## 简介

软考中，关于数据库的考点还是比较多的，为了简化学习过程，只用一个文件介绍重要知识点。

在数据库考点中，重难点就是 **关系模式**。

其次还有数据库建模方式、数据关系分析等等知识点，关于数据库的知识点很多是需要有一定的经验积累才能更好的理解的，所以可能对于很多人来说比较难，但是如果你能记住这些知识点题型的计算过程，一般也足以应付考试了。

本文将以实际举例的形式讲解一些难以理解的知识点，希望能够帮助大家理解。

> 关注公众号“**月上老狗**”，发送“**软件设计师**”，获取历年软件设计师软考真题。
> 
> ![image](https://images.oldmoon.top/images/dingdangdog/dingdangdog-1680842466920.jpg)



## 关系模式

关于数据库的关系模式，通常会考察以下几个主要内容：

1. 关系模式的定义
2. 关系模式的组成
3. 关系模式的表示
4. 关系模式的基本概念
5. 关系模式的规范化
6. 关系模式的操作

### 关系模式的表示

**关系模式（`Relation Schema`）** 主要是在关系型数据库中，描述表结构的框架的一种方式。它是关系数据库的核心概念之一，定义了一个关系（表）的属性（列）及其属性间的约束。

关系型数据库包括：Mysql、Oracle等。

在考题中通常以 `R(U, F)` 的形式出现，可能是纯字母表示，可能是现实例子。如下是一个现实例子：

> 培训关系模式R（**后面讲解中，将以此为示例**） 
> 
> 属性 U = (培训科目，培训师，学生，成绩，时间，教室) 
> 
> 依赖集 F = {培训科目 →→ 培训师，(学生，培训科目) → 成绩，(时间，教室) → 培训科目，(时间，培训师) → 教室，(时间，学生) → 教室}

其中 `U` 可以认为一张表的全部列；`F` 可以认为是这些列的查询关系。

如：`(学生，培训科目) → 成绩` 表示通过 `学生，培训科目` 这两列的值，可以查到 `成绩` 这一列对应的值。

> `→` 前面的是条件，后面的是结果。

### 候补关键字（主键）

候补关键字：在关系模式中，可以作为主键的列，被称为候补关键字，有时也会被称为候补键、候补主键、主要键等等，没有确定性的名称，根据题意理解即可。

> 注意：一个候补关键字可能是多列的组合，也可能是一列；在一个关系中，可能只有一个候补关键字，也可能有多个。视题意辨别。

那么给定一个关系，如何找到候补关键字呢？

我个人有一个简单的解题思路：
1. 在关系依赖中，找到哪一列或多列不能作为结果被其他条件查到；
2. 针对性分析每一列和多列的组合，看看能否查到这个关系中的所有列；
3. 如果这一列或多列的组合可以查到全部列，则这一列或这一个组合就是候补键。

当然这个思路不是我最先想到的，早就有这个理论，只不过我更习惯用正常的语言说出来，而不习惯使用那些高大上的概念词。

如上面提到的题目，已知有如下依赖关系：
- 培训科目 →→ 培训师
- (学生，培训科目) → 成绩
- (时间，教室) → 培训科目
- (时间，培训师) → 教室
- (时间，学生) → 教室

我们采用上面提到的解题思路：
1. 根据字面关系，可以看到 `时间、学生` 这两列的数据是没有作为结果被任何条件所查的；
2. 分析 `时间`、`学生`、`时间和学生`，这三种情况下，谁作为条件可以查询出（推导出）全部列？
 - 首先：只以 `时间` 为条件，查不到任何列数据；
 - 然后：只以 `学生` 为条件，也查不到任何列数据；
 - 最后：以 `时间和学生` 组合查询时，可以查到 `教室` ，然后相当于我们知道了三列数据：`时间`、`学生`、`教室`，有了这三列数据，继续查询，根据依赖关系可以看到能查询出（推导出）全部列数据。
3. 根据上面的枚举分析，我们确定了，这个关系模式中的候补键只有 `时间和学生` 这个组合键！

通过上面求取候补键的过程，希望大家能掌握解题思路，但我一直在想，这个思路在现实工作中到底用在哪里呢？思来想去，也没有发现特别需要的地方。可能在分析数据库设计是否合理的时候，可以用以下这个思路吧，用于确定表中列的定义是否合理？你说呢？

### 范式

关于数据库的范式，不仅是在考试中经常出现，在工作的面试问题中也是十分重要，如果你没有掌握范式，那么读本文内容就是赚到了！

首先什么是范式？**范式可以认为是数据库设计时的规范化程度**。规范化是将关系模式转换为一系列符合一定规范的更小、更简单的关系模式的过程，以减少数据冗余和提高数据一致性。

说人话：范式是一个等级制度：数据库设计规范化的不同程度，可以分为不同的范式等级。

那么有哪几个范式呢？一般我们认为有四个层级的范式，以此层级越高，则表示越规范：
1. 第一范式（`1NF`）：所有属性的值都是不可分割的原子值。
2. 第二范式（`2NF`）：在 `1NF` 的基础上，消除部分依赖。
3. 第三范式（`3NF`）：在 `2NF` 的基础上，消除传递依赖。
4. BC范式（`BCNF`）：在 `3NF` 的基础上，每个非主属性完全依赖于候选键。

大家可以看到，范式一定是逐级上升的，所以如果第一范式都不符合，那么后面的范式就不用再看了！

接下来我们还是来举例子，帮助你理解上面的鬼话！：
> 1. 上面的 `(培训科目，培训师，学生，成绩，时间，教室)` 这些列，一般而言是符合第一范式的，那什么情况下时不符合第一范式的呢？假如把 `培训科目` 和 `培训师` 这两列的数据合并为一列，如原来`培训科目：语文`和 `培训师：张三` 这两个数据合并成了一列：`语文老师张三`，那就是不符合第一范式的，懂了没？`语文老师张三` 可以继续拆分成 `语文`、`张三`这两列数据，也就是 *可以分割的数据* ，所以不符合第一范式。这一点一定要懂！
> 2. 部份依赖是什么？通过关于【候补关键字】的学习，我们已经知道了这个关系中的候补关键字是 `时间和学生` ，假如在这个关系中，增加一个 `学生 → 性别` 的依赖关系，此时，`性别` 与 `时间` 就没关系了，但是因为我们的候补关键字是 `时间和学生` 这个组合键，所以此时 `性别` 列就是 **部份依赖** 于 `学生` ，这就是 **部份依赖** ！由此可见，本示例中如果增加 `学生 → 性别`，那么就不符合第二范式，原示例中没有这个关系，所以符合第二范式！
> 3. 传递依赖又是什么？其实我们在【候补关键字】解题时，已经用到了传递依赖。【最后：以 `时间和学生` 组合查询时，可以查到 `教室` ，然后相当于我们知道了三列数据：`时间`、`学生`、`教室`，有了这三列数据，继续查询，根据依赖关系可以看到能查询出（推导出）全部列数据。】在这推导查询的过程中，因为我们时先经过 `时间和学生` 组合查询时，查到 `教室` 后，再使用 `教室` 作为条件去进一步查询，这就可以称为 **传递依赖** ！所以可以知道本示例不符合第三范式，因为他有传递依赖的现象！
> 4. 完全依赖就不用多说了吧。

**重要提示：有一些特殊情况：在一个关系模式中，如果没有非主属性，则认为符合第三范式，无需再细究部份依赖、传递依赖。** 什么是非主属性？看下面的【扩展】

### 扩展

主属性：在任意 候补关键字 中 出现的列，就是主属性，否则就是非主属性！

## 建模方式

### 数据流图（`DFD`）
定义：数据流图是一种结构化分析方法，用于描述系统的功能和数据流动。它以图形化的方式表示系统的各种功能和数据流，以及功能之间的关系。

组成：数据流图主要由四种图元组成：
- 外部实体（`External Entity`）：与系统交互的外部对象或系统。
- 过程（`Process`）：执行某些功能或操作的模块或子系统。
- 数据流（`Data Flow`）：在系统中流动的数据或信息。
- 数据存储（`Data Store`）：系统中存储数据的地方，如数据库或文件。

目的：数据流图用于可视化系统的功能和数据流动，帮助分析系统的结构和交互过程，以便更好地设计和理解系统。

### 实体关系图（ERD）

定义：实体关系图是一种用于数据建模的图形化表示方法，用于描述系统中的实体及它们之间的关系。

组成：实体关系图主要由三种组件组成：
- 实体类型（`Entity Type`）：系统中具有独立身份的对象或事物。
- 属性（`Attribute`）：描述实体类型的特征或属性。
- 关系（`Relationship`）：实体类型之间的关联或联系。

目的：实体关系图用于描述系统中的数据结构和关系，帮助分析系统中的实体之间的联系和约束，以便更好地设计和规划数据库结构。

软考知识点16：数据库相关知识

## 简介

本文用于记录软考中，关于数据库设计时的一些考题，主要包括数据库设计的方法、过程的一些理论考题。

如有想要记录的题目，欢迎评论补充！

> 关注公众号“**月上老狗**”，发送“**软件设计师**”，获取历年软件设计师软考真题。
> 
> ![image](https://images.oldmoon.top/images/dingdangdog/dingdangdog-1680842466920.jpg)



## 关系模式

:::info{title="相关信息"}
该部分题目建议先学习理论知识和算法！可参考：[软考知识点16：数据库相关知识](https://oldmoon.top/post/293)
:::

1. 在关系模式`R(U, F)`中，`U = {A, B, C, D, E}`，`F = {A->B, DE->B, CB->E, E->A, B->D}`，则 关系模式`R` 的候选关键字是谁？分解谁是无损连接，并保持函数依赖的？

> 备注：该部分题目解题思路较难理解，在这不作详细讲解，想要学习的可以阅读【[软考知识点16：数据库相关知识](https://oldmoon.top/post/293)】
> 
> 1. 由题目可知，C没有任何条件可以查询到他，所以 `C` 必然是一个主属性，但由于 `C` 自身查询不出来任何条件，所以根据题意必须于 `B` 组合使用，由 `CB` 再去推导可以发现，以此可以获得全部 `A、B、C、D、E` 全部列，所以 `CB` 是候选关键字！但是题目中可能没有这个明显的答案，此时你就需要看哪些选项包含 `C`，再去尝试，如 `CE`，已知 `E->A->B->D`，所以 `CE` 也可以得到全部列，也是候选关键字！其他 `CA`和`CD` 尝试后可以发现是不能得到全部列的，所以不是。
> 2. 第二问一般是选择题才会出现。保持函数依赖指的是拆解后，原来的依赖组合列不被拆散，但是荣誉依赖关系可以不做考虑！如题目中 `E->A->B` 可知 `E->B` 成立，所以`DE->B` 是冗余依赖关系，可以不考虑。无损连接表示拆分多个子关系模式后，通过自然连接等运算仍能还原到原来的关系模式。经过以上几个概念思考可知，由于 `CB->E` 这个关系的存在，所以必然要将 `C` 和 `E` 分在其中一个子关系模式中，才能在合并后出现 `CB->E` 的关系，由此再去根据选项排除计算即可。

2. 某企业的培训关系模式R(培训科目，培训师，学生，成绩，时间，教室)，R的函数依赖集F=(培训科目→→培训师，(学生，培训科目)→成绩，(时间，教室)→培训科目，(时间，培训师)→教室，(时间，学生)→教室}。关系模式R的主键为 ( ？)，其规范化程度最高达到( ？)。 

 | 选项 | 分析 |
 | ------------------- | -------------------------------------------------------- |
 | A. (学生，培训科目) | |
 | B. (时间，教室) | |
 | C. (时间，培训师) | |
 | D. (时间，学生) | 正确。根据候选键推导方式，可以确定候选键为（时间，学生） |
 | A. 1NF | |
 | B. 2NF | 正确。没有部份依赖，但有传递依赖，所以范式程度为2NF |
 | C. 3NF | |
 | D. BCNF | |

 

## 数据建模

1. 某医院预约系统的部分需求为:患者可以查看医院发布的专家特长介绍及其就诊时间;系统记录患者信息，患者预约特定时间就诊。用 `DFD` 对其进行功能建模时，患者是什么？用 `ERD` 对其进行数据建模时，患者又是什么？

> 1. 在使用数据流图（`DFD`）进行功能建模时，患者应被视为一个外部实体。外部实体表示系统外部与系统进行交互的对象或系统。在这种情况下，患者是与医院预约系统进行交互的用户角色，因此被归类为外部实体。所以答案是：外部实体。
> 
> 2. 在使用实体关系图（`ERD`）进行数据建模时，患者应被视为一个实体。实体表示系统中具有独立身份的对象或事物。在这种情况下，患者是系统中一个重要的数据主体，系统需要记录患者的个人信息和预约记录等，因此被归类为实体。 所以答案是：实体。

2. 其企业信息系统采用分布式数据库系统。“当某一场地故障时，系统可以使用其他场地上的副本而不至于使整个系统瘫痪”称为分布式数据库的( )。
> A.共享性 B.自治性 C.可用性 D.分布性

> 参考答案：C
> 解析:
> - 可用性是指将数据分布于多 个场地，并增加适当的冗余度，当一个场地出了故障不会引起整个系統崩溃，因为故障场地的用户可以通过其它场地进入系统,利用其它数据副本执行操作，不影响，业务的正常运行。
> - 自治性是指网络中的每个节点具有独立处理的能力(称为场地自治),可以执行局部应用。同时，每个节点也能通过网络通信子系统执行全局应用。
> 
> 在分布式数据库系统中，应用程序直接使用本节点数据的性质称为自治性共享性是指各节点数据共享；自治性是指每个节点对本地数据都能独立管理。

## 数据库体系

1. 采用三级结构/两级映像的数据库体系结构，如果对数据库的一张表创建聚簇索引，改变的是数据库的( )。

| 选项 | 解析 |
| ----------- | ------------------------------------------------------------ |
| A. 用户模式 | 用户模式是指用户所看到和使用的数据库视图。它定义了用户如何看到数据和以何种方式访问数据，与物理存储无关。 创建聚簇索引不会直接影响用户模式，因为用户依然通过相同的逻辑结构（表、视图）访问数据。 |
| B. 外模式 | 外模式是用户对数据的视图，通常通过视图或子集定义。外模式描述了不同用户对数据库的不同视图。 创建聚簇索引不会改变外模式，因为外模式是用户对数据的逻辑视图，而不是数据的物理存储方式。 |
| C. 模式 | 模式（Schema）是数据库的逻辑结构定义，包括表、视图、约束、索引等。 创建聚簇索引会影响模式中的索引部分，因为索引是数据库逻辑结构的一部分。 |
| D. 内模式 | 选D： 内模式（Internal Schema）是数据库的物理存储结构和存取路径，描述了数据在物理存储设备上的组织和存取方式。 创建聚簇索引直接影响数据库的物理存储和访问路径，因为聚簇索引会改变数据的物理排序和存储方式。 |

软考真题3：数据库设计相关题目

## 简介

本文用于记录软考中关于设计模式的题目，主要是概念理解型题目。

如有想要记录的题目，欢迎评论补充！

> 关注公众号“**月上老狗**”，发送“**软件设计师**”，获取历年软件设计师软考真题。
> 
> ![image](https://images.oldmoon.top/images/dingdangdog/dingdangdog-1680842466920.jpg)



## 概念理解

1. 装饰器（`Decorator`）模式的作用是什么？

> 装饰器（`Decorator`）模式是一种结构型设计模式，它允许你动态地向对象添加职责（即功能或行为），而不需要修改类的代码。这种模式是通过创建一个装饰类来包装原始类，从而在保持类接口完整性的同时，增加新的行为。

2. 外观（`Facade`）模式的作用是什么？

> 外观模式（`Facade Pattern`）是一种结构型设计模式，它为复杂的子系统提供了一个统一的接口，使得子系统更容易使用。通过定义一个高层接口，外观模式简化了子系统的使用，提高了代码的可读性和维护性。

软考真题2：设计模式相关题目

## 简介

本文用于记录软考中，与编程算法有关的题目。

如有想要记录的题目，欢迎评论补充！

> 关注公众号“**月上老狗**”，发送“**软件设计师**”，获取历年软件设计师软考真题。
> 
> ![image](https://images.oldmoon.top/images/dingdangdog/dingdangdog-1680842466920.jpg)



## 算法策略

1. 分治策略（`Divide and Conquer`）：（最常见的二分法）分治策略将原问题分解成若干个规模较小且结构与原问题相似的子问题，递归地解决这些子问题，并将子问题的解合并起来得到原问题的解。对应的排序算法：归并排序和快速排序。
2. 贪心策略（`Greedy Strategy`）：贪心策略在每一步都选择当前状态下的最优解，希望通过局部最优解的累积达到全局最优解。
3. 动态规划（`Dynamic Programming`）：动态规划通过将原问题分解成若干个子问题，并以自底向上或自顶向下的方式求解子问题，从而得到原问题的最优解。
4. 回溯法（`Backtracking`）：回溯法是一种通过在问题的所有可能解空间中搜索解，并逐步构建解的方法，直到找到满足约束条件的解或者确定无解为止。
5. 线性规划（`Linear Programming`）：线性规划是一种通过线性函数构建模型，并通过线性不等式约束找到最优解的方法。
6. 模拟退火（`Simulated Annealing`）：模拟退火是一种通过模拟物理退火过程来寻找最优解的随机搜索算法，通过接受较差的解以避免陷入局部最优解。
7. 遗传算法（`Genetic Algorithm`）：遗传算法是一种受自然界进化过程启发的优化算法，通过模拟生物进化过程中的遗传、变异、选择等操作来寻找最优解。

## 排序算法

1. **有哪些排序算法？**

> 参考：【[常见排序算法原理及其时间复杂度](https://oldmoon.top/post/303)】

2. **现需要对一个基本有序的数组进行排序，此时最适宜采用什么排序算法？时间复杂度是多少？**

> 对于一个基本有序的数组进行排序，最适合使用的排序算法是 **插入排序**（`Insertion Sort`）。插入排序在处理基本有序的数组时非常高效，其时间复杂度可以接近 `O(n)`。
> 
> 插入排序的优势：
> 1. 适应性强：插入排序在处理已经基本有序的数据时，性能非常好，接近线性时间复杂度 `O(n)`。
> 2. 稳定性：插入排序是稳定的排序算法，不会改变相同元素的相对顺序。
> 3. 原地排序：插入排序是一种原地排序算法，只需要常数级别的额外空间 `O(1)`。
> 
> 插入排序的工作原理：插入排序通过构建一个有序序列，对于未排序的数据，在已排序序列中从后向前扫描，找到相应位置并插入。具体步骤如下：
> 1. 从第一个元素开始，该元素可以认为已经被排序。
> 2. 取出下一个元素，在已经排序的元素序列中从后向前扫描。
> 3. 如果已经排序的元素大于新元素，则将该元素移到下一位置。
> 4. 重复步骤 `3`，直到找到已排序的元素小于或者等于新元素的位置。
> 5. 将新元素插入到该位置后。
> 6. 重复步骤 `2-5`。
> 
> 时间复杂度分析：
> - 最坏情况下：当数组是逆序时，插入排序需要进行大量的移动操作，时间复杂度为 `O(n^2)`。
> - 最优情况下：当数组已经完全有序时，插入排序只需进行一次比较，时间复杂度为 `O(n)`。
> - 平均情况下：一般情况下时间复杂度为 `O(n^2)`，但对于基本有序的数组，插入排序仍然能够表现出接近 `O(n)` 的时间复杂度。

## 二叉树

1. 假设某消息中只包含7个字符`{a,b,c,d,e,f,g}`，这7个字符在消息中出现的次数为`{5，24，8，17，34，4，13}`，利用哈夫曼树(最优二叉树)为该消息中的字符构造符合前缀編码要求的不等长编码。各字符的编码长度分别为( )。 

- A. `a:4,b:2,c:3,d:3,e:2,f:4,g:3`
- B. `a:6,b:2,c:5,d:3,e:1,f:6,g:4`
- C. `a:3,b3:,c:3,d:3,e:3,f:2,g:3`
- D. `a:2,b:6,c:3,d:5,e:6,f:1,g:4`

> 解析：由题意可知各字符及其出现的频率：`a:5, b:24, c:8, d:17, e:34, f:4, g:13`，哈夫曼树(最优二叉树)是优先编码出现最多的字符，所以由大到小一次是 `e、b、d、g、c、a、f`，最小的两个字符为同一个节点分支，所以分别是 `e:1,b:2,d:3,g:4,c:5,a:6,f:6`，所以 *选择B*。

2. 设某二叉树采用二叉链表表示(即结点的两个指针分别指示左、右孩子)。当该二叉树包含k个结点时，其二叉链表结点中必有( )个空的孩子指针。

> 解析：在二叉树中，每个节点最多有两个孩子，因此每个节点有两个孩子指针。在二叉链表表示法中，如果一个节点没有左孩子或右孩子，那么对应的孩子指针就为空。
>
> 对于包含k个节点的二叉树，总共有2k个孩子指针。然而，除了根节点外，每个节点都是其父节点的一个孩子，因此有k-1个孩子指针被使用。所以，二叉链表节点中必有2k - (k - 1) = **k + 1**个空的孩子指针。

3. 根据其使用频率为其构造哈夫曼编码。以下编码方案中（ ？）是不可能的。

> 哈夫曼编码是一种无损数据压缩算法，通过构建一棵二叉树，将频率较高的字符用较短的编码表示，频率较低的字符用较长的编码表示，从而实现数据的压缩。哈夫曼编码的关键特性是前缀码：任何编码都不是其他编码的前缀，这确保了解码的唯一性和正确性。
> 判断一组数据是否哈夫曼编码的步骤：
> 1. 检查前缀属性：哈夫曼编码中，任何一个代码都不是另一个代码的前缀。
> 2. 解码数据：使用哈夫曼树（解码树）从左到右逐位解码数据。如果解码过程中遇到无法识别的代码，则该数据不是哈夫曼编码。
> 3. 检查唯一性：哈夫曼编码中，每个符号都有一个唯一的代码。
如果解码过程中遇到相同的代码对应不同的符号，则该数据不是哈夫曼编码。

|选项|分析|
|--|--|
|A. `{111, 110, 101, 100, 0}`|正确。|
|B. `{0000, 0001, 001, 01, 1}`|正确。|
|C. `{11, 10, 01, 001, 000}`|正确。|
|D. `{11, 10, 011, 010, 000}`|不正确。因为哈夫曼编码可以认为是由哈夫曼树得来，而哈夫曼树的构造过程是自底向上的，最外层叶子节点必然是偶数个，但D选项最外层叶子节点是`011/010/000`三个，所以D不正确。|

4. Kruskal算法求解最小生成树，用的是什么算法策略？最小生成树是什么？Kruskal算法又是什么？

> 最小生成树（Minimum Spanning Tree，简称MST）是一棵包含图中所有顶点的树，并且具有最小的总权值。在一个连通的带权无向图中，其最小生成树是一棵权值和最小的生成树。
>
> Kruskal算法是一种用于求解最小生成树的贪心算法。其基本思想是按边的权值从小到大选择边，并保证选择的边不构成环，直到选出了n-1条边为止（n为图中顶点的个数）。Kruskal算法的具体步骤如下：
> 1. 将图中的所有边按权值从小到大进行排序。
> 2. 依次选择排序后的边，如果该边不与已选择的边构成环，则将其加入最小生成树的集合中。
> 3. 直到最小生成树中的边数达到n-1为止，其中n为图中顶点的个数。

权值：使用 Kruskal 求得的最小生成树就是连接所有顶点权值最小的通路，权值就是通路上的值之和。

## 加密算法

0. 常见加密算法的加密策略：

- AES（`Advanced Encryption Standard`）：加密策略：对称加密算法，使用相同的密钥进行加密和解密。支持128位、192位和256位密钥长度。运作方式：将明文分块，每个块与密钥进行混淆运算，反复执行多轮的代换和置换操作，最终生成密文。
- RSA（`Rivest-Shamir-Adleman`）：加密策略：非对称加密算法，使用一对公钥和私钥。运作方式：发送方使用接收方的公钥对数据进行加密，接收方使用自己的私钥对数据进行解密。RSA算法基于数论中的大数分解问题，依赖于两个大素数的乘积难以分解的特性。
- ECC（`Elliptic Curve Cryptography`）：加密策略：非对称加密算法，利用椭圆曲线上的离散对数问题来实现加密。优点：相比RSA等算法，ECC在相同的安全强度下使用的密钥长度更短，计算量更小，适合于资源受限的环境。
- MD5（`Message Digest Algorithm 5`）：加密策略：哈希算法，将任意长度的输入转换为128位的输出。特点：MD5是一种不可逆的哈希算法，相同的输入会产生相同的输出，不同的输入产生不同的输出，但是不能从输出推导出输入。
- SHA-256（`Secure Hash Algorithm 256位`）：加密策略：哈希算法，将任意长度的输入转换为256位的输出。特点：SHA-256是一种安全性更高的哈希算法，相比MD5更难以碰撞，用于验证数据的完整性和生成数字签名等场景。

1. 以下加密算法中适合对大量的明文消息进行加密传输的是( )。 

| 选项 | 分析 |
| -------- | ------------------------------------------------------------ |
| A. RSA | RSA是一种**非对称加密算法**，用于加密和数字签名。 它使用公钥和私钥配对，适用于安全通信、数字签名和密钥交换。 |
| B. SHA-1 | SHA-1也是一种**信息摘要算法**，用于确保数据完整性。 它产生160位的散列值，目前仍然安全，但不推荐使用，因为存在更安全的替代算法。 **注意**：SHA-1已被证实存在碰撞漏洞，不再被广泛推荐使用。 |
| C. MD5 | MD5是一种**信息摘要算法**，用于确保信息传输的完整性。 它将任意长度的输入转换为128位（16字节）的散列值，通常用于校验文件完整性或密码存储。 **注意**：MD5已被攻破，不适合用于安全性认证，如SSL公开密钥认证或数字签名。 |
| D. RC5 | 正确。RC5术语对称加密算法。适合对大量明文消息进行加密传输的是**对称加密算法**。 其中，高度安全且常用的对称加密算法之一是AES。 |

2. 假定用户A、B分别在`I1`和`I2`两个CA处取得了各自的证书，下面( )是A、B互信的必要条件 

| 选项 | 分析 |
| --------------------- | ------------------------------------------------------------ |
| A. A、B互换私钥 | 正确。 在公钥基础设施（PKI）中，用户A和B分别在证书颁发机构（CA）`I1`和`I2`处取得了各自的证书。 这些证书包含了用户的公钥和一些身份信息，并由CA进行签名。 为了实现A和B的互信，他们需要交换各自的公钥，而不是私钥。私钥应该始终保持私密，不应该与任何人共享。 同时，CA的公钥需要被广泛分发，以便任何人都可以验证由CA签名的证书。 但是，CA的私钥也应该保持私密，不应该与任何人共享。 |
| B. A、B互换公钥 | |
| C. `I1`、`I2`互换私钥 | |
| D. `I1`、`I2`互换公钥 | |

软考真题1：算法相关题目

## 总结

前面的几个章节，我们学习了操作系统相关的众多考点，这里给大家整理一下这些考点的清单：

|考点|考题类型|分值|出现概率|文章|
|----|----|--|--|------|
|操作系统概念|理论|1|低|软考知识点10|
|进程|理论|1|低|软考知识点10|
|线程|理论|1|低|软考知识点10|
|进程调度模型|理论、计算|1-2|中|软考知识点11|
|PV操作|理论|1|中|软考知识点11|
|PV模型与信号量|理论、计算|1-3|高|软考知识点11|
|死锁|理论、计算|1|低|软考知识点12|
|进程资源图|理论|1|低|软考知识点12|
|存储方式分类|理论|1|低|软考知识点13|
|段式存储|理论、计算|1|低|软考知识点13|
|页式存储|理论、计算|1-2|中|软考知识点13|
|磁盘的组成|理论|1|低|软考知识点14|
|磁盘读取时间|理论、计算|1-2|中|软考知识点14|
|磁盘读取方式（移臂调度）|理论、计算|1-2|中|软考知识点14|
|IO管理软件分层|理论|1|中|软考知识点15|
|文件相关概念|理论|1|中|软考知识点15|
|文件索引分层|理论、计算|1-2|中|软考知识点15|
|作业管理|理论|1|低|未讲到的其他知识|

同学们可以参考本表格进行针对性学习。

> 关注公众号“**月上老狗**”，发送“**软件设计师**”，获取历年软件设计师软考真题。
> 
> ![image](https://images.oldmoon.top/images/dingdangdog/dingdangdog-1680842466920.jpg)

## 声明

本表格仅是个人总结内容，不保证与考试内容完全相符！

软考知识点总结2：操作系统相关知识

twitter:card

twitter:title

twitter:site

twitter:image

努力做一只帅气、有才、豁达的老狗！

twitter:description

程序员,笔记,Bug记录,编程技术,AI,Java,Node,Golang,个人博客,资源分享,月上老狗,dingdangdog

考点	考题类型	分值	出现概率	文章
操作系统概念	理论	1	低	软考知识点10
进程	理论	1	低	软考知识点10
线程	理论	1	低	软考知识点10
进程调度模型	理论、计算	1-2	中	软考知识点11
PV操作	理论	1	中	软考知识点11
PV模型与信号量	理论、计算	1-3	高	软考知识点11
死锁	理论、计算	1	低	软考知识点12
进程资源图	理论	1	低	软考知识点12
存储方式分类	理论	1	低	软考知识点13
段式存储	理论、计算	1	低	软考知识点13
页式存储	理论、计算	1-2	中	软考知识点13
磁盘的组成	理论	1	低	软考知识点14
磁盘读取时间	理论、计算	1-2	中	软考知识点14
磁盘读取方式（移臂调度）	理论、计算	1-2	中	软考知识点14
IO管理软件分层	理论	1	中	软考知识点15
文件相关概念	理论	1	中	软考知识点15
文件索引分层	理论、计算	1-2	中	软考知识点15
作业管理	理论	1	低	未讲到的其他知识