中国行业数据库收录了哪些行业的标准？

一、中国行业数据库收录了哪些行业的标准？

《中国标准全文数据库》包括《中国国家标准全文数据库》和《中国行业标准全文数据库》

收录范围：

轻工业、文化、中医药、有色金属、稀土、黑色冶金、包装、纺织、海洋、粮食、林业、煤炭、卫生、物资管理、烟草、医药、新闻出版社、电子等26个行业的行业标准全文。

以上标准占国家标准总量的90%以上，是由国家标准化管理委员会发布。

二、国外数据库收费标准？

按存储空间。当备份数据没有超出100GB，将免费存储在OBS上；当备份数据超出100GB，超出部分将根据OBS的计费规则收费。 公网流量 云数据库 GaussDB NoSQL实例支持公网访问，公网访问会产生带宽流量费；云数据库 GaussDB NoSQL实例在云内部网络产生的流量不计费。

三、中国最大的数据库？

华为的数据库叫高斯数据库（Gauss DB），按照媒体的说法，目前出货量已超3万套，在国产数据库中，名列前茅。

高斯数据库2007年的时候就开始研发，先后有三代，分别是GaussDB100、GaussDB200、GaussDB30，目前已经到了招商、工商银行的验证和认可，同时还在很多运营商中使用，已经得到了认可。

四、数据库表的大小标准？

你好，数据库表的大小标准没有固定的规定，它取决于数据库管理系统（DBMS）的性能和可用硬件资源。一般来说，表的大小应该根据应用程序的需求来确定。如果表过大，可能会导致查询和更新操作变慢，也会占用大量的存储空间。因此，需要根据实际情况进行调整和优化。在一些常见的DBMS中，例如MySQL，建议单个表的大小不要超过1GB。

五、选择数据库的标准是？

小网站用Access，大网站用SQL， 在实际应用中，数据库的选择原则一般是： 如果业务量少、业务较简单，可选用桌面数据库，如Access之类的数据库，即通常所说的F/S模式； 如果网站初具规模，业务量较大，建议使用VFP+MS-SQL，即通常所说的C/S模式；

如果是大网站，业务流量大，数据库访问频繁，这时就应选用INTERDEV+MS-SQL数据库了，即B/S模式。

六、数据库命名标准与规范？

采用26个英文字母(区分大小写)和0-9的自然数(经常不需要)加上下划线'_'组成，命名简洁明确，多个单词用下划线'_'分隔,一个项目一个数据库，多个项目慎用同一个数据库

全部小写命名，禁止出现大写

禁止使用数据库关键字，如：name，time ，datetime，password等

表名称不应该取得太长（一般不超过三个英文单词）

表的名称一般使用名词或者动宾短语

用单数形式表示名称，例如，使用 employee，而不是 employees

表必须填写描述信息（使用SQL语句建表时）

数据库创建 字符集：utf8mb4、排序规则：utf8mb4_general_ci

七、关系型数据库标准形式？

关系型数据库标准形是指采用了关系模型来组织数据的数据库，其以行和列的形式存储数据，以便于用户理解，关系型数据库这一系列的行和列被称为表，一组表组成了数据库。用户通过查询来检索数据库中的数据，而查询是一个用于限定数据库中某些区域的执行代码。关系模型可以简单理解为二维表格模型，而一个关系型数据库就是由二维表及其之间的关系组成的一个数据组织。

八、数据库标准制定方法？

方法一：规范化方法也叫离差标准化，是对原始数据的线性变换，使结果映射到[0,1]区间。方法二：正规化方法这种方法基于原始数据的均值（mean）和标准差（standard deviation）进行数据的标准化。将A的原始值x使用z-score标准化到x’。z-score标准化方法适用于属性A的最大值和最小值未知的情况，或有超出取值范围的离群数据的情况。spss默认的标准化方法就是z-score标准化。用Excel进行z-score标准化的方法：在Excel中没有现成的函数，需要自己分步计算，其实标准化的公式很简单。步骤如下：1.求出各变量（指标）的算术平均值（数学期望）xi和标准差si ；2.进行标准化处理：zij=（xij－xi）/si其中：zij为标准化后的变量值；xij为实际变量值。3.将逆指标前的正负号对调。标准化后的变量值围绕0上下波动，大于0说明高于平均水平，小于0说明低于平均水平。

九、中国跨过数据库这座大山了吗？

利益相关，腾讯云数据库员工。

背景：非技术人员不太会写代码。文章没检查，个把小时搞的，估计有不少错别字，各位见谅。

不怎么懂技术只会写点简单程序，讲的很多都市场人测的看法，吹捧大家都会，钱不会骗人。喷的随意，烦请喷出点道理，纯喷就很无聊了。这篇对某些厂商的看法也不正面，招黑正常嘿。

先上结论。

· 过了两年更新一下，相比两年前现在非常有信心跨过去，我们和竞品同行拿到了大量的case，长风破浪会有时，直挂云帆济沧海。

①传统关系型数据库没跨过去，想跨过去的希望只存在于阿里腾讯这种大厂，现在已经走在半山腰了；

②云数据库刚兴起每几年，谁都不比谁差多少；

③新形态数据库有可能出现突破性产品和突破性技术，国内比起老美还是差，但是不存在oracle那种巨山要跨。

我是一个非技术人员，从几个角度说下这个：

1、 数据库为什么是个大山：数据库是什么在干什么，数据库为什么难做；

2、 数据库中的大山——Oracle为啥牛逼；

3、 国产数据库是啥状态；

4、 国产能不能行。

· 如果你懂数据库，前两部分直接可以略过了。

=============

最近有个大case，国内首个case，以前国内商业银行的核心系统从来不敢用国产数据库，但是现在，张家港银行核心系统用了腾讯的Tdsql。

国内首个！

=============

一、数据库是啥，为啥那么难做。

我们先看看数据库这个大山是什么山。

数据库大神，图灵奖获得者迈克尔·斯通布鲁克(碎石者～(￣▽￣～)~)（Michael Stonebraker）在他的一篇论文里（What Goes Around Comes Around）简介了几十年的数据库历史，并且半吐槽性质的表达了一种观点：都几十年了，不管出多少数据库，干的还是那些事。

迈克尔说的这些数据库需要做的事，其实任何一个用过数据库的人都应该清楚：1、把数据存起来；2、把数据取出来。

几十年，就这点事，为啥还难？因为这里面学问太大了，网上很多内容都会讲技术原理，我用举例的方法给大家讲下为啥难。

· 每秒存1条数据简单，但是一下存100万条就难了；

· 存100万条，还要保证先后顺序，还要保证系统不卡死；

· 存100万条，还要修改，还经常会出现几乎同一时间对一条数据多次修改的情况，这时候即要保证先后顺序，不能出错，还要保证速度极快不把系统卡死（事务性）

· 比如重要的机密数据，要保证不只存在一个地方，甚至不能放在一个城市，但同时还要保证两个城市的数据实时一致，如果一个出问题，几秒钟只能就能切换掉另一个城市的备份。

· 7 8张表，7 8张表里的数据有复杂的关联关系，要快速把这些数据找出来，展示到前台，还不能出错（分析型场景）

这类问题还可以延展很多，更不用说还要兼容各类软硬件等，支撑软硬件热插拔等。

鹅厂的数据库专家张文曾经在一次演讲中提到，今年发布的开源数据库Mysql8.0社区版有130万行代码。130万行代码什么概念？一般的小公司，只是想理解这些代码都做不到，因为填进去的程序员成本太高。

这就是我开头说想突破只能指望大厂的原因。我瞎估下，150万行代码，要想做到理解清楚并能在其基础上做修改，最保守需要40人/年左右，还得是懂数据库的程序员，基本得40个DBA。40个DBA，按便宜的算，每人40万一年综合成本……（已经很少了，相当于2万左右的薪水，大城市的DBA没这么便宜的）

1600万，能把这堆代码搞清楚，而且还没做什么优化开发啊，还没有谈什么推广数据库的市场费用。这么大的投入就算能扛得住，又有几个企业愿意扛这个成本去做这个买卖，冒这个风险。行外人不懂，行内人都知道oracle的统治力，所以真没几个人乐意投入。

所以真的很难。

二、甲骨文为啥这么牛

如果把原因放在前面，我认为三点最重要。1、做的早；2、技术真的牛；3、市场牛。

做的早不说了，美帝的积累自然不是盖的。

技术真的牛，怎么牛？稳定！（业内会讲可用性，可靠性，这里为了行外人看得懂，统一说稳定了）

当然oracle牛x之处不止有稳定，产品体系完善，tp、ap场景通吃（tp就是事务性场景，同一条数据必须做完一件事才能再做下一个，就是让你不能拿只剩100的银行卡花出101去；AP就是分析型场景，希望快速取数据进行分析的场景。）但是甲骨文的最牛之处还是稳定。

这种稳定让甲骨文这么贵的价格都不是事。国内的金融业的核心系统，几乎都在用甲骨文，我知道的除了微众银行用的腾讯的TDSQL，支付宝用阿里的oceanbase以外，没听说还有谁不用oracle。

为啥？稳啊！钱的事出问题就是大事，谁能兜得住，只敢用oracle。我一个10来年的DBA老哥一句话我一直记得“我玩了Mysql一年，出的问题比我玩oracle10年遇到的问题都多。”

这么稳的技术来源于哪？除了甲骨文长期的时间积累，大家都认为一定有牛逼的技术在里面发挥作用。很多技术不是靠时间积累得来的，而是靠灵光一现。想复制这种灵光一现实在太难了。

肯定有人问那国内去O不是要黄？愚以为黄不至于，只是在某些地方特别难。

最早宣传去IOE的阿里真的做到去O了么？去个大头鬼，现在阿里每年还会向甲骨文付很高一笔钱，据说这个买卖是马爸爸亲自和甲骨文老板谈的。虽然说去IOE是极其正确的方向，但是想做到去O，真的要比去I去E难不止一个量级。

但那些地方合适去O？对稳定性没有究极追求的地方都可以去O，或者虽然对稳定要求很高但是有很强运维能力的企业。国内的互联网产业，天然不用oracle，因为互联网产业天然有很强的运维和开发能力，完全可以去O运作。比如政府国企，很多政府IT业务用不用oracle一样渣，早就应该去O。对应的由于金融业对业务稳定性的要求，去O很难。

当然，除了稳定性以外，还有另一个问题，让去O很难推进，那就是业务改造难度太大。每个数据库都有一套程序语言用来操作数据，这些程序代码渗透到业务的方方面面（只要调用数据，就要用数据库），要全面改造这些代码，还想不出问题，何其难也！金融系统很多都是10来年的老代码，维护都难，别说修改了。金融系统改出一个问题，技术leader就该下课了。谁敢换……

三、国产数据库是啥状态？

云时代之前，国产数据库完全不行。云时代之后，由于有腾讯阿里等巨头，能行了。

不客气的说，XX、XXXX等国产数据库，完全靠政府养着，拿到市场上一个能打的都没有。否则在政府、国企央企、军工之外有谁见过XX、XX？最懂技术的互联网有哪怕一家公司用这些数据库么？这些企业也只会去往政府，军工这些行业钻。（上面这段仅代表个人观点）

除了XX、XXXX等企业，像腾讯阿里，还是有些能拿得出手的产品，腾讯的Tdsql、Tbase，阿里的oceanbase等，已经开始在金融等领域进行市场渗透，并拿下了一定的市场份额。正如前面所讲，恐怕也只有这些头部互联网企业才有希望。

云时代之后，我们起码看到了希望。云时代的数据库，主要靠开源数据库撑着。云时代拜两个马爸爸所赐，中国没有落后，数据库又是开源的，谁都不比谁强多少。更重要的是

云是IT基础架构的替代者，是大方向，是趋势

在这上面我们不落后，我们就不会漏掉数据库的下一个时代。亚马逊有Aurora，腾讯阿里就有CynosDB和PolarDB。同样的云原生、分布式、计算存储分离等特性，谁也不比谁差多少。反观Oracle，在云时代实在乏善可陈。

阿里我不清楚，腾讯云数百人的数据库团队，还有散落在其他部门的数据库团队都有很多很强的成果出来。

比如微信这样无敌的用户量和强社交场景，自然也培育出了技术相当强劲的新类型数据库，只不过不知道是不是需要保密，我就不在外面说了。希望将来能通腾讯云把这些技术拿出来给大家服务，体验国产数据库的强大。

Ps：有人问我为啥不说Tidb。Tidb营销上完全在学MongoDB，技术上缺乏善可陈。怎么说呢，不能说Tidb不好，只能说Tidb还需要沉淀。当然Tidb有点非常好，就是告诉国内企业做数据库是有希望的，这激励了很多人！

四、国产数据库能不能行

其实话说到这里，答案前面都已经讲了，这里总结一下吧：

1） 关系型数据库：当前没有跨过这个大山，现在有跨国大山的势能，但是只能指望腾讯阿里了。

2） 云数据库：国内和美国谁都不比谁差。

3） 新兴数据库：内存型、文档型、图、列、时序等数据库，国内不比美国差多少，很多方面国内还有优势。

最后多说一点市场，甲骨文另一点强大，就是有强大的营销能力。产品好+营销强+进入早，这样的优势需要国内厂商用很长的时间才能实现赶超，不可偏废。

最后的最后打一下广告：

Tdsql，腾讯自己的数据库，金融级分布式，大量金融公司在用；

Tbase，PG做底层的数据仓库/数据库，大量金融公司在用；

CynosDB，我们的云原生数据库，对标亚马逊欧若拉，已经有很多大型互联网公司在测试使用，是下一代的数据库产品。

除此之外，还有tdata，Tcaplus游戏专用数据库等数据库产品，欢迎大家尝试。

经同事提醒，把几个国产数据库厂商的名字隐去了

=================================

挂一个阿里低质量的水军，虽然我腾讯的，但对阿里那么多大牛还是很崇拜的，阿里的数据库也很强。然而，这些脸面都让你给丢尽了。

·本文只提到Mysql，130万行代码，这人全都没看清；

·本文观点是能跨过大山

·本文从没提过代码行数和稳定的关系，讲代码行数是为了说明学习成本高。

十、中国数据库技术的作用？

1、实现数据共享：数据共享包含所有用户可同时存取数据库中的数据，也包括用户可以用各种方式通过接口使用数据库，并提供数据共享。

2、减少数据的冗余度：同文件系统相比，由于数据库实现了数据共享，从而避免了用户各自建立应用文件。减少了大量重复数据，减少了数据冗余，维护了数据的一致性。

3、保持数据的独立性：数据的独立性包括逻辑独立性（数据库中数据库的逻辑结构和应用程序相互独立）和物理独立性（数据物理结构的变化不影响数据的逻辑结构）。

4、数据实现集中控制：文件管理方式中，数据处于一种分散的状态，不同的用户或同一用户在不同处理中其文件之间毫无关系。利用数据库可对数据进行集中控制和管理，并通过数据模型表示各种数据的组织以及数据间的联系。

5、数据一致性和可维护性，以确保数据的安全性和可靠性：主要包括：安全性控制、完整性控制、并发控制，使在同一时间周期内，允许对数据实现多路存取，又能防止用户之间的不正常交互作用。