数据仓库

数据仓库的特点：

1. 面向主题
2. 集成的
3. 相对稳定的(非易失的)
4. 反映历史变化(随着时间变化)

数据挖掘

方法

1. 决策树
2. 神经网络
3. 遗传算法
4. 关联规则挖掘算法

分类

1. 关联分析:挖掘出隐藏在数据间的相互关系。
2. 序列模式分析:侧重点是分析数据间的前后关系(因果关系)。
3. 分类分析:为每一个记录赋予一个标记再按标记分类。
4. 聚类分析:分类分析法的逆过程。

反规范化

由于规范化会使表不断的拆分，从而导致数据表过多。这样虽然减少了数据冗余，提高了增、删、改的速度，但会增加查询的工作量。系统需要进行多次连接，才能进行查询操作，使得系统效率大大下降

技术手段

1. 增加派生性冗余列
2. 增加冗余列
3. 重新组表
4. 分割表

大数据

对海量信息处理的方法

比较

大数据处理系统的特性

1. 高度可扩展性
2. 高性能
3. 高度容错
4. 支持异构环境
5. 较短的分析延迟
6. 易用且开放的接口
7. 较低成本
8. 向下兼容性