---
title: "数据库与信息技术新知"
description: "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。"
---

> Documentation Index
> Fetch the complete documentation index at: https://cppguide.xyz/llms.txt
> Use this file to discover all available pages before exploring further.

# 数据库与信息技术新知

![](https://img.dailyup.xyz/optimized/8207670380018-5d473d31-60c6-47d7-b37a-01fd8794c5ae.jpg)

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。

Source: https://cppguide.xyz/computer-basics/applications/index.mdx
