分类算法也称为模式识别，是一种机器学习算法，其主要目的是从数据中发现规律并将数据分成不同的类别。分类算法通过对已知类别训练集的计算和分析，从中发现类别规则并预测新数据的类别。常见的分类算法包括决策树、朴素贝叶斯、逻辑回归、K-最近邻、支持向量机等。分类算法广泛应用于金融、医疗、电子商务等领域，以帮助人们更好地理解和利用数据。

设备属于哪一层、隔离什么域、PDU叫什么，这是送分底线。20/21/22/23/25/53/80/110/161/443，看到数字要条件反射出协议，看到协议要写出数字。IP子网划分的“256减掩码”块大小法，必须熟练到口算。TCP三次握手、DNS递归与迭代、邮件推拉模型，知道过程就能选出答案。IPSec在网络层，SSL/TLS夹在传输层之上，HTTPS算应用层。

分布式数据库通过数据分片实现扩展，通过分层次的透明性简化用户编程，并通过分布式事务和并发控制等机制来保证数据的正确性和一致性，最终实现“逻辑上像一个，物理上不是一个”的目标。

本文档是一份关于“数据库系统”的系统性学习资料，内容涵盖了从基础概念、关系理论、SQL语言，到高级的事务并发、安全恢复，以及数据仓库与分布式数据库等核心知识领域。

流计算（Stream Processing）是针对实时数据流进行连续处理的计算范式。与传统的批量处理不同，流计算强调数据的即时性和连续性，能够在数据生成的瞬间完成处理和响应。其核心特点包括：实时性：数据一旦生成，即可被处理和分析。高吞吐量：能够处理大规模数据流，支持高并发场景。低延迟：从数据生成到结果输出的时间极短。容错性：具备故障恢复机制，确保数据处理的可靠性。

软件工具按生命周期分为开发、维护、管理三类（牢记Jira管缺陷，Git管版本）；软件开发环境（SDE）的灵魂在于集成机制，按深度依次为平台集成、数据集成（消除信息孤岛）、控制集成（统一界面）和过程集成（自动化流程管控）。

数据仓库（DW）是面向主题、集成、稳定、带时间戳的历史数据大本营（OLAP分析用，不是用来改的）；数据挖掘（DM）是淘金工具，核心分两派：有监督的找标签（分类/预测），无监督的找同类（聚类），外加找规律（关联）和抓异常（偏差）。

大数据分析是围绕具有海量、高速、多样、低价值密度4V特征的数据集，通过包含准备、发现、解释的迭代流程，运用从基础探索到智能决策的四层技术体系，最终实现从抽样到全样、精确到效率、因果到相关的思维范式革命，以支撑更可靠的决策与洞察。

数据模型分三层（E-R概念 →关系逻辑 →物理存储）；关系模型用数学定义，主码和外码是建表的灵魂；关系代数（选择行、投影列、自然连接）是写SQL的底层思维；规范化理论通过消灭“部分依赖(2NF)”和“传递依赖(3NF)”来拆表，拆表必须保证“无损连接且保持依赖”。

DBS 包含 DB 和 DBMS；数据模型经历了从“树/图（非关系）”到“表（关系）”的演进；三级模式（外-逻-内）是骨架，两级映像是灵魂，它完美实现了应用程序与数据库结构解耦的逻辑独立性与物理独立性。