phpcms数据库备份与恢复_数据库备份与恢复方案

推荐教程:SQL教程

SQL SERVER数据备份方案

SQL SERVER数据库的备份方法主要有完整备份,差异备份,事务日志备份等。根据数据安全性的要求,推荐的备份方式为每周一次完整备份,每天一次差异备份,每半个小时一次事务日志备份。

默认情况下,为 sysadmin 固定服务器角色以及 db_owner 和 db_backupoperator 固定数据库角色的成员授予 BACKUP DATABASE 和 BACKUP LOG 权限。

备份设备的物理文件的所有权和权限问题可能会妨碍备份操作。 SQL Server 必须能够读取和写入设备;运行 SQL Server 服务的帐户必须具有写入权限。

备份文件存放磁盘需要与数据库文件存放磁盘分开,避免磁盘IO冲突。备份执行时间与数据库作业执行时间错开,避免备份影响数据库作业的执行。

SQL SERVER 维护计划功能可以较好的实现自动化备份,在使用该功能前启动数据库管理器上的SQL SERVER 代理功能。

完整备份

1) 选择管理-维护计划-维护计划向导

2) 打开维护计划向导后,可以新增维护计划,并给维护计划命名,如下图:

3) 选择备份数据库(完整)维护任务

4) 设置数据库完备维护计划相关信息,包括备份的数据库,备份集过期时间,备份文件存储路径

5) 选择下一步,然后选择完成

6) 为维护计划指定执行周期

如上图所示,计划类型选择重复执行,周期选择每周,在每周日凌晨执行该计划。

7) 备份计划创建后,需要将过期的备份数据库自动删除,以保障磁盘空间的高效利用。在当前维护计划中建立清除维护任务,用于删除保留时间超过设定值的备份文件。

如上图,打开刚才已建立的数据备份计划,从维护计划任务列表中将清除维护任务拖入备份任务所在框;并拖动关联箭头建立备份任务与清除任务两个任务的关联关系。该关联关系用于指定执行的先后顺序。

8) 设置清除维护任务中文件夹以及文件保留周期

9) 如上方式是通过维护计划向导完成设置,也可以通过新建维护计划功能完成,通过新建维护计划,然后拖动备份数据库任务、清楚维护任务,相关设置同上方法。

差异备份

1) 选择维护计划-新建维护计划

2) 设置维护计划名称:差异备份

3) 打开差异备份计划,并拖动备份数据库任务与清除维护任务到当前计划任务框中。

4) 设置备份数据库任务中备份类型为差异,并设置备份类型,备份指定数据库,备份存储文件夹

5) 双击打开清楚维护任务,设置清除维护任务中文件夹以及文件保留周期

事务日志备份

1) 选择维护计划-新建维护计划

2) 设置维护计划名称:事务日志备份

3) 打开差异备份计划,并拖动备份数据库任务与清除维护任务到当前计划任务框中。

4) 设置备份数据库任务中备份类型为事务日志,并设置备份类型,备份指定数据库,备份存储文件夹

5) 双击打开清楚维护任务,设置清除维护任务中文件夹以及文件保留周期

数据库恢复

还原完整备份

还原完整备份是指对数据库完整备份文件进行还原,将数据库还原到完备时的状态。

1) 选择还原数据库

2) 在常规选项下,设置还原目标数据库名称,源设备(数据库完备文件)等。

3) 设置还原数据库文件存放路径,并选择覆盖现有数据库、回滚未提交事务。

还原完整备份+差异备份

该方式是将数据库还原到差异备份的状态。在还原完整备份后,可以继续对目标数据库还原差异备份,用于将差异备份保存的数据更新进入当前数据库,使数据库还原到差异备份时的状态。

1) 选择还原数据库

2) 在常规选项下,设置还原目标数据库名称,源设备(数据库完备文件)等。

3) 设置还原数据库文件存放路径,并选择覆盖现有数据库、不对数据库执行回滚未提交事务。

4) 上一步完成后,数据库处于还原中状态;可继续对数据库进行还原,源设备选择差异备份文件。

5) 设置差异备份文件还原时文件存放路径,数据库事务日志回滚方式。

还原完整备份+差异备份+事务日志备份

该方式是将数据库还原到事务日志备份时的状态。在还原完整备份后,可以继续对目标数据库还原差异备份然后在继续还原事务日志备份,用于将差异备份、事务日志备份保存的数据更新进入当前数据库,使数据库还原到事务日志备份时的状态。

1) 选择还原数据库

2) 在常规选项下,设置还原目标数据库名称,源设备(数据库完备文件)等。

3) 设置还原数据库文件存放路径,并选择覆盖现有数据库、不对数据库执行回滚未提交事务。

4) 上一步完成后,数据库处于还原中状态;可继续对数据库进行还原,源设备选择差异备份文件。

5) 设置差异备份文件还原时文件存放路径,数据库事务日志回滚方式。

6) 差异备份还原完成后,数据库处于还原中状态;继续选择还原,还原事务日志文件到当前数据库。

选择还原事务日志,常规选择设置

还原时间点设置;通过设置该时间点,可以将数据库还原到做完备时至事务日志备份时间段内的任一时间点。

选项中设置回滚未提交事务

执行完成后,数据库恢复可用状态,数据更新到指定时间的状态。如果没指定时间,则为事务日志备份时状态。

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
数据来源:中经数据库 主要指标110多个(全部都是纯粹的 市辖区 指标),大致是: GDP GDP增速 第一产业增加值占GDP比重 第二产业增加值占GDP比重 第三产业增加值占GDP比重 人均GDP 社会消费品零售总额 固定资产投资(不含农户) 新设外商投资企业数_外商直接投资 实际利用外资金额(美元) 一般公共预算收入 一般公共预算支出 一般公共预算支出_教育 一般公共预算支出_科学技术 金融机构人民币各项存款余额_个人储蓄存款 金融机构人民币各项存款余额 金融机构人民币各项贷款余额 规模以上工业企业单位数 规模以上工业企业单位数_内资企业 规模以上工业企业单位数_港澳台商投资企业 规模以上工业企业单位数_外商投资企业 规模以上工业总产值 规模以上工业总产值_内资企业 规模以上工业总产值_港澳台商投资企业 规模以上工业总产值_外商投资企业 规模以上工业企业流动资产合计 规模以上工业企业固定资产合计 规模以上工业企业利润总额 规模以上工业企业应交增值税 规模以上工业企业主营业务税金及附加 户籍人口数 年均户籍人口数 户籍人口自然增长率 第一产业就业人员占全部城镇单位就业人员比重 第二产业就业人员占全部城镇单位就业人员比重 第三产业就业人员占全部城镇单位就业人员比重 城镇非私营单位就业人员数 城镇非私营单位就业人员数_第一产业 城镇非私营单位就业人员数_第二产业 城镇非私营单位就业人员数_第三产业 城镇非私营单位就业人员数_农、林、牧、渔业 城镇非私营单位就业人员数_采矿业 城镇非私营单位就业人员数_制造业 城镇非私营单位就业人员数_电力、热力、燃气及水生产和供应业 城镇非私营单位就业人员数_建筑业 城镇非私营单位就业人员数_批发和零售业 城镇非私营单位就业人员数_交通运输、仓储和邮政业 城镇非私营单位就业人员数_住宿和餐饮业 城镇非私营单位就业人员数_信息传输、软件和信息技术服务业 城镇非私营单位就业人员数_金融业 城镇非私营单位就业人员数_房地产业 城镇非私营单位就业人员数_租赁和商务服务业 城镇非私营单位就业人员数_科学研究和技术服务业 城镇非私营单位就业人员数_水利、环境和公共设施管理业 城镇非私营单位就业人员数_居民服务、修理和其他服务业 城镇非私营单位就业人员数_教育 城镇非私营单位就业人员数_卫生和社会工作 城镇非私营单位就业人员数_文化、体育和娱乐业 城镇非私营单位就业人员数_公共管理、社会保障和社会组织 城镇非私营单位在岗职工平均人数 城镇就业人员数_私营企业和个体 城镇非私营单位在岗职工工资总额 城镇非私营单位在岗职工平均工资 城镇登记失业人员数 建成区面积 建设用地面积 建设用地面积_居住用地 液化石油气供气总量 液化石油气供气总量_居民家庭 人工煤气、天然气供气总量 人工煤气、天然气供气总量_居民家庭 液化石油气用气人口 人工煤气、天然气用气人口 城市公共汽电车运营车辆数 城市出租汽车运营车辆数 城市公共汽电车客运总量 道路面积 排水管道长度 建成区绿化覆盖面积 建成区绿化覆盖率 绿地面积 公园绿地面积 维护建设资金支出 土地面积 生活用水供水量 供水总量 全社会用电量 城乡居民生活用电量 工业生产用电量 房地产开发投资 房地产开发投资_住宅 限额以上批发和零售业法人单位数 限额以上批发和零售业商品销售总额 普通中学学校数 中等职业教育学校数 普通小学学校数 普通高等学校专任教师数 普通中学专任教师数 中等职业教育专任教师数 普通小学专任教师数 普通高等学校在校生数 普通中学在校生数 中等职业教育在校生数 普通小学在校生数 电视节目综合人口覆盖率 公共图书馆总藏量_图书 医疗卫生机构数_医院和卫生院 卫生人员数_执业(助理)医师 医疗卫生机构床位数_医院和卫生院 城镇职工基本养老保险参保人数 职工基本医疗保险参保人数 失业保险参保人数
机器学习是一种人工智能(AI)的子领域,致力于研究如何利用数据和算法让计算机系统具备学习能力,从而能够自动地完成特定任务或者改进自身性能。机器学习的核心思想是让计算机系统通过学习数据中的模式和规律来实现目标,而不需要显式地编程。 机器学习应用非常广泛,包括但不限于以下领域: 图像识别和计算机视觉: 机器学习在图像识别、目标检测、人脸识别、图像分割等方面有着广泛的应用。例如,通过深度学习技术,可以训练神经网络来识别图像中的对象、人脸或者场景,用于智能监控、自动驾驶、医学影像分析等领域。 自然语言处理: 机器学习在自然语言处理领域有着重要的应用,包括文本分类、情感分析、机器翻译、语音识别等。例如,通过深度学习模型,可以训练神经网络来理解和生成自然语言,用于智能客服、智能助手、机器翻译等场景。 推荐系统: 推荐系统利用机器学习算法分析用户的行为和偏好,为用户推荐个性化的产品或服务。例如,电商网站可以利用机器学习算法分析用户的购买历史和浏览行为,向用户推荐感兴趣的商品。 预测和预测分析: 机器学习可以用于预测未来事件的发生概率或者趋势。例如,金融领域可以利用机器学习算法进行股票价格预测、信用评分、欺诈检测等。 医疗诊断和生物信息学: 机器学习在医疗诊断、药物研发、基因组学等领域有着重要的应用。例如,可以利用机器学习算法分析医学影像数据进行疾病诊断,或者利用机器学习算法分析基因数据进行疾病风险预测。 智能交通和物联网: 机器学习可以应用于智能交通系统、智能城市管理和物联网等领域。例如,可以利用机器学习算法分析交通数据优化交通流量,或者利用机器学习算法分析传感器数据监测设备状态。 以上仅是机器学习应用的一部分,随着机器学习技术的不断发展和应用场景的不断拓展,机器学习在各个领域都有着重要的应用价值,并且正在改变我们的生活和工作方式。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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