我联不通数据库?

juio 2000-07-20 12:21:00
运行.asp页面显示Login failed for user 'TIANLIN\IUSR_TIANLIN'.不知是那里的问题?如何解决,请教。
...全文
111 6 打赏 收藏 转发到动态 举报
写回复
用AI写文章
6 条回复
切换为时间正序
请发表友善的回复…
发表回复
mjs2000 2000-07-24
  • 打赏
  • 举报
回复
你在创建Odbc时你的登陆名和密码都正确吗?
还有你测试了能否通过吗?
蝈蝈俊 2000-07-20
  • 打赏
  • 举报
回复
iis 或 pws 所在服务器你是否无法登陆????
flyrain 2000-07-20
  • 打赏
  • 举报
回复
建议你查一查你的用户权限管理是否打开了IUSER_TIANLIN的使用权限,在数据库也要检查!!!
蝈蝈俊 2000-07-20
  • 打赏
  • 举报
回复
我怀疑是odbc连接的登陆名,口令无法登陆到数据库
蝈蝈俊 2000-07-20
  • 打赏
  • 举报
回复
不是iis可登陆

你是用odbc连数据库的???
该odbc是否现在测试连接能连通????
juio 2000-07-20
  • 打赏
  • 举报
回复
flyrain请说具体点,在那里打开?是iis,还是sql server?]
ghj1976,请问如何才能确定iis可登陆。
数据库系统设计 数据库系统设计主要包括:需求分析,概念结果设计,逻辑结构设计,数据库物理设计⼏个阶段。 ⼀、需求分析 ⼀、需求分析 需求分析阶段有⼀个概念。数据字典:是系统中各类数据描述的集合,是对数据收集和数据分析的详细描述。 包括:1、数据项 2、数据结构 3、数据流 4、数据存储 5、处理过程 ⼆、概念结构设计 ⼆、概念结构设计 概念结构设计阶段,就是对现实世界特征的数据抽象,与DBMS⽆关。很重要的⼀个概念数据模型,肯定都听说过实体(Entity)-联 系(Relationship)模型,即常说的E-R图。 实体(Entity):即客观存在的的事物,如学⽣实体。(个⼈理解其实就是可以对应为关系数据库中的关系模式,说⽩了就是⼀张表) 属性(Attribute):实体所具有的特征,如学⽣实体有学号,姓名,年龄等属性。(个⼈理解就是对应关系数据库,表中的每⼀列) 联系(Relation):两个实体之间关系的抽象表⽰。如学⽣实体与班级实体之间的关系,通常是⼀个动词如,属于。 E-R图表⽰: 图表⽰: 实体:矩形;属性:椭圆;联系:菱形。 联系可以分为⼀对⼀联系(1:1),⼀对多联系(1:n),多对多联系(m:n)。 注意:有⼀点想不通的就是,联系也是有属性的。 三、逻辑结构设计 三、逻辑结构设计 逻辑结构设计阶段的主要⽬的就是将E-R图转换成DBMS所⽀持的数据模型相符合的逻辑结构。(个⼈理解就是根据E-R图绘制出关系 型数据库中所对应的表)。 有⼀句话可以体会下:概念结构是独⽴于任何⼀种数据模型的信息结构,逻辑结构设计是与具体的DBMS相关的。 E-R图向关系模型的转换: 图向关系模型的转换: 有⼀点还不理解,⼀个联系转换为⼀个关系模式。(呃,⼀个动词,也就是怎么能转换成关系模式呢?)具体转换规则,不列出来了, 有三种联系对应着三种转换,1:1联系的转换,1:n联系的转换,m:n联系的转换。 转换后关系的属性:与该联系相连的各实体的键以及联系本⾝的属性 转换后关系的键:两个实体键的组合是该关系的键 其实看例⼦个⼈理解,还是⼀个实体可以对应⼀张表,暂时这样记下来吧。只不过有可能转换后的关系模式不满⾜第三范式,这就引出 了下⼀个知识点。 数据模型的优化: 数据模型的优化: (1)根据范式理论进⾏优化 其实就是调整转换后的关系模式,使其满⾜第三范式或者更⾼范式。有三个步骤: (1) 确定函数依赖 (2) 对函数依赖进⾏处理 (3) 对数据模式进⾏分解 个⼈理解,由例⼦可以看出,优化的过程其实就是消除依赖的过程。 (2)对关系模式进⾏⽔平和垂直分解。 其实就是关系型数据库中视图的概念。设计出⽤户⼦模式 直接上例⼦: 四、数据库的物理设计 四、数据库的物理设计 ⽬前流⾏的数据库,⼤部分物理结构设计,已经由DBMS⾃动完成,索引设计,聚类设计,分区设计,确定系统配置参数,评价物理结 构设计。(个⼈理解,这部分主要就是⽤于对数据库的性能⽅⾯的优化,如当⾯对⼤量数据的时候,运⽤怎样的物理结构设计,可以使得查 询效率更⾼。) 数据库物理设计的任务之⼀,确定选择哪些存取⽅法,即要建⽴哪些存储路径。 主要的存取⽅法:1.索引⽅法(主要是B+树)2.聚簇⽅法。 (1) 索引存取⽅法: 确定为哪些属性列建⽴索引,哪些属性列建⽴组合索引,哪些索引要设计为唯⼀索引。 例: 在学⽣表Student上建⽴索引 CREATE INDEX S_name ON Student (Ssex, Sage DESC); (2)聚簇存取⽅法的选择: 关系中指定属性值相同的元组集中存放在连续的存储块中,称为聚簇。指定属性为聚簇属性。 许多关系型DBMS都提供了聚簇功能。 建⽴聚簇索引后,基表中数据也需要按指定的聚簇属性值的升序或降序存放。也即聚簇索引的索引项顺序与表中元组 的物理顺序⼀致。 例:在Student表的Sname(姓名)列上建⽴⼀个聚簇索引,⽽且Student表中的记录按照Sname值的升序存放 CREATE CLUSTER INDEX Stusname ON Student(Sname); 最后:
数据分析与数据挖掘的区别和联系? 数据分析与数据挖掘的界定⾮常的模糊。但有⼀点可以确定,数据分析输出的是统计结果,⽐如总计,平均值等,数据挖掘输出的是模型或规则,我们⼀起来看下之间区别: ⼆者有以下⼏点区别 1.对计算机编程能⼒的要求不同 ⼀个对编程、敲代码⼀窍不通的⼈完全可以成为⼀名优秀的数据分析师。数据分析很多时候⽤到的都是诸如Excel、SPSS、SAS等成型的分析⼯具,这些⼯具已经可以满⾜⼤多数数 据分析的要求。 ⽽数据挖掘则需要⼀定的编程基础。在做数据仓库组建、分析系统开发、挖掘算法设计等⼯作时,常常需要⼯作⼈员亲⼒⽽为地从ETL开始处理原始数据,因此对计算机⽔平有较⾼ 要求,并且更偏技术⽅向。⽬前从事数据挖掘相关⼯作的⼈⼤多都⾪属于计算机系。 2. 侧重于解决的问题不同 数据分析主要侧重点在于通过观察数据来对历史数据进⾏统计学上的分析;⽽数据挖掘则是通过从数据中发现"知识规则"来对未来的某些可能性做出预测,更注重数据间的内在联 系。 3. 对专业知识的要求不同 ⼀名数据分析师,必须要对所从事的⾏业有较深⼊的了解,并且需要将数据与⾃⾝的业务紧密地结合起来。当然,除了需要了解本⾏业之外,还应当懂得统计学、营销学、社会学、 ⼼理学、经济学等⽅⾯的知识。假若能对数据挖掘等相关知识有所了解会对⼯作更有帮助。 ⽽想要成为优秀的数据挖掘⼯程师,则需要拥有良好的统计学知识、数学能⼒、编程能⼒,熟悉数据库技术、数据挖掘的各种算法,并且要能够根据不同的业务需求,建⽴相应的数 据模型并将模型与实际相结合,甚⾄需要对已有的模型和算法进⾏优化或者开发新的算法模型。 相⽐⽽⾔,数据挖掘在⼴度上稍逊于数据分析,但在深度上,数据挖掘则更胜⼀筹。 ⼆者的相似之处 不论是数据分析师还是数据挖掘师,数据都是他们赖以⽣存的重点,假若搜集不到数据或者没有⾜够的数据作为⽀持,那么将⽆法进⾏相应的⼯作。并且他们都需要掌握相关的统计 学知识,并且对数据都需要有较⾼的敏感性。 虽说数据挖掘与数据分析有所不同,但是很多时候,数据分析师与数据挖掘师也会需要做对⽅的⼯作。做数据分析时需要⽤到数据挖掘的⼯具和模型;做数据挖掘项⽬时同样需要他 们懂业务、懂数据,并且需要他们能够根据业务需要提出正确的数据挖掘需求和⽅案。因此⼆者在职业上并没有明显的界限。

28,390

社区成员

发帖
与我相关
我的任务
社区描述
ASP即Active Server Pages,是Microsoft公司开发的服务器端脚本环境。
社区管理员
  • ASP
  • 无·法
加入社区
  • 近7日
  • 近30日
  • 至今
社区公告
暂无公告

试试用AI创作助手写篇文章吧