式原则)

    -----‘女友姓名’,‘学历信息(女友)’,'年龄’等等 都跟渣男没有关系,不是渣男的本身属性

    如: 年龄→女友名→男友姓名


    这会衍生出二个问题

    Q2-1:

    如果这系统突然进入了一个’萌新妹子’,她的数据录入不合法,(她需要先遇到一个渣男)

    这也太不公平,太扯了…也许她只是想认识博主这种 母胎单身,风度翩翩,才华横溢的好人

    Q2-2:

    如果’赵六’这人,突然分手了,不渣了,删除这条记录,那么’小紫’这个人,也被删除了,该系统查不到她信息了

    这也太扯了,其实她还可以…


    改进2.0版

    人渣系统表设计2.0-第一范式后
    人渣系统表设计2.0-第三范式后

    经过了第一范式,第三范式后,依然存在着问题

    Q3:

    在’渣男渣女关系表’中 —‘渣男编号’'渣女编号’组成复合主键

    ’年龄’属性只与’渣女编号’有关(违背了第二范式),同理’医院到访次数’的设计正确

    第二范式知识点

    实体表中一般不会出现违反第二范式的情况,因为都是“一个”主键列,而关系表是两个以上列的“复合”主键,故而关系表容易出现违反 第二范式 的情况。

    主要是该关系表非主键外的属性,本该属于相关的某个实体表的,却放到了该关系表中,这使得该属性不能通过该关系表的复合主键唯一确定,DML操作会发生错误;

    改进3.0

    人渣系统表设计3.0-第二范式后


    一条华丽的分割线,三大范式讲完,现在难度升级


    难度升级

    难度升级

    现在我们添加了一些表,

    上面的图表都满足三大范式,都已经不可拆分,都跟主键完全依赖,也没有传递依赖

    但在使用体验上还是有设计问题

    Q4:

    ’宝宝表’中 名字为AA的宝宝他妈妈是谁?

    查询顺序是: 宝宝表→接生记录表→住院记录表→渣女表

    这也太难受了,就像物理学的’功’一样,万事万物皆在做’功’,需要消耗能量;

    在IT界也一样,这太消耗资源跟性能,太慢了.

    反范式冗余字段

    我们为什么不冗余呢,让宝宝编号或姓名(看需求),冗余到渣女表

    人渣系统表设计4.0-反范式冗余字段

    衡量的度

    • SQL关连查询涉及到4张表时可考虑采用冗余字段
    • 一般的,每间隔一级增加一个冗余外键

    衍生一个问题

    如何保证冗余字段数据的正确性(一致性)是反范式化的关键

    • 如果在程序开发前设计的冗余字段,可以在正常的业务逻辑程序中一并处理
    • 如果是程序完成之后增加的冗余字段,可以使用触发器维护
    • 对于OLAP中大量存在冗余字段,可能需要使用单独的处理任务进行维护

    OLTP/OLAP科普

    OLTP—On-Line Transaction Processing联机事务处理过程(OLTP),也称为面向交易的处理过程。

    OLAP—软件技术,使分析人员能够从多方面角度观察信息,深入理解数据。

    OLTP/OLAP

    • OLTP系统的模型,需满足第二范式(2NF)要求,设计上不追求满足第三范式(3NF)
    • OLTP系统中在完成范式化工作之后,对某些表,可以适当反范式化增加冗余字段以提高数据访问性能;在OLAP中采用的是面向问题的设计思想,应该大量使用反范式化冗余信息

    声明

    本文仅娱乐,不涉及任何种族歧视,性别歧视;

    不代表博主价值观,爱情观

    把我录入改系统也只能填 编号,姓名,迷惑点

    作业

    4.0版本依然不完美,你们知道如果想知道孩子的父亲是谁,应该怎么改吗?

    原文出处:https://www.chrisyoung777.com/blog/index.php/archives/16/
    原创不易,未经博主允许,禁止转载

    展开全文
  • 本人才疏学浅, 在设计数据库中用到的优化方式主要有以下几: 适当设置冗余 创建索引 利用 explain 分析优化查询 适当设置冗余 设置冗余是指在一个数据表中添加另一个数据表的关联字段, 减少join连接查...
  • 数据库冗余

    千次阅读 2018-08-28 15:50:41
    有的数据冗余用于数据间建立联系、数据安全或为了数据使用的便利,是必需的数据冗余,而其余的数据冗余为非必需的数据冗余应尽量予以消除。按属性值域集合基的特点将其分为有限类和无限类。无限类属性值偶尔重复不是...
  • 计算机专业毕业设计题目大全 一、ASP类计算机专业毕业设计题目 1.网络留言薄2.客户管理系统3.多媒体积件管理库的开发与应用4.基于WEB的多媒体素材管理库的开发与应用5.网络教学软件中的教学设计与应用6.小型教育...
  • 数据库与数据冗余

    千次阅读 2019-03-12 11:43:58
    数据冗余 1.关系数据库的数据冗余形成的原因:表的重复、属性的重复、元组的重复、属性值的重复。有的数据冗余用于数据间建立联系、数据安全或为了数据使用的便利,是必需的数据冗余,而其余的数据冗余为非必需的...
  • 实验十 基于层模型的校园网设计与实现 实验学时:4 实验类型设计型 一、实验目的 1. 掌握二层交换机技术、多层交换技术的应用; 2. 掌握交换网络中路由冗余技术在园区网架构中的作用; 3. 会利用多种...
  • 浅谈数据库设计技巧(实例一定的数据冗余

    万次阅读 热门讨论 2009-03-27 13:36:00
    说到数据库,我认为不能不先谈数据结构。1996年,在我初入大学学习计算机编程时...面向对象的程序开发,要做的第一件事就是,先分析整个程序中需处理的数据,从中提取出抽象模板,以这个抽象模板设计类,再在其中逐步添
  • 数据库 数据冗余

    千次阅读 2012-07-19 18:54:10
    2012年6月22日有同学去完爱森哲面试回来说,有一问题是问如何消除数据冗余的,我一时也忘了数据冗余的相关概念,于是再复习了一遍: 数据冗余 关系数据库的数据冗余形成的原因:表的重复、属性的重复、元组的重复...
  • DB设计三大范式

    千次阅读 2017-02-24 10:36:54
    数据库的设计范式是数据库设计所需要满足的规范,满足这些规范的数据库是简洁的、结构明晰的,同时,不会发生插入(insert)、删除(delete)和更新(update)操作异常。反之则是乱七八糟,不仅给数据库的编程人员...
  • 设计原则范式 之 数据库设计三范式

    千次阅读 2013-12-30 08:13:43
    设计范式(范式,数据库设计范式,数据库的设计范式)是符合某一级别的关系模式的集合。构造数据库必须遵循一定的规则。在关系数据库中,这种规则就是范式。关系数据库中的关系必须满足一定的要求,即满足不同的范式...
  • 浅谈三种API设计风格RPC、REST、GraphQL

    千次阅读 2019-02-17 19:56:00
    前言 Web API设计其实是一个挺重要的设计话题,许多公司...本文尝试根据自己的理解总结一下目前常见的四API设计风格以及设计考虑点。 正文 1. RPC 这是最常见的方式,RPC说的是本地调用远程的方法,面向的...
  • 如何解决重复冗余代码

    千次阅读 2020-05-18 00:12:41
    如何解决重复冗余代码1.利用工厂模式+模板方法模式消除if...else和重复代码2.利用注解+反射消除重复代码3.利用属性拷贝工具消除重复代码 1.利用工厂模式+模板方法模式消除if…else和重复代码 我们可以把重复的逻辑...
  • 数据库设计三大范式和五大约束

    千次阅读 多人点赞 2020-08-30 11:20:00
    范式是关系数据库理论的基础,也是我们在设计数据库结构过程中所要遵循的规则和指导方法,以下就是对这个范式的基本介绍: 第一范式(1NF): 1、数据表中的每一列(字段),必须是不可拆分的最小单元,也就是确保...
  • 视频压缩之冗余

    千次阅读 2018-08-19 15:21:13
    视频压缩之冗余  对于数字视频信号,数据量很大,不管是存储还是传输的需要,做压缩处理是必须的,下面我们会做进一步阐述。  以记录数字视频的YUV分量格式为例,YUV分别代表亮度与两个色差信号。例如对于现有的...
  • Android客户端架构设计分享

    千次阅读 热门讨论 2017-02-23 19:00:37
    技术发展日新月异,业界各种Android客户端架构设计,五花八门,但我们不能简单地说哪架构更好,因为脱离业务谈架构是没有任何意义的,适合业务的才是好架构。而架构也不是一成不变的,随着业务的发展,也许当初...
  • 数据库设计常用大范式

    万次阅读 多人点赞 2018-08-09 12:14:46
    设计关系数据库时,遵从不同的规范要求,设计出合理的关系型数据库,这些不同的规范要求被称为不同的范式,各种范式呈递次规范,越高的范式数据库冗余越小。 目前关系数据库有六范式:第一范式(1NF)、第二范式...
  • MSSQL之六 数据库设计

    千次阅读 2016-05-16 19:17:02
    本章主要讲解关系数据理论,以及数据库的设计...如果不是,就应该将其删除,否则会造成数据冗余和其他的一些问题,而范式就是为了解决这些问题而产生的  数据库设计过程主要介绍在通常情况下,设计数据库要经过的步
  • 数据库中“数据冗余

    万次阅读 2017-10-10 10:10:35
    数据冗余 1.关系数据库的数据冗余形成的原因:表的重复、属性的重复、元组的重复、属性值的重复。有的数据冗余用于数据间建立联系、数据安全或为了数据使用的便利,是必需的数据冗余,而其余的数据冗余为非必需的...
  • 计算循环冗余

    千次阅读 2008-02-20 23:46:00
    FJNU.1240Description计算机网络中采用循环冗余码来校验数据的正确性。其原理是:发送方计算出待发送的二进制数据的循环冗余码,并随同原数据一起发送到接收方;接收方通过重新计算接收到的数据的循环冗余码,并和...
  • 视频数据的冗余

    千次阅读 2019-07-17 17:06:26
     这是静态图像存在的最主要的一数据冗余。一幅图像记录了画面上可见景物的颜色。同一景物表面上各采样点的颜色之间往往存在着空间连贯性,也就是说视频图像在水平方向相邻像素之间、垂直方向相邻像素之间的变化...
  • 目录 数据库优化的目的 数据库结构设计的步骤 数据库设计范式 数据库第一范式 数据库第二范式 ...数据库第范式 ...数据库设计的目的 ...需求分析及逻辑设计 ...需求分析及逻辑设计-反范式化...物理设计-数据类型的选择...
  • 设计关系数据库时,遵从不同的规范要求,设计出合理的关系型数据库,这些不同的规范要求被称为不同的范式,各种范式呈递次规范,...当设计完数据库之后,你可能已经无形中已经应用了一、二、、四或者更多的数据库...
  • 数据库设计三范式

    千次阅读 2017-09-01 15:06:55
    第一范式(1NF)所谓第一范式(1NF)是指数据库表的每一列都是不可分割的基本数据项,同一列中不... 每个字段分的最细的类型,不能再往下分的那种。 第二范式(2NF)第二范式是在第一范式(1NF)的基础上建立起来的,即
  • MySQL设计范式的理解

    万次阅读 多人点赞 2016-10-23 11:18:44
    网上查找了一些资料,记录如下并加入自己的理解。 设计关系数据库时,遵从不同的规范要求,设计出合理的关系型数据库,这些不同的规范...目前关系数据库有六范式:第一范式(1NF)、第二范式(2NF)、第范式
  • 什么是数据库中的“数据冗余”?

    万次阅读 2018-11-13 21:03:36
    例如在设计数据库时,某一字段属于一个表,但它又同时出现在另一个或多个表,且完全等同于它在其本来所属表的意义表示,那么这个字段就是一个冗余字段。 关系数据库中的数据冗余主要是指关系数据库中同一信息数据的...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 127,407
精华内容 50,962
关键字:

冗余设计三种类型