国内数据库方向大牛

『壹』 数据库方向有哪些职位

一般就只有：
数据库制管理员
数据库设计师（51job上好像有）
还有就是，搞软件实施的（基本上就是去帮客户安装本公司的软件和相应的数据库）
其它嘛，应该还有，主要看你到什么公司（有小型，中型，大型之分），
得到具体的公司去了解，当然最起码的就是：数据库管理员了，它就直接全是和数据库打交道

『贰』 数据库系统概念第六版，数据库大牛来

以下是个人理解，我没去验证
比如我要在一个事务中修改表中的一行，然后读取表中的另一行，那么我得在第一行加上X锁，当然这时候表上应该是IX，当我读取另一行的时候，直接在另一行加S就行了。

『叁』 什么数据库比较热门

总体来说，主流数据库并不存在明确的好坏之分，每一种数据库都有各自的优缺点，最主要还是看它是否能够满足您的需求。

总的来说，选择数据库可以从以下角度考虑：

从个人角度出发的话，如果是以学习和小型业务需求为主，推荐使用MySQL，它的优势在于：

成本（免费）
自由（完全开源，适用多个场景）
性能（体积小但速度快）
这三点决定了MySQL数据库的超高性价比。并且目前有不少主流公司仍然青睐MySQL，大名鼎鼎的Fackbook就依然在延续MySQL的使用。

2. 如果是企业角度出发，主流的大型数据库如Oracle、Sql Server...以及近些年来大数据领域十分火热的非关系型数据库，例如Redis、HBse等等，都可以作为考虑的对象。

接下来具体列举一些常用数据库的优缺点，希望能为大家提供参考：
MySQL：
优势：

MySQL是开放源代码的数据库，任何人都可以获得该数据库的源代码。
MySQL能够实现跨平台操作，可以在Windows、UNIX、Linux和Mac OS等操作系统上运行。
MySQL数据库是一款自由软件，大部分应用场景下都是免费使用。
MySQL功能强大且使用方便，社区生态繁荣，有诸多学习资料。
缺点：规模小，功能有限。

SQL Server
高度可扩展：可以从单一的笔记本电脑上运行任何东西或以高倍云服务器网络运行，或在两者之间任何东西。
“虽然说是“任何东西”，但是仍然要满足相关的软件和硬件的要求“
生态链广：具有内置的商务智能工具，以及一系列的分析和报告工具，可以创建数据库、备份、复制，带来了更好的安全性。
Oracle
Oracle数据库系统是目前世界上流行的关系数据库管理系统，具有以下特点：

可移植性好（在各类大、中、小、微机环境中都适用）
使用方便、
功能强
因此，Oracle是一种高效率、可靠性好的、适应高吞吐量的数据库解决方案。

DB2
DB2是IBM开发的一种大型关系型数据库平台。它支持多用户或应用程序在同一条SQL 语句中查询不同database甚至不同DBMS中的数据。它的应用特点如下：

支持面向对象的编程：db2支持复杂的数据结构，如无结构文本对象，可以对无结构文本对象进行布尔匹配、最接近匹配和任意匹配等搜索。可以建立用户数据类型和用户自定义函数。
支持多媒体应用程序：db2支持大二分对象（blob），允许在数据库中存取二进制大对象和文本大对象。其中，二进制大对象可以用来存储多媒体对象。
具有良好的备份和恢复能力
支持存储过程和触发器，用户可以在建表时显示的定义复杂的完整性规则
支持异构分布式数据库访问，支持数据复制
PostgreSQL
PostgreSQL 是一个免费的对象-关系数据库服务器(ORDBMS)，它的 Slogan 是 “世界上最先进的开源关系型数据库”。

PostgreSQL具有如下特征：
函数：通过函数，可以在数据库服务器端执行指令程序。
索引：用户可以自定义索引方法，或使用内置的 B 树，哈希表与 GiST 索引。
触发器：触发器是由SQL语句查询所触发的事件。如：一个INSERT语句可能触发一个检查数据完整性的触发器。触发器通常由INSERT或UPDATE语句触发。 多版本并发控制：PostgreSQL使用多版本并发控制（MVCC，Multiversion concurrency control）系统进行并发控制，该系统向每个用户提供了一个数据库的”快照”，用户在事务内所作的每个修改，对于其他的用户都不可见，直到该事务成功提交。
规则：规则（RULE）允许一个查询能被重写，通常用来实现对视图（VIEW）的操作，如插入（INSERT）、更新（UPDATE）、删除（DELETE）。
数据类型：包括文本、任意精度的数值数组、JSON 数据、枚举类型、XML 数据等。
全文检索：通过 Tsearch2 或 OpenFTS，8.3版本中内嵌 Tsearch2。
NoSQL：JSON，JSONB，XML，HStore 原生支持，至 NoSQL 数据库的外部数据包装器。
数据仓库：能平滑迁移至同属 PostgreSQL 生态的 GreenPlum，DeepGreen，HAWK 等，使用 FDW 进行 ETL

『肆』 中科大数据库方向怎么样

中科大数据库方向怎么样
中科大数据库方向怎么样

中国科学技术大学的数据库方向是一个非常受欢迎的专业，学校在数据库方面拥有一流的教学设施和研究机构，具有丰富的教学经验和研究成果。学校拥有一支专业的师资队伍，他们在国内外都有很高的声誉，能够提供优质的教学和科研服务。此外，学校还拥有先进的实验室设施，能够满足学生在实践方面的需求，为学生提供全面的学习体验。

『伍』 国内做分布式数据库开发的现状如何

基础软件创业其实我觉得是个好生意，尤其是数据库，但是前提是确实在技术上有所创新，这么一来技术壁垒就巨高，这就是护城河。如果只是去模仿 Oracle，是没有太大前途的（当然靠关系那种就另说了，反正我本人不认为这样是正确的价值观），想想人家 O 记在这个领域做了 30 年，你走人家的老路凭什么干得动人家？ 目前来说我觉得之所以国内还没有太大成功的公司涌现说到底还是因为技术不行或者路子不对或者客户的历史包袱太重，拿个 Hadoop 改改就是大数据了吗？真正的 OLTP 业务敢碰吗？所以就造成了做项目挣快钱攒方案搞数据分析的公司扎堆，真正在 OLTP 端的创新没人敢碰。另外一个重要的问题就是，国内几乎没人懂开源。最近几年重要的基础软件创新都在开源社区，比如 Docker / Kubenetes (Mesos) / Spark ...凭一个公司的力量是很难跟上社区的发展速度的。国内的大多数开源项目不管是代码质量，用心程度，设计的视野上都太弱了，连最基本的英文交流都很少有开源项目注意，更不用说生态了。不过，还是有希望的，至少学术界最近几年的进展，让我们看到了在分布式 OLTP 系统 (NewSQL) 上的一些希望，而且这块在全球范围内都是一个蓝海。基于这个背景，我们创立了 PingCAP，从零开始抛开一切历史包袱去实现一个全新的数据库 TiDB，TiDB 的目标就是瞄准世界顶级的通用分布式数据库开源项目和未来的行业标准去的。虽然这个东西确实很难, 但我也不觉得我们会比硅谷的顶级基础软件公司差:)，不客气的讲，我们在这个领域也远远走到了各个友商的前面，另外一方面如果不难也没有做它的价值，如果未来的数据库还是需要像现在分库分表中间件 Oracle，我觉得就太无趣了。就说一个 Cloud-Native，目前来说基本没有 OLTP 的数据库能搞定。

『陆』 知乎上有哪些比较活跃的数据库领域大牛

可以存储很大资源，查询方便，统计方便，汇总也很方便，总之想要看到什么结果，都可以清晰的看到。

『柒』 如何学好MySQL 数据库 求大牛们推荐学习资料，书籍 入门级 提高级 求分别列出来，感激不尽

你可以看看这本书《mysql数据库应用从入门到精通》，这本书共分为3篇。其中第回一篇为MySQL数据库基础篇，内容包答括数据库涉及到的基本概念、MySQL数据库的安装与配置。第二篇为标准SQL语句编程和应用篇，内容包括操作数据库对象、操作表对象、操作索引对象、操作视图对象、操作触发器对象和操作数据。第三篇为MySQL数据库管理篇，内容包括MySQL数据库的用户管理和权限管理、MySQL数据库的日志管理、MySQL数据库的性能优化和PowerDesigner数据库设计软件。

『捌』 近年来，国内外在数据库智能化（AI for DB）方向有哪些进展

智能运维，负载均衡߅冷热分离，数据融合，智能数据库等等，主要面向机器学习与数据挖掘方向。
AntDB数据库，一款在通信行业得到充分使用的业内领先的国产数据库，帮助客户进行OLTP 与OLAP一站式处理的数据库产品，具备丰富配套工具和完整服务体系。AntDB 先进的云原生分布式架构设计，支持峰值每秒百万笔的电信核心交易，数据处理能力、系统吞吐量、交易安全性在行业内领先。并且支持内存存储引擎智能切换，在满足高性能并发要求的同时，在平高峰期智能切换内存-磁盘引擎，实现降本增效。
目前AntDB已在电信核心业务系统持续运行近十年，应用于通信、金融、政企、物联网等行业的联机交易、CRM、客户服务等场景，得到客户的高度认可。

『玖』 请教数据库PhD读哪个方向比较好

个人觉得还是大数据方向比较好一点，因为数据挖掘本身就属于大数据方向啊！
至于导师，我觉得解放军理工大学的刘鹏博导在云计算、云存储、大数据方向专业性非常的强，他是江苏省云计算论坛主席，中国电子学会云计算专家委员会云存储组长，中国云计算专家咨询委员会副主任/秘书长等等，在业内是权威

『拾』 关于大学计算机专业数据库方向

大学计算机专业数据库方向：
1、数据库应用开发 (application development)
除了基本的SQL方面的知识，还要对开发流程，软件工程，各种框架和开发工具等等
数据库应用开发这个方向上的机会最多，职位最多。
2、数据建模专家 (data modeler)
除了基本的SQL方面的知识，非常熟悉数据库原理，数据建模负责将用户对数据的需求转化为数据库物理设计和物理设计，这个方向上在大公司（金融，保险，研究，软件开发商等）有专门职位，在中小公司则可能由程序员承担。
3、商业智能专家 (business intelligence - BI)
主要从商业应用，最终用户的角度去从数据中获得有用的信息，涉及OLAP (online analytical processing) ，需要使用SSRS, cognos, crystal report等报表工具，或者其他一些数据挖掘，统计方面的软件工具。
4、ETL开发 (ETL Developer)
使用ETL工具或者自己编写程序在不同的数据源之间对数据进行导入，导出，转换，所接触的数据库一般数据量非常大，要求进行的数据转换也比较复杂和数据仓库和商业智能的关系比较密切。在一些数据库应用规模很大的公司里面有专门的职位，中小公司里面则可能由程序员或者DBA负责这方面的工作。
5、数据构架师 (Data Architect)
主要从全局上制定和控制关于数据库在逻辑这一层的大方向，也包括数据可用性，扩展性等长期性战略，协调数据库的应用开发，建模，DBA之间的工作。这个方向上在大公司（金融，保险，研究，软件开发商等）有专门职位， 在中小公司或者没有这个职位，或者由开发人员，DBA负责。
6、数据库管理员 (database administrator - DBA)
数据库的安装，配置，调优，备份/恢复，监控，自动化等，协助应用开发（有些职位还要求优化SQL，写存储过程和函数等）。这个方向上的职位相对少一些，但一般有点规模的公司还是会有这样的职位
7、数据仓库专家 (data warehouse - DW)
应付超大规模的数据，历史数据的存储，管理和使用，和商业智能关系密切，很多时候BI和DW是放在一个大类里面的，但是我觉得DW更侧重于硬件和物理层上的管理和优化。
8、存储工程师 (storage engineer)
专门负责提供数据存储方案，使用各种存储技术满足数据访问和存储需求，和DBA的工作关系比较密切。对高可用性有严格要求（比如通信，金融，数据中心等）的公司通常有这种职位， 这种职位也非常少。
9、性能优化工程师 (performance engineer)
专长数据库的性能调试和优化，为用户提供解决性能瓶颈方面的问题。也有专门的性能优化工程师，负责为其数据库产品和关键应用提供这方面的技术支持。对数据库性能有严格要求的公司（比如金融行业）可能会有这种职位。 因为针对性很强，甚至要求对多种数据库非常熟悉，所以职位极少。
10、高级数据库管理员 (senior DBA)
在DBA的基础上，还涉及上面3种职位的部分工作，具体包括下面这些：对应用系统的数据（布局，访问模式，增长模式，存储要求等）比较熟悉。对性能优化非常熟悉，可以发现并优化从SQL到硬件I/O，网络等各个层面上的瓶颈，对于存储技术相对熟悉，可能代替存储工程师的一些工作，对数据库的高可用性技术非常熟悉（比如MSSQL的集群，ORACLERAC/FailSafe, IBM的DPF, HADR等），对大规模数据库有效进行物理扩展（比如表分区）或者逻辑扩展（比如数据库分区，联合数据库等）。熟悉各种数据复制技术，比如单向，双向，点对点复制技术，以满足应用要求。灾难数据恢复过程的建立，测试和执行。这种职位一般只在对数据库要求非常高并且规模非常大（比如金融，电信，数据中心等）的公司需要，而且这种公司一般有一个专门独立负责数据库的部门或组。这种职位非常少。