发布时间：
标准化和规范化 数据的标准化有助于消除数据库中的数据冗余。标准化有好几在设计数据库的时候考虑到哪些数据字段将来可能会发生变更。 举例，姓氏就是
全文检索:CNKI全文数据库(中文文献)、维普 ACS和ELSEVIER数据库(英文文献)文献线索的二次检索:CA和EI上面我说的都是化工方面常用的文献检索工具啊，哈哈。。。。。。
国内3大中文文献数据库系统：中国知网、万方、中国期刊网。万方数据资源系统(China Info)由中国科技信息研究所，万方数据股份有限公司研制。该数据库收录的期刊学科范围广，包括了学术期刊于非学术期刊，提供约2 000种的电子期刊的全文检索。被收录的学术期刊都获得了“中国核心期刊(遴选)数据库来源期刊”的收录证书。个别期刊甚至将“遴选”改成“精选”，或者干脆去掉。很多作者因此误以为这就是核心期刊。文献数据库的内容与其传统的文献信息是相对应的。一种书刊或一篇文献的内容和形式特征经著录后形成一条款目。款目是文献信息的基本单位。在文献数据库中，一条款目称为一条记录，记录也是构成文献数据库的基本单位。款目由篇名、作者和主题等著录项目组成，著录项目在文献数据库中称为字段。一个字段又可细分为若干个子字段。这样，文献数据库是由一系列连续的记录、字段和子字段组成，并形成了一个分级树型结构。以上内容参考：百度百科-文献数据库
很多，以下是经常用的全文数据库，pubmed大部分没全文：1、OVID2、EBSCO3、proquest4、scicnedirect5、springer6、
中国知网是国内名气最大的数据库，提供了最丰富的的知识信息资源和最有效的知识传播与数字化学习平台。万方数据库是由万方数据公司开发的,涵盖期刊、会议纪要、论文、学术成果、学术会议论文的大型网络数据库;也是和中国知网齐名的中国专业的学术数据库。维普数据库是个综合性文献服务网站。目前已成为我国图书情报、教育机构、科研院所等系统必不可少的基本工具和获取资料的重要来源。seek68文献馆是中文、外文数据库整合汇总平台。资源庞大、覆盖各科领域，支持全文下载阅读。没有篇数限额。读秀是由海量全文数据及资料基本信息组成的超大型数据库。为用户提供深入内容的章节和全文检索，部分文献的原文试读，以及高效查找、获取各种类型学术文献资料的一站式检索。超星电子图书数据库是全球最大的中文在线图书馆之一，拥有丰富的电子图书资源，中文图书目前已达百万余种，并且每天仍在不断的增加和更新。国家哲学社会科学文献中心现有中文期刊、外文期刊、古籍等资源，收录哲学社会科学相关领域文献共计1000万余条，提供有线阅读、全文下载等服务。全国图书馆参考咨询联盟拥有230万种以上的电子图书，4000万篇以上中文期刊论文，2600万篇以上外文期刊论文以及大量的学位论文、会议论文等数字化资源，是一个全国性的文献服务平台。
总的来说大数据有5个部分。数据采集，数据存储，数据清洗，数据挖掘，数据可视化。还有新兴的实时流处理，可能还有别的
大数据技术，简而言之，就是提取大数据价值的技术，是根据特定目标，经过数据收集与存储、数据筛选、算法分析与预测、数据分析结果展示等，为做出正确决策提供依据，其处理的数据量通常是TB级，甚至是PB或EB级的数据，这是传统数据处理手段所无法完成的，其涉及的技术有分布式计算、高并发处理、高可用处理、集群、实时性计算等，汇集了当前IT领域热门流行的IT技术。想要成为炙手可热的大数据技术人才，这些大数据的核心技术一定要知晓！一、大数据基础阶段大数据基础阶段需掌握的技术有：Linux、Docker、KVM、MySQL基础、Oracle基础、MongoDB、redis以及hadoop mapreduce hdfs yarn等。1、Linux命令对于大数据开发通常是在Linux环境下进行的，相比Linux操作系统，Windows操作系统是封闭的操作系统，开源的大数据软件很受限制，因此，想从事大数据开发相关工作，还需掌握Linux基础操作命令2、 RedisRedis是一个key-value存储系统，其出现很大程度补偿了memcached这类key/value存储的不足，在部分场合可以对关系数据库起到很好的补充作用，它提供了Java，C/C++，C#，PHP，JavaScript，Perl，Object-C，Python，Ruby，Erlang等客户端，使用很方便，大数据开发需掌握Redis的安装、配置及相关使用方法。二、大数据存储阶段大数据存储阶段需掌握的技术有：hbase、hive、sqoop等。1、HBaseHBase是一个分布式的、面向列的开源数据库，它不同于一般的关系数据库，更适合于非结构化数据存储的数据库，是一个高可靠性、高性能、面向列、可伸缩的分布式存储系统，大数据开发需掌握HBase基础知识、应用、架构以及高级用法等。2、HiveHive是基于Hadoop的一个数据仓库工具，可以将结构化的数据文件映射为一张数据库表，并提供简单的sql查询功能，可以将sql语句转换为MapReduce任务进行运行，十分适合数据仓库的统计分析。对于Hive需掌握其安装、应用及高级操作等。三、大数据架构设计阶段大数据架构设计阶段需掌握的技术有：Flume分布式、Zookeeper、Kafka等。1、KafkaKafka是一种高吞吐量的分布式发布订阅消息系统，其在大数据开发应用上的目的是通过Hadoop的并行加载机制来统一线上和离线的消息处理，也是为了通过集群来提供实时的消息。大数据开发需掌握Kafka架构原理及各组件的作用和使用方法及相关功能的实现！2、FlumeFlume是一款高可用、高可靠、分布式的海量日志采集、聚合和传输的系统，Flume支持在日志系统中定制各类数据发送方，用于收集数据;同时，Flume提供对数据进行简单处理，并写到各种数据接受方(可定制)的能力。大数据开发需掌握其安装、配置以及相关使用方法。3、ZooKeeperZooKeeper是Hadoop和Hbase的重要组件，是一个为分布式应用提供一致性服务的软件，提供的功能包括：配置维护、域名服务、分布式同步、组件服务等，在大数据开发中要掌握ZooKeeper的常用命令及功能的实现方法。四、大数据实时计算阶段大数据实时计算阶段需掌握的技术有：Mahout、Spark、storm。1、SparkSpark是专为大规模数据处理而设计的快速通用的计算引擎，其提供了一个全面、统一的框架用于管理各种不同性质的数据集和数据源的大数据处理的需求，大数据开发需掌握Spark基础、SparkJob、Spark RDD、spark job部署与资源分配、Spark shuffle、Spark内存管理、Spark广播变量、Spark SQL、Spark Streaming以及Spark ML等相关知识。2、stormStorm为分布式实时计算提供了一组通用原语，可被用于“流处理”之中，实时处理消息并更新数据库。这是管理队列及工作者集群的另一种方式。Storm可以方便地在一个计算机集群中编写与扩展复杂的实时计算，Storm用于实时处理，就好比 Hadoop 用于批处理。Storm保证每个消息都会得到处理，而且它很快——在一个小集群中，每秒可以处理数以百万计的消息。五、大数据数据采集阶段大数据数据采集阶段需掌握的技术有：Python、Scala。1、Python与数据分析Python是面向对象的编程语言，拥有丰富的库，使用简单，应用广泛，在大数据领域也有所应用，主要可用于数据采集、数据分析以及数据可视化等，因此，大数据开发需学习一定的Python知识。2、ScalaScala是一门多范式的编程语言，大数据开发重要框架Spark是采用Scala语言设计的，想要学好Spark框架，拥有Scala基础是必不可少的，因此，大数据开发需掌握Scala编程基础知识！以上只是一些简单的大数据核心技术总结，比较零散，想要学习大数据的同学，还是要按照一定到的技术路线图学习！
首先我们要了解Java语言和Linux操作系统，这两个是学习大数据的基础，学习的顺序不分前后。大数据Java ：只要了解一些基础即可，做大数据不需要很深的Java 技术，学java SE 就相当于有学习大数据基础。Linux：因为大数据相关软件都是在Linux上运行的，所以Linux要学习的扎实一些，学好Linux对你快速掌握大数据相关技术会有很大的帮助，能让你更好的理解hadoop、hive、hbase、spark等大数据软件的运行环境和网络环境配置，能少踩很多坑，学会shell就能看懂脚本这样能更容易理解和配置大数据集群。还能让你对以后新出的大数据技术学习起来更快。Hadoop：这是现在流行的大数据处理平台几乎已经成为大数据的代名词，所以这个是必学的。Hadoop里面包括几个组件HDFS、MapReduce和YARN，HDFS是存储数据的地方就像我们电脑的硬盘一样文件都存储在这个上面，MapReduce是对数据进行处理计算的，它有个特点就是不管多大的数据只要给它时间它就能把数据跑完，但是时间可能不是很快所以它叫数据的批处理。Zookeeper：这是个万金油，安装Hadoop的HA的时候就会用到它，以后的Hbase也会用到它。它一般用来存放一些相互协作的信息，这些信息比较小一般不会超过1M，都是使用它的软件对它有依赖，对于我们个人来讲只需要把它安装正确，让它正常的run起来就可以了。Mysql：我们学习完大数据的处理了，接下来学习学习小数据的处理工具mysql数据库，因为一会装hive的时候要用到，mysql需要掌握到什么层度那?你能在Linux上把它安装好，运行起来，会配置简单的权限，修改root的密码，创建数据库。这里主要的是学习SQL的语法，因为hive的语法和这个非常相似。Sqoop：这个是用于把Mysql里的数据导入到Hadoop里的。当然你也可以不用这个，直接把Mysql数据表导出成文件再放到HDFS上也是一样的，当然生产环境中使用要注意Mysql的压力。Hive：这个东西对于会SQL语法的来说就是神器，它能让你处理大数据变的很简单，不会再费劲的编写MapReduce程序。有的人说Pig那?它和Pig差不多掌握一个就可以了。Oozie：既然学会Hive了，我相信你一定需要这个东西，它可以帮你管理你的Hive或者MapReduce、Spark脚本，还能检查你的程序是否执行正确，出错了给你发报警并能帮你重试程序，最重要的是还能帮你配置任务的依赖关系。我相信你一定会喜欢上它的，不然你看着那一大堆脚本，和密密麻麻的crond是不是有种想屎的感觉。Hbase：这是Hadoop生态体系中的NOSQL数据库，他的数据是按照key和value的形式存储的并且key是唯一的，所以它能用来做数据的排重，它与MYSQL相比能存储的数据量大很多。所以他常被用于大数据处理完成之后的存储目的地。Kafka：这是个比较好用的队列工具，队列是干吗的?排队买票你知道不?数据多了同样也需要排队处理，这样与你协作的其它同学不会叫起来，你干吗给我这么多的数据(比如好几百G的文件)我怎么处理得过来，你别怪他因为他不是搞大数据的，你可以跟他讲我把数据放在队列里你使用的时候一个个拿，这样他就不在抱怨了马上灰流流的去优化他的程序去了，因为处理不过来就是他的事情。而不是你给的问题。当然我们也可以利用这个工具来做线上实时数据的入库或入HDFS，这时你可以与一个叫Flume的工具配合使用，它是专门用来提供对数据进行简单处理，并写到各种数据接受方(比如Kafka)的。Spark：它是用来弥补基于MapReduce处理数据速度上的缺点，它的特点是把数据装载到内存中计算而不是去读慢的要死进化还特别慢的硬盘。特别适合做迭代运算，所以算法流们特别稀饭它。它是用scala编写的。Java语言或者Scala都可以操作它，因为它们都是用JVM的。
“大数据”的核心：整理、分析、预测、控制。重点并不是我们拥有了多少数据，而是我们拿数据去做了什么。如果只是堆积在某个地方，数据是毫无用处的。它的价值在于“使用性”，而不是数量和存储的地方。任何一种对数据的收集都与它最后的功能有关。如果不能体现出数据的功能，大数据的所有环节都是低效的，也是没有生命力的。
回答 亲，主要包括四种：北大法宝、北大法意、威科先行和汇法网 1、北大法宝：主要可以根据法规联想到案例，很专业，但是案例更新的慢，时效性差切，且很多案例来自人民法院的出版物，并非原判决书，但这些判决正是其他数据库没有的； 2、北大法意：北大法意这些年的主营业务是针对法院检察院的软件业务，主要的竞争力在技术方面，比如最高人民法院的中国裁判文书网就是北大法意做的，但是他在数据库的影响力也不可小觑。北大法意数据库的市场占有仅次于北大法宝，而且国内外很多顶尖的高校都有覆盖，在数据库这方面应该是北大法意的核心，绝对不会淡出，他们技术团队很牛，商务力量和市场人脉也很强； 3、威科先行：相较于北大法宝，则胜在更新，案例多，不过专业思维有待提高； 4、汇法网：数据库是最多最全的，收集通过数据挖掘、法官上传、律师上传等，有大量合作律师。银行基本都直接或间接用汇法查司法涉诉信息啥的 辛苦亲给个赞 更多4条
常用的数据库有mysql，SQL Server，Access数据库，Oracle，Sybase等等。
三大文献检索数据库是以下三个： 1、SCI(科学引文索引 )：(Science Citation Index, SCI)是由美国科学信息研究所(ISI)1961年创办出版的引文数据库，其覆盖生命科学、临床医学、物理化学、农业、生物、兽医学、工程技术等方面的综合性检索刊物。 2、EI(工程索引 )：(EngineeringIndex，EI),1884年创刊，由美国工程信息公司出版，报道工程技术各学科的期刊、会议论文、科技报告等文献。 3、ISTP(科技会议录索引 ) 是世界著名的三大科技文献检索系统，(Index to Scientific & TechnicalProceedings，ISTP)，也是由ISI出版，1978年创刊，报导世界上每年召开的科技会议的会议论文。
一次文献是人们直接以自己的生产、科研、社会活动等实践经验为依据生产出来的文献，也常被称为原始文献（或叫一级文献），其所记载的知识、信息比较新颖、具体、详尽。二次文献是对一次文献进行加工整理后产生的一类文献，如书目、题录、简介、文摘等检索工具。三次文献是在一、二次文献的基础上，经过综合分析而编写出来的文献，人们常把这类文献称为“情报研究”的成果，如综述、专题述评、学科年度总结、进展报告、数据手册等。扩展资料：一、一次文献特征一是内容有独创性，是作者本人的工作经验、观察或者实际研究成果,该种文献内容具有先进性和新颖性，反映了有关领域最新研究成果。二是文献内容叙述具体、详尽，有供研究三是一次文献数量庞大、分散在各种期刊、媒体、会议论文集、图书、连续性出版物、特种文献之中，所以寻找困难。二、二次文献特征1、具有浓缩性是对原始文献内容的浓缩，所以，二次文献是情报工作的重要工具，成为一种信息文体，是随着科技,、文化的发展，为适应信息的急剧增加而出现的。2、汇集性二次文献经过情报工作者加工，把有关内容汇集在一起，能比较全面地反映某个学科、专业或专题在一定时空范围内的文献线索。3、系统性由于二次文献是经过情报工作者加工，所以它能系统地反映某个学科、专业或专题在一定时空范围内的最新研究成果,。三、三次文献特征通常是围绕某个专题，利用二次文献检索搜集大量相关文献，对其内容进行深度加工而成。是对现有成果加以评论、综述并预测其发展趋势的文献，属于这类文献的有综述、述评、进展、动态等。在文献调研中，可以充分利用这类文献，在短时间内了解所研究课题的研究历史、发展动态、水平等，以便能更准确地掌握课题的技术背景。参考资料来源：百度百科-一次文献参考资料来源：百度百科-二次文献参考资料来源：百度百科-三次文献
一次文献 (primary document)：是指作者以本人的研究成果为基本素材而创作或撰写的文献，不管创作时是否参考或引用了他人的著作，也不管该文献以何种物质形式出现，均属一次文献。大部分期刊上发表的文章和在科技会议上发表的论文均属一次文献。二次文献 (secondary document)：是指文献工作者对一次文献进行加工、提炼和压缩之后所得到的产物，是为了便于管理和利用一次文献而编辑、出版和累积起来的工具性文献。检索工具书和网上检索引擎是典型的二次文献。三次文献 (tertiary document)：是指对有关的一次文献和二次文献进行广泛深入的分析研究综合概括而成的产物。如大百科全书、辞典等。 也有研究者在以上分类基础上再加上零次文献，它是指未经过任何加工的原始文献，如实验记录、手稿、原始录音、原始录像、谈话记录等。零次文献在原始文献的保存、原始数据的核对、原始构思的核定(权利人)等方面有着重要的作用。
全文检索:CNKI全文数据库(中文文献)、维普ACS和ELSEVIER数据库(英文文献)文献线索的二次检索:CA和EI上面我说的都是化工方面常用的文献检索工具啊，哈哈。。。。。。