CentOS7.x 静默安装 oralce 11g R2

本文详细介绍了在CentOS7.x上静默安装Oracle 11g R2的全过程,包括检查依赖、创建用户、设置权限和环境变量、修改系统配置、编辑响应文件、配置监听器和数据库实例,以及解决常见问题。通过此步骤,可以顺利安装并实现远程连接。
摘要由CSDN通过智能技术生成

一.安装前的准备工作

1.1 检查依赖是否齐全

yum -y install binutils compat-libstdc++-33 compat-libstdc++-33.i686elfutils-libelf elfutils-libelf-devel gcc gcc-c++  glibc glibc.i686 glibc-common glibc-devel glibc-devel.i686glibc-headers ksh libaio libaio.i686 libaio-devel libaio-devel.i686  libgcc libgcc.i686 libstdc++ libstdc++.i686libstdc++-devel make sysstat unixODBC unixODBC-devel (直接复制到控制台就好了)


1.2 创建对应的用户、组

groupadd oinstall              //创建oinstall组
groupadd dba                //创建dba组
useradd -g oinstall -G dba oracle  //将oracle用户加入组 
passwd oracle                  //修改并设定oracle用户密码  
可以用 id oracle 来检查是否成功


1.3 创建安装文件夹、设置权限、设置oracle用户的环境变量


1.3.1 创建安装目录:目录创建根据自己实际需求更改
mkdir  /mnt/sdc1/oracle/oracle          //数据库系统安装目录
mkdir  /mnt/sdc1/oracle/oracle/oradata        //数据库数据安装目录
mkdir   /mnt/sdc1/oracle/oracle/oradata_back    //数据备份目录
mkdir   /mnt/sdc1/oracle/oracle/oraInventory     //清单目录  

创建完检查 输入ll  /mnt/sdc1/oracle  查看 

    


1.3.2 为目录设置权限:
  
 chown -R   oracle:oinstall    /mnt/sdc1/oracle/oracle/  
 chmod -R 775 /mnt/sdc1/oracle/oracle/

执行完如图:输入ll  /mnt/sdc1/oracle 检查


1.3.3 设置oracle用户环境变量:vi /home/oracle/.bash_profile  文件内加入并修改至以下内容 
export ORACLE_BASE=/mnt/sdc1/oracle/oracle
export ORACLE_HOME=$ORACLE_BASE/product/11.2.0/db_1
export UNIX_GROUP_NAME=oinstall
export ORACLE_SID=orcl
export PATH=$PATH:$ORACLE_HOME/bin:$HOME/bin

如图:



保存退出后执行source命令立即生效source /home/oracle/.bash_profile

1.3.4  修改内核参数配置文件 
 vi /etc/sysctl.conf   配置文件内加入修改以下参数,如果没有可以自己添加,如果默认值比参考值大,则不需要修改。 直接在末尾添加以下配置 
fs.aio-max-nr = 1048576
fs.file-max = 6815744
kernel.shmall = 2097152
kernel.shmmax = 536870912
kernel.shmmni = 4096
kernel.sem = 250 32000 100 128
net.ipv4.ip_local_port_range = 9000 65500
net.core.rmem_default = 262144
net.core.rmem_max = 4194304
net.core.wmem_default = 262144
net.core.wmem_max = 1048576

如图所示:



输入 sysctl –p  命令让文件生效

1.3.5 修改用户限制文件、设置关联信息、修改系统启动环境参数

1.3.5.1 修改限制文件:vi/etc/security/limits.conf在文件尾部添加如下信息:
oracle           soft    nproc           2047
oracle           hard    nproc           16384
oracle           soft    nofile          1024
oracle           hard    nofile          65536
oracle           soft    stack           10240

如图:(记得保存退出 wq)



1.3.5.2 设置关联信息:vi/etc/pam.d/login在文件尾部添加如下信息
session    required     /lib64/security/pam_limits.so
session    required     pam_limits.so

如图:



1.3.5.3 修改系统启动环境参数:vi  /etc/profile在文件尾部添加如下信息:
if [ $USER = "oracle" ]; then
 if [$SHELL = "/bin/ksh" ]; then
 ulimit -p 16384
 ulimit -n 65536
 else
 ulimit -u 16384 -n 65536
 fi
fi

如图:



1.3.6 编辑静默安装响应文件(重要) 

1.3.6.1 使用xftp将这两个文件上传到相应目录,我的上传的目录是 /mnt/sdc1下

1.3.6.2 解压这个两个文件 先1后2(记得要进入该目录,不然前面需要加路径)
unzip linux.x64_11gR2_database_1of2.zip
unzip linux.x64_11gR2_database_2of2.zip

解压完成会在该目录下生成database文件夹



1.3.6.3 并对该文件夹进行权限复制
 
 
chmod 775  /mnt/sdc1/database
chown -R oracle.oinstall  /mnt/sdc1/database
 
 
1.3.6.4 设置主机名
 

可以使用 hostname查看主机名


若显示 localhost.localhostdomain 可以 vi  /etc/hosts进行设置



1.3.6.5 将解压完的文件中的 database下的response文件夹复制到oracle文件夹下。并复制权限
cp /mnt/sdc1/database/response  /mnt/sdc1/oracle/
chown  oracle:oinstall /mnt/sdc1/oracle/response
chmod 755 /mnt/sdc1/oracle/response

1.3.6.6 配置/mnt/sdc1/oracle/response下的db_install.rsp文件
vi /mnt/sdc1/oracle/response/db_install.rsp
** :按照下图进行修改


1.3.6.7 根据响应文件安装oracle 

记得切换为 oracle 用户   

su – oracle

进到/mnt/sdc1/database(即解压文件下)执行安装命令

./runInstaller -silent -force -ignorePrereq -responseFile /mnt/sdc1/oracle/response/db_install.rsp
 
 

等待安装直至出现以下内容:


新建一个连接,使用root登录并输入对应的命令
 
  
 

即安装完成,接下来配置监听器和数据库实例



1.3.7 配置监听器


1)生成监听文件,执行命令

netca /silent /responsefile /mnt/sdc1/oracle/response/netca.rsp

此时在$ORACLE_HOME/product/11.2.0/db_1/network/admin下会生成生成sqlnet.ora和listener.ora两个文件。   

2)启动监听器(使用这个要在oracle用户下)

  $ORACLE_/HOME/product/11.2.0/db_1/bin/lsnrctlstart LISTENER

3)查看监听器状态

  netstat-tlnp

说明已经在工作了


1.3.8 安装数据库实例


1)修改 vi  /mnt/sdc1/oracle/response/dbca.rsp 文件

按照下图对应修改:


2)执行命令,安装数据库实例

dbca -silent -responseFile /mnt/sdc1/oracle/response/dbca.rsp

等待安装完成:

3) 建库后实例检查

ps -ef | grep ora_ | grep -v grep

如图:


4)建库后查看监听状态

lsnrctl status


1.3.9 配置监听器文件,实现远程连接

vi  $ORACLE_HOME/product/11.2.0/db_1/network/admin/listener.ora

添加对应数据:

SID_LIST_LISTENER=

  (SID_LIST =

    (SID_DESC =

      (SID_NAME = orcl)

      (ORACLE_HOME = /mnt/sdc1/oracle/oracle/product/11.2.0/db_1)

      (PROGRAM = extproc)

    )

    (SID_DESC =

      (GLOBAL DBNAME =orcl.192.168.11.11 )

      (SID_NAME = orcl)
    )

  )



一般这样就基本上可以了,我是用navicat连接的,navicat记得配置一下。



总结:

这个也是我自己跟着好多博主的安装教程做的。第一次装的时候各种错误,现在基本按照这个教程走都不会有什么问题,一般失败的原因都会是监听器没有配置好或数据库实例没启动扥问题。

【6层】一字型框架办公楼(含建筑结构图、计算书) 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。
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。
1、资源项目源码均已通过严格测试验证,保证能够正常运行;、 2项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。
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