《电子商务概论 第3版》教案 第4章 电子商务应用技术.docx

第4章电子商务应用技术

教学内容

4.1数据库技术

4.2软件体系结构

4.3Web开发技术

4.4云计算技术

4.5大数据技术

4.6物联网技术

教学要求

【知识目标】

1．了解：客户端技术、服务器端技术、Web服务器的基本情况

2．理解：数据仓库、联机分析处理、数据挖掘

3．掌握：软件体系结构、网站部署方式、数据库

【技能目标】

1．能够使用相关技术进行网站搭建。

2．能够对电子商务企业的技术应用情况进行分析。

教学重点

1．客户端技术、服务器端技术

2．软件体系结构，网站部署方式

教学难点

软件体系结构、网站部署方式

教学方法

讲授法、案例法

课时数

6课时（讲授4+实训2）

导入案例

用亚马逊公司的案例导入，指出网络应用技术对电子商务的重要性。

4.1数据库技术

4.1.1数据库技术及其发展

数据库技术经历了从人工管理、文件管理、数据库管理系统三个有代表性的发展阶段。

20世纪70年代以前，数据管理普遍使用文件系统，即把数据存放在文件中，应用程序通过文件系统提供的存取方法访问数据。

由于文件系统方法存在数据冗余、程序依赖、数据查询方式单一等诸多缺点，逐渐被数据库管理系统（DataBaseManagementSystem，DBMS）取代。

从20世纪80年代开始关系数据库管理系统（RelationDataBaseManagementSystem，RDBMS）成为数据库市场的主流，并且当前还在广泛使用。

关系数据库储存与管理数据的基本形式是二维表

一个关系数据库可以包含一个或多个二维表。

例如，企业或事业单位人事部门职工情况表

职工表(职工号、姓名、出生年月、性别、籍贯、工资)

职工号

姓名

出生年月

性别

籍贯

工资

100001

王云云

1970.8

女

河南

2500

100002

李力

1977.3

男

广西

2500

100003

张小辉

1979.10

男

山东

2000

…

…

…

…

…

…

随着科学技术的不断进步，各个行业领域对数据库技术提出了更多的需求，关系型数据库已经不能完全满足需求，于是产生了新一代数据库管理系统。

分布式数据库允许用户开发的应用程序把多个物理分开的、通过网络互联的数据库当作一个完整的数据库看待。

并行数据库通过Cluster（集群）技术把一个大的事务分散到Cluster中的多个节点去执行，提高了数据库的吞吐和容错性。

所谓集群技术就是将一组相互独立的服务器组织在一起，如同一台机器，共同完成一个应用。

多媒体数据库提供了一系列用来存储图像、音频和视频对象类型，更好地对多媒体数据进行存储、管理、查询。

不方便用数据库二维逻辑表来表现的数据即称为非结构化数据,包括所有格式的办公文档、文本、图片、XML、HTML、各类报表、图像和音频/视频信息等等。

非结构化数据库是指其字段长度可变，并且每个字段的记录又可以由可重复或不可重复的子字段构成的数据库，用它不仅可以处理结构化数据（如数字、符号等信息）而且更适合处理非结构化数据（全文文本、图象、声音、影视、超媒体等信息）。

4.1.2数据仓库、联机分析处理和数据挖掘

数据仓库是一个面向主题的、集成的、相对稳定的、反映历史变化的数据集合，用于支持管理决策。

特征：面向主题、集成、相对稳定、反应历史变化。

在数据仓库中，有两个重要的概念——粒度和分割。

粒度是数据仓库的重要概念。粒度可以分为两种形式：

第一种粒度是对数据仓库中的数据的综合程度高低的一个度量，它既影响数据仓库中的数据量的多少，也影响数据仓库所能回答询问的种类，如按时间跨度进行统计有：天、周、月、季度、年之分。

还有一种粒度形式，即样本数据库。它根据给定的采样率从细节数据库中抽取出一个子集，这样样本数据库中的粒度就不是根据综合程度的不同来划分的，而是根据采样率的高低来划分，采样粒度不同的样本数据库可以具有相同的数据综合程度。

分割是数据仓库中的另一个重要概念，它目的同样在于提高效率。

它是将数据分散到各自的物理单元中去，以便能分别独立处理。有许多数据分割的标准可供参考：如日期、地域、业务领域等，也可以是其组合。一般而言，分割标准应包括日期项，它十分自然而且分割均匀。

当今的数据处理大致可以分成两大类：

联机事务处理(OLTP)是传统的关系型数据库的主要应用，主要是基本的、日常的事务处理，例如银行交易；

联机分析处理(OLAP)是数据仓库系统的主要应用，支持复杂的分析操作，侧重决策支持，并且提供直观易懂的查询结果。

数据挖掘(DataMining，DM)，又称为数据库中的知识发现(KnowledgeDiscoveryinDatabase，KDD)，就是从大量数据中提取隐含的、未知的、非平凡的及有潜在应有价值的信息或模式。