[20121108]关于克隆数据库的问题.txt

[20121108]关于克隆数据库的问题.txt

前几天在克隆数据库生产系统数据库时,遇到一个非常奇怪的问题,记录一下:

克隆的机器口令文件,以及spfile以前都存在,实际上很简单,先停止旧数据库,然后改安装目录名(害怕还要使用!),再安装数据库:

startup nomount;
SQL> startup nomount
ORACLE instance started.

Total System Global Area 1.2885E+10 bytes
Fixed Size                  2105920 bytes
Variable Size            1660947904 bytes
Database Buffers         1.1207E+10 bytes
Redo Buffers               14667776 bytes
SQL> quit

$ rman target /

Recovery Manager: Release 10.2.0.4.0 - Production on Thu Nov 8 10:32:39 2012
Copyright (c) 1982, 2007, Oracle.  All rights reserved.
connected to target database: orcl (not mounted)
RMAN> restore controlfile from '/mnt/xxx.backup/controls/xxx_ORCL_20121103_9410_controls';
Starting restore at 2012-11-08 10:32:46
using target database control file instead of recovery catalog
allocated channel: ORA_DISK_1
channel ORA_DISK_1: sid=814 devtype=DISK

channel ORA_DISK_1: restoring control file
channel ORA_DISK_1: restore complete, elapsed time: 00:00:03
output filename=/data/orcl/control01.ctl
output filename=/data/orcl/control02.ctl
output filename=/data/orcl/control03.ctl
Finished restore at 2012-11-08 10:32:49

RMAN> alter database mount;
database mounted

RMAN> restore database until time '2012-11-04 06:00:00';
Starting restore at 2012-11-08 10:30:27
Starting implicit crosscheck backup at 2012-11-08 10:30:27
allocated channel: ORA_DISK_1
channel ORA_DISK_1: sid=814 devtype=DISK
Crosschecked 138 objects
Finished implicit crosscheck backup at 2012-11-08 10:30:35

Starting implicit crosscheck copy at 2012-11-08 10:30:35
using channel ORA_DISK_1
Finished implicit crosscheck copy at 2012-11-08 10:30:35

searching for all files in the recovery area
cataloging files...
cataloging done

List of Cataloged Files
=======================
File Name: /data/log/ORCL/archivelog/0001_0000000001_793708270.dbf
....

using channel ORA_DISK_1

creating datafile fno=1 name=/data/orcl/system01.dbf
RMAN-00571: ===========================================================
RMAN-00569: =============== ERROR MESSAGE STACK FOLLOWS ===============
RMAN-00571: ===========================================================
RMAN-03002: failure of restore command at 11/08/2012 10:30:37
ORA-01180: can not create datafile 1
ORA-01110: data file 1: '/data/orcl/system01.dbf'

--如果restore datafile 6.
RMAN> restore datafile 6;
RMAN-06064: creating datafile fno=6 name=/data/orcl/tools.dbf
RMAN-06177: restore not done; all files readonly, offline, or already restored
RMAN-03091: Finished restore at 10-JUN-10

--奇怪!/data/orcl/tools.dbf根本不存在!
--仔细看前面的信息,可以发现如下:

searching for all files in the recovery area
cataloging files...
cataloging done

List of Cataloged Files
=======================
File Name: /data/log/ORCL/archivelog/0001_0000000001_793708270.dbf


--原来数据库的闪回区有archivelog存在.这样会catalog克隆数据里面的archivelog,使用list incarnation检查:

RMAN> list incarnation ;

List of Database Incarnations
DB Key  Inc Key DB Name  DB ID            STATUS  Reset SCN  Reset Time
------- ------- -------- ---------------- --- ---------- ----------
1       1       ORCL     1155815272       PARENT  1          2007-07-15 22:02:16
2       2       ORCL     1155815272       CURRENT 3004540661 2012-09-11 10:31:10

--可以发现生产了新的incarnation 2.

--看了一些文档要正确执行:
--reset incarnation database to 1;
--再restore database until time '2012-11-04 06:00:00';估计就可以了.
--我没有采用这个方法,而是rm删除了/data/log/ORCL/archivelog/里面的内容,再重复以上过程,克隆正常!
--看来以后采用这种方式克隆后,一定要nid修改数据库的dbid.避免archivelog混淆在一起.避免不必要的问题.

来自 “ ITPUB博客 ” ,链接:http://blog.itpub.net/267265/viewspace-748676/,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/267265/viewspace-748676/

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,非常适合复杂的序列预测任务。 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杂的函数。 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