BI-SQL丨角色和用户

这篇具有很好参考价值的文章主要介绍了BI-SQL丨角色和用户。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

BI-SQL丨角色和用户

角色和用户

在数仓的运维工作中,经常需要为用户开通不同权限的账号,使用户可以正常访问不同的数据,那么这就需要我们了解SQL Server的权限体系。

名词解释

登录名: 用来登录服务器的用户账号,例:sa,这个就是默认的可以登录SQL Server服务器的超级管理员账号。

用户名: 用来登录数据库的访问账号,例:有些时候,我需要赋予某些用户权限,只可以对某个数据库有操作,不能对服务器有操作,这种情况下就需要使用用户名。

登录名和用户名,在服务器层级的关系是一对多,在数据库层级的关系是一对一。

角色: 角色分为两类,一类是服务器角色,一类是数据库角色。

服务器角色:指的是登录名登录到服务器后,对服务器所具有的权限。

数据库角色:指的是用户名访问到数据库后,对数据库所具有的权限。

系统中默认的角色分类如下:

类别 角色 描述
服务器 sysadmin 以在SQLServer中执行任何活动。
服务器 serveradmin 以设置服务器范围的配置选项,关闭服务器。
服务器 setupadmin 以管理链接服务器和启动过程。
服务器 securityadmin 以管理登录和CREATE、DATABASE权限,还以读取错误日志和更改密码。
服务器 processadmin 以管理在SQLServer中运行的进程。
服务器 dbcreator 以创建、更改和除去数据库。
服务器 diskadmin 以管理磁盘文件。
服务器 bulkadmin 以执行BULKINSERT语句。
数据库 db_owner 数据库中有全部权限。
数据库 db_accessadmin 以添加或删除用户ID。
数据库 db_securityadmin 以管理全部权限、对象所有权、角色和角色成员资格。
数据库 db_ddladmin 以发出ALLDDL,但不能发出GRANT、REVOKE或DENY语句。
数据库 db_backupoperator 以发出DBCC、CHECKPOINT和BACKUP语句。
数据库 db_datareader 以选择数据库内任何用户表中的所有数据。
数据库 db_datawriter 以更改数据库内任何用户表中的所有数据。
数据库 db_denydatareader 不能选择数据库内任何用户表中的任何数据。
数据库 db_denydatawriter 不能更改数据库内任何用户表中的任何数据。

数据库架构:

数据库架构(Schema)在不同的数据库中定义是不同的,这里只阐述SQL Server中架构的定义。

Schema官方的解释叫做数据库逻辑对象的集合,说的通俗一点就是将数据库中的对象进行分组,以方便管理和进行权限管控。

举个例子:
某个地方有一片工业园区,这个园区就是服务器
在园区内,有很多企业落户在这里,这些企业就是数据库
工业园区每天早上6点定时,大家可以进来工作,这个定时就是JOB
白茶是整个工业园区的负责人,负责整个园区的所有事务,这时候白茶的角色是服务器角色
除了负责园区以外,白茶也在这片园区里面开办了一家企业,或在里面的某家企业任职,这时候白茶的角色是数据库角色
在园区,白茶是登录名,在企业内,白茶是用户名,且白茶可以在多家企业任职,所以在服务器层面,登录名和用户名的关系是一对多,落到具体的数据库层面,登录名和用户名的关系是一对一。
每个企业内,又分为不同的行政部门,这些部门就是数据库架构,将有关联关系的人分配到一起进行工作。
办公室里面装有监控,记录着大家日常的工作行为,监控就是日志
某部门员工小A,在拿到合同以后,需要找主管审批,然后上报公司存档,这一过程就是存储过程

白茶描述的可能有些地方不是特别的准确,只是为了让大家可以有个类似的概念。

使用实例

案例数据:

BI-SQL丨角色和用户

在白茶本机的数据库中,存在名为“CaseData”的数据库。

例子1:

创建名为“Test”的登录名,使其具有服务器登录权限,不赋予数据库权限。

BI-SQL丨角色和用户

BI-SQL丨角色和用户

结果如下:

BI-SQL丨角色和用户

例子2:

更新“Test”登录名的权限,赋予其“CaseData”数据库的只读权限。

BI-SQL丨角色和用户

结果如下:

BI-SQL丨角色和用户

BI-SQL丨角色和用户

例子3:

更新“Test”登录名的权限,使其仅能查询“CaseData”数据库中的某张表。

BI-SQL丨角色和用户

BI-SQL丨角色和用户

结果如下:

BI-SQL丨角色和用户

例子4:

创建“Test”的Schema,并创建一张表,不对Test登录名开放。

CREATE SCHEMA Test

结果如下:

BI-SQL丨角色和用户

CREATE TABLE [Test].[BAICHATEST](
  [Result] [int] NULL
)

结果如下:

BI-SQL丨角色和用户

BI-SQL丨角色和用户

BI-SQL丨角色和用户

BI-SQL丨角色和用户

这里是白茶,一个PowerBI的初学者。
BI-SQL丨角色和用户文章来源地址https://www.toymoban.com/news/detail-499622.html

到了这里,关于BI-SQL丨角色和用户的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • Power BI 傻瓜入门 17. 共享和Power BI工作区

    本章内容包括: 设置与Power BI服务的共享和协作 使用监控和性能工具加快业务运营 通过查看数据联机排除数据故障 在经历了跨数据源的整个数据生命周期、构建可视化、了解DAX和发布报告之后,作为power BI的高级用户,您的下一步是与业务中的所有利益相关者共享桌面上的

    2024年02月08日
    浏览(46)
  • 物流实时数仓——概述与准备工作

    目录 一、架构设计与技术栈 (一)数仓架构设计  (二)所用技术栈 (三)最终效果 二、关于离线与实时的相关概念 三、实时数仓设计思路 Hadoop 3.3.4 Zookeeper 3.7.1 Kafka 3.3.1 Hbase 2.4.11 Redis 6.0.8 Flink 1.17.0 Clickhouse Spring Sugar 物流         业务 离线         批处理         在处理数据

    2024年01月24日
    浏览(33)
  • ansible自动化运维(二)剧本、角色编写实战

    😘作者简介:一名运维工作人员。 👊宣言:人生就是B(birth)和D(death)之间的C(choise),做好每一个选择。 🙏创作不易,动动小手给个点赞加关注吧,有什么意见评论区告诉我。 目录 一、剧本(playbook) 1、介绍 2、剧本组成 3、剧本编写规范 4、实战(编写搭建nginx的

    2024年02月15日
    浏览(46)
  • 数仓学习---15、数据仓库工作流调度

    工具部署链接 1.2.1 用户行为日志 1、启动日志采集通道,包括Kafka、Flume等 (1)启动Zookeeper (2)启动Kafka (3)启动Flume 2、修改日志模拟器配置文件 修改hadoop102和hadoop103两台节点中的/opt/module/applog/application.yml文件,修改mock.date参数如下。 3、执行日志生成脚本 4、观察HDFS上

    2024年02月15日
    浏览(41)
  • 物流实时数仓DWD层——1.准备工作

    目录 1.创建主程序——DwdOrderRelevantApp类 2.创建DWD层的事实表——来源于订单表和订单明细表 (1)创建订单表实体类 (2)创建订单明细表实体类 (3)创建交易域:下单事务事实表实体类,并整合(1)与(2),采用下单时间 (4)创建交易域:支付成功事务事实表实体类,并整合(1)与(2),采

    2024年02月01日
    浏览(40)
  • 数仓用户行为数据分析

    分层优点:复杂的东西可以简单化、解耦(屏蔽层作用)、提高复用、方便管理 SA 贴源  数据组织结构与源系统保持一致 shm 历史层  针对不同特征的数据做不同算法,目的都是为了得到一份完整的数据 PDM 明细层 做最细粒度的数据明细,最高扩展性和灵活性,企业级的数据

    2024年02月08日
    浏览(42)
  • Power BI实现实时动态和用户输入的数据交互

    背景:Power BI一般作为一个展示和分析数据的平台存在,即使是我们用Direct Query的mode也是受制于连接的数据库的表刷新,不能实现实时动态数据变化展示。 解决思路:当Power Apps里面输入了新的数据时,数据会写入到database的table表里面,然后通过Direct Query来连接的Power BI,发

    2024年02月07日
    浏览(45)
  • Flink实时数仓之用户埋点系统(一)

    用户行为采集 行为数据:页面浏览、点击、在线日志等数据 活跃数据:用户注册、卸载安装、活跃等数据 App性能日志:卡顿、异常等数据 业务数据采集 业务数据:支付等 维度表:渠道、商品等 用户行为日志 日志结构大致可分为两类,一是页面日志,二是启动日志和在线

    2024年04月11日
    浏览(44)
  • Power query (Power BI)一步到位傻瓜式合并工作簿,史上最好用

    只需一句话,不用鼠标拖拽十几次,没有步步为营,真正的傻瓜式操作,拿来就用。哪怕你没有任何Power BI (Power query)、VBA编程、Excel 函数公式基础,照样分分钟解决合并工作簿的难题,并且随着数据源的更新,不限于表格内更新,新建工作表,新建工作簿……统统一键刷

    2024年02月05日
    浏览(44)
  • 实时数仓|基于Flink1.11的SQL构建实时数仓探索实践

    实时数仓主要是为了解决传统数仓数据时效性低的问题,实时数仓通常会用在实时的 OLAP 分析、实时的数据看板、业务指标实时监控等场景。虽然关于实时数仓的架构及技术选型与传统的离线数仓会存在差异,但是关于数仓建设的基本方法论是一致的。本文会分享基于 Flink

    2024年02月16日
    浏览(48)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包