Skip to content

数据库与信息技术新知

数据库与 SQL 基本概念,以及大数据、云计算、物联网、区块链与人工智能。

Updated View as Markdown

这一章覆盖两块偏常识的内容:数据库,以及近几年常被提到的信息技术新方向。它们在初赛里出现频率不高,但都属于「看到了就该会做」的题。

本章的知识点与 GESP、CSP-J/S 大纲的对应关系如下。

考试 大纲要求 本章位置
NOI 入门级 1.1.4 计算机的历史和常见用途(现代应用的延伸) 全章
CSP-J/S 第一轮 旧版知识范围中的「信息的存储、组织与管理(数据库管理)」与「信息技术的新发展、新特点、新应用」 全章

数据库入门

数据一多,用文件存就不够用了:查找慢、容易重复、多人同时改会冲突。数据库就是解决这些问题的。

数据库是按一定结构组织、长期存储在计算机内、可以被多个用户共享的数据集合。管理数据库的软件叫数据库管理系统(DBMS),常见的有 MySQL、Oracle、SQL Server、SQLite。

关系模型

最主流的组织方式是把数据存成一张张二维表。

  • 表:一张二维表格,比如「学生表」。
  • 记录:表中的一行,代表一个具体对象,比如一个学生。
  • 字段:表中的一列,代表一个属性,比如姓名、学号。
  • 主键:能唯一标识一条记录的字段,比如学号。主键不能重复,也不能为空。

下面是一张学生表的样子。

学号 姓名 班级
20240101 张三 高一 1 班
20240102 李四 高一 2 班

学号就是主键。姓名可能重名,不适合做主键。

如果一张表要用另一张表的主键来关联,那个字段叫外键。比如「成绩表」里存学号,学号关联到学生表,它就是外键。

SQL 基本语句

操作关系数据库用 SQL(Structured Query Language,结构化查询语言)。四类最基本的语句:

操作 语句 例子
查询 SELECT SELECT 姓名 FROM 学生表 WHERE 班级 = '高一 1 班'
插入 INSERT INTO INSERT INTO 学生表 VALUES (20240103, '王五', '高一 1 班')
更新 UPDATE UPDATE 学生表 SET 班级 = '高一 2 班' WHERE 学号 = 20240103
删除 DELETE DELETE FROM 学生表 WHERE 学号 = 20240103

WHERE 是条件,少了它,UPDATE 会改掉整张表,DELETE 会清空整张表。写这类语句之前一定要先确认条件。

初赛偶尔会出「下列哪条语句用于查询」这种题,记住 SELECT 管查、INSERT 管加、UPDATE 管改、DELETE 管删就够了。

关系型与非关系型

上面讲的是关系型数据库。还有一类非关系型数据库(NoSQL),不用固定的表结构,适合海量、格式不统一的数据,比如键值数据库 Redis、文档数据库 MongoDB。竞赛里通常只考关系型。

大数据

数据量大到传统的存储和处理方式应付不了,就称为大数据。它通常用四个 V 来描述:

特征 英文 含义
数据量大 Volume 从 TB 到 PB 甚至更多
类型多样 Variety 结构化、半结构化和非结构化数据混在一起
处理速度快 Velocity 要求接近实时地处理
价值密度低 Value 数据很多,真正有用的信息占比很小

云计算

云计算把计算资源(CPU、存储、网络)当成水电一样的服务来提供。用户不用自己买服务器,按需租用,用多少付多少。

按提供的层次,通常分三种:

  • IaaS。提供基础设施,比如虚拟机、存储。相当于给你一台空机器。
  • PaaS。提供开发和运行平台,比如数据库服务、应用托管。
  • SaaS。直接提供可用的软件,比如在线文档、在线邮箱。

我们平时用的网盘、在线文档、网页版的各种系统,很多都跑在云上。

物联网

物联网(IoT)是把各种设备装上传感器和网络模块,让物与物、物与人之间能交换信息。

典型应用包括智能家居(灯、空调、门锁联网)、车联网、可穿戴设备、智慧农业和工业监测。它的技术链条大致是:传感器采集数据、网络传输、云平台处理、再回过来控制设备。

区块链

区块链是一种分布式账本。数据打包成一个个区块,按时间顺序连成链,同时存在网络中的许多节点上。

它的两个特点是去中心化和难以篡改:没有单一的管理机构,改动任何一个区块都要同时改掉大多数节点上的副本,代价极高。比特币是它最出名的应用,但区块链本身不只是加密货币。

人工智能

人工智能(AI,Artificial Intelligence)是让计算机模拟人类的智能活动,比如看、听、说话、推理和决策。

发展的几条线

  • 1950 年,图灵提出图灵测试,问的是「机器能不能表现得让人分辨不出它是机器」。这个问题至今没有标准答案。
  • 早期靠人工写规则,让专家把知识一条条录进去,形成专家系统。规则一多就维护不动。
  • 后来转向机器学习:不再人工写规则,而是让程序从大量数据里自己总结规律。
  • 再往后是深度学习。它用多层神经网络自动提取特征,在图像识别和语音识别上大幅超过了传统方法。
  • 最近几年的大语言模型用海量文本训练,能生成流畅的文字,也能写代码、回答问题。

几个必须分清的词

概念 含义
人工智能 最大的范畴,让机器表现出智能
机器学习 实现人工智能的主要方法,从数据中学习规律
神经网络 机器学习中的一类模型,受人脑神经元结构启发
深度学习 使用多层神经网络的机器学习
大语言模型 用海量文本训练出的深度学习模型,擅长理解和生成文字

层次关系是:人工智能包含机器学习,机器学习包含深度学习,大语言模型是深度学习的一种具体成果。

常见应用与局限

应用方面,图像识别(人脸、医学影像)、语音识别与合成、机器翻译、推荐系统、自动驾驶、智能问答都属于人工智能。

局限也要知道几条:模型会出错,而且往往不知道错在哪;训练依赖大量数据,数据有偏,结果就有偏;训练和运行都消耗大量算力;它做的统计意义上的「像」,和人类理解的「懂」是不是一回事,至今仍有争论。

信息学竞赛不考人工智能的算法细节,大纲里也没有把它列为独立考点。它可能出现在计算机常识的单选题里,知道上面这些就足够应付。真正要做的是把省下来的时间花在算法和数据结构的训练上。如果以后想走这个方向,数学、概率论和程序设计都是绕不过去的基础。

常见易错点

  • SQL 四类语句的动词别记反:SELECT 查、INSERT 加、UPDATE 改、DELETE 删。
  • 主键必须唯一且非空,外键是另一张表的主键。
  • 大数据的特点记 4V,不要和「云计算的服务层次」混在一起。
  • IaaS、PaaS、SaaS 从低到高,越往上用户管得越少。
  • 人工智能不等于深度学习,深度学习也不等于大语言模型。
  • 物联网强调设备联网,云计算强调资源服务化,两者常一起用但不是一回事。

小结

  • 数据库把数据组织成表,主键唯一标识记录,SQL 用四类语句完成增删改查。
  • 大数据看四个 V,云计算分 IaaS、PaaS、SaaS 三层。
  • 物联网解决设备互联,区块链解决多方互信。
  • 人工智能是最大的范畴,机器学习、深度学习、大语言模型是它下面逐层收窄的子集。
  • 这一章基本是常识记忆,把它当作扩展阅读,考点重心仍然在算法和数据结构。
Navigation

Type to search…

↑↓ navigate↵ selectEsc close