【RMAN】【CATALOG】恢复目录管理(4)--维护恢复目录

1. 重新同步恢复目录

重新同步恢复目录是为了使恢复目录和目标数据库控制文件保持同步,当目标数据库物理结构发生改变时,应该重新同步恢复目录。

RMAN> resync catalog;

正在启动全部恢复目录的 resync
完成全部 resync

2. 注销目录数据库

RMAN> resync catalog;

正在启动全部恢复目录的 resync
完成全部 resync

RMAN> unregister database;

数据库名为 "DEMO" 且 DBID 为 3408444956

是否确实要注销数据库 (输入 YES 或 NO)? yes
已从恢复目录中注销数据库

3. 升级恢复目录

RMAN> upgrade catalog;

恢复目录所有者是RMAN
再输入一次 UPGRADE CATALOG 命令来确认目录升级

RMAN> upgrade catalog;

恢复目录已升级到版本10.02.00.00
DBMS_RCVMAN 程序包升级为 10.02.00.00 版
DBMS_RCVCAT 程序包升级为 10.02.00.00 版

4. 删除恢复目录

RMAN> drop catalog

恢复目录所有者是RMAN
再输入一次 DROP CATALOG 命令来确认目录删除

RMAN> drop catalog

恢复目录已删除

5. 恢复数据库到早期数据库副本

(1) 确定数据库副本的副本键值

RMAN> list incarnation of database;

数据库原型列表
DB 关键字  Inc 关键字 DB 名  DB ID            STATUS  重置 SCN  重置时间
------- ------- -------- ---------------- --- ---------- ----------
1       9       DEMO     3408444956       PARENT  981709     14-9月 -08
1       10      DEMO     3408444956       PARENT  1061867    25-9月 -08
1       11      DEMO     3408444956       PARENT  1083584    25-9月 -08
1       12      DEMO     3408444956       PARENT  1085098    25-9月 -08
1       13      DEMO     3408444956       PARENT  1134928    27-9月 -08
1       14      DEMO     3408444956       PARENT  1135243    02-10月-08
1       15      DEMO     3408444956       PARENT  1135244    02-10月-08
1       16      DEMO     3408444956       PARENT  1566552    16-10月-08
1       17      DEMO     3408444956       PARENT  1569503    16-10月-08
1       18      DEMO     3408444956       PARENT  1584211    17-10月-08
1       2       DEMO     3408444956       PARENT  1590198    19-10月-08
1       2585    DEMO     3408444956       CURRENT 2126999    10-11月-08

(2) 设置数据库到早期副本

RMAN> startup force mount

Oracle 实例已启动
数据库已装载

系统全局区域总计     167772160 字节

Fixed Size                     1247900 字节
Variable Size                 62915940 字节
Database Buffers             100663296 字节
Redo Buffers                   2945024 字节

RMAN> reset database to incarnation 2;

将数据库重置为原型 2

(3) 转储早期版本的控制文件

RMAN> run{
2> startup force nomount;
3> set until sequence=68;
4> restore controlfile;
5> }

Oracle 实例已启动

系统全局区域总计     167772160 字节

Fixed Size                     1247900 字节
Variable Size                 62915940 字节
Database Buffers             100663296 字节
Redo Buffers                   2945024 字节

正在执行命令: SET until clause

启动 restore 于 10-11月-08
分配的通道: ORA_DISK_1
通道 ORA_DISK_1: sid=157 devtype=DISK

通道 ORA_DISK_1: 正在开始恢复数据文件备份集
通道 ORA_DISK_1: 正在复原控制文件
通道 ORA_DISK_1: 正在读取备份段 D:/1110/DEMO.CTL
通道 ORA_DISK_1: 已恢复备份段 1
段句柄 = D:/1110/DEMO.CTL 标记 = TAG20081110T103514
通道 ORA_DISK_1: 恢复完成, 用时: 00:00:04
输出文件名=D:/DEMO/CONTROL01.CTL
输出文件名=C:/DEMO/CONTROL02.CTL
完成 restore 于 10-11月-08

(4) 恢复数据库到早期副本

RMAN> run
2> {
3> alter database mount;
4> restore database;
5> recover database;
6> }

数据库已装载
释放的通道: ORA_DISK_1

启动 restore 于 10-11月-08
启动 implicit crosscheck backup 于 10-11月-08
分配的通道: ORA_DISK_1
通道 ORA_DISK_1: sid=156 devtype=DISK
已交叉检验的 7 对象
完成 implicit crosscheck backup 于 10-11月-08

启动 implicit crosscheck copy 于 10-11月-08
使用通道 ORA_DISK_1
完成 implicit crosscheck copy 于 10-11月-08

搜索恢复区域中的所有文件
正在编制文件目录...
没有为文件编制目录

使用通道 ORA_DISK_1

通道 ORA_DISK_1: 正在开始恢复数据文件备份集
通道 ORA_DISK_1: 正在指定从备份集恢复的数据文件
正将数据文件00001恢复到D:/DEMO/SYSTEM01.DBF
正将数据文件00002恢复到D:/DEMO/UNDOTBS01.DBF
正将数据文件00003恢复到D:/DEMO/SYSAUX01.DBF
正将数据文件00004恢复到C:/DEMO/USERS01.DBF
正将数据文件00005恢复到E:/USER07.DBF
通道 ORA_DISK_1: 正在读取备份段 D:/1110/DEMO_305_1.DBF
通道 ORA_DISK_1: 已恢复备份段 1
段句柄 = D:/1110/DEMO_305_1.DBF 标记 = TAG20081110T103042
通道 ORA_DISK_1: 恢复完成, 用时: 00:02:15
完成 restore 于 10-11月-08

启动 recover 于 10-11月-08
使用通道 ORA_DISK_1

正在开始介质的恢复

存档日志线程 1 序列 65 已作为文件 C:/DEMO/ARCHIVE/65_1_668514539.LOG 存在于磁盘

存档日志线程 1 序列 66 已作为文件 C:/DEMO/ARCHIVE/66_1_668514539.LOG 存在于磁盘

存档日志线程 1 序列 67 已作为文件 C:/DEMO/ARCHIVE/67_1_668514539.LOG 存在于磁盘

存档日志线程 1 序列 68 已作为文件 C:/DEMO/ARCHIVE/68_1_668514539.LOG 存在于磁盘

存档日志线程 1 序列 69 已作为文件 C:/DEMO/ARCHIVE/69_1_668514539.LOG 存在于磁盘

存档日志线程 1 序列 70 已作为文件 C:/DEMO/ARCHIVE/70_1_668514539.LOG 存在于磁盘

存档日志线程 1 序列 71 已作为文件 C:/DEMO/ARCHIVE/71_1_668514539.LOG 存在于磁盘

存档日志线程 1 序列 72 已作为文件 C:/DEMO/ARCHIVE/72_1_668514539.LOG 存在于磁盘

存档日志文件名 =C:/DEMO/ARCHIVE/65_1_668514539.LOG 线程 =1 序列 =65
存档日志文件名 =C:/DEMO/ARCHIVE/66_1_668514539.LOG 线程 =1 序列 =66
存档日志文件名 =C:/DEMO/ARCHIVE/67_1_668514539.LOG 线程 =1 序列 =67
存档日志文件名 =C:/DEMO/ARCHIVE/68_1_668514539.LOG 线程 =1 序列 =68
存档日志文件名 =C:/DEMO/ARCHIVE/69_1_668514539.LOG 线程 =1 序列 =69
存档日志文件名 =C:/DEMO/ARCHIVE/70_1_668514539.LOG 线程 =1 序列 =70
存档日志文件名 =C:/DEMO/ARCHIVE/71_1_668514539.LOG 线程 =1 序列 =71
存档日志文件名 =C:/DEMO/ARCHIVE/72_1_668514539.LOG 线程 =1 序列 =72
.......

RMAN> sql 'alter database open resetlogs';

sql 语句: alter database open resetlogs
在恢复目录中注册的数据库的新原型
正在启动全部恢复目录的 resync
完成全部 resync

来自 “ ITPUB博客 ” ,链接:http://blog.itpub.net/20335819/viewspace-708677/,如需转载,请注明出处,否则将追究法律责任。

转载于:http://blog.itpub.net/20335819/viewspace-708677/

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
,发送类别,概率,以及物体在相机坐标系下的xyz.zip目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
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