关于oracle的一些技术备忘

本文介绍了Oracle数据库中常见的问题及其解决方案,包括Unknownhostspecified异常的处理、SQL查询实体类名称转换、快速重建索引的方法、查询分区表、获取AWR报告及参数配置等关键操作。

1、Unknown host specified 异常
说明:数据的 IO异常、网络异常导致
案例:2017-09-11日 凌晨,XXXX公司更换交换机,导致数据库在几秒钟内无法连接,进而导致自动任务的守护线程挂掉。目前系统的自动任务挂掉之后无法自动恢复,导致9月11日当天网银指令自动发送堆积,客户当天3000多笔指令未发送。
补救措施:针对自动任务的守护线程进行改造,上线自动任务监控系统,在自动任务异常的时候进行短信提醒。自动任务的调度指令进行缓存化处理,定期更新。

2、同一个一个SQL查询生成表对应的实体类的名字

--去前缀、去下划线,驼峰命名
select REGEXP_REPLACE(INITCAP(substr(t.TABLE_NAME,8)), '(\w)[_]', '\1'),t.TABLE_NAME from  user_tables t order by t.TABLE_NAME asc;

3、快速重建索引

--查询失效的索引
select 'alter index '||i.INDEX_NAME||' rebuild online tablespace nfdw_index ;' from user_indexes i  where i.status = 'UNUSABLE'


---生成删除索引的SQL
select 'drop index ' || i.index_name || ' ;'
from   user_indexes i,user_ind_columns u
where 
      i.INDEX_NAME = u.INDEX_NAME
and i.table_name in('OB_FINANCEINSTR','SETT_DAILYACCOUNTBALANCE');

--生成创建索引的SQL
select 'create index ' || i.index_name || ' on '||i.TABLE_NAME||'('||u.COLUMN_NAME||') global tablespace NFDW_INDEX;'
from   user_indexes i,user_ind_columns u
where 
      i.INDEX_NAME = u.INDEX_NAME
and i.table_name in('OB_FINANCEINSTR','SETT_DAILYACCOUNTBALANCE');

4、查询分区表

select * from user_tab_partitions

5、获取AWR

--立即生成AWR快照:
exec dbms_workload_repository.create_snapshot;

--查询快照ID:
selectdbid, instance_number, snap_id
from dba_hist_snapshot
 where end_interval_time >= to_date( '2017-06-16 09:00','yyyy-mm-dd hh24:mi')
   and end_interval_time <= to_date( '2017-06-16 11:00','yyyy-mm-dd hh24:mi')
-- group by dbid, instance_number;

--取awr日志:
begin
--加大dbms_output的buffer防止overflow
dbms_output.enable( 1000000);
--输出html文本
for i in (select output from table (
  dbms_workload_repository.awr_report_html(
  969059320, 2,166 ,167)))   --dbid  instance_number  start_snap  end_snap
  loop
    dbms_output.put_line(i.output);
    end loop ;
end;

5、查看参数配置情况

  show parameter sga; --显示内存分配情况
  --修改内存分配
  alter system set sga_max_size=200m scope=spfile; 
  --修改占用内存的大小。修改后重启Oracle服务,再查看资源管理器,Oracle占用资源便会降至200M以下。

6、查看session和进程

select * from v$session ;
select * from v$process ;
随着人类对生命健康需求的不断增长,新药研发面临着前所未有的挑战。传统的药物研发流程通常耗时长达十年以上,耗资数十亿美元,且最终成功率极低,这在制药界被称为“反摩尔定律”困境。近年来,人工智能技术的飞速发展,特别是深度学习和大数据分析的广泛应用,为新药发现带来了革命性的契机。人工智能能够从海量的化学和生物数据中挖掘潜在规律,显著加速药物靶点发现、先导化合物优化等关键环节。在此背景下,本研究旨在设计并实现一个基于人工智能的新药发现辅助系统,以期为传统药物研发流程提供高效的智能化辅助工具,从而有效缩短研发周期并大幅降低研发成本。本研究以Python作为主要开发语言,深度结合PyTorch和TensorFlow两大主流深度学习框架,并集成RDKit化学信息学工具包,构建了一个功能完善的新药发现辅助系统。系统的核心目标是利用先进的人工智能技术辅助新药分子的设计与活性评估。在研究方法上,本文创新性地提出了一种融合多模态数据的新药发现算法。该算法综合处理分子的多种表示形式,包括一维的SMILES序列、二维的分子图结构以及三维的空间构象数据。通过构建多通道神经网络,系统能够有效提取并融合不同模态的特征,从而全面捕捉分子的理化性质与生物学活性之间的复杂非线性关系。 【课程报告内容】 摘要 第1章 绪论 第2章 相关技术与理论 第3章 系统需求分析 第4章 系统总体设计 第5章 系统详细设计与实现 第6章 系统测试与分析 第7章 总结与展望 参考文献 附件-实现指南
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值