配合rails的oracle连接和字符集配置

1. 基本

Rails默认的设置适合于MySQL,但我的工作环境往往是Oracle,于是需要针对Oracle重新进行配置。

  1. 下载和安装Oralce Rails库,可以访问 http://rubyforge.org/projects/ruby-oci8 获取最新版本的rb文件并执行;
  2. 需要给Rails应用所在的服务器安装Oracle的客户端;
  3. 更改config/database.yml文件,基本的配法如下:
ruby 代码
  1. oracle:   
  2.   adapter: oci   
  3.   username: rails   
  4.   password: rails   
  5.   host: 10.11.16.63/ORCL   

相信用过oracle的人都很容易理解上面的字段和格式的含义。另外说一下,冒号后一定要留一个空格,否则在执行ruby script/server时就会报错。

基本连接的配置就是这样了,但对一个中国的开发人员来说,通常情况下,新的框架、新的数据库配置一般会带来字符编码的问题。

 2. 字符集配置

 先绝条件1: Rails默认使用UTF-8字符集保存文件,暂时不考虑修改成GBK。

 先绝条件2: Oralce服务器使用AMERICAN _ AMERICA.zhs16gbk编码,是一个公共的开发环境,因此除非迫不得已,不考虑对编码进行调整。

 可变的条件: Rails应用所在服务器的oracle客户端字符集,当前也是ZHS16GBK,但可以调整。

 按照现在的配置,运行rails,进行中文信息的填写、提交、显示。发现不错,在web上显示的一切正常。但是,用常用的toad登录Oralce,一看全部显示乱码。即使用Oracle自带的那个java写的客户端连上去,也是显示乱码。

有的帖子里面写了把客户端的nls_lang设置的和服务器一样,就能解决乱码问题。前面的条件也符合这种要求,web上的显示也确实正确。但是数据库客户端显示不正常,显然不让人接受,以后万一要导数据等等,那就会麻烦很多。

于是开始尝试各种解决办法,直到看见了这篇关于oracle字符集的文章( http://www.itpub.net/838447,1.html ),才算豁然开朗。

 


 

字符集配置问题其实牵涉到3个概念:操作系统字符集(输入/显示),客户端字符集数据库字符集

"客户端字符集就是为了让数据库知道我们传递过去的字符是属于那种字符集,以便于Oracle在存储字符(数据库字符集)时做相应的编码映射。"  操作系统字符集其实就是输入/显示的字符,在rails中输入就是就是rails提交的编码,显示则是由浏览器根据编码进行解析。简单地说,先决条件1就是输入字符集,先决条件2就是数据库字符集,而可变的条件就是客户端字符集。之前,在客户端和数据库端都是ZHS16GBK的情况下,web能成功显示,是因为保存和取出的都是utf-8编码的字符,而数据库自己查看失败就在于在nls_lang=ZHS16GBK的情况下,无法正确解析实际是按utf-8存放的内容。

简单地把客户端字符集设置和数据库一致,仅仅实现了数据(按utf-8编码)的透传。而真的要让数据在库中以数据库字符集编码形式保存,需要将客户端字符集改成和输入字符集一致的字符集。因此,如果Rails输入的信息是UTF-8,那么应该将Rails应用服务器的oracle客户端设置成 nls_lang=UTF8。 如此的话,客户端字符集让数据库知道我们传递过去的字符是属于哪种字符集,以便于oracle在存储字符时做相应的编码映射,这样数据就按数据库字符集被保存了。

 


 

最后还要说的一个问题,就是nls_lang=AMERICAN_AMERICA.UTF8在哪里进行设置。

在windows下,可以在注册表下以及dos窗口里面设置。在注册表下设置的话,除影响Rails外,还会影响toad以及oracle自带的客户端。而此时,web一切正常,oracle自带的客户端查看数据也正常,但是toad的显示还是不正常。

换成在启动Rails前先执行 set nls_lang=AMERICAN_AMERICA.UTF8 ,这样把影响局限在Rails应用中,注册表中依旧采用ZHS16GBK,那么web、toad、oracle自带客户端就全都正常了。更进一步,set nls_lang=AMERICAN_AMERICA.UTF8 可以放入rails目录下的use_ruby.cmd,这样就会自动设置这个变量了。

 

综上所述,对于Rails来说,如果选择按UTF8来进行数据的传递,那么只要存入/获取的数据都是UTF8编码的,在web上就能一切正常。透传的话不影响Rails的正常工作,但保存数据的字符集就未必是数据库的字符集了。客户端字符集变量的作用就是告诉数据库传的信息是按什么编码的,然后数据库就能做相应的转换,按数据库自己的字符集进行存放,而在取出时也能做相应的转换。所以说,需要将客户端字符集改成和输入字符集一致。

如果对几个字符集还有疑问,请参考 http://www.itpub.net/838447,1.html 。

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