Redo Log Buffer

############################################################################
                          Redo Log Buffer    edit by sky on 20111111    参考:performance guid
############################################################################
1.redo log buffer
  LGWR从redo log buffer重做条目到online redo log被触发的条件:
  redo log buffer 1/3满时
  commit或rollback时
  dbwr时
  在LGWR写重做条目到redo log的同时,用户进程可以复制内存中已经被写到磁盘的相关内容
  太小的redo log buffer使得LGWR工作较为频繁,从而增加了系统I/O
  在一个有着快速处理器和相对I/O较慢的磁盘的机器上可以采用以下措施改善性能:
  a.大一点的redo log buffer可以相对缓解较慢的磁盘访问
  b.提高检查点和归档进程
  c.提高日志写的进程(如:移动所有的在线redo log到一个相对较快的裸设备)
  良好的redo log buffer的使用:
  a.批量提交作业
  b.采用nologging方式加载大量数据到DB
  redo log buffer的大小由LOG_BUFFER参数决定,单位是字节,不是动态参数,在DB启动后不能被动态修改
  增加redo log buffer不会产生额外的影响,仅仅占用了额外的内存,根据经验在大多数系统上redo log buffer超过1M并不会带来性能上的改善
  redo log buffer大小一般被确定通过:MAX(0.5M, (128K * number of cpus))
  通过统计评估redo log buffer大小是否合理:
  SELECT NAME, VALUE
  FROM V$SYSSTAT
  WHERE NAME = 'redo buffer allocation retries';
  正常情况下重试次数应该趋于0,如果该值较大,且有增大的趋势,而且log buffer space等待事件是一个显著的因素则增加redo log buffer的大小,否则提高检查点和归档进程

来自 “ ITPUB博客 ” ,链接:http://blog.itpub.net/16807927/viewspace-711599/,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/16807927/viewspace-711599/

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
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