sql数据库的心得体会(数据库原理与技术)
大家好，今天小编来为大家解答sql数据库的心得体会这个问题，数据库原理与技术很多人还不知道，现在让我们一起来看看吧！
数据库原理设计心得体会
这段时间的设计与制作，给了你怎样的一些心得体会呢？那么记录下来吧！下面是由我为大家整理的“数据库原理设计心得体会”，仅供参考，欢迎大家阅读。
数据库原理设计心得体会（一）在我看来，数据库课程设计主要的目标是利用课程中学到的数据库知识和技术较好的开发设计出数据库应用系统，去解决各行各业信息化处理的要求。通过这次的课程设计，可以巩固我们对数据库基本原理和基础理论的理解，掌握数据库应用系统设计开发的基本方法，进一步提高我们综合运用所学知识的能力。
当我们这组决定做大学生就业咨询系统时，我们并没有着手写程序。而是大家一起商量这个系统概述、系统目标、系统需求、业务流程分析、数据流程分析和数据词典。当这些都准备好了之后，我们进行模块的分工。每个人都有自己的模块设计，而且写出来的代码要求可以实现相应模块的功能，得到理想的效果。当每个人都把自己的分工做好了，最后会由一个人把这些全部组合搭建在一起。我们使用的是Html和php相互嵌套使用，当一个系统做好了之后，我会好好地把程序都看一遍，理会其中的奥秘。
我所负责的是数据库的备份和还原还有一些界面的实现。还记得自己刚接触html的时候，觉得很感兴趣，所以有一段时间几乎到了痴迷的程度。然而Php是我刚接触不久的一种编程语言。不过觉得它的功能真的很强大，可以开发出很多大型的系统。但是在做备份和还原的时候，要考虑的东西还是很多的。当我遇到错误的时候，感到很受打击。值得欣慰的是，在同学的帮助和大量参考书的查阅下，我把自己的模块做好了。这就是我收获最大的地方。而且，我明白了遇到困难永不放弃的重要性，我知道了团队合作的重要性，我领悟了只有坚持不懈才会取得胜利。
知识的获得是无止境的，只要你想学，只要你行动，没有什么会难倒我们的。回首这一个多星期的课程设计，我很欣慰。因为我有了动力，有了勇气。谢谢老师对我们的不懈帮助，谢谢学校给了我们这一次实践的机会，也谢谢组员们的关怀。这些美好的回忆美好的东西将永远伴随着我。
数据库原理设计心得体会（二）两个星期的时间非常快就过去了，这两个星期不敢说自己有多大的进步，获得了多少知识，但起码是了解了项目开发的部分过程。虽说上过数据库上过管理信息系统等相关的课程，但是没有亲身经历过相关的设计工作细节。这次实习证实提供了一个很好的机会。
通过这次课程设计发现这其中需要的很多知识我们没有接触过，去图书馆查资料的时候发现我们前边所学到的仅仅是皮毛，还有很多需要我们掌握的东西我们根本不知道。同时也发现有很多已经学过的东西我们没有理解到位，不能灵活运用于实际，不能很好的用来解决问题，这就需要我们不断的大量的实践，通过不断的自学，不断地发现问题，思考问题，进而解决问题。在这个过程中我们将深刻理解所学知识，同时也可以学到不少很实用的东西。
从各种文档的阅读到开始的需求分析、概念结构设计、逻辑结构设计、物理结构设计。亲身体验了一回系统的设计开发过程。很多东西书上写的很清楚，貌似看着也很简单，思路非常清晰。但真正需要自己想办法去设计一个系统的时候才发现其中的难度。经常做到后面突然就发现自己一开始的设计有问题，然后又回去翻工，在各种反复中不断完善自己的想法。
我想有这样的问题不止我一个，事后想想是一开始着手做的时候下手过于轻快，或者说是根本不了解自己要做的这个系统是给谁用的。因为没有事先做过仔细的用户调查，不知道整个业务的流程，也不知道用户需要什么功能就忙着开发，这是作为设计开发人员需要特别警惕避免的，不然会给后来的工作带来很大的麻烦，甚至可能会需要全盘推倒重来。所以以后的课程设计要特别注意这一块的设计。
按照要求，我们做的是机票预订系统。说实话，我对这个是一无所知的，没有订过机票，也不知道航空公司是怎么一个流程。盲目开始设计的下场我已经尝过了，结果就是出来一个四不像的设计方案，没有什么实际用处。没有前期的调查，仅从指导书上那几条要求着手是不够的。
在需求分析过程中，我们通过上网查资料，去图书馆查阅相关资料，结合我们的生活经验，根据可行性研究的结果和客户的要求，分析现有情况及问题，采用client/server结构，将机票预定系统划分为两个子系统：客户端子系统，服务器端子系统。在两周的时间里，不断地对程序及各模块进行修改、编译、调试、运行，其间遇到很多问题：由于忘记了一些java语言的规范使得在调试过程中一些错误没有发现，通过这次课程设计，我对调试掌握得更加熟练了，意识到了程序语言的规范性以及我们在编程时要有严谨的态度，同时在写程序时如有一定量的注释，既增加了程序的可读性，也可以使自己在读程序时更容易。
我们学习并应用了sql语言，对数据库的创建、修改、删除方法有了一定的了解，通过导入表和删除表、更改表学会了对于表的一些操作，为了建立一个关系数据库信息管理系统，必须得经过系统调研、需求分析、概念设计、逻辑设计、物理设计、系统调试、维护以及系统评价的一般过程，为毕业设计打下基础。
很多事情不是想象中的那么简单的，它涉及到的各种实体、属性、数据流程、数据处理等等。很多时候感觉后面的设计根本无法继续，感觉像是被前面做的各种图限制了。在做关系模型转换的时候碰到有些实体即可以认为是实体又可以作为属性，为了避免冗余，尽量按照属性处理了。
物理结构设计基本没有碰到问题，这一块和安全性、完整性不觉就会在物理结构设计中添加一些安全设置：主键约束、check约束、default定义等。最后才做索引的部分，对一些比较经常使用搜索的列，外键上建立索引，这样可以明显加快检索的速度，最后别忘记重要的安全性设置，限制用户访问权限，新建用户并和数据库用户做相应的映射。
不管做什么，我们都要相信自己，不能畏惧，不能怕遇到困难，什么都需要去尝试，有些你开始认为很难的事在你尝试之后你可能会发现原来她并没有你以前觉得的那样，自己也是可以的。如果没有自信，没有目标，没有信心就不可能把事情做好，当其他人都在迷茫的时候，自己一定要坚信目标，大学毕业出去即面临找工作，从学习这个专业，到以后从事这方面的工作都需要不断地去学习去实践，这次实践可以给我们敲一个警钟，我们面临毕业，面临择业，需要这些实践经验，在困难面前要勇于尝试，这是这次课程设计给我的最大感想！
以上基本是这次实习的体会了，设计进行的非常艰难，编码非常不容易，才发现做一个项目最重要的不在于如何实现，而是实现之前的需求分析和模块设计。创新很难，有些流行的系统其实现并不难，难的在于对市场的分析和准确定位。设计，是一个任重道远的过程。
数据库原理设计心得体会（三）数据库课程设计大赛尘嚣渐渐远去，怀着对这次大赛些许不舍，怀着对当初课程设计开始时候豪情万丈决心留恋，怀着通过这次课程设计积累信心与斗志，我开始写这篇文章，为自己足迹留下哪怕是微不足道但是对自己弥足珍贵痕迹并期望与大家共勉。
首先，让我记忆追溯到大二暑假，在老大指引下（老大劝我学ASP（ASP培训）net），我接触到microsoft公司net产品。那个时候我已经学过vc和asp，因为windows程序设计实验课关系，接触过VB（VB培训），但是没有专门去学他，因为习惯了c++里面class，int，觉得vbsub，var看着就不是很顺心。我是一个好奇心很强人，突然看到了一个号称“。net是用于创建下一代应用程序理想而又现实开发工具”，而且主推c#语言，由于对c语言一贯好感，我几乎是立刻对他产生了兴趣。我就开始了对c#学习，任何语言都不是孤立存在，所以数据交互是很重要，暑假时候我把我们这学期课本数据库系统概论看了一遍。我记得以前用c语言编程时候，数据是在内存中申请空间，譬如使用数组等等。很耗费内存空间。这个时候就是数据库站出来时候啦，于是我又装上了sql server2000，以前学asp时候用是access，那个时候只是照着人家做，理论是什么也不是很清楚。
开发时候我想过用什么架构，c/s模式？模式有很多，怎么选择？我就上网搜索现在最流行架构是什么。结果搜到了mvc架构，就是你啦。我决定用这个架构，不会，没关系，咱学。just do it！前期工作准备好后，那么我就得把我暑假学net加以实践。这个时候我更加深入了解了利用ado、net操纵数据库知识。并且对数据库里面存储过程有了比较深入了解。经过大概2个多星期奋斗，我完成了我数据库课程设计——基于net数据集图书馆管理系统。并最后非常荣幸获得了大赛一等奖以及以及新技术应用奖。
与其临渊羡鱼，不如退而结网。这次数据库课程设计给我最大印象就是如果自己有了兴趣，就动手去做，困难在你勇气和毅力下是抬不了头。从做这个数据库开始无论遇到什么困难，我都没有一丝放弃念头。出于对知识渴望，出于对新技术好奇，出于对一切未知求知。我完成了这次数据库课程设计，不过这只是我学习路上驿站，未来十年net核心技术就是xml[至少微软是这么宣传]，我会继续学习它，包括jave公司j2ee我也很想试试，语言本来就是相通，just do it！语言并不重要毕竟它仅仅是工具，用好一个工具并不是一件值得为外人道事情，主要是了解学习思想。古语说好：学无止境啊。
实际上从学习经历来看，我们接触知识体系都是属于比较老或比较传统，与现在发展迅速IT行业相比很多情况已不再适用，尤其是当开源模式逐渐走近开发者后更是如此。虽然是一个数据库课程设计，由于本人在选择项目时候是本着对自己有实际应用价值角度考虑，所以其中也涉及到一些数据库以外设计。这次数据库设计心得体会不能用语言完全表达。
学习数据库管理技术后的感受
学习数据库的心得体会
在大二的下学期刚学了数据库这门课，对这门课的第一印象是书本蛮厚的，感觉学起来应该会很难很累。在学习这门课的过程中，在对数据库的了解过程中，慢慢对数据库有了感观。数据库这一词并不是很难想象，并不是像外人看来很神奇。作为计算机专业的学生，这样的专业术语或者专业知识是最基本的。
学习的时候没有想象中的那么难，只要上课能听懂就基本还可以。但是问题还是出在书本有点厚，有的时候上课的内容都要找很久才能找到，甚至有的时候老师讲的知识书本上是找不到的，是另外补充而且是相当重要的内容。有的时候开小差，没有听到老师讲的知识点，这就导致了以后的学习无法顺利进行，使得学习起来十分困难。所以在数据库这门课的学习中，上课一定要听牢，就像老师说的那样，这样的专业课如果想凭考试前几天突击是行不通的，必须是日积月累的知识才能取得好成绩。
通过对数据库的学习，我也明白了各行各业都离不开数据库，就算是一个小型的超市也离不开它。可见数据库这门课的广泛性，如果能够认真学好它将来必有成就。我就是抱着这种信念去学习数据库的。第一次接触数据库，第一次接触SQL语言，虽然陌生，但是可以让我从头开始学，就算没有基础的人也可以学得很好。刚开始练习SQL语言的时候，并不是很难，基本上都是按照老师的步骤来做，还很有成就感。后来学了单表查询和连接查询后，就慢慢发现越学越困难了，每个题目都要思考很久，并且每个题目基本上不止一个答案，所以必须找出最优的答案。后面的删除、插入、修改这些题目都变化蛮大的，书本上的例题根本无法满足我们，好在老师给我们提供了大量的课件，通过这些PPT，我们可以巩固课内的知识，还可以学习内容相关的知识，更好地完成老师布置的作业。
除了老师布置的一些基本作业外，还有一份大作业。就像我们小组的是杂货店的销售管理系统，在完成这一作业的过程中，我们可以通过网络实现一家杂货店。过程是很复杂的，杂货店需要员工，还有百来种商品，不仅需要大量的数据，还要完成需求说明，数据词典，还有E-R图等，虽然想象起来并不是很难，但是要转化成文字，转化成人们能够读懂的文字就显得十分困难。特别是一个完整的销售系统，对我们来说都是第一次接触，在做大作业的时候经常是前面改改，后面改改，因为一些数据不能很好地对应起来，经常会遗忘一些，所以出现了这样的情况。一个完整的数据库系统也就是在这样修修改改的状态下完成的，也给了我很大的反思。第一、一个数据库的完成一定要考虑各方面的因素，包括现实因素。第二、在完成这类作业时，修修改改是很正常的，不要因此而厌倦。第三、一个完整的数据库一定不能出现错误，否则会在现实生活中带来不必要的麻烦。
通过本学期数据库的学习及大作业的完成，很有去作项目的冲动，但深知自己的能力水平有限，还需要更多的学习。
自己删减一下。GOOD LUCK!
一份难得的数据库市场分析报告
目录
-数据库分类维度：关系型/非关系型、交易型/分析型
- NoSQL数据库的进一步分类
- OLTP市场规模：关系型数据库仍占营收大头
-数据库市场份额：云服务和新兴厂商主导NoSQL
-开源数据库 vs.商业数据库
-数据库三大阵营：传统厂商和云服务提供商
最近由于时间原因我写东西少了，在公众号上也转载过几篇搞数据库朋友的大作。按说我算是外行，没资格在这个领域品头论足，而当我看到下面这份报告时立即产生了学习的兴趣，同时也想就能看懂的部分写点心得体会分享给大家。
可能本文比较适合普及性阅读，让数据库领域资深的朋友见笑了：）
数据库分类维度：关系型/非关系型、交易型/分析型
首先是分类维度，上图中的纵轴分类为Relational Database（关系型数据库，RDBMS）和Nonrelational Database（非关系型数据库，NoSQL），横轴的分类为Operational（交易型，即OLTP）和Analytical（分析型，即OLAP）。
按照习惯我们先看关系型数据库，左上角的交易型类别中包括大家熟悉的商业数据库Oracle、MS SQL Server、DB2、Infomix，也包括开源领域流行的MySQL（MariaDB是它的一个分支）、PostgreSQL，还有云上面比较常见的SQL Azure和Amazon Aurora等。
比较有意思的是，SAP HANA正好位于交易型和分析型的中间分界处，不要忘了SAP还收购了Sybase，尽管后者今天不够风光了，而早年微软的SQL Server都是来源于Sybase。Sybase的ASE数据库和分析型Sybase IQ还是存在的。
右上角的分析型产品中包括几款知名的列式数据仓库Pivotal Greenplum、Teradata和IBM Netezza（已宣布停止支持），来自互联网巨头的Google Big Query和Amazon RedShift。至于Oracle Exadata一体机，它上面运行的也是Oracle数据库，其最初设计用途是OLAP，而在后来发展中也可以良好兼顾OLTP，算是一个跨界产品吧。
再来看非关系型数据库，左下角的交易型产品中，有几个我看着熟悉的MongoDB、Redis、Amazon DynamoDB和DocumentDB等；右下角的分析型产品包括著名的Hadoop分支Cloudera、Hortonworks（这2家已并购），Bigtable（来自Google，Hadoop中的HBase是它的开源实现）、Elasticsearch等。
显然非关系型数据库的分类要更加复杂，产品在应用中的差异化也比传统关系型数据库更大。Willian Blair很负责任地对它们给出了进一步的分类。
NoSQL数据库的进一步分类
上面这个图表应该说很清晰了。非关系型数据库可以分为Document-based Store（基于文档的存储）、Key-Value Store（键值存储）、Graph-based（图数据库）、Time Series（时序数据库），以及Wide Cloumn-based Store（宽列式存储）。
我们再来看下每个细分类别中的产品：
文档存储：MongoDB、Amazon DocumentDB、Azure Cosmos DB等
Key-Value存储：Redis Labs、Oracle Berkeley DB、Amazon DynamoDB、Aerospike等
图数据库：Neo4j等
时序数据库：InfluxDB等
WideCloumn：DataStax、Cassandra、Apache HBase和Bigtable等
多模型数据库：支持上面不只一种类别特性的NoSQL，比如MongoDB、Redis Labs、Amazon DynamoDB和Azure Cosmos DB等。
OLTP市场规模：关系型数据库仍占营收大头
上面这个基于IDC数据的交易型数据库市场份额共有3个分类，其中深蓝色部分的关系型数据库（RDBMS，在这里不统计数据挖掘/分析型数据库）占据80%以上的市场。
Dynamic Database（DDMS，动态数据库管理系统，同样不统计Hadoop）就是我们前面聊的非关系型数据库。这部分市场显得小（但发展势头看好），我觉得与互联网等大公司多采用开源+自研，而不买商业产品有关。
而遵循IDC的统计分类，在上图灰色部分的“非关系型数据库市场”其实另有定义，参见下面这段文字：
数据库市场份额：云服务和新兴厂商主导NoSQL
请注意，这里的关系型数据库统计又包含了分析型产品。Oracle营收份额42%仍居第一，随后排名依次为微软、IBM、SAP和Teradata。
代表非关系型数据库的DDMS分类中（这里同样加入Hadoop等），云服务和新兴厂商成为了主导，微软应该是因为云SQL Server的基础而小幅领先于AWS，这2家一共占据超过50%的市场，接下来的排名是Google、Cloudera和Hortonworks（二者加起来13%）。
上面是IDC传统分类中的“非关系型数据库”，在这里IBM和CA等应该主要是针对大型机的产品，InterSystems有一款在国内医疗HIS系统中应用的Caché数据库（以前也是运行在Power小机上比较多）。我就知道这些，余下的就不瞎写了。
开源数据库 vs.商业数据库
按照流行度来看，开源数据库从2013年到现在一直呈现增长，已经快要追上商业数据库了。
商业产品在关系型数据库的占比仍然高达60.5%，而上表中从这列往左的分类都是开源占优：
Wide Cloumn：开源占比81.8%；
时序数据库：开源占比80.7%；
文档存储：开源占比80.0%；
Key-Value存储：开源占比72.2%；
图数据库：开源占比68.4%；
搜索引擎：开源占比65.3%
按照开源License的授权模式，上面这个三角形越往下管的越宽松。比如MySQL属于GPL，在互联网行业用户较多；而PostgreSQL属于BSD授权，国内有不少数据库公司的产品就是基于Postgre哦。
数据库三大阵营：传统厂商和云服务提供商
前面在讨论市场份额时，我提到过交易型数据库的4个巨头仍然是Oracle、微软、IBM和SAP，在这里William Blair将他们归为第一阵营。
随着云平台的不断兴起，AWS、Azure和GCP（Google Cloud Platform）组成了另一个阵营，在国外分析师的眼里还没有BAT，就像有的朋友所说，国内互联网巨头更多是自身业务导向的，在本土发展公有云还有些优势，短时间内将技术输出到国外的难度应该还比较大。（当然我并不认为国内缺优秀的DBA和研发人才）
第三个阵容就是规模小一些，但比较专注的数据库玩家。
接下来我再带大家简单过一下这前两个阵容，看看具体的数据库产品都有哪些。
甲骨文的产品，我相对熟悉一些的有Oracle Database、MySQL以及Exadata一体机。
IBM DB2也是一个庞大的家族，除了传统针对小型机、x86（好像用的人不多）、z/OS大型机和for i的版本之外，如今也有了针对云和数据挖掘的产品。记得抱枕大师对Informix的技术比较推崇，可惜这个产品发展似乎不太理想。
微软除了看家的SQL Server之外，在Azure云上还能提供MySQL、PostgreSQL和MariaDB开源数据库。应该说他们是传统软件License+PaaS服务两条腿走路的。
如今人们一提起SAP的数据库就想起HANA，之前从Sybase收购来的ASE（Adaptive Server Enterprise）和IQ似乎没有之前发展好了。
在云服务提供商数据库的3巨头中，微软有SQL Server的先天优势，甚至把它移植到了Linux拥抱开源平台。关系型数据库的创新方面值得一提的是Amazon Aurora和Google Spanner（也有非关系型特性），至于它们具体好在哪里我就不装内行了：）
非关系型数据库则是Amazon全面开花，这与其云计算业务发展早并且占据优势有关。Google当年的三篇经典论文对业界影响深远，Yahoo基于此开源的Hadoop有一段时间几乎是大数据的代名词。HBase和Hive如今已不再是人们讨论的热点，而Bigtable和BigQuery似乎仍然以服务Google自身业务为主，毕竟GCP的规模比AWS要小多了。
最后这张DB-Engines的排行榜，相信许多朋友都不陌生，今年3月已经不是最新的数据，在这里列出只是给大家一个参考。该排行榜几乎在每次更新时，都会有国内数据库专家撰写点评。
以上是我周末的学习笔记，班门弄斧，希望对大家有帮助。
参考资料《Database Software Market:The Long-Awaited Shake-up》
扩展阅读：《数据库&存储：互相最想知道的事》
尊重知识，转载时请保留全文。感谢您的阅读和支持！
好了，文章到此结束，希望可以帮助到大家。