concept oracle rowid,oracle concept——data block,extent,segment-01

现在开始再次下定决定好好看看oracle concept,几个月前看了一两天太抽象了后面就慢慢没怎么看了,要坚持啊!里面对oracle数据库体系结构和原理的讲解很全面,而且文档中有些细节后面需要再查看别的资料结合实际来验证,精度细读之.

当创建一个对象表,索引或者分区表等,将会创建一个这个对象的段,如果段内空间不足将分配新的extent,但是段内的数据是通过block来管理也是最小的I/O单位。

Block是数据库中的最小单位,Block中主要分为:

块头:主要记录的是块的类型 块的地址

表目录区:此数据块的对应的表的信息

行目录区:此数据块的对应的数据行片段信息,因为有些数据行信息可能无法放置在一个数据块中,此时可能会发生数据行迁移或者链接。

(当一个数据块中数据行被清除后,此时的行目录区依然没有被回收,只有在数据块中insert新数据时,行目录区才会被重新利用。)

行数据:表或索引的实际数据,一个数据行可以跨多个数据块

可用空间区:此数据块的可用空间,如果此数据块属于索引,簇表或表的数据段,在其可用空间区中还可能存储事务条目。此数据块中数据行row正在dml语句访问,此数据快中就需要保存事务条目transaction entry

管理开销:

上述的数据块块头,行目录区,表目录区一起称为管理开销

行迁移和行链接:

数据行迁移是因为往一个block中插入数据行时,一个数据块无法容纳,这种情况oracle将此数据行存储在段内一个数据链chain中,在插入大量数据时会发生数据行迁移。

数据链接在因为更新一个block中数据行信息时,更新后的字段导致block中无法容纳此数据行,此时会在原数据行的位置保存一个数据块的指针,被迁移数据行的rowid保持不变。

此时由于访问更多的数据块,将造成更多的I/O消耗。

扩展

在数据块的上一级存储单位是数据扩展extent,段内空间的分配都是以扩展为单位的,扩展是在物理位置连续的数据块。一个数据扩展存在于同一数据文件上。当需要新的数据扩展时,此时将为这个段分配新的数据扩展,也就是增量数据扩展。大于或等于已有数据扩展。

为了管理需要,段头都包含此段内数据扩展的目录

Oracle8I后都是本地管理表空间,此时无法指定表空间的initial,next,pctincrease和minextents,但是可以作用于段,对于temporary tablespace,必须指定uniform固定容量。

本地管理的表空间分配:

Oracle为段分配新的数据扩展时,先找到此段的表空间所在的数据文件,查看数据文件头部位图,如果有足够的连续可用空间就分配使用,没有就继续查找别的数据文件。

本地管理的表空间回收:

Oracle数据库提供了segment advisor工具,依据方案对象schema object存储空间中的碎片程度来判断此对象中是否包含可回收的空间

一般来说,用户将一个段对应的方案对象移除drop之前,此段的数据扩展不会被回收到空间中,不过例外有:

1使用truncate。。。drop storage将表cluster的数据清除

2命令回收段中未使用的数据扩展

alter tables tablename deallocate unused

3如果user为回滚段rollback segment设定了optimal参数,oracle将周期性地从其中回收数据扩展

被释放的数据扩展后,所属数据文件头部更新位图或者更新字典管理的uet$和fet$,然后oracle将被释放的数据扩展作为数据文件中的可用扩展,用于下次段内的需求分配,此时原扩展的数据无法访问。

数据扩展组成一个段,Oracle新建对象时会为此对象创建段,索引存在于自身的索引段内,表存在于自身的表段内等,由于段中可能需要重新分配新的extent,段内的extent可能存储在另一数据文件中,但是一个段必须存在于同一表空间,段中的数据扩展可以不连续。

Oracle访问数据的单位:

oracle每次访问数据时,总是访问整数个oracle数据块,也就是db_block_size为单位来访问

这样主要是减少不必要的I/O

数据块可用空间的有效性及优化::

数据块中释放的空间利用:

当delete或者update更新数据行中的数据为容量更小时,此时会释放数据块中的空间,下面这两种情况释放的空间可以被后续的insert使用:1如果delete或者update和insert

在同一事务可以使用2如果不在同一事务要等到insert需要该数据块的空间时使用

数据块的中可用空间合并:

当然上述释放的空间与可用空间在一个数据块中并不一定是连续的,当insert或update时选中一个有足够可用空间容纳新数据的数据块,但是此数据块的可用空间不连续,数据无法被写入连续的空间中,此时oracle就会合并相应的可用空间,这样主要是为了防止过于频繁的空间合并消耗资源。

[@more@]

使用优化算法,以优化VMD算法的惩罚因子惩罚因子 (α) 和分解层数 (K)。 1、将量子粒子群优化(QPSO)算法与变分模态分解(VMD)算法结合 VMD算法背景: VMD算法是一种自适应信号分解算法,主要用于分解信号为不同频率带宽的模态。 VMD的关键参数包括: 惩罚因子 α:控制带宽的限制。 分解层数 K:决定分解出的模态数。 QPSO算法背景: 量子粒子群优化(QPSO)是一种基于粒子群优化(PSO)的一种改进算法,通过量子行为模型增强全局搜索能力。 QPSO通过粒子的量子行为使其在搜索空间中不受位置限制,从而提高算法的收敛速度与全局优化能力。 任务: 使用QPSO优化VMD中的惩罚因子 α 和分解层数 K,以获得信号分解的最佳效果。 计划: 定义适应度函数:适应度函数根据VMD分解的效果来定义,通常使用重构信号的误差(例如均方误差、交叉熵等)来衡量分解的质量。 初始化QPSO粒子:定义粒子的位置和速度,表示 α 和 K 两个参数。初始化时需要在一个合理的范围内为每个粒子分配初始位置。 执行VMD分解:对每一组 α 和 K 参数,运行VMD算法分解信号。 更新QPSO粒子:使用QPSO算法更新粒子的状态,根据适应度函数调整粒子的搜索方向和位置。 迭代求解:重复QPSO的粒子更新步骤,直到满足终止条件(如适应度函数达到设定阈值,或最大迭代次数)。 输出优化结果:最终,QPSO算法会返回一个优化的 α 和 K,从而使VMD分解效果最佳。 2、将极光粒子(PLO)算法与变分模态分解(VMD)算法结合 PLO的优点与适用性 强大的全局搜索能力:PLO通过模拟极光粒子的运动,能够更高效地探索复杂的多峰优化问题,避免陷入局部最优。 鲁棒性强:PLO在面对高维、多模态问题时有较好的适应性,因此适合海上风电时间序列这种非线性、多噪声的数据。 应用场景:PLO适合用于优化VMD参数(α 和 K),并将其用于风电时间序列的预测任务。 进一步优化的建议 a. 实现更细致的PLO更新策略,优化极光粒子的运动模型。 b. 将PLO优化后的VMD应用于真实的海上风电数据,结合LSTM或XGBoost等模型进行风电功率预测。
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