oracle 相关sql杂

仅做记录,就自己看看而已

//合并分区
ALTER TABLE EMS_STORAGE_FILE  MERGE PARTITIONS EMS_STORAGE_FILE20160207, EMS_STORAGE_FILE20160208 INTO PARTITION EMS_STORAGE_FILE20160208 UPDATE INDEXES;

//杀session
select sid,serial#,PADDR,username from v$session where username='VISS35';

alter system kill session '447,103';

select a.spid,b.sid,b.serial#,b.username from v$process a,v$session b where a.addr=b.paddr and b.status='KILLED' and b.username='VISS35'

//表空间
select name, status from v$datafile where status='OFFLINE';
alter database datafile  '/xxx/xxx/xxx.dbf' online; 
alter database datafile 547 online;
alter tablespace my01 online;
alter tablespace test_mult_ws_20 offline; DROP TABLESPACE test_mult_ws_20 INCLUDING CONTENTS AND DATAFILES;

SELECT segment_name, segment_type, sum(bytes/1024/1024/1024)||'G' ,sum(blocks),sum(extents),count(*) FROM user_segments  WHERE segment_name='EMS_STORAGE_FILE' group by segment_name, segment_type;


SELECT segment_name, segment_type, (bytes/1024/1024)||'M' ,blocks,extents FROM user_segments WHERE segment_name='EMS_STORAGE_FILE' ;

//mount
nid target=sys/oracle dbname=orcl setname=yes(dbid修改)   

//rman备份恢复111

//
 list incarnation;

List of Database Incarnations
DB Key  Inc Key DB Name  DB ID            STATUS  Reset SCN  Reset Time
------- ------- -------- ---------------- --- ---------- ----------
1       1       ORCL     1443165364       PARENT  1          24-AUG-13
2       2       ORCL     1443165364       PARENT  925702     24-JUN-16
... 
14      14      ORCL     1443165364       PARENT  1786506    28-JUN-16
15      15      ORCL     1443165364       CURRENT 1896462    28-JUN-16

reset database to incarnation 14;

restore database until scn 1896461;
recover  database until scn 1896461;

alter database add logfile thread 1 group 1('/home/oracle/oracleDB/oradata/orcl/redo01.log') size 100m;
alter database add logfile thread 1 group 2('/home/oracle/oracleDB/oradata/orcl/redo02.log') size 100m;
alter database add logfile thread 1 group 3('/home/oracle/oracleDB/oradata/orcl/redo03.log') size 100m;
// 将Oracle数据库设置为归档模式
1)sql>shutdown normal/immediate;
2)sql>startup mount;
3)sql>alter database archivelog;
4)sql>alter database open;
5)archive log list;


select current_scn from v$database;


create or replace directory  NAMExx as 'PATH';

GRANT CONNECT,RESOURCE TO xxx;
GRANT CREATE VIEW TO xxx;
GRANT CREATE TABLE TO xxx;
GRANT CREATE SEQUENCE TO xxx;
GRANT CREATE TABLESPACE TO xxx;
GRANT DROP TABLESPACE TO xxx;
GRANT ALTER TABLESPACE TO xxx;
GRANT EXECUTE ON DBMS_PIPE TO xxx;
GRANT CREATE ANY DIRECTORY to xxx;
GRANT DROP ANY DIRECTORY to xxx;

expdp viss35/viss35  directory=DIRECTORY tables=xx:xx,xx:xx access_method=external_table  dumpfile=tttt2.dmp    nologfile=y  ;
impdp viss35/viss35  directory=DIRECTORY tables=xx:xx,xx:xx  dumpfile=tttt2.dmp   access_method=external_table table_exists_action=replace   nologfile=y  ;



SELECT s.sid, s.username, s.osuser, p.spid, s.program, s.module, s.event, s.status
  FROM v$session s, v$process p
 WHERE s.paddr   = p.addr AND p.spid IN ( '20903');


  --活动信息
  SELECT sql_text sql FROM v$process a, v$session b, v$sqlarea c WHERE a.addr = b.paddr AND b.sql_hash_value = c.hash_value;
深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
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