流数据具有动态、时效、连续、多源、无限等特性，数据流处理对数据库、系统、算法、网络和其他计算机科学领域的技术提出挑战，成为数据库界一个活跃的研究领域

目录 第一章、数据库技术基础 第二章、 SQL Server2000概述 第三章、数据库的基本操作 第四章、数据库中表的基本操作 第五章、数据的基本操作 第六章、 SQL Server2000的数据完整性 第七章、索引及其应用

• 10.1 可视化概述 • 10.2 可视化工具 • 10.3 可视化典型案例

• 12.1 可视化概述 • 12.2 可视化工具 • 12.3 可视化典型案例 • 12.4 可视化工具实践

• 6.1 概述 • 6.2 HBase访问接口 • 6.3 HBase数据模型 • 6.4 HBase的实现原理 • 6.5 HBase运行机制 • 6.6 HBase编程实践

内容提要 一、数据交换技术 1.电路交换 2.报文交换 3.分组交换 4.数据报 5.虚电路

一、信息与数据 二、数据处理技术的发展 三、数据描述与概念模型 四、数据模型 五、关系数据模型 六、数据库系统结构 七、数据库管理系统

1.1数据管理技术的三个阶段 1.2数据库与数据库系统 1.3数据模型与数据模式 1.4数据库系统的发展趋势

• 5.1 NoSQL简介 • 5.2 NoSQL兴起的原因 • 5.3 NoSQL与关系数据库的比较 • 5.4 NoSQL的四大类型 • 5.5 NoSQL的三大基石 • 5.6 从NoSQL到NewSQL数据库 • 5.7 文档数据库MongoDB

工业监控系统所采集到的多元时间序列在利用数据挖掘技术获取内部存在的未知模式的过程中，经常会出现原始数据庞杂、分段结果重复、交集过多和界限不清晰等问题，导致含有突变变量或数据间相关性差的数据集进行模式挖掘结果不理想.针对上述问题，本文提出了一种新的多元时序模糊聚类分段挖掘算法.实验结果表明，该算法克服了Gath-Geva算法聚类精度易受初始值影响的不足，能够较好地反映出原始数据中潜在的过程变化，从而有效地处理时间序列的分段问题并得到理想的挖掘结果