想从事数据库方面的工作,要学些什么

想从事数据库方面的工作,要学些什么,第1张

几乎所有的数据应用程序都是建立在前台后台的机础上的`这个后台就是数据库,前台可以是各类编程软件楼主可以先看sql语言很简单的描述了数据库原理sql语言也是所有数据库的标准语言也是你用任何软件编程时其"核心"内容而且sql入门是很容易的。

学习数据库可以自己参与到一个项目或者去实际 *** 作数据库这样提高的快些。

目前来说,桌面的小型数据库有Foxpro不错用的最多的是SQL Server2000大型的有Oracle等等

推荐你可以学习SQL Server2000比较简单。

编程是一门说难就难说简单就简单的东西,如果要问从什么入手我觉的还是先学[C语言]`先要对如何编程有一个概念然后学习数据库可以学学[ASSECC]或是[SQL],这两个都是简单的数据库,在后面学[HTML]和[ASP](里面可以理解的去学习[VBscript]和[JAVAscript]两个脚本语言)有了这几门语言做基础,就可以学习难一点的东西了学习C++的面向对象概念当自己认为对面向对象里面的三大特性{派生类与继续多态性(第3个有点忘记,好象是封装或者是把派生和继承分开,总之3大特性)}掌握的能够在自己编程的时候能够理解能够灵活运用就可以学习[JAVA]了,可能你原来听说过[JAVA],[C++]是简单的面向对象,[JAVA]就好象是[C++]和[C语言]的综合,[JAVA]是基本上全部面向对象概念,但里面的编程结构:如--循环;判断则是C语言的机制。

上面学完了,就可以更深一步了,有了[JAVA]的学习,就可以学习[J2EE]了,还可以学[ASPNET]

可能你看到我的回复以后觉的要学这么多东西有点太BT了我和你说的这个学习顺序完全是一个专业计算机编程学校的授课顺序,而且脱产班只要1年说的俗点,如果你是这个方面的"虫子"你会做到的。

最后说一句加油愿你成功^^

当下,大数据方面的就业主要有三大方向:一是数据分析类大数据人才,二是系统研发类大数据人才,三是应用开发类大数据人才。他们的基础岗位分别是大数据系统研发工程师、大数据应用开发工程师、大数据分析师。对于求职者来说,大数据只是所从事事业的一个方向,而职业岗位则是决定做什么事大数据从业者/求职者可以根据自身所学技术及兴趣特征,选择一个适合自己的大数据相关岗位。

大数据就业前景

在就业“钱景”方面,各大互联网公司都在囤积大数据处理人才,从业人员的薪资待遇也很不错。以基本的Hadoop开发工程师为例,入门月薪已经达到了8K以上,工作1年月薪可达到12K以上,资深的hadoop人才年薪可达到30万—50万。

大数据开发工程师

数据仓库开发、实时计算开发、大数据平台开发一般都会被称作大数据开发,其实这是3个岗位,各自要求也不尽相同。

大数据开发工程师

数据仓库开发、实时计算开发、大数据平台开发一般都会被称作大数据开发,其实这是3个岗位,各自要求也不尽相同。

大数据分析师

基于各种分析手段,利用大数据技术对大数据进行科学分析、挖掘、展现并用于决策支持。

数据挖掘工程师

数据挖掘工程师,也可以叫做“数据挖掘专家”。数据挖掘是通过分析每个数据,从大量数据中寻找其规律的技术。

算法工程师

数据挖掘、互联网搜索算法这些体现大数据发展方向的算法,在近几年越来越流行,而且算法工程师也逐渐朝向人工智能的方向发展。

数据安全研究

数据安全这一职位,主要负责企业内部大型服务器、存储、数据安全管理工作,并对网络、信息安全项目进行规划、设计和实施。

大学计算机专业数据库方向:

1、数据库应用开发(applicationdevelopment)

除了基本的SQL方面的知识,还要对开发流程,软件工程,各种框架和开发工具等等

数据库应用开发这个方向上的机会最多,职位最多。

2、数据建模专家(datamodeler)

除了基本的SQL方面的知识,非常熟悉数据库原理,数据建模负责将用户对数据的需求转化为数据库物理设计和物理设计,这个方向上在大公司(金融,保险,研究,软件开发商等)有专门职位,在中小公司则可能由程序员承担。

3、商业智能专家(business-BI)

主要从商业应用,最终用户的角度去从数据中获得有用的信息,涉及OLAP(onlineanalyticalprocessing),需要使用SSRS,cognos,crystalreport等报表工具,或者其他一些数据挖掘,统计方面的软件工具。

4、ETL开发(ETLDeveloper)

使用ETL工具或者自己编写程序在不同的数据源之间对数据进行导入,导出,转换,所接触的数据库一般数据量非常大,要求进行的数据转换也比较复杂和数据仓库和商业智能的关系比较密切。在一些数据库应用规模很大的公司里面有专门的职位,中小公司里面则可能由程序员或者DBA负责这方面的工作。

5、数据构架师(DataArchitect)

主要从全局上制定和控制关于数据库在逻辑这一层的大方向,也包括数据可用性,扩展性等长期性战略,协调数据库的应用开发,建模,DBA之间的工作。这个方向上在大公司(金融,保险,研究,软件开发商等)有专门职位,在中小公司或者没有这个职位,或者由开发人员,DBA负责。

6、数据库管理员(database-DBA)

数据库的安装,配置,调优,备份/恢复,监控,自动化等,协助应用开发(有些职位还要求优化SQL,写存储过程和函数等)。这个方向上的职位相对少一些,但一般有点规模的公司还是会有这样的职位

7、数据仓库专家(datawarehouse-DW)

应付超大规模的数据,历史数据的存储,管理和使用,和商业智能关系密切,很多时候BI和DW是放在一个大类里面的,但是我觉得DW更侧重于硬件和物理层上的管理和优化。

8、存储工程师(storageengineer)

专门负责提供数据存储方案,使用各种存储技术满足数据访问和存储需求,和DBA的工作关系比较密切。对高可用性有严格要求(比如通信,金融,数据中心等)的公司通常有这种职位,这种职位也非常少。

9、性能优化工程师(performanceengineer)

专长数据库的性能调试和优化,为用户提供解决性能瓶颈方面的问题。也有专门的性能优化工程师,负责为其数据库产品和关键应用提供这方面的技术支持。对数据库性能有严格要求的公司(比如金融行业)可能会有这种职位。因为针对性很强,甚至要求对多种数据库非常熟悉,所以职位极少。

10、高级数据库管理员(seniorDBA)

在DBA的基础上,还涉及上面3种职位的部分工作,具体包括下面这些:对应用系统的数据(布局,访问模式,增长模式,存储要求等)比较熟悉。对性能优化非常熟悉,可以发现并优化从SQL到硬件I/O,网络等各个层面上的瓶颈,对于存储技术相对熟悉,可能代替存储工程师的一些工作,对数据库的高可用性技术非常熟悉(比如MSSQL的集群,ORACLERAC/FailSafe,IBM的DPF,HADR等),对大规模数据库有效进行物理扩展(比如表分区)或者逻辑扩展(比如数据库分区,联合数据库等)。熟悉各种数据复制技术,比如单向,双向,点对点复制技术,以满足应用要求。灾难数据恢复过程的建立,测试和执行。这种职位一般只在对数据库要求非常高并且规模非常大(比如金融,电信,数据中心等)的公司需要,而且这种公司一般有一个专门独立负责数据库的部门或组。这种职位非常少。

 从事数据库方面的工作应该学习数据恢复分逻辑方面和硬件方面。

1

维护:能够进行 *** 作系统和数据库维护;以MS

SQL

为例,需要掌握:数据备份、还原、分离、收缩等技能。

2

初级编程:能够对数据库进行建表;设置索引、约束等;并利用简单程序开发工具,进行编程。

3

中级编程:能够利用数据库本身的编程SDK;以MS

SQL

为例,需要掌握:存储过程、函数、视图、触发器等。

4

高级编程:在上述基础上,增加宏观的数据库管理思想;重点研究数据库安全性、角色、复制分发、订阅、部署;乃至

Raid

0

Raid

1

、Raid

0+1

、Raid

5

等磁盘阵列方式。

你学的什么数据库啊?Oracle统治了数据库是不容置疑的,数据库分开发和管理,往Oracle DBA方向发展非常好,oracle DBA是个越老越吃香的行业,经验越多薪资就越高,这个职位是一个公司的核心,在公司中也是占有举足轻重的地位。

从事行业:政府、税务、银行、航空、邮电、电力、石化、中科软、中石油、宇信易诚、高伟达、软通动力、IBM、HP

入门书你可以看:《从实践中学习Oracle/SQL》,《Oracle 10g DBA手册》都很好,不求完全懂,能看一点是一点,学习ORACLE是一个长期的过程,你在懂了一些后,再去看别的书,你会找到很多相同点,那时候就会有恍然大悟的感觉,一点点看就OK了。

不过数据库这块没实践找工作很困难。所以光看书没用的。就业注重的是实践和项目经验,这些都是自学学不到的,这也是项目经理最关心的地方,如果决定走DBA方向,前期自学一两个月然后去参加培训四个月。找个7000左右的工作并是困难。

关于培训,建议去Oracle WDP机构,像CUUG这样。主要是原厂培训太贵,而非oracle认证机构又不可靠。

以上就是关于想从事数据库方面的工作,要学些什么全部的内容,包括:想从事数据库方面的工作,要学些什么、大数据有哪些职业方向、大学计算机专业数据库方向(计算机大数据专业就业方向)等相关内容解答,如果想了解更多相关内容,可以关注我们,你们的支持是我们更新的动力!

欢迎分享,转载请注明来源:内存溢出

原文地址:https://54852.com/sjk/9837256.html

(0)
打赏 微信扫一扫微信扫一扫 支付宝扫一扫支付宝扫一扫
上一篇 2023-05-02
下一篇2023-05-02

发表评论

登录后才能评论

评论列表(0条)

    保存