阿里巴巴公司DBA笔试题

　　一:SQL tuning 类

* 　　1:列举几种表连接方式
* 　　2:不借助第三方工具，怎样查看sql的执行计划
* 　　3:如何使用CBO,CBO与RULE的区别
* 　　4:如何定位重要(消耗资源多)的SQL
* 　　5:如何跟踪某个session的SQL
* 　　6:SQL调整最关注的是什么
* 　　7:说说你对索引的认识(索引的结构、对dml影响、对查询影响、为什么提高查询性能)
* 　　8:使用索引查询一定能提高查询的性能吗?为什么
* 　　9:绑定变量是什么?绑定变量有什么优缺点?
* 　　10:如何稳定(固定)执行计划
* 　　11:和排序相关的内存在8i和9i分别怎样调整，临时表空间的作用是什么
* 　　12:存在表T(a,b,c,d),要根据字段c排序后取第21—30条记录显示，请给出sql

　　二:数据库基本概念类

* 　　1:pctused and pctfree 表示什么含义有什么作用
* 　　2:简单描述table / segment / extent / block之间的关系
* 　　3:描述tablespace和datafile之间的关系
* 　　4:本地管理表空间和字典管理表空间的特点，ASSM有什么特点
* 　　5:回滚段的作用是什么
* 　　6:日志的作用是什么
* 　　7:SGA主要有那些部分，主要作用是什么
* 　　8racle系统进程主要有哪些，作用是什么

　　三:备份恢复类

* 　　1:备份如何分类
* 　　2:归档是什么含义
* 　　3:如果一个表在2004-08-04 10:30:00 被drop，在有完善的归档和备份的情况下，如何恢复
* 　　4:rman是什么，有何特点
* 　　5:standby的特点
* 　　6:对于一个要求恢复时间比较短的系统(数据库50G,每天归档5G)，你如何设计备份策略

　　四:系统管理类

* 　　1:对于一个存在系统性能的系统，说出你的诊断处理思路
* 　　2:列举几种诊断IO、CPU、性能状况的方法
* 　　3:对statspack有何认识
* 　　4:如果系统现在需要在一个很大的表上创建一个索引，你会考虑那些因素，如何做以尽量减小对应用的影响
* 　　5:对raid10 和raid5有何认识

　　五:综合随意类

* 　　1:你最擅长的是oracle哪部分?
* 　　2:喜欢oracle吗?喜欢上论坛吗?或者偏好oracle的哪一部分?
* 　　3:随意说说你觉得oracle最有意思的部分或者最困难的部分
* 　　4:为何要选择做DBA呢?

参考解答：

　　一：SQL tuning 类

　　1:列举几种表连接方式

　　hash join/merge join/nest loop(cluster join)/index join

　　2:不借助第三方工具，怎样查看sql的执行计划

　　set autot on
　　explain plan set statement_id = &item_id for &sql;
　　select * from table(dbms_xplan.display);
　　http://download-west.oracle.com/ ... /b10752/ex_plan.htm

　　3:如何使用CBO,CBO与RULE的区别

　　在optimizer_mode=choose时,如果表有统计信息(分区表外),优化器将选择CBO,否则选RBO。RBO遵循简单的分级方法学,使用15种级别要点，当接收到查询，优化器将评估使用到的要点数目, 然后选择最佳级别(最少的数量)的执行路径来运行查询。

　　CBO尝试找到最低成本的访问数据的方法,为了最大的吞吐量或最快的初始响应时间,计算使用不同 的执行计划的成本，并选择成本最低的一个,关于表的数据内容的统计被用于确定执行计划。

　　4:如何定位重要(消耗资源多)的SQL

select sql_text
from v$sql
where disk_reads > 1000 or (executions > 0 and buffer_gets/executions > 30000);

　　5:如何跟踪某个session的SQL

exec dbms_system.set_sql_trace_in_session(sid,serial#,&sql_trace);
select sid,serial# from v$session where sid = (select sid from v$mystat where rownum = 1);
exec dbms_system.set_ev(&sid,&serial#,&event_10046,&level_12,'');

　　6:SQL调整最关注的是什么

　　查看该SQL的response time(db block gets/consistent gets/physical reads/sorts (disk))

　　7:说说你对索引的认识(索引的结构、对dml影响、为什么提高查询性能)

　　b-tree index/bitmap index/function index/patitional index(local/global) 索引通常能提高select/update/delete的性能,会降低insert的速度,

　　8:使用索引查询一定能提高查询的性能吗?为什么

　　索引就是为了提高查询性能而存在的, 如果在查询中索引没有提高性能, 只能说是用错了索引,或者讲是场合不同

　　9:绑定变量是什么?绑定变量有什么优缺点?

　　绑定变量是相对文本变量来讲的,所谓文本变量是指在SQL直接书写查询条件，这样的SQL在不同条件下需要反复解析,绑定变量是指使用变量来代替直接书写条件，查询bind value在运行时传递，然后绑定执行。优点是减少硬解析,降低CPU的争用,节省shared_pool ;缺点是不能使用histogram,sql优化比较困难

　　10:如何稳定(固定)执行计划

　　query_rewrite_enabled = true
　　star_transformation_enabled = true
　　optimizer_features_enable = 9.2.0

　　创建并使用stored outline

　　http://download-west.oracle.com/ ... /outlines.htm#26854

　　11:和排序相关的内存在8i和9i分别怎样调整，临时表空间的作用是什么

　　8i中sort_area_size/sort_area_retained_size决定了排序所需要的内存

　　如果排序操作不能在sort_area_size中完成,就会用到temp表空间

　　9i中如果workarea_size_policy=auto时,

　　排序在pga内进行,通常pga_aggregate_target的1/20可以用来进行disk sort;

　　如果workarea_size_policy=manual时,排序需要的内存由sort_area_size决定

　　在执行order by/group by/distinct/union/create index/index rebuild/minus等操作时,

　　如果在pga或sort_area_size中不能完成,排序将在临时表空间进行(disk sort),

　　临时表空间主要作用就是完成系统中的disk sort.

　　12:存在表T(a,b,c,d),要根据字段c排序后取第21—30条记录显示，请给出sql

　　create table t(a number(,b number(,c number(,d number();
　　/
　　begin
　　for i in 1 .. 300 loop
　　insert into t values(mod(i,2),i/2,dbms_random.value(1,300),i/4);
　　end loop;
　　end;
　　/
　　select * from (select c.*,rownum as rn from (select * from t order by c desc) c) where rn between 21 and 30;
　　/
　　select * from (select * from test order by c desc) x where rownum < 30
　　minus
　　select * from (select * from test order by c desc) y where rownum < 20 order by 3 desc

　　相比之 minus性能较差
数据库基本概念类

　　1:pctused and pctfree 表示什么含义有什么作用

　　pctused与pctfree控制数据块是否出现在freelist中,

　　pctfree控制数据块中保留用于update的空间,当数据块中的free space小于pctfree设置的空间时,

　　该数据块从freelist中去掉,当块由于dml操作free space大于pct_used设置的空间时,该数据库块将

　　被添加在freelist链表中。

　　2:简单描述table / segment / extent / block之间的关系

　　table创建时,默认创建了一个data segment,

　　每个data segment含有min extents指定的extents数,

　　每个extent据据表空间的存储参数分配一定数量的blocks

　　3:描述tablespace和datafile之间的关系

　　一个tablespace可以有一个或多个datafile,每个datafile只能在一个tablespace内,

　　table中的数据,通过hash算法分布在tablespace中的各个datafile中,

　　tablespace是逻辑上的概念,datafile则在物理上储存了数据库的种种对象。

　　4:本地管理表空间和字典管理表空间的特点，ASSM有什么特点

　　本地管理表空间(Locally Managed Tablespace简称LMT)

　　8i以后出现的一种新的表空间的管理模式，通过位图来管理表空间的空间使用。

　　字典管理表空间(Dictionary-Managed Tablespace简称DMT)

　　8i以前包括以后都还可以使用的一种表空间管理模式，通过数据字典管理表空间的空间使用。

　　动段空间管理(ASSM)，

　　它首次出现在Oracle920里有了ASSM，链接列表freelist被位图所取代，它是一个二进制的数组，

　　能够迅速有效地管理存储扩展和剩余区块(free block)，因此能够改善分段存储本质，

　　ASSM表空间上创建的段还有另外一个称呼叫Bitmap Managed Segments(BMB 段)。

　　5:回滚段的作用是什么

　　事务回滚：当事务修改表中数据的时候，该数据修改前的值(即前影像)会存放在回滚段中，

　　当用户回滚事务(ROLLBACK)时，ORACLE将会利用回滚段中的数据前影像来将修改的数据恢复到原来的值。

　　事务恢复：当事务正在处理的时候，例程失败，回滚段的信息保存在undo表空间中，

　　ORACLE将在下次打开数据库时利用回滚来恢复未提交的数据。

　　读一致性：当一个会话正在修改数据时，其他的会话将看不到该会话未提交的修改。

　　当一个语句正在执行时，该语句将看不到从该语句开始执行后的未提交的修改(语句级读一致性)

　　当ORACLE执行SELECT语句时，ORACLE依照当前的系统改变号(SYSTEM CHANGE NUMBER-SCN)

　　来保证任何前于当前SCN的未提交的改变不被该语句处理。可以想象：当一个长时间的查询正在执行时，

　　若其他会话改变了该查询要查询的某个数据块，ORACLE将利用回滚段的数据前影像来构造一个读一致性视图。

　　6:日志的作用是什么

　　记录数据库事务,最大限度地保证数据的一致性与安全性

　　重做日志文件：含对数据库所做的更改记录，这样万一出现故障可以启用数据恢复,一个数据库至少需要两个重做日志文件

　　归档日志文件：是重做日志文件的脱机副本，这些副本可能对于从介质失败中进行恢复很必要。

　　7:SGA主要有那些部分，主要作用是什么

　　SGA：db_cache/shared_pool/large_pool/java_pool
　　db_cache:

　　数据库缓存(Block Buffer)对于Oracle数据库的运转和性能起着非常关键的作用，

　　它占据Oracle数据库SGA(系统共享内存区)的主要部分。Oracle数据库通过使用LRU

　　算法，将最近访问的数据块存放到缓存中，从而优化对磁盘数据的访问.

　　shared_pool:

　　共享池的大小对于Oracle 性能来说都是很重要的。

　　共享池中保存数据字典高速缓冲和完全解析或编译的的PL/SQL 块和SQL 语句及控制结构

　　large_pool:

　　使用MTS配置时，因为要在SGA中分配UGA来保持用户的会话，就是用Large_pool来保持这个会话内存

　　使用RMAN做备份的时候，要使用Large_pool这个内存结构来做磁盘I/O缓存器

　　java_pool:

　　为java procedure预备的内存区域,如果没有使用java proc,java_pool不是必须的

　　8 Oracle系统进程主要有哪些，作用是什么

* 　　数据写进程(dbwr)：负责将更改的数据从数据库缓冲区高速缓存写入数据文件
* 　　日志写进程(lgwr)：将重做日志缓冲区中的更改写入在线重做日志文件
* 　　系统监控(smon) ：检查数据库的一致性如有必要还会在数据库打开时启动数据库的恢复
* 　　进程监控(pmon) ：负责在一个Oracle 进程失败时清理资源
* 　　检查点进程(chpt)：负责在每当缓冲区高速缓存中的更改永久地记录在数据库中时,更新控制文件和数据文件中的数据库状态信息。
* 　　归档进程(arcn) ：在每次日志切换时把已满的日志组进行备份或归档
* 　　作业调度器(cjq) :负责将调度与执行系统中已定义好的job,完成一些预定义的工作.
* 　　恢复进程(reco) :保证分布式事务的一致性,在分布式事务中,要么同时commit,要么同时rollback;
备份恢复类

　　1:备份如何分类

　　逻辑备份：exp/imp

　　物理备份：

　　RMAN备份

　　full backup/incremental backup(累积/差异)

　　热备份:alter tablespace begin/end backup;

　　冷备份:脱机备份(database shutdown)

　　2:归档是什么含义

　　关于归档日志：Oracle要将填满的在线日志文件组归档时,则要建立归档日志(archived redo log)。

　　其对数据库备份和恢复有下列用处：

　　数据库后备以及在线和归档日志文件，在操作系统和磁盘故障中可保证全部提交的事物可被恢复。

　　在数据库打开和正常系统使用下，如果归档日志是永久保存，在线后备可以进行和使用。

　　数据库可运行在两种不同方式下：

　　NOARCHIVELOG方式或ARCHIVELOG 方式数据库在NOARCHIVELOG方式下使用时，不能进行在线日志的归档,如果数据库在ARCHIVELOG方式下运行，可实施在线日志的归档。3: 如果一个表在2004-08-04 10:30:00 被drop，在有完善的归档和备份的情况下，如何恢复?

　　手工拷贝回所有备份的数据文件

　　startup mount;
　　sql alter database recover automatic until time '2004-08-04:10:30:00';
　　alter database open resetlogs;

　　4:rman是什么,有何特点?

　　RMAN(Recovery Manager)是DBA的一个重要工具，用于备份、还原和恢复oracle数据库, RMAN 可以用来备份和恢复数据库文件、归档日志、控制文件、系统参数文件,也可以用来执行完全或不完全的数据库恢复。RMAN有三种不同的用户接口：

　　COMMAND LINE方式、GUI 方式(集成在OEM 中的备份管理器)、API 方式(用于集成到第三方的备份软件中)。

　　具有如下特点：

* 　　1)功能类似物理备份，但比物理备份强大N倍;
* 　　2)可以压缩空块;
* 　　3)可以在块水平上实现增量;
* 　　4)可以把备份的输出打包成备份集，也可以按固定大小分割备份集;
* 　　5)备份与恢复的过程可以自动管理;
* 　　6)可以使用脚本(存在Recovery catalog 中)
* 　　7)可以做坏块监测

　　5:standby的特点

　　备用数据库(standby database)：ORACLE推出的一种高可用性(HIGH AVAILABLE)数据库方案，

　　在主节点与备用节点间通过日志同步来保证数据的同步，备用节点作为主节点的备份

　　可以实现快速切换与灾难性恢复,从920开始，还开始支持物理与逻辑备用服务器。

　　9i中的三种数据保护模式分别是：

　　1)、MAXIMIZE PROTECTION ：最大数据保护与无数据分歧，LGWR将同时传送到备用节点，

　　在主节点事务确认之前，备用节点也必须完全收到日志数据。如果网络不好，引起LGWR不能传送数据，将引起严重的性能问题，导致主节点DOWN机。

　　2)、MAXIMIZE AVAILABILITY ：无数据丢失模式，允许数据分歧，允许异步传送。

　　正常情况下运行在最大保护模式，在主节点与备用节点的网络断开或连接不正常时，自动切换到最大性能模式，

　　主节点的操作还是可以继续的。在网络不好的情况下有较大的性能影响。

　　3)、MAXIMIZE PERFORMANCE：这种模式应当可以说是从8i继承过来的备用服务器模式，异步传送，

　　无数据同步检查，可能丢失数据，但是能获得主节点的最大性能。9i在配置DATA GUARD的时候默认就是MAXIMIZE PERFORMANCE

　　6:对于一个要求恢复时间比较短的系统(数据库50G,每天归档5G)，你如何设计备份策略

　　rman/每月一号 level 0 每周末/周三 level 1 其它每天level 2
四：系统管理类

　　对于一个存在系统性能的系统，说出你的诊断处理思路

　　1 做statspack收集系统相关信息

　　了解系统大致情况/确定是否存在参数设置不合适的地方/查看top 5 event/查看top sql等

　　2 查v$system_event/v$session_event/v$session_wait

　　从v$system_event开始,确定需要什么资源(db file sequential read)等

　　深入研究v$session_event,确定等待事件涉及的会话

　　从v$session_wait确定详细的资源争用情况(p1-p3的值:file_id/block_id/blocks等)

　　3 通过v$sql/v$sqltext/v$sqlarea表确定disk_reads、(buffer_gets/executions)值较大的SQL

　　2:列举几种诊断IO、CPU、性能状况的方法

　　top/vmstat

　　statspack

　　sql_trace/tkprof

　　查v$system_event/v$session_event/v$session_wait

　　查v$sqlarea(disk_reads或buffer_gets/executions较大的SQL)

　　3:对statspack有何认识

　　StapSpack是Oracle公司提供的一个收集数据库运行性能指标的软件包，该软件包从8i起，在9i、10g都有显著的增强。该软件包的辅助表(存储相关参数与收集的性能指标的表)由最初的25个增长到43个。收集级别参数由原来的3个(0、5、10)增加到5个(0、5、 6、7、10)通过分析收集的性能指标，数据库管理员可以详细地了解数据库目前的运行情况，对数据库实例、等待事件、SQL等进行优化调整。利用 statspack收集的snapshot,可以统计制作数据库的各种性能指标的统计趋势图表。

　　4:如果系统现在需要在一个很大的表上创建一个索引，你会考虑那些因素，如何做以尽量减小对应用的影响

　　在系统比较空闲时;nologging选项(如果有dataguard则不可以使用nologging)大的sort_ared_size或pga_aggregate_target较大

　　5:对raid1+0 和raid5有何认识

　　RAID 10(或称RAID 1+0)与RAID 0+1不同，它是用硬盘驱动器先组成RAID 1阵列，然后在RAID 1阵列之间再组成RAID 0阵列。RAID 10模式同RAID 0+1模式一样具有良好的数据传输性能，但却比RAID 0+1具有更高的可靠性。RAID 10阵列的实际容量为M×n/2，磁盘利用率为50%。RAID 10也需要至少4个硬盘驱动器构成，因而价格昂贵。 RAID 10的可靠性同RAID 1一样，但由于RAID 10硬盘驱动器之间有数据分割，因而数据传输性能优良。RAID 5与RAID 3很相似，不同之处在于RAID 5的奇偶校验信息也同数据一样被分割保存到所有的硬盘驱动器，而不是写入一个指定的硬盘驱动器，从而消除了单个奇偶校验硬盘驱动器的瓶颈问题。RAID 5磁盘阵列的性能比RAID 3有所提高，但仍然需要至少3块硬盘驱动器。其实际容量为M×(n-1)，磁盘利用率为(n-1)/n 。

Creating a Linked Server in SSMS for a MySQL database

1. Download the MySQL ODBC driver from mysql.com
2. Install MySQL ODBC driver on Server where SQL Server resides
-Double Click Windows Installer file and follow directions.

3. Create a DSN using the MySQL ODBC driver
Start-> Settings -> Control Panel -> Administrative Tools -> Data Sources (ODBC)
-Click on the System DSN tab
-Click Add
-Select the MySQL ODBC Driver
-Click Finish
On the Login Tab:
-Type a descriptive name for your DSN.
-Type the server name or IP Address into the Server text box.
-Type the username needed to connect to the MySQL database into the user text box.
-Type the password needed to connect to the MySQL database into the password text box.
-Select the database you'd like to start in.
On the Advance Tab:
Under Flags 1:
-Check Don't Optimize column width.
-Check Return Matching Rows
-Check Allow Big Results
-Check Use Compressed protocol
-Check BIGINT columns to INT
-Check Safe
Under Flags 2:
-Check Don't Prompt Upon Connect
-Check Ignore # in Table Name
Under Flags 3:
-Check Return Table Names for SQLDescribeCol
-Check Disable Transactions
Now Test your DSN by Clicking the Test button


4. Create a Linked Server in SSMS for the MySQL database
SSMS (SQL Server Management Studio -> Expand Server Objects
-Right Click Linked Servers -> Select New Linked Server
On the General Page:
-Linked Server: Type the Name for your Linked Server
-Server Type: Select Other Data Source
-Provider: Select Microsoft OLE DB Provider for ODBC Drivers
-Product name: Type MySQLDatabase
-Data Source: Type the name of the DSN you created
On The Security Page
-Map a login to the Remote User and provide the Remote Users Password
-Click Add under Local server login to remote server login mappings:
-Select a Local Login From the drop down box
-Type the name of the Remote User
-Type the password for the Remote User

5. Change the Properties of the Provider MSDASQL
Expand Providers -> Right Click MSDASQL -> Select Properties
-Enable Nested queries
-Enable Level zero only (this one's the kicker)
-Enable Allow inprocess
-Enable Supports 'Like' operator

6. Change settings in SQL Server Surface Area Configuration for Features
-Enable OPENROWSET and OPENDATASOURCE support.
7. Change settings in SQL Server Surface Area Configuration for Services and Connections
-Enable Local and Remote connections via TCP/IP and named pipes

8. Stop SQL Server and SQL Server Agent
9. Start SQL Server and SQL Server Agent

周耀旗教授文/写好英语科技论文的诀窍

主动迎合读者期望，预先回答专家可能质疑

周耀旗

印地安那大学信息学院

印地安那大学医学院计算生物学和生物信息中心

以此文献给母校中国科技大学五十周年校庆

我的第一篇英语科技论文写作是把在科大的学士毕业论文翻译成英文。当我一九九零年从纽约州立大学博士毕业时，发表了20多篇英语论文。但是，我对怎样写高质量科技论文的理解仍旧处于初级阶段，仅知道尽量减少语法错误。之所以如此，是因为大多数时间我都欣然接受我的博士指导老师Dr. George Stell和Dr. Harold Friedman的修改，而不知道为什么要那样改，也没有主动去问。这种情况一直持续到我去北卡州立大学做博士后。我的博士后指导老师Dr. Carol Hall建议我到邻近的杜克大学去参加一个为期两天的写作短训班。这堂由Gopen教授主办的短训班真使我茅塞顿开。第一次，我知道了读者在阅读中有他们的期望，要想写好科技论文，最有效方法是要迎合他们的期望。这堂写作课帮我成功地完成了我的第一个博�5A3�后基金申请，有机会进入哈佛大学Dr. Martin Karplus组。在哈佛大学的五年期间，在Karplus教授的指导下，我认识到一篇好的论文需要从深度广度进行里里外外自我审查。目前，我自己当了教授，有了自己的科研组，也常常审稿。我觉得有必要让我的博士生和博士后学好写作。我不认为我自己是写作专家。我的论文也常常因为这样或那样的原因被退稿。但是我认为和大家共享我对写作的理解和我写作的经验教训，也许大家会少走一些我走过的弯路。由于多年未用中文写作，请大家多多指正。来信请寄： yqzhou@iupui.edu。 欢迎访问我的网站：http://sparks.informatics.iupui.edu。

导言

通常来讲，研究生和博士后从他的导师那儿得到研究方向。经过多次反复试验，得到一些好的结果。接下来他们需要对得到的数据进行总结和分析，写成论文。一篇精写的论文更容易被高档杂志接受。而写得不好的论文很可能被退稿。论文的数量和质量是学生和导师事业发展的敲门砖。不成文，便成仁，是学术生涯的写照。

很多学生以为当结果到手的时候研究就结束了。他们写的草稿，常常把原始数据放在一起，没有对方法和数据进行详细分析，没有对当今论文的评述。事实上，写作是研究不可分割的一部分。此刻是弄懂方法的成功与失败，寻找结果的解释及其隐含的意义，以及与其他相关研究进行比较的时候。

我们为什么需要在写作上如此认真努力？原因很简单。一个研究结果只有在被别人使用时才有意义。而想被别人使用，文章必须能引起其他科学家的兴趣，而且得保证其他人能看懂并可以重复和再现你的结果。只有可以被理解的研究才会被重复，也只有可以被再现的工作才能导致别人的引用和跟踪。而你的论文被引用的数量常常用来衡量研究的影响力。从某种角度看，写作就象是把你的工作成果推销给其他的科学家。

为了更好的推销，科学论文必须满足它独特的顾客：由聪明能干的科学家组成的尖端读者。它必须能先说服（通常也是竞争对手的）同行们，因为他们的评审是文章在发表前的第一道关口。同时，它也必须满足一般读者的要求。为了达到这个目标，我们首先要理解他们需要什么？

读者需要什么

你的文章的潜在读者可能有刚进入这领域的新手，大学生和研究生，也有专家（潜在审稿人)，他们对你的领域会有不同程度的了解。因此，写文章的时候应该力求简单到可以被新手理解，同时深刻到可以引起专家的兴趣。

所有的科学家（不论是学生还是他们的导师)往往都很忙。大量期刊杂志使他们不可能仔细阅读每一篇论文。他们通常希望能在最短时间内找到文章最重要的信息。典型的情况是如果文章标题不吸引人，他们或许就会跳过这篇论文，如果文章的摘要没有包含重要的新方法或新结果，他们不会去读这篇文章。即使已经决定要读的论文，他们也会跳过很多段落直接去找自己最感兴趣的地方。因此，保证文章的结构能使读者很快找到所需的信息非常重要。文章的关键在于结构，不在于语法。语法错误易改，结构错误则往往让人无从下手，不知所云。我审过一些国内同行的论文，结构问题很常见。

总之，一篇文章只有在不需太多努力就可以理解的情况下才会被广泛地引用。文章清晰的关键就是使读者能在他们想找的地方找到他们需要的东西。这也就是说，要想让读者不费力理解你的论文，你必须费力去满足他们的期望.

读者期望什么

读者对句子的期望

1. 读者希望在句子的开始看到熟悉的信息。句子是文章的最小功能单元。最容易理解的句子是整句都在说读者知道的东西。但这对科技论文是不可能的，因为只有新的东西才会被发表。事实上科技论文通常会包含很多新术语。所以一个容易理解的句子应该从读者熟悉的信息（或刚刚提过的）开始而以新信息结束，并在它们之间平滑地过渡。好文章的所有句子都应该这样从旧到新地平滑过渡。帮助你写好一句开头的金科玉律是问问你自己：“我以前有没有提过这个概念？”大多数文章很难读是因为很多新概念在没有被介绍之前就使用了。例如：

Samples for 2-dimensional projection of kinetic trajectories are shown in Figure 7. The coil states are loosely gathered while the native states can form a black cluster with extreme high density in 2-dimensional projection plane.

这里从第一句到第二句信息无法流动。“The coil states”不知道是从何而来的。读者会发现下面改动后的句子更容易明白。

Kinetic trajectories are projected onto xx and yy variables in Figure 7. This figure shows two populated states. One corresponds to loosely gathered coil states while the other is the native state with a high density.

在这个新段里，新插入的第二句使每句均能从旧信息出发到新信息结束。第一句与第二句之间以“Figure”相连而第二句与第三句之间以“two states”相连。而新信息“coil states”则出现在第三句的最后。整段环环相连，成为一个整体。再看一个例子：

The accuracy of the model structures is given by TM-score. In case of a perfect match to experimental structure, TM-score would be.

在第二个句子里，旧信息“TM-score”被埋在中间，被新信息“a perfect match to experimental structure”打断了。这里建议修改如下：

The accuracy of the model structures is measured by TM-score, which is equal to 1 if there is a perfect match to the experimental structure.

科技写作中的最大问题就是新旧信息顺序颠倒。新信息和旧信息对作者来说可能不是很好区分，因为他非常熟悉所有的信息。 为了避免这种问题，不管什么时候，每当你开始写新句，你应该问问自己，这些词前面有没有被提到过。一定要把提到过的放前面，没提过的放后面。

2.. 读者想在主语之后立刻看到行为动词。对一个说明谁在做什么的句子，读者需要找到动词才能理解。如果动词和主语之间相隔太远，阅读就会被寻找动词打断。而打断阅读就会使句子难以理解。这里有个例子：

The smallest URFs (URFA6L), a 207-nucleotide (nt) reading frame overlapping out of phase the NH2-terminal portion of the adenosinetrip hosphatase (ATPase) subinit 6 gene has been identified as the animal equivalent of the recently discovered yeast H+-ATPase subunit 8 gene.

同样的句子，将动词放在主语之后：

The smallest of the URFs is URFA6L, a 207-nucleotide (nt) reading frame overlapping out of phase the NH2-terminal portion of the adenosinetriphosphatase (ATPase) subinit 6 Gene; it has been identified as the animal equivalent of the recently discovered yeast H+-ATPase subunit 8 gene.

这样新的句子就更加平衡了。尽量避免过长的主语和过短的宾语。这就像头重脚轻的人很难站稳。短的主语紧跟着动词加上长的宾语效果会更好。

3. 读者期望每句只有一个重点，这个重点通常在句尾。比较下面两个句子，我们可以感觉到他们着重强调不同的东西。

URFA6L has been identified as the animal equivalent of the recently discovered yeast H+-ATPasesubunit 8 gene. Recently discovered yeast H+-ATPase subunit 8 gene has a corresponding animal equivalent gene URFA6L.

很明显，前面的句子是关于一个最近发现的酵母基因，而第二句则着重强调了它有一个和动物一致的基因。另外一个例子：

The enthalpy of hydrogen bond formation between the nucleoside bases 2-deoxyguanosine (dG) and 2-deoxycytidine (dC) has been determined by direct measurement.

这个句%Eu��看起来好像是�59C�强调“direct measurement”。 这不太像是原作者的目的。颠倒一下会使句子更加平衡。

We have directly measured the enthalpy of hydrogen bond formation between the nucleoside bases 2-deoxyguanosine (dG) and 2-deoxycytidine (dC).

新的句子更简单而且更短，同时避免了头重脚轻的症状。总之，句尾是读者对该句最后的印象。把最好的，最重要的，和想要读者记住的东西放在句尾。

读者对段落的期望

每一个段落都应该只讲一个故事。在一段里表述多个观点会使读者很难知道该记住什么、这段想表达什么。一段的第一句要告诉读者这一段是讲什么的。这样读者想跳过这段就可以跳过。一段的最后一句应该是这段的结论或者告诉读者下一段是什么。段落中的句子应该由始到终通过逻辑关系连接，实现由旧信息到新信息的流动。比如这一段：

The enthalpy of hydrogen bond formation between the nucleoside bases 2-deoxyguanosine (dG) and 2-deoxycytidine (dC) has been determined by direct measurement. dG and dC were derivatized at the 5 and 3 hydroxyls with triisopropylsilyl groups to obtain solubility of the nucleosides in non-aqueous solvents and to prevent the ribose hydroxyls from forming hydrogen bonds. From isoperibolic titration measurements, the enthalpy of dC:dG base pair formation is -6.650.32 kcal/mol.

很难知道作者在这段里想表达什么。从这段的起始和结束看来，焓(enthalpy)应该是他想表达的重点。下面是重新组合后的段落。

We have directly measured the enthalpy of hydrogen bond formation between the nucleoside bases 2-deoxyguanosine (dG) and 2-deoxycytidine (dC). dG and dC were derivatized at the 5 and 3 hydroxyls with triisopropylsilyl groups; these groups serve both to solubilize the nucleosides in non-aqueous solvents and to prevent the ribose hydroxyls from forming hydrogen bonds. The enthalpy of dC:dG base pair formation is -6.650.32 kcal/mol according to isoperibolic titration measurements,

首句描述了整段的主题。原段里的第一句颠倒是为了1） 使新信息“dG”和“dC” 在句子最后并强调他们。 2）更好地跟下面一句衔接。 原段里的第二句被分成两部分，这样每一部分只表达了一个观点。最后一句时总结整段。 再看另一个例子：

Large earthquakes along a given fault segment do not occur at random intervals because it takes time to accumulate the strain energy for the rupture. The rates at which tectonic plates move and accumulate strain at their boundaries are approximately uniform. Therefore, in first approximation, one may expect that large ruptures of the same fault segment will occur at approximately constant time intervals. If subsequent main shocks have different amounts of slip across the fault, then the recurrence time may vary, and the basic idea of periodic main shocks must be modified.

在这个例子里，前两句共同阐明了积累张力的速度（Rate Of Strain Accumulation)。然而，第一句里的旧信息并没有放在第二句的开始。读者读到第三句的时候通常就不明白这段到底要讲什么了。更清晰的描述应该如下：

Large earthquakes along a given fault segment do not occur at random intervals because it takes time to accumulate the strain energy for the rupture. The rates of strain accumulation at the boundaries of tectonic plates are approximately uniform. Therefore, nearly constant time intervals (at first approximation) would be expected between large ruptures of the same fault segment. [However?], the recurrence time may vary; the basic idea of periodic main shocks may need to be modified if subsequent main shocks have different amounts of slip across the fault.

新段现在着重阐明了地震的发生频率。下划线标明了以前描述过的旧信息。很明显，新旧信息的连接是理解这段的关键。从旧信息到新信息的流动是使读者轻松阅读的最佳方式。写文章的目的不是去测试读者的阅读能力，而是考验作者的表达能力。不能怪人没看懂，只能怪自己没写清楚。常常听到这样的抱怨：那审稿人连这都不懂! 审稿人也可以说：连这个也写不清楚。

读者对表格和图示的期望

一些没有耐心的读者会直接通过图表来判断一篇文章是否值得一读。怎样能使读者不需读正文就能理解图表是至关重要的。

对于表来说，由于我们是从左向右阅读的，我们熟悉的信息应该出现在左边而新的信息出现在右边。例如，下面列出的表1和表2是仅仅调换了两列。比较一下那个表格更易理解。

审稿人要什么?

文章在发表前必须经过审稿人的评审。他们一般是相关领域的专家甚至是你的竞争者。他们会尽力寻找你文章中的毛病。有时，由于不同的观点和竞争的需要，审稿人或许会试图阻止你的文章发表。因此，文章必须写得理由充足。在被别人挑剔之前，自己必须首先鸡蛋里挑骨头，预先回答审稿人的可能质疑。

怎样满足审稿人？

1). 只提出“一”个中心命题。论文里的观点太多，不但不好写，问题也容易多，读者也不易记住你要说什么。

2). 在这个中心命题的基础上，用一个迷人(但决不能夸张)的标题来吸引审稿人的兴趣。审稿人只审批感兴趣的论文。如果你不能引起审稿人的兴趣，那最好不要发表那篇文章。编辑们有时候会很郁闷，因为找不到有兴趣的审稿人。无偿审稿也只有科学界才有。

3). 合理解释每一个参数，合理说明每一个步骤。审稿人没时间考虑细节。程序和参数的合理化显示出你知道你在做什么，而不是凑数据。即使你是在凑数据，也要把凑数据的过程合理化。

4). 问问你自己是否提供了足够重复你工作的所有细节。审稿人(或读者)越容易再现你的工作，他就越可能接受你的文章。当然，审稿人并不会真正去重做你的工作，但你必须通过你的描述使他相信可以重做。

5). 必须有说服力！尽量做彻底而不是半成品的工作！用多方面测试来证明你的中心命题。要使文章象律师证明无罪官司，预先回答一切可能提出的疑问。

6). 引用所有重要的研究工作，特别是经典力作。写作的时候要再做全面文献检索。为了达到这些目标，写科学论文的时候必须遵照一定的框架结构。

文章的结构

典型的科学论文包括标题，摘要，引言，方法/实验步骤，结果，讨论，感谢，和参考文献。这样的结构是用来帮助读者快速找到他们感兴趣的信息。把信息放错地方会使读者糊涂。常犯的错误是混淆事实(结果)和解释(讨论)。讨论是对结果的解释及说明它的意义，而不是重复结果的描述。

一篇论文是从摘要，引言开始，这里建议从方法和结果部分开始写，因为你对方法和结果最熟悉，此外只有更好地理解方法和结果，才能确定中心命题。而标题，引言和讨论的写作都需要中心命题。我们应该从最熟悉的事情开始，就像读者从他们最熟悉的地方开始理解一样。

方法/实验步骤

如果文章是关于新的方法，技术，或算法，要非常详细地写它的新颖之处。要用有逻辑的、合理的方式来描述它。这会帮助读者抓住新方法的要领。如果这个方法使用参数，则要把每一个参数(或参数的取值)合理化，或者是以前用过的，或者可以从物理或数学推导出来，或者通过了广泛的测试及优化。如果无法保证它的合理性，那就必须描述改变它会造成的影响(实际的结果应该在结果部分或讨论部分，方法部分仅包含影响的描述)。如果没有测试它们的合理性，你应该解释为什么 (做的代价太贵了？太费时间了？或者需要延期到将来做)。参数改变造成的影响可以衡量方法是否Robust。 Robust的方法应该是在参数改变很大的时候，结果也不会太大变化。

对于新方法的发展，你同样需要设计不同的方法来测试。让人信服就需要做尽可能多的测试。你所能找到或设计的测试越多，你的工作就越会被其他人所接受和使用。

当完成了方法部分以后，问一问自己以下的问题：1)新的术语是不是都定义了？2)如果你是第一次读这部分，你能否得到重复整个工作的所有信息？记住，不要隐藏任何窍门或使用的捷径。人们如果不能重复你的结果的话就不会相信你的论文。永远不要弄虚作假！别人不是傻子。一山更比一山高。聪明的大有人在。如果你伪造数据，心存侥幸不会被人发现。如果真的没人发现的话，那就是没有任何人想重复或使用你的结果，那只能说明你的结果根本不值得发表，毫无意义。若要人不知，除非己莫为，这是千真万确的真理。

结果部分

当你开始写结果部分时，先考虑一下结果的意义。也就是说，你理解你的结果吗？这些结果是不是告诉了你更深刻的东西？你能从很多不同角度来理解结果吗？你能设计证明或者反驳你的一些解释的新测试吗？

如果你发现了新现象，你必须证明你的结果不是你方法制造出来的(讨论部分的一个好内容)。它可以在不同的条件下重复吗？如果你发展了一个新方法，你必须证明这个方法的重要性。它是否改进了现有的方法？你的结果部分必须用不同的角度或多重测试来支持新发现或验证新方法的重要性。

一旦你对结果有更好的理解，你需要决定卖点，也就是说这篇文章最有意义的一个观点是什么？确定这篇文章的中心命题之后要组织所有的段落来证明、支持它，用数据(有必要的话再加数据)来证明它。同时也要排除其他可能性。放弃与中心命题无关的数据，即使这些数据是很辛苦得来的。

标题

当你有了中心命题之后，就该决定文章的标题了。标题可以为你的方法，你的结果或结果的隐含意义做广告。文章的标题一般只有一句。应该把最重要，最吸引人的信息放进标题。比如，标题 “Steric restrictions in protein folding: an alpha-helix cannot be followed by a contiguous beta-strand” 主要突出了结果。另一方面，标题“Interpreting the folding kinetics of helical proteins” 突出了结果的含义。用标题 “Native proteins are surface-molten solids: Application of the Lindemann criterion for the solid versus liquid state” 的话，同时突出了方法和结果的含义。注意标题 “Native proteins are surface-molten solids” 是结果的解释，而不是结果本身。用既广泛又具体的标题，这样才能吸引更多的读者。

引言部分

中心命题和标题都决定了以后，就该写引言了。第一件该做的事就是围绕中心命题来收集所有相关文献。搜索并研究所有最近和相关的文章(通过对中心命题关键字的搜索或用引用索引)。确认你有所有最新的论文。引用所有重要的文章。如果你不引用别人的文献，别人也不会引用你的！如果你想谁引用你的工作，你要先引用他的。你引用的文章章越多，他们越可能阅读并引用你的文章。因为人们更加关注引用他们的论文。仔细读你所引用的文章，避免引用错误。在引用上，不要偷懒。

引言的第一句最难写，因为它决定了你整个引言的走向。我的办法是把第一句和文章的标题连起来。在第一段以最基本和常见的术语来定义标题里用的一些术语。从这个术语，引入研究的领域和它的重要性。第二段应该对这个研究领域作一个鉴定性的论述。如果中心命题是关于解决一个问题的方法。这一段就应该指出这个当前研究中现存未解决的问题。描述解决这个问题的难度或挑战。第三段引入你提出的办法和它大致会带来什么效果。你可以大略地描述你的结果和它的含义。这里有个 ��e8B子。

Assessing secondary structure assignments of protein structures by using pairwise sequence-alignment benchmarks

The secondary structure of a protein refers to the local conformation of its polypeptide backbone. Knowing secondary structures of proteins is essential for their structure classification1,2, understanding folding dynamics and mechanisms3-5, and discovering conserved structural/functional motifs6,7. Secondary structure informxation is also useful for sequence and multiple sequence alignment8,9, structure alignment10,11, and sequence to structure alignment (or threading)12-15. As a result, predicting secondary structures from protein sequences continues to be an active field of research16-18 fifty six years after Pauling and Corey19-20 first predicted that the most common regular patterns of protein backbones are the α-helix and the β-sheet. Prediction and application of protein secondary structures rely on prior assignment of the secondary-structure elements from a given protein structure by human or computational methods.

Many computational methods have been developed to automate the assignment of secondary structures. Examples are DSSP,STRIDE, DEFINE, P-SEA, KAKSI,P-CURVE, XTLSSTR, SECSTR, SEGNO, and VoTAP. These methods are based on either the hydrogen-bond pattern, geometric features, expert knowledge or their combinations. However, they often disagree on their assignments. For example, disagreement among DSSP, P-CURVE, and DEFINE can be as large as 25%. More beta sheet is assigned by XTLSSTR and more pi-helix by SECSTR than by DSSP. The discrepancy among different methods is caused by non-ideal configurations of helices and sheets. As a result, defining the boundaries between helix, sheet, and coil is problematical and a significant source of discrepancies between different methods.

Inconsistent assignment of secondary structures by different methods highlights the need for a criterion or a benchmark of “standard” assignments that could be used to assess and compare assignment methods. One possibility is to use the secondary structures assigned by the authors who solved the protein structures. STRIDE, in fact, has been optimized to achieve the highest agreement with the authors’ annotations. However, it is not clear what is the criterion used for manual or automatic assignment of secondary structures by different authors. Another possibility is to treat the consensus prediction by several methods as the gold standard. However, there is no obvious reason why each method should weight equally in assigning secondary structures and which method should be used in consensus. Other used criteria include helix-capping propensity, the deviation from ideal helical and sheet configurations, and structural accuracy produced by sequence-to-structure alignment guided by secondary structure assignment.

In this paper, we propose to use sequence-alignment benchmarks for assessing secondary structure assignments. These benchmarks are produced by 3D-structure alignment of structurally homologous proteins. Instead of assessing the accuracy of secondary-structure assignment directly, which is not yet feasible, we compare the two assignments of secondary structures in structurally aligned positions. We assume that the best method should assign the same secondary-structure element to the highest fraction of structurally aligned positions. Certainly, structurally aligned positions do not always have the same secondary structures. Moreover, different structure-alignment methods do not always produce the same result. Nevertheless, this criterion provides a mean to locate a secondary-structure assignment method that is most consistent with tertiary structure alignment. We suggest that this approach provides an objective execuation of secondary structure assignment methods.

在这个例子里，标题推荐了一个评估指派蛋白质二级结构的方法。第一段以二级结构的定义开始（与标题相连)。整段描述了二级结构的重要性。最后一句过渡到指派二级结构的计算方法（下一段的主题)。注意“计算方法”放在句子的最后是为了强调而且和第二段的开始连接在起来。第二段则聚焦在计算方法中存在的问题。旧信息“计算方法”逐渐的变到了“他们的不一致”。第三段的第一句把主题从“不一致”（旧信息）转变成了“评估的办法”（新信息)。然后，介绍了这个领域已有的工作。第四段引入新方法并讨论了新方法的优点。第五段（这里没有给出）将会简要地讨论结果。每一个引言应该包括研究领域的介绍和意义，做这工作的具体原因，结果和隐含的意义。一般而言，读者读完引言，对论文的来龙去脉就应该清清楚楚了。

讨论部分

现在到了你写论文的最后一部分。很多人认为讨论部分最难写。他们常常不知道该写什么。学生常常不能把结果从他们的解释，含意和结论中分离出来。此外，他们不善于思考可能存在的其他解释。好的讨论通常以得到的结果和解释的评论开始。其它可用于讨论的内容有：参数改变对结果的影响，与其他研究相比还有待解决的问题，将来或正在进行的工作（防止别人从事你显而易见的，立刻就能实现的后续工作)。这里有一段文章中的讨论部分。

One question about the complex homopolymer phase diagram presented here is whether it is caused by the discontinuous feature of the square-well potential. We cannot give a direct answer because the DMD simulation is required to obtain well-converged results for the thermodynamics. However, the critical phenomena predicted for a fluid composed of particles interacting with a square-well potential are as realistic as those predicted for a fluid composed of particles interacting with a LJ potential. Also an analogous complex phase diagram is found in simulations of LJ clusters. The present results for square-well homopolymers may well be found in more realistic homopolymer models and even in real polymers.

一段探究了可供选择的解释。

摘要部分

整篇文章写完了。你需要写文章的摘要了。典型的摘要包括课题领域的重要性（回到标题)，要研究的问题，你方法的独特性，结果的意义和影响。这里有个例子。

How to make an objective assignment of secondary structures based on a protein structure is an unsolved problem. Defining the boundaries between helix, sheet, and coil structures is arbitrary, and commonly accepted standard assignments do not exist. Here, we propose a criterion that assesses secondary-structure assignment based on the similarity of the secondary structures assigned t structurally aligned residues in sequence-alignment benchmarks. This criterion is used to rank six secondary-structure assignment methods: STRIDE, DSSP, SECSTR, KAKSI, P-SEA, and SEGNO with three established sequence-alignment benchmarks (PREFAB, SABmark and SALIGN). STRIDE and KAKSI achieve comparable success rates in assigning the same secondary structure elements to structurally aligned residues in the three benchmarks. Their success rates are between 1-4% higher than those of the other four methods. The consensus of STRIDE, KAKSI, SECSTR, and P-SEA, called SKSP, improves assignments over the best single method in each benchmark by an additional 1%. These results support the usefulness of the sequence alignment benchmarks as the benchmarks for secondary structure assignment.

前两句陈述了问题。第三句提出了解决办法。这些句子后面跟着结果。整个摘要以总结收尾。

总结

1. 认真对待写作。尽你最大努力花时间写作。它是科学研究的重要一环。文章没写好，没人看，没人用，等于没发表。

2. 除非这个研究是全面彻底的，而且你试了所有可以支持你结论的方法，否则不要去发表。

3. 重新思考，并合理解释为什么做这项工作，做了什么，什么是最重要的发现？为什么用这个方法？为什么用这些参数？什么是以前做过的（更新文献搜索)？不同在什么地方？

4. 要从批判的角度来看你的工作。只有这样，才能找到弱点，进一步发展。我的许多论文是在反复讨论中大幅度修改，许多计算经常要重做。只有理顺和理解结果，文章才会更有意义。

5. 要能回答所有合理的质疑。如果你自己有疑问，一定要搞清楚，否则别人又怎会相信。

6. 不要隐藏任何事实，不做假，不要低估其他科学家的智慧。让你的研究可重复。把所有的材料和数据上网。

7. 从头（标题）到尾（结论或讨论）要从旧信息过渡到新信息。永远不要在句子的开头引入新信息。切忌在术语被定义之前使用它们。

8. �%Ax段首要有阐明整段主题的句子，在段尾要有连到下段的过渡句。从标题到结论都要连贯。句句相扣，段段相连，让一篇论文是一个整体而不是杂乱无章地把句子堆积在一起。这样才能使读者享受阅读你的文章。

9. 写，重写，再重写。没有人能第一次就写好。不花时间，不下功夫，写不好。我的文章一般要修改十次以上。

感谢

此文中的一些例子出自 “The Science of Scientific Writing” by G. D. Gopen and J. A. Swan, Scientific American, 78, 550-558, 1990. 我在杜克大学Gopen教授1995年年度短训班受益非浅。我要特别感谢我的导师Martin Karplus(哈佛大学)，George Stell (纽约州州立大学－石溪校区), Harold L. Friedman (纽约州州立大学－石溪校区)和 Carol Hall (北卡罗来纳州立大学)的鼓励和指导。没有他们，我不会有那么多机会练习英文写作。最后，我要感谢我的学生和博士后。他们对科学的贡献使我可以继续写论文，基金申请，或评论。此文中的一部分例子来自与他们合作的文章。此文初稿是用英文写的。由于我的中文打字速度太慢，特别感谢徐贝思帮我翻译成中文初稿。如果有不妥的地方是我的问题，请多指教。

二零零七年六月一日于印地安那