临时表的相关运维

概念:

1) **临时段:**在 DM 数据库中,所有的临时段都创建在临时表空间中,这样可以分流磁盘设备的 I/O, 也可以减少由于在 SYSTEM 或其他表空间内频繁创建临时数据段而造成的碎片。
临时段的分配和释放完全由系统自动控制,用户不能手工进行干预。

2) **TEMP 表空间:**临时数据文件,完全由 DM 数据库自动维护。当用户的 SQL 语句需要磁盘空间来完成某个操作时,在执行 SQL过程中DM 数据库会从TEMP表空间分配临时段。当临时段被分配或被释放时,临时表空间文件在磁盘所占大小并不会因此而缩减,用户可以通过系统函数 SF_RESET_TEMP_TS 来进行磁盘空间的清理。

用途:如创建索引、无法在内存中完成的排序操作、SQL 语句中间结果集以及用户创建的临时表等都会使用到 TEMP 表空间。
注:NORMAL、KEEP、FAST 和 RECYCLE四种类型数据缓冲区,RECYCLE 缓冲区仅供临时表空间使用;

3) **临时表:**用来临时保存会话甚至事务中的数据。在会话或事务结束时,这些表上的数据将会被自动清除。仅为全局临时表,不支持压缩,不允许进行备份,不支持USING LONG ROW(超长记录存储)选项,数据独享,默认事务级。在临时表上增删索引会使当前会话上临时 b 树数据丢失,不支持重建索引,不支持使用虚拟列,临时表并不太适合数据量大且频繁查询的情况,不支持使用自增列。
在这里插入图片描述

① ON COMMIT DELETE ROWS:指定临时表是事务级的,每次事务提交或回滚之后, 表中所有数据都被删除;
② ON COMMIT PRESERVE ROWS:指定临时表是会话级的,会话级临时表数据仅能当前会话查看,会话结束时清空表, 并释放临时 B 树。

4) 临时表相关设置

在这里插入图片描述

实操模拟:

1、事务级(默认)

----创建事务级表结构并插入数据
在这里插入图片描述

----未提交状态下查询数据
在这里插入图片描述

----提交状态下查询数据
在这里插入图片描述

----sql如下

create global temporary table temp_table01 (id int,name varchar(20)) on commit delete rows;
insert into temp_table01 values (4,'svz');
insert into temp_table01 values (6,'xvdv');
select * from temp_table01;
commit;
select * from temp_table01;

2、会话级

----创建会话级表结构并插入数据
在这里插入图片描述

----未提交状态下查询数据
在这里插入图片描述

----提交状态下查询数据
在这里插入图片描述

----另开窗口查询数据
在这里插入图片描述

----sql如下

create global temporary table temp_table02 (id int,name varchar(20)) on commit preserve rows;
insert into temp_table02 values (4,'fgs');
insert into temp_table02 values (6,'gfncg');
select * from temp_table02;
commit;
select * from temp_table02;

3、模拟在线缩小临时表空间

----查看表空间大小,单位为M

select tablespace_name,FILE_NAME,bytes/1024/1024 from dba_data_files;

在这里插入图片描述

----新建事务表table03,向事务表中插入1千万行数据,把临时表空间撑大

create global temporary table temp_table03 (id int,name varchar(20)) on commit delete rows;
begin
 for i in 1..10000000
 loop
 insert into temp_table03 values(i,'abcdefg');
 end loop;
end;
select count(*) from temp_table03;

在这里插入图片描述

----查看临时表空间大小

select tablespace_name,FILE_NAME,bytes/1024/1024 from dba_data_files;

在这里插入图片描述

----通过函数SP_TRUNC_TS_FILE,在线缩小临时表空间文件大小
①函数说明见下图
![在这里插入图片描述](https://img-blog.csdnimg.cn/2ad4d3b8d16543d0912c3bd1af8d0d9c.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3R4cTAwMA==,size_16,color_FFFFFF,t_70

②获取ts_id,file_id

select * from  v$datafile;

在这里插入图片描述

③清空表数据,在线缩小temp表空间

commit;
select count(*) from temp_table03;
SP_TRUNC_TS_FILE(3,0,64);
select tablespace_name,FILE_NAME,bytes/1024/1024 from dba_data_files;

在这里插入图片描述

tip:若无法缩小临时表空间尝试重启库释放数据后再次进行缩小;

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