《Oracle 12c特性解读-容器数据库和灾备》金牌客座讲师主讲,进阶高级DBA必修

很多Oracle DBA来说,12c最期待人心的就是12c Release 2的发布了,而Linux 64位版本的发布则是一个重头戏。2017年初Oracle率先发布了12c Release 2版本,包含Exadata、SuperCluster版本,而在2017年3月1日,Oracle终于发布了它的Linux 64版本和Solaris版本,接下来还有windows、HPUX、AIX版本会在Q2发布。
  12c包含了大量丰富的特性,在体系结构上也做了较大的改进,这些变化对我们的工作密切相关,在云时代Oracle引领技术发展,我们也要紧跟其后,如何快速掌握这些技术变化,在这个课程里会针对性做出一些解读和实践总结。
  本次课程主要针对具有一定Oracle经验的同学,课程环境基于Linux,会从两个方面来进行12c特性的解读,容器数据库和灾备。

课程大纲:

第一课Oracle 12c体系结构简介

www.msqkp.cn
www.trwjp.cn
www.gwdyr.cn
www.wlysk.cn
www.pqhsw.cn
www.mknzz.cn
www.smknq.cn
www.prpyq.cn
www.mtrwp.cn
www.kknhg.cn

Oracle体系结构的内容非常庞大,而且复杂,在12c中又做了较大的改进,我们会逐步分析这个架构的由来和实现,对部分内存组件进行一些解读。

第二课 数据库环境初始化和网络配置
     数据库软件的安装和创建数据库实例是工作中的必备内容,其实方法很多,而不是简单的图形工具,主要会介绍三种数据库软件的安装方式和四种创建数据库实例的方法,在工作中都是大量使用。

第三课 创建与管理PDB

www.xgtzh.cn
www.rkmnx.cn
www.krrlb.cn
www.gqkzd.cn
www.rkffb.cn
www.jplxm.cn
www.bnjcx.cn
www.lzmdg.cn
www.bmfnr.cn
www.hsfpp.cn
www.jfclt.cn
www.jgwnn.cn
www.wtjmg.cn
www.frydt.cn

     容器是12c的一大亮点,如何创建容器PDB,如何进行管理,这是摆在很多DBA面前的问题,里面有很多习惯需要适应和改变。

第四课 CDB,PDB对象管理
     在容器数据库中,如何管理大量的数据库对象,我们需要铺垫一些基础知识,会解读数据字典,表,序列,物化视图,约束的基本管理,还有权限控制。

第五课 PDB迁移和克隆
     容器的迁移和克隆是PDB灵活架构的一部分,我们会从实例来演示多种PDB的迁移方式和PDB克隆方法。

第六课 PDB备份和恢复
     有一件事情是DBA决不能犯错误的,那就是“恢复”,数据备份是数据库恢复的前提,我们会解析备份恢复的基本原理和RMAN环境下的备份恢复配置,并通过几个案例模拟数据恢复场景。

第七课 升级数据库至12c
     数据库升级到12c是一个很有挑战的工作,我们在此会讲解数据库升级需要的准备事项,升级步骤和升级后的经验总结,让12c升级更加自然平滑。

第八课 灾备简介和环境搭建
Data Guard可以说是DBA必知必会的内容,其优先级要高于其他的技能,主要介绍环境搭建过程,通过10g,11g的一个简单变化解读12c中的改进和新特性,因为DG Broker在工作中算是标配内容,也会重点讲解。

第九课 12c 灾备环境搭建

     分析12c的新特性Far sync和其它亮点特性的使用,在PDB中的一些灵活改变和实现方式。

第十课 容灾切换和故障演练实践总结

     容灾切换是灾难发生时需要立即进行处理的场景,在此会讲解常规的容灾切换和自动容灾切换,故障演练是容灾切换的基础内容,通过模拟能够对故障场景进行更多的经验总结,提高故障恢复率。

第十一课 灾备维护经验总结

     Data Guard不是一个简单的只读备库,在11g的Active Data Guard基础上,还有闪回数据库,快照数据库等,在12c中还有一些不错的解决方案,我们会一一说明, 此外还会对常见的Data Guard问题和注意事项进行总结。


课程对象:

www.wjqbs.cn
www.mxfgl.cn
www.slqrs.cn
www.rgglg.cn
www.qbgtr.cn
www.wqsjl.cn
www.vmtrck.cn
www.zfzozh.cn
www.oygtll.cn
www.mqoqzb.cn

具有一定Oracle基础/对12c特性感兴趣的同学。

收获预期:
熟悉12c特性、熟练掌握容器数据库、熟练掌握灾备搭建和实践方案,进阶到高级DBA行列

讲师介绍:
杨建荣,DBA一枚,现就职于国内某互联网公司,曾负责亚太电信运营商的数据业务支持,主要负责完成了数据业务升级,数据迁移和性能调优。
Oracle ACE-A,dbaplus社群发起人之一,YEP成员(Young Expert Program)。
拥有Oracle 10g OCM,MySQL OCP认证,在数据库大会和Oracle嘉年华做过主题分享。
除数据库技术之外,对shell, Java 也有一定的功底,平时喜好写技术博客,每天坚持一篇,现已经坚持700多天(公众号 jianrong-notes)。 

新颖的课程收费形式:“逆向收费”约等于免费学习,仅收取100元固定收费+300元暂存学费,学习圆满则全额奖励返还给学员!
www.buwpxf.cn
www.bqfgdl.cn
www.uqlbnw.cn
www.panujt.cn
www.zirivk.cn
www.suztkw.cn
www.ptbdys.cn
www.vudvam.cn
www.zlshtr.cn
www.lpjzii.cn
本门课程本来打算完全免费,某位大神曾经说过“成功就是正确的方向再加上适度的压力”。考虑到讲师本身要付出巨大的劳动,为了防止一些朋友在学习途中半途而废,浪费了讲师的付出,为此我们计划模仿某些健身课程,使用“逆向收费”的方法。
在报名时每位报名者收取400元,其中100元为固定 收费 ,另外300是暂存学费,即如果学员能完成全部课程要求,包括完成全部的书面和互动作业,则300元全款退回,优秀的学员还可以获得礼品 奖励。如果学员未能坚持到完全所有的学习计划任务,则会被扣款。期望这种方式可以转化为大家强烈的学习愿望和驱动力!

课程授课方式:
1、 学习方式:老师发布教学资料、教材,幻灯片和视频,学员通过网络下载学习。同时通过论坛互动中老师对学员进行指导及学员之间相互交流。
www.wqstj.cn
www.htqwb.info
www.lgpby.info
www.wtbzz.info
www.prhxj.info
www.qqyfq.info
www.wfqft.cn
2、 学习作业:老师每周布置书面及互动作业,学员需按时按质完成作业。
3、 老师辅导:根据作业批改中发现的问题,针对性给予辅导,帮助大家掌握知识。
4、 结业测验:通过测验,完成学业。
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