这是2027高项免费连载第011篇，篇号按本免费系列独立编排，与72讲课程的讲号不同。
同学们好，我是老孙。
精讲站第三篇，对应收费文章第 5 讲，讲存储、数据库与大数据。
以下沿用虚构教学项目，人物、时间和业务量都是教学设定。智慧邻里 2.0 上线半年，数据越积越多：每天几千条门禁刷脸记录、几百条停车进出记录、全年的物业缴费流水，还有几十路摄像头二十四小时不停的视频。
小吴先遇到一个问题：数据放在哪？机房原来那台服务器的硬盘快满了，是再插几块硬盘，还是专门买存储设备？
李经理接着遇到第二个问题：缴费数据和视频数据能不能用同一种数据库存？一个是规规矩矩的表格，一个是没有固定格式的大文件。
赵副总最后提了第三个问题：我想看过去三年每个季度的缴费率变化，找出欠费规律，现在的系统能不能直接查？
这三个问题，正好对应今天的三组概念：存储怎么分、数据库怎么分、数据仓库和大数据是怎么回事。
本文历史题目按本地整理题库与教材交叉核对，用于辨析考点；整理材料不冒充官方重新发布的原卷。
一、这一块到底在讲什么
存储和数据库在教材第 2 章 2.1.3 节，属于信息技术及其发展；大数据在第 2 章 2.2.3 节，属于新一代信息技术。
这一块在考试里的特点是名词成组出现，考的全是分类和辨析：哪几种存储、哪几种数据库、哪几种模型、数据仓库和大数据各有什么特点。每一组内部都是几个长得很像的兄弟概念，出题人最喜欢在兄弟之间做文章。
所以今天不按教材顺序讲，而是按三组最容易混的概念来讲。每一组讲清楚"分几类、怎么区分、怎么考"。
二、第一组：存储的分类
教材怎么分
这一组要特别小心，因为网上很多资料的说法和教材不一致。
教材的分法是一层一层往下分的。先说开放系统的存储分为内置存储和外挂存储；再说外挂存储根据连接的方式，分为直连式存储和网络化存储；最后说网络化存储根据传输协议，又分为网络接入存储和存储区域网络。
画成一棵树是这样的：
| 第一层 | 第二层 | 第三层 |
|---|---|---|
| 外挂存储 | 直连式存储 | 不再往下分 |
| 外挂存储 | 网络化存储 | 网络接入存储 |
| 外挂存储 | 网络化存储 | 存储区域网络 |
很多资料直接说"外挂存储分为三种"，把三者并列，这和教材的层级结构是不一样的。 考试以教材为准，要记住中间还有一层"网络化存储"。
另外提醒一个名称问题：教材里第三层的第一种叫网络接入存储，但真题里也出现过"网络附加存储"的叫法，两者说的是同一个东西，看到都要认得。
用大白话区分
放进智慧邻里 2.0：
- 直连式存储：小吴把外置存储设备直接连接到服务器。存储通过主机接口直接相连，不等同于网络文件服务；主机仍可在其上另行提供共享服务。
- 网络接入存储：买一台专门存文件的设备挂到网上，物业办公室、监控中心、客服中心的电脑都能通过网络去存取文件。像一个大家共用的网络文件柜。
- 存储区域网络：专门拉一张存储专用的网络，服务器通过这张网把远端的存储设备当成自己的硬盘来用，速度快、容量大，但建设和管理复杂。
教材那张对比表里的三个高频考点
教材用一张表对比了三种存储模式，表很长，老孙挑出三行最值得记的：
| 对比项 | 直连式存储 | 网络接入存储 | 存储区域网络 |
|---|---|---|---|
| 传输对象 | 数据块 | 文件 | 数据块 |
| 安装难易度 | 不一定 | 简单 | 困难 |
| 适合对象 | 中小组织服务器 | 中小组织 | 大型组织、数据中心 |
记法：网络接入存储是唯一传"文件"的，另外两个传"数据块"；存储区域网络最难装、最适合大组织。
真题怎么考
2021 年上半年第 4 题让选关于网络存储技术描述不正确的一项，错的那一项写的是"光纤通道存储区域网络相对成本较低，配置简单"。
对照上面那张表，存储区域网络的安装难易度是"困难"、适合大型组织和数据中心，成本低、配置简单显然对不上。这道题考的就是对比表里的特点。
三、第二组：数据库的分类
三种数据结构模型
教材怎么说：常见的数据结构模型有三种，层次模型、网状模型和关系模型，层次模型和网状模型又统称为格式化数据模型。
| 模型 | 用什么结构表示 | 大白话 |
|---|---|---|
| 层次模型 | 树结构 | 像家谱，一个父亲可以有多个孩子，但每个孩子只有一个父亲 |
| 网状模型 | 有向图结构 | 像一张关系网，一个节点可以连多个上级 |
| 关系模型 | 二维表 | 像电子表格，一行一条记录，一列一个字段 |
教材还说层次模型是数据库系统最早使用的一种模型。考试最常考的是"层次模型和网状模型统称为什么"，答案是格式化数据模型。
关系型数据库和非关系型数据库
教材怎么说：数据库根据存储方式可以分为关系型数据库和非关系型数据库。
这一组是整个第二组里最重要的，教材讲了两者的核心区别：
关系型数据库支持事务的四个原则：原子性、一致性、隔离性、持久性。这四个原则保证在事务过程中数据的正确性。
本节沿用教材对非关系型数据库的概括：分布式、非关系型且不保证遵循这四个原则。这个概括不表示每种产品都没有事务能力，实际能力须看具体实现。它不需要固定的表结构，通常也不存在连接操作，在大数据存取上具备关系型数据库无法比拟的性能优势。
非关系型数据库的四种常见类型
教材还把常见的非关系型数据库分成了四类，这也是一个可以出选择题的清单：
| 类型 | 教材怎么说 | 大白话 |
|---|---|---|
| 键值数据库 | 类似传统语言中使用的哈希表，通过主键添加、查询或删除数据，优势在于简单、易部署、高并发 | 像一个巨大的储物柜，一个钥匙号对一个格子，找东西极快 |
| 列存储数据库 | 将数据存储在列族中，经常被一起查询的放在一个列族，通常用来应对分布式存储海量数据 | 按"常一起看的字段"分组存，查的时候只翻需要的那几列 |
| 面向文档数据库 | 可以看作是键值数据库的升级版，允许嵌套键值，查询效率更高，数据以文档形式存储 | 储物柜格子里放的不是单件东西，而是一整个装好的文件袋 |
| 图形数据库 | 将数据以图的方式存储，实体作为顶点，实体之间的关系作为边 | 专门存"谁和谁有关系"，像一张人物关系图 |
记法：键值像柜子，列存储按列分组，文档是升级版柜子，图形专管关系。 考试一般会给一段描述让你判断是哪一类，抓住各自的关键词就能选对。
用智慧邻里 2.0 理解
回到李经理的第二个问题。
物业缴费数据适合关系型数据库。 每一笔缴费都是规规矩矩的一行：业主、房号、金额、时间。更关键的是，缴费涉及钱，一笔缴费要么完整成功、要么完全没发生，不能出现"钱扣了但记录没写进去"的情况。这正是事务四原则要保证的。
门禁日志、设备记录可以按规模与访问方式评估非关系型方案。 门禁记录涉及追溯需求，不能先假定丢几条无所谓。应先确认留存、完整性、权限与查询要求，再评估具体数据库。
选择先看数据模型、事务要求、访问方式和规模，不能把准确与速度当成互斥目标。
事务四原则怎么理解
四个原则是考点，用一次缴费来理解：
- 原子性：扣款和写记录是一个整体，要么都成功，要么都不做
- 一致性：缴费前后，账面总额的对应关系始终正确
- 隔离性：两个人同时给同一户交费，互不干扰，不会算乱
- 持久性：缴费一旦成功，哪怕系统马上断电，记录也不会丢
四、第三组：数据库、数据仓库、大数据
数据仓库为什么会出现
教材怎么说：传统的数据库系统中缺乏决策分析所需的大量历史数据信息，因为传统的数据库一般只保留当前或近期的数据信息。为了满足中高层管理人员预测、决策分析的需要，在传统数据库的基础上产生了能够满足预测、决策分析需要的数据环境，这就是数据仓库。
回到赵副总的第三个问题：看过去三年每季度的缴费率变化、找欠费规律。日常的缴费系统是为"办业务"设计的，它关心的是这一笔缴费有没有成功，历史数据可能早就归档清理了。要做跨年度的趋势分析和决策支持，需要的是数据仓库。
一句话区分：数据库管"现在正在发生的事"，数据仓库管"过去发生过的事，拿来分析决策"。
数据仓库的两个基础概念
教材列了数据仓库相关的几个基础概念，最常考的是这两个：
- 抽取、转换、加载：从数据源抽取出所需的数据，经过数据清洗、转换，最终按照预先定义好的数据仓库模型，将数据加载到数据仓库中去。
- 元数据：关于数据的数据，指在数据仓库建设过程中所产生的有关数据源定义、目标定义、转换规则等相关的关键数据。
"元数据是关于数据的数据"这句话，一定要记住，它是这一块出镜率最高的定义之一。
大数据又是什么
教材怎么说：大数据主要特征包括数据海量、数据类型多样、数据价值密度低、数据处理速度快。其中，数据处理速度快是大数据区分于传统数据挖掘的最显著特征。
放进智慧邻里 2.0：几十路摄像头二十四小时的视频就是典型的大数据。体量大，一天就是海量数据；类型多样，视频、图片、刷脸日志混在一起；价值密度低，一整天的监控里真正有用的可能只有几秒；要求处理快，陌生人闯入要实时报警，等第二天再分析就没有意义了。
三者放在一起
| 概念 | 管什么 | 小区里的例子 |
|---|---|---|
| 数据库 | 当前业务的数据，保证办事准确 | 这个月谁交了物业费 |
| 数据仓库 | 历史数据，服务于决策分析 | 过去三年各季度的缴费率趋势 |
| 大数据 | 海量、多样、低价值密度、需快速处理的数据 | 全小区监控视频的实时分析 |
真题怎么考
2019 年下半年第 3 题让选关于大数据描述不正确的一项，错的那一项写的是"大数据分析相比于传统的数据仓库应用，具有查询及分析简单的特点"。
大数据类型多样、价值密度低、要求快速处理，分析起来比数据仓库复杂得多，不是更简单。这道题正好把数据仓库和大数据放在一起比，考的就是第三组概念的区别。
同一道题里，另一个正确选项写的是"大数据主要依托云计算的分布式处理、分布式数据库和云存储、虚拟化技术"，这也印证了上一篇讲云计算时说的：大数据处理往往跑在云计算提供的资源上。
大数据技术架构的真题，比如 2023 年下半年第 3 批第 15 题考大数据获取技术、2024 年上半年第 1 批第 75 题考大数据管理技术，老孙在真题速评第一篇和后面的文章里会陆续讲到，这里先知道有这个考点。
五、这一块怎么记才不会忘
存储、数据库、大数据这一块，是很多同学"背了三遍还是会混"的地方。原因很简单：名词之间长得像，而且和日常生活离得远。 老孙给大家一个管用的办法。
每一组只记"一个区分点"
不要试图把每个概念的完整定义都背下来，每一组只抓一个最能区分彼此的点：
- 三种存储：看传输对象。只有网络接入存储传文件，另外两个传数据块。
- 关系型与非关系型：看事务四原则。关系型支持，非关系型不保证。
- 数据库与数据仓库：看时间。数据库管当前，数据仓库管历史。
- 大数据与传统数据挖掘：看速度。处理速度快是最显著特征。
考试出的辨析题，十有八九就是在这几个区分点上做文章。区分点抓住了，其他细节即使记得模糊，也能靠排除法选对。
把每个概念挂到自己单位的一样东西上
第二个办法是给每个概念找一个"身边的替身"。单位的共享盘是网络接入存储、财务系统背后是关系型数据库、年终汇报用的历年数据分析是数据仓库、单位的监控录像是大数据。替身越具体，记得越牢。 考场上一想到自己单位的那样东西，概念自然就浮现出来了。
这个办法还有一个额外的好处：这些替身到了写论文的时候，就是现成的技术背景素材。 论文里写"项目采用关系型数据库保障缴费数据的事务一致性，采用非关系型数据库承载海量设备日志"，比泛泛地写"采用了先进的数据库技术"专业得多。今天记概念用的替身，就是明天写论文用的素材，一举两得。
六、考点锚定
把存储层级、数据库模型与分析用途分别核对，避免用同一张分类表替代不同的问题。
| 年份批次 | 题号 | 考点 | 对应哪一组 |
|---|---|---|---|
| 2021 年上半年 | 第 4 题 | 存储区域网络成本高配置复杂 | 第一组 存储 |
| 2019 年下半年 | 第 3 题 | 大数据分析比数据仓库复杂 | 第三组 数据仓库与大数据 |
| 2023 年下半年第 3 批 | 第 15 题 | 大数据获取技术的研究方向 | 第三组 大数据 |
| 2024 年上半年第 1 批 | 第 75 题 | 大数据管理技术关注的内容 | 第三组 大数据 |
本篇考法总结三句话：
第一句，外挂存储先分直连式和网络化，网络化再分网络接入存储和存储区域网络；网络接入存储唯一传文件，存储区域网络最难装、适合大组织。
第二句，层次模型和网状模型统称格式化数据模型；关系型数据库支持原子性、一致性、隔离性、持久性，非关系型强调不同的数据模型与扩展方式，事务能力要看具体系统，不能一概说所有非关系型都不支持事务。
第三句，数据库管当前业务，数据仓库管历史分析决策，元数据是关于数据的数据；大数据四特征里处理速度快是最显著特征。
七、下一步
今天的小练习：想想你单位里的数据，分别该放在哪。
- 每天的业务流水，比如订单、报销单、考勤记录，适合关系型还是非关系型数据库？
- 领导要看的年度分析报表，是从日常业务系统直接查，还是应该有个数据仓库？
- 单位有没有哪类数据是"量很大、格式乱、有用的只占一点点"的？
能对上号是理解的第一步，再用陌生场景检验分类理由，不能仅凭熟悉例子判断已经掌握。
这一块在收费文章里是第 5 讲，除了今天的分类和辨析，还有智慧邻里 2.0 的数据存储架构设计、大数据四类技术的完整讲解，以及相关历史题目讲解；涉及回忆整理的材料须单独识别来源。想系统跟一遍的同学可以去看；想有人帮你把自己单位的数据场景变成论文素材的同学，可以找老孙聊一对一，先确认服务范围与安排。
明天是论文站，用约2400字训练示例讲篇幅分配，正式格式仍看当场题干。
老孙保持日更，明天见。
#高项 #信息系统项目管理师 #软考
