根据rman的一个全备份进行异机恢复一. Target 库准备工作:备份dbrun { allocate channel ch1 device type disk maxpiecesize=10
首页 → 数据库技术
背景:
阅读新闻
根据RMAN的一个全备份进行异机恢复
[日期:2011-04-25] 来源:Linux社区 作者:huiyang23 [字体:]
根据rman的一个全备份进行异机恢复
一. Target 库准备工作:
备份db
run {
allocate channel ch1 device type disk maxpiecesize=10g;
sql 'alter system archive log current';
change archivelog all crosscheck;
backup full database tag=ora10gdbfullbk
format '/u01/backup/%d_db_%t_%s_%p'
plus archivelog format '/u01/backup/%d_arch_%t_%s_%p' delete all input;
backup current controlfile
format '/u01/backup/%d_ctlfile_%t_%s_%p';
release channel ch1;
}
查看备份文件
-bash-3.1$ ll /u01/backup
total 850468
-rw-r--r-- 1 root root 1277 Apr 20 21:53 initora10g.ora
-rw-r--r-- 1 root root 8484864 Apr 21 04:05 ORA10G_arch_749016313_41_1
-rw-r--r-- 1 root root 386560 Apr 21 04:11 ORA10G_arch_749016700_43_1
-rw-r--r-- 1 root root 7438336 Apr 21 04:11 ORA10G_ctlfile_749016703_44_1
-rw-r--r-- 1 root root 853688320 Apr 21 04:11 ORA10G_db_749016331_42_1
二. Auxiliary库准备工作:
1.创建口令文件
$ orapwd file=/u01/app/Oracle/product/10.2.0/db_1/dbs/orapwhy2 password=oracle
2.创建相关的目录
$ mkdir oradata
$ pwd
/u01/oradata
3.拷贝target库的pfile和备份的db到auxiliary库。
4、使用pfile将auxiliary库启动到nomount状态
SQL> startup nomount pfile=/u01/app/oracle/product/10.2.0/db_1/dbs/orapwhy2;
5、恢复控制文件
$ export ORACLE_SID=hy2
$ rman target /
RMAN>restore controlfile from '/u01/backup/ORA10G_ctlfile_749016703_44_1';
6、将db启动到mount状态
RMAN> alter database mount;
7、restore db
7.1恢复目录不同的情况:
RMAN>
run
{
set newname for datafile 1 to "/u01/oradata/system01.dbf";
set newname for datafile 2 to "/u01/oradata/sysaux01.dbf";
set newname for datafile 3 to "/u01/oradata/undotbs01.dbf";
set newname for datafile 4 to "/u01/oradata/users01.dbf";
restore database;
switch datafile all;
}
7.2恢复目录相同
RMAN>restore database;
8、recover db
RMAN> recover database;
$ export ORACLE_SID=ora10g
9、用open resetlogs?打开数据库
SQL> alter database open resetlogs;
10、mount数据库 用NID命令修改DBID和DBNAME
SQL> shutdown immediate
SQL> startup mount;
$nid target=sys/password dbname=hy2
SQL> alter system set db_name=hy2 scope=spfile;
SQL> shutdown immediate
SQL> startup
SQL> alter database open resetlogs;
验证:
SQL> select name,dbid from v$database;
NAME DBID
--------- ----------
HY2 2874673008
Oracle 构造与已知表结构相同的表问题
MySQL 的Rename Table语句
相关资讯 Oracle教程
图片资讯
本文评论 查看全部评论 (0)
评论声明
最新资讯
本周热门
Linux公社简介 - 广告服务 - 网站地图 - 帮助信息 - 联系我们
本站(LinuxIDC)所刊载文章不代表同意其说法或描述,,仅为提供更多信息,也不构成任何建议。
Copyright © 2006-2011 Linux公社 All rights reserved 浙ICP备06018118号

译者 | 布加迪审校 | 孙淑娟目前,没有用于构建和管理机器学习(ML)应用程序的标准实践。机器学习项目组织得不好,缺乏可重复性,而且从长远来看容易彻底失败。因此,我们需要一套流程来帮助自己在整个机器学习生命周期中保持质量、可持续性、稳健性和成本管理。图1. 机器学习开发生命周期流程使用质量保证方法开发机器学习应用程序的跨行业标准流程(CRISP-ML(Q))是CRISP-DM的升级版,以确保机器学习产品的质量。CRISP-ML(Q)有六个单独的阶段:1. 业务和数据理解2. 数据准备3. 模型

人工智能(AI)在流行文化和政治分析中经常以两种极端的形式出现。它要么代表着人类智慧与科技实力相结合的未来主义乌托邦的关键,要么是迈向反乌托邦式机器崛起的第一步。学者、企业家、甚至活动家在应用人工智能应对气候变化时都采用了同样的二元思维。科技行业对人工智能在创建一个新的技术乌托邦中所扮演的角色的单一关注,掩盖了人工智能可能加剧环境退化的方式,通常是直接伤害边缘人群的方式。为了在应对气候变化的过程中充分利用人工智能技术,同时承认其大量消耗能源,引领人工智能潮流的科技公司需要探索人工智能对环境影响的

Wav2vec 2.0 [1],HuBERT [2] 和 WavLM [3] 等语音预训练模型,通过在多达上万小时的无标注语音数据(如 Libri-light )上的自监督学习,显著提升了自动语音识别(Automatic Speech Recognition, ASR),语音合成(Text-to-speech, TTS)和语音转换(Voice Conversation,VC)等语音下游任务的性能。然而这些模型都没有公开的中文版本,不便于应用在中文语音研究场景。 WenetSpeech [4] 是

条形统计图用“直条”呈现数据。条形统计图是用一个单位长度表示一定的数量,根据数量的多少画成长短不同的直条,然后把这些直条按一定的顺序排列起来;从条形统计图中很容易看出各种数量的多少。条形统计图分为:单式条形统计图和复式条形统计图,前者只表示1个项目的数据,后者可以同时表示多个项目的数据。

arXiv论文“Sim-to-Real Domain Adaptation for Lane Detection and Classification in Autonomous Driving“,2022年5月,加拿大滑铁卢大学的工作。虽然自主驾驶的监督检测和分类框架需要大型标注数据集,但光照真实模拟环境生成的合成数据推动的无监督域适应(UDA,Unsupervised Domain Adaptation)方法则是低成本、耗时更少的解决方案。本文提出对抗性鉴别和生成(adversarial d

数据通信中的信道传输速率单位是bps,它表示“位/秒”或“比特/秒”,即数据传输速率在数值上等于每秒钟传输构成数据代码的二进制比特数,也称“比特率”。比特率表示单位时间内传送比特的数目,用于衡量数字信息的传送速度;根据每帧图像存储时所占的比特数和传输比特率,可以计算数字图像信息传输的速度。

数据分析方法有4种,分别是:1、趋势分析,趋势分析一般用于核心指标的长期跟踪;2、象限分析,可依据数据的不同,将各个比较主体划分到四个象限中;3、对比分析,分为横向对比和纵向对比;4、交叉分析,主要作用就是从多个维度细分数据。

2021年10月,Jeff Dean亲自撰文介绍了一个全新的机器学习架构——Pathways。目的很简单,就是让一个AI能够跨越数以万计的的任务,理解不同类型的数据,并同时以极高的效率实现:在大半年之后的2022年3月,Jeff Dean终于发布了Pathways的论文。论文连接:https://arxiv.org/abs/2203.12533其中,补充了不少技术上的细节,比如最基本的系统架构等等。2022年4月,谷歌用Pathways的PaLM语言模型横空出世,接连打破多项自然语言处理任务的S


熱AI工具

Undresser.AI Undress
人工智慧驅動的應用程序,用於創建逼真的裸體照片

AI Clothes Remover
用於從照片中去除衣服的線上人工智慧工具。

Undress AI Tool
免費脫衣圖片

Clothoff.io
AI脫衣器

AI Hentai Generator
免費產生 AI 無盡。

熱門文章

熱工具

SublimeText3 英文版
推薦:為Win版本,支援程式碼提示!

SublimeText3漢化版
中文版,非常好用

WebStorm Mac版
好用的JavaScript開發工具

SublimeText3 Mac版
神級程式碼編輯軟體(SublimeText3)

SublimeText3 Linux新版
SublimeText3 Linux最新版