当前已经是大数据时代，数据库课程不能没有大数据管理，这是技术发展的呼唤，也是提高教学质量、加强人才技术素质的迫切要求。融合传统数据库关键技术与大数据最新进展，是数据库课程改革的必然趋势。为此，本课程直面技术最新发展，总结多年教学实践，深度梳理知识结构，课程内容按顺序分为四大部分。第一部分是基本概念和基础知识，包括第一、二章，涉及数据库系统、大数据、数据模型等基本概念，为后面内容打基础。第二部分主要包括第三、四、五章，讲声明性语言(SQL)，及其在应用环境中与高级语言的混合编程，以及数据保护。第三部分是第六、七章讲数据库设计并融入大数据思维。第六章主要是ER设计以及转换为关系，所以也涉及了关系设计或者说目标也是关系设计，但方法主要是从实体及联系的角度来做的；第七章讲关系设计，主要是从数据依赖角度来做的，而数据依赖本质上就是属性及其联系。六七两章的目标是一致的，都是讲关系设计只是方法不同，并且大数据特征改变了原有数据库设计思想。第四部分是大数据新技术简介。

      主要特色包括：(1)以自然灾害应急系统/网络考试系统/智能推荐为案例，实施案例驱动的教学模式，技术最先进，概念最清晰。(2)在课程内容安排上，先讲语言，让学生通过上机使用，有直观了解，进而再讲设计，最后讲实现，由浅到深，由表及里，便于理解。(3)通过案例分析，解析传统数据库和大数据中数据管理技术的基本思想和特点，融合理论与实践，贯通技术思想与职业理念。(4)站在大数据管理的角度，讲述数据库设计和实现的新思想，在数据库设计和实现的讲述中融入大数据思维；针对各种数据密集系统的共性，讲述数据管理技术发展趋势，并对大数据管理进行简介。(5)以尽可能简单的例子凸显技术思想的本质。(6)纳入数据管理技术的最新发展，深度梳理课程知识点体系，研磨了与信息安全、操作系统、数据结构、组成原理等相关课程的关系，实现无缝平滑衔接。(7)特别是梳理了数据保护知识点体系；提出了数据管理的目标：安全、简单、高效地共享数据，并以此为线索贯穿全书内容，把知识碎片变得系统化，使得全书知识点有机融为一体。    

本课程拟基于最先进的开源数据库管理系统PostgreSQL/MySQL，帮助学生了解数据库系统的基本原理，基本技术和基本方法，培养学生分析问题和解决问题的能力，为从事数据库系统、信息系统、Web系统、互联网+平台系统、数据库管理系统等的研究、开发与应用提供支持。

1、课堂活跃度（15%）。包括在线讨论（7%）和线下课堂发言（8%）。在线讨论：在SPOC里进入源课程讨论区参与讨论交流，以活跃度计算，活跃度是在“线上课堂讨论”中参与在线讨论发帖和回帖的数量，最多的前10%记满分，其余按正比例函数计算，水贴不记入总数；线下课堂发言：线下课堂中交流互动情况。

2、线上测验与线上期末考试（15%）。在SPOC里进入源课程测验作业与考试。

3、英文文献翻译（25%）。对指定或要求范围内英文文献进行翻译，作为课堂报告的材料，提交中英文文档、相应ppt。

4、线下课堂报告（25%）。线下课堂报告，就英文文献翻译进行报告，按报告的流畅度、清晰度、逻辑性、熟练度和理解的透彻性计分。

5、出勤签到与课堂作业（20%）。直播课网上签到或实体课堂出勤签到；直播课或实体课堂会布置随堂练习作业。

1、Html网页制作的简单基础。
2、Python、或C、或C++、或Java语言程序设计基础。

[1]S. Wang and D. Dang, "A Generative Answer Aggregation Model for Sentence-level Crowdsourcing Task," in IEEE Transactions on Knowledge and Data Engineering, doi: 10.1109/TKDE.2022.3142821,2022,SCI. 

[2]Shaofei Wang, Depeng Dang∗. Robust Cross-lingual Knowledge Base Question Answering via Knowledge Distillation[J]. Data Technologies and Applications,2021,SCI.

[3]Rongen Yan,Xue Jiang, Depeng Dang, Named Entity Recognition by Using XLNet-BiLSTM-CRF, Neural Processing Letters,2021,SCI. 

[4]Depeng Dang, Chuangxia Chen, Haochen Li, Rongen Yan, Zixian Guo, Xingjian Wang, Deep knowledge-aware framework for web service recommendation, The Journal of Supercomputing,2021,SCI. 

[5]Shaofei Wang, Depeng Dang∗, Incentive Mechanism for the Listing Item Task in Crowdsourcing, Information Sciences,Volume 512, Pages 80-95,ISSN 0020-0255, February 2020,SCI.（Top；CiteScore: 6.90；Impact Factor:5.524；5-Year Impact Factor: 5.305）

[6]Xinxin Wang, Depeng Dang ∗, Zixian Guo. Evaluating the crowd quality for subjective questions based on a Spark computing environment, Future Generation Computer Systems,(106):426-437,2020,SCI.

[7]Depeng Dang∗, Chuangxia Chen, Wenhui Yu and Huaxiao Hu. A semantic-aware collaborative filtering recommendation method for emergency plans in response to meteorological hazards. Intelligent Data Analysis,(24):705-721,2020,SCI.

[8]Dang Depeng*; Yu Wenhui; Chen, Chuangxia; Real-time detection and trend tracing of burst topics based on Negative Binomial Distribution on spark, Intelligent Data Analysis, 24(4) :925-940, 2020,SCI.

[9]Shaofei Wang, Depeng Dang, Zixian Guo, Chuangxia Chen, Wenhui Yu. Knowledge Enhanced Quality Estimation for Crowdsourcing. IEEE Access,I EEE Access PP(99):1-10, July 2019,SCI.

[10] Hu, Xin; Liu, Zhijie;Yao, Yingting;Wang, Nan;Dang, Depeng.Crowdsourcing Model Research for the Identification of Post-Earthquake Rescue Objects. Journal of Earthquake Engineering,23(5):863-881(IF:2.754),2019,SCI.

[11]Xin Hu, Depeng Dang. Crowdsourcing-based semantic relation recognition for natural language questions over RDF data. Enterprise Information Systems. 13(7-8): 935-958,2019,SCI.

[12]Dang Depeng, Xue Jiang, Nan Wang, Yingting Yao,Wenbin Yao. Concurrency Control of Real-Time Web Service Transactions. Journal of information science and engineering, 34(1):261-287,2018,SCI.

[13]Xin Hu, Depeng Dang, Yingting Yao, Luting Ye, Natural language aggregate query over RDF data, Information Sciences, Volumes 454–455, Pages 363-381,ISSN 0020-0255, 2018（Top，CiteScore: 6.90；Impact Factor: 5.524；5-Year Impact Factor: 5.305）,2018,SCI.

[14]D. Dang, Y. Liu, X. Zhang and S. Huang, "A Crowdsourcing Worker Quality Evaluation Algorithm on MapReduce for Big Data Applications," in IEEE Transactions on Parallel and Distributed Systems, vol. 27, no. 7, pp. 1879-1888, 1 July 2016.（CCF A）,2016,SCI.

[15]Shihang Huang, Ying Liu, Depeng Dang,Burst topic discovery and trend tracing based on Storm,Physica A: Statistical Mechanics and its Applications, Volume 416,2014,Pages 331-339,2014,SCI.（SCI CiteScore: 2.82；Impact Factor: 2.500；5-Year Impact Factor: 2.464）

[16]党德鹏. 数据库应用、设计与实现(第二版). 北京: 清华大学出版社, 2021.3 

（1）如何联系助教或老师？

答：您可以直接发邮件：729544960@qq.com；ddepeng@bnu.edu.cn。

（2）对学好“数据库系统实现”课程有哪些建议？

答：加入课程QQ群：985244082，获取消息更及时；下载APP学习更方便；及时关注课程平台和讨论区；在视频学习的基础上，认真阅读教材，并仔细完成实验操作与编程。

（3）实验中用到的软件从哪里获取？

答：如下所列，

               PostgreSQL：https://www.postgresql.org/download/windows/

                                     PostgreSQL11.5 ，Windows X86-64位

              Java：https://www.oracle.com/technetwork/java/javase/downloads/

              Eclipse jdk：https://www.eclipse.org/downloads/

              Apache Tomcat：https://tomcat.apache.org/

              Dev-C++：https://sourceforge.net/projects/orwelldevcpp/

             ODBC：https://odbc.postgresql.org/

             JDBC：https://jdbc.postgresql.org/download.html

（4）课程有哪些新颖之处？

答：课程有如下“六新”。

ž   “新知识”：纳入了数据管理技术最新发展，融入大数据技术最新进展和数据管理技术发展趋势。

ž   “新认识”：对传统数据库课程知识点即旧知识有新的、更深刻的认识。站在大数据管理的角度，拓展传统数据库关键技术方法，乃大数据时代数据库教学的尝试和实践；梳理了数据保护知识体系。

ž   “新结构”：重新梳理了课程知识体系结构。以安全、简单、高效地共享数据这个总目标为线索贯穿全书知识点；先讲语言，让学生通过上机使用数据库，对数据库有直观了解，再讲数据库设计，最后讲实现，由浅到深，由外到里，便于理解；研磨了与相关课程联系，实现无缝平滑衔接。

ž   “新案例”：以应急管理和网络考试系统为案例，实施案例驱动的教学。

ž   “新习题”：形成了完善的MOOC/SPOC特色习题集，有整套的课堂练习、单元测验、期中考试、期末考试等全程网上进行，有整套的题集。

ž   “新模式”：建立了增量式实验组织模式，习新温故，迭代前行；有整套的实验指导书、实验讲解ppt、实验报告要求及提纲、实验报告样板、实验报告评分标准细则、学生实验碰到的各种问题及讨论答疑，可有效实施增强混合学习。