最近有客户的Oracle数据库数据文件出现错误,导致不能启动。经过恢复后,数据文件状态正常,数据库似乎可以open.(注意是状态正常
最近有客户的Oracle数据库数据文件出现错误,导致不能启动。
经过恢复后,数据文件状态正常,数据库似乎可以open.
(注意是状态正常,不代表数据库完全没问题,因为恢复过程中可能造成数据文件,表,索引的数据块损坏。)
启动数据库后,又报错ORA-00600 4193,导致数据库不能打开。
顺便提一句,我对数据库版本还是9i的系统的单位表示出极大的鄙视。话说这个单位还是一个重要的国家机器,把某个系统的数据库运维这么重要的工作交给别人,按理说应该相对有个健康的方案。结果呢,无备份,无备机,9i小垃圾版本。QNMD,玩不死才怪。再说说9i,身边的前辈都是做9i出来的,我以前也在某发达国家一个大型金融企业做过9i,那维护成本一个高,所以某国人也升级成了10g,那个死板的民族都可以,我们为啥不做?不过就是因为这样,也造就了早期一群DBA高手(就维护数据库和排查错误而言)。9i的bug真是如滔滔江水连绵不绝,又如黄河泛滥一发而不可收拾。特别是内存和数据块级别的错误,简直fuck了,尼玛碎片处理有木有,DB良心狗叼走。
吐槽N久,言归正传,ora-00600 4193是个常见错误,网上转载无数。总结一下以下三种办法:
1.数据库开启的情况下,重建undotbs,然后重新指定到新undotbs上。
2.未打开情况下,修改undo_management 参数为 manual或者(也有说并且的)提供新的回滚段。
继续吐槽,有且仅有一句:转载请负责,不实验下你永远不知道对不对。
对我来说用了以上的办法,,数据库还是未打开,继续4193.
最后用了各种方法,连蒙带骗,修改undo_management 参数为auto,加了10几个回滚段(错一次要改一下回滚段的名字,试验中发现的,可能是数据块连续错误效应?),总算起来了数据库。但是非常fuck的是,无论什么操作(包括无数人都说对的重建undotbs,对你妹啊),都告诉你ora-00600 4193。换句话说,数据库起来了用不了,跟没起来区别不大。
继续吐槽,国内的技术文章有些很好,但遇到比较偏的问题的时候,真心垃圾,不懂的装懂,懂的又不肯多说。想找找谷歌和雅虎日本,又被河蟹~ 天朝技术人真是苦逼。
看了几篇非主流的技术文章,说的很好,就是说undo上有数据块错误,虽然没给出解决方案,但是我想可能是undotbs上的错误,于是用了最后一招,修改undo_management 参数为 manual,然后删除undo上所有的回滚段。
drop rollback segmet "_SYSSMU1$"
注意要加"",注意一定是回滚段offline状态,否则后果可能不堪设想。当然也可能删不了,哈哈。
这时数据库会提示你:滚,删尼玛,不让删。哼哼,那是因为安全级别不够,改一下spfile参数,把那个级别改成4就可以了。(具体哪个参数叫什么我忘了,很容易查的)
最后结果,数据库:重启db,ora-600 4193错误消失。我:被折腾死。
善后:保险起见,重建重指定undotbs;exp/imp数据库。

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。

在日常开发中,对数据进行序列化和反序列化是常见的数据操作,Python提供了两个模块方便开发者实现数据的序列化操作,即 json 模块和 pickle 模块。这两个模块主要区别如下:json 是一个文本序列化格式,而 pickle 是一个二进制序列化格式;json 是我们可以直观阅读的,而 pickle 不可以;json 是可互操作的,在 Python 系统之外广泛使用,而 pickle 则是 Python 专用的;默认情况下,json 只能表示 Python 内置类型的子集,不能表示自定义的


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

Safe Exam Browser
Safe Exam Browser是一個安全的瀏覽器環境,安全地進行線上考試。該軟體將任何電腦變成一個安全的工作站。它控制對任何實用工具的訪問,並防止學生使用未經授權的資源。

DVWA
Damn Vulnerable Web App (DVWA) 是一個PHP/MySQL的Web應用程序,非常容易受到攻擊。它的主要目標是成為安全專業人員在合法環境中測試自己的技能和工具的輔助工具,幫助Web開發人員更好地理解保護網路應用程式的過程,並幫助教師/學生在課堂環境中教授/學習Web應用程式安全性。 DVWA的目標是透過簡單直接的介面練習一些最常見的Web漏洞,難度各不相同。請注意,該軟體中

SublimeText3 英文版
推薦:為Win版本,支援程式碼提示!

EditPlus 中文破解版
體積小,語法高亮,不支援程式碼提示功能

SublimeText3 Linux新版
SublimeText3 Linux最新版