SQL Server 2017 数据库分析处理技术
丛 书 名：
数据科学与大数据技术系列
作 译 者：张延松
出 版 日 期：2019-08-01
书 代 号：G0372780
Ｉ Ｓ Ｂ Ｎ：9787121372780
图书简介：
本书内容主要分为三部分：第1部分导论，介绍SQL Server 2017的安装及配置方法、数据导入方法和工具，并且通过数据可视化技术介绍数据分析处理技术的基本需求、数据模型及实现方法；第2部分数据库基础知识与SQL实践，介绍关系数据库基础理论、数据库基础实现技术、SQL命令及查询实现技术、数据库实现新技术等相关知识；第3部分数据仓库和OLAP基础，介绍数据仓库的基本概念及相关理论、OLAP的基本概念及相关操作、基于企业Benchmark的OLAP实践案例。 本书采用面向数据完整生命周期的贯穿式案例教学方法，以数据的采集、加载、管理、处理、分析、优化、数据可视化、多维展示、数据挖掘等从起点到终点的案例式处理过程，介绍数据分析处理全生命周期中相关的技术，使读者掌握全面的数据库分析处理技术，增强读者独立解决实际问题的能力。
-
配 套 资 源图书特别说明：本书包含丰富的教辅资源，包括操作指导视频、案例数据集与相应的数据生成器、示例SQL命令等学习资源，以及教学大纲、教学课件等教学资源。
本书资源
推荐资源
-
图 书 内 容
内容简介
本书内容主要分为三部分：第1部分导论，介绍SQL Server 2017的安装及配置方法、数据导入方法和工具，并且通过数据可视化技术介绍数据分析处理技术的基本需求、数据模型及实现方法；第2部分数据库基础知识与SQL实践，介绍关系数据库基础理论、数据库基础实现技术、SQL命令及查询实现技术、数据库实现新技术等相关知识；第3部分数据仓库和OLAP基础，介绍数据仓库的基本概念及相关理论、OLAP的基本概念及相关操作、基于企业Benchmark的OLAP实践案例。 本书采用面向数据完整生命周期的贯穿式案例教学方法，以数据的采集、加载、管理、处理、分析、优化、数据可视化、多维展示、数据挖掘等从起点到终点的案例式处理过程，介绍数据分析处理全生命周期中相关的技术，使读者掌握全面的数据库分析处理技术，增强读者独立解决实际问题的能力。图书详情
ISBN：9787121372780开 本：16开页 数：376字 数：601.0本书目录
第1部分 导 论 第1章 初识SQL Server 2017 2 1.1 SQL Server 2017在Windows平台的安装与配置 2 1.2 SQL Server 2017在Linux平台的安装与配置 7 1.3 SQL Server数据库数据导入和导出 14 1.3.1 从Access文件向SQL Server导入数据 15 1.3.2 通过BULK INSERT命令导入平面数据文件 17 1.3.3 通过数据导入和导出向导导入平面数据文件 22 1.4 使用Integration Services导入数据 29 小结 39 第2章 数据分析与数据库的初步认识 40 2.1 Excel数据分析工具 40 2.1.1 Excel表单数据操作 40 2.1.2 Power Pivot for Excel 41 2.1.3 Power Map 45 2.2 Power BI Desktop数据分析工具 46 2.2.1 数据管理 46 2.2.2 数据分析与可视化报表 50 2.2.3 数据发布与访问 53 2.3 Tableau数据可视化分析工具 54 2.3.1 数据连接与管理 55 2.3.2 可视化分析 57 2.3.3 创建仪表板和故事 62 小结 64 第2部分 数据库基础知识与SQL实践 第3章 数据库基础知识 66 3.1 数据库的基本概念 66 3.1.1 数据、数据库、数据库管理系统、数据库系统 66 3.1.2 数据库系统的特点 69 3.2 关系数据模型 71 3.2.1 实体?联系模型 72 3.2.2 关系 72 3.2.3 关系模式 75 3.2.4 码 77 3.2.5 规范化 79 3.2.6 完整性约束 88 3.3 关系操作与关系代数 95 3.3.1 关系操作 95 3.3.2 关系代数与关系运算 96 3.4 数据库系统结构 105 3.4.1 内模式（Internal Schema） 105 3.4.2 模式（Schema） 108 3.4.3 外模式（External Schema） 109 3.4.4 数据库的二级映像与数据独立性 109 3.5 数据库系统的组成 110 3.5.1 数据库硬件平台 110 3.5.2 数据库软件 112 3.5.3 数据库人员 113 小结 114 第4章 关系数据库结构化查询语言SQL 115 4.1 SQL概述 115 4.2 数据定义SQL 119 4.2.1 模式的定义与删除 119 4.2.2 表的定义、删除与修改 121 4.2.3 代表性的索引技术 127 4.2.4 索引的创建与删除 134 4.3 数据查询SQL 136 4.3.1 单表查询 137 4.3.2 连接查询 147 4.3.3 嵌套查询 152 4.3.4 集合查询 158 4.3.5 基于派生表查询 161 4.4 数据更新SQL 162 4.4.1 插入数据 162 4.4.2 修改数据 164 4.4.3 删除数据 165 4.4.4 事务 165 4.5 视图的定义和使用 166 4.5.1 定义视图 166 4.5.2 查询视图 168 4.5.3 更新视图 169 4.6 面向大数据管理的SQL扩展语法 172 4.6.1 HiveQL 172 4.6.2 JSON数据管理 175 4.6.3 图数据管理 179 小结 183 第5章 数据库实现与查询优化技术 185 5.1 数据库查询处理实现技术和查询优化技术的基本原理 185 5.1.1 表存储结构 185 5.1.2 缓冲区管理 189 5.1.3 索引查询优化技术 190 5.1.4 基于代价模型的查询优化 196 5.2 内存查询优化技术 201 5.2.1 内存表 202 5.2.2 列存储索引 205 5.3 查询优化案例分析 209 5.4 代表性的关系数据库 226 小结 232 第3部分 数据仓库和OLAP基础 第6章 数据仓库和OLAP 236 6.1 数据仓库 236 6.1.1 数据仓库的概念 236 6.1.2 数据仓库的特征 237 6.1.3 数据仓库的体系结构 238 6.1.4 数据仓库的实现技术 241 6.2 OLAP联机分析处理 249 6.2.1 多维数据模型 250 6.2.2 OLAP操作 251 6.2.3 OLAP实现技术 255 6.2.4 OLAP存储模型设计 256 6.3 数据仓库案例分析 264 6.3.1 TPC-H 265 6.3.2 SSB 274 6.3.3 TPC-DS 276 小结 287 第7章 OLAP实践案例 288 7.1 基于SSB数据库的OLAP案例实践 288 7.1.1 SSB数据集分析 288 7.1.2 创建Analysis Services数据源 292 7.1.3 创建数据源视图 295 7.1.4 创建多维数据集 297 7.1.5 创建维度 301 7.1.6 多维分析 307 7.1.7 通过Excel数据透视表查看多维数据集 308 7.2 基于FoodMart数据库的OLAP案例实践 311 7.3 基于TPC-H数据库的OLAP案例实践 326 7.4 SQL Server 2017内置统计功能 338 7.4.1 系统安装配置 338 7.4.2 SQL Server 2017 R脚本执行案例 340 7.4.3 SQL Server 2017 R脚本执行与Analysis Services中统计功能 342 7.4.4 Analysis Services中常见的数据挖掘功能 351 7.4.5 SQL Server 2017 Python脚本执行 361 小结 364 参考文献 365展开前 言
前 言 数据是信息社会时代最重要的资源，数据库是面向数据管理的技术，不仅是计算机系统中重要的系统软件之一，而且也是以数据为中心的信息社会的基础支撑技术。在大数据时代，通过对海量数据的分析获得企业及社会发展所需要的有价值的信息是，深入挖掘大数据价值的重要手段，数据库技术也从面向电信、金融、航空订票、企业交易、电子商务等传统领域的事务处理扩展到对企业级海量数据的分析处理，并且结合大数据处理技术、新硬件技术等进一步升级了数据库大数据分析处理能力。传统的数据库以结构化数据管理为主，随着大数据多样化数据管理需求的增长，当前主流数据库提供了非结构化数据管理能力，如对XML、JSON等半结构化数据管理的支持及对Hadoop等大数据管理平台的支持，通过与数据可视化、数据分析处理等主流的大数据分析处理技术相融合的能力，数据库成为大数据时代一个重要的基础数据管理与分析处理平台。 当前，数据库技术的发展趋势呈现多个显著特点：新型内存查询型处理引擎集成到传统的磁盘处理引擎中，以提升数据库性能；从传统的行存储引擎转换为列存储引擎，以提高大数据分析处理性能；支持XML、JSON等非结构化数据管理；将R、Python等机器学习和分析软件集成到数据库查询引擎，以支持数据库中扩展的分析处理能力；增加与Hadoop等大数据管理平台集成工具，以支持数据库对Hadoop大数据平台的访问支持。随着数据库技术的升级与变革，传统数据库学科的理论知识与实践技能也需要进一步扩展，以更好地适应大数据时代数据库的理论体系和实现技术。 近年来，随着大数据分析处理需求的不断增长，企业级数据分析处理越来越多地成为数据库应用的主要任务之一，这需要更多具有不同学科知识背景的数据分析人员直接面对企业级数据平台，并掌握足够的数据库知识来完成企业级数据分析处理任务，这种应用需求要求降低数据库的技术门槛，以方便非计算机专业背景的数据分析人员使用数据库平台进行数据分析，同时也需要向非计算机专业人员系统地介绍数据库分析处理的完整技术框架。本书以SQL Server 2017平台为基础，以数据库分析处理技术为主线，以案例教学方式，系统地介绍数据库的基本理论、SQL操作实践、数据库实现技术基本原理、数据仓库基本理论、OLAP基本概念与实现技术、数据挖掘、数据可视化技术等，使读者通过实际的案例掌握以数据库为基础的数据分析处理技术所涉及的关系模型、存储模型、查询处理模型、查询优化模型、多维分析处理模型、OLAP模型、数据挖掘模型、数据可视化模型等相关理论与实践技术，实现从数据到分析的完整处理过程，较全面地理解现代数据库软件的体系结构和实现技术。 本书内容主要分为三部分。 1. 导论 介绍SQL Server 2017的安装及配置方法，数据导入方法和工具，并且通过数据可视化技术介绍数据分析处理技术的基本需求、数据模型及实现方法。 2. 数据库基础知识与SQL实践 介绍关系数据库基础理论、数据库基础实现技术、SQL命令及查询实现技术、数据库实现新技术等相关知识。 3. 数据仓库和OLAP基础 介绍数据仓库的基本概念及相关理论、OLAP的基本概念及相关操作、基于企业Benchmark的OLAP实践案例。 本书面向数据库分析处理技术，将通常分散于数据库基础、数据库实现技术、数据仓库与OLAP、数据挖掘、商业智能与数据可视化技术等相关教材中的内容以统一的案例形式贯穿于本书始终，使读者能够通过案例实践，全面掌握数据分析处理的完整过程，从底层的数据库平台的数据组织与管理，到顶层面向分析模型的数据分析处理及可视化数据展示，实现理论与实践的统一。鉴于软件中代码的大小写对程序执行结果不会有影响，为体现其真实性，故本书里的截图保留了作者提供的原图，未进行大小写统一处理。 本书采用深入浅出的方法，结合案例教学模式，系统地介绍数据库的基本理论与实现技术。本书尤其适合与数据分析处理技术相关的非计算机专业人员使用，可帮助其跨越数据库技术门槛，掌握企业级数据分析处理方法，理解现代数据库技术的基本设计思想与技术发展趋势，了解商业智能的主要实现技术，熟悉现代企业数据分析处理的基本技术框架。本书也可以作为人文社会学科学生的数据库应用技术教材，建议在教学中侧重讲解基本数据库概念和SQL命令使用方法，掌握企业级数据库应用技术，可以相对弱化第5章数据库实现与查询优化技术与第6章数据库仓库和OLAP理论的要求，重点通过第7章OLAP实践案例掌握基于数据库的分析处理技术的完整数据处理流程，以及数据库分析处理的实用技能。 由于编者水平有限，编写时间仓库，书中难免存在疏漏和不足，恳请同行专家和读者给予批评和指正。 编著者展开作者简介
本书暂无作者简介 -
样 章 试 读
-
图 书 评 价 我要评论
