AS400 DDM 概述

DDM 概述

IBM i DDM 支持允许应用程序或用户访问驻留在远程系统上的数据文件,也允许远程系统访问本地IBM i操作系统上的数据文件,如图 1所示。任何支持 DDM 架构作为客户端系统的系统都可以访问它所连接的任何其他系统上的数据(如果授权这样做)。附加系统必须支持 DDM 作为服务器系统(从另一个系统接收请求以使用位于系统上的一个或多个文件的系统)。但是,客户端和服务器系统必须支持 DDM 架构的兼容子集和级别
在这里插入图片描述
如图 2所示,用户应用程序发出涉及远程文件的请求的系统称为客户端系统。接收对其文件之一的请求的系统称为服务器系统。一个系统既可以是客户端系统,也可以是服务器系统,用于同时接收不同的请求。

使用 DDM,应用程序可以获取、添加、更改和删除服务器系统上存在的文件中的数据记录。它还可以执行与文件相关的操作,例如创建、删除、重命名或将文件从服务器系统复制到客户端系统。
在这里插入图片描述

  • APPC 网络中 DDM 的通信要求分布式数据管理 (DDM) 网络中未使用OptiConnect 的 每个System
    i®产品都必须满足这些通信要求。
  • 在 TCP/IP 网络中配置通信网络 本主题对您设置 TCP/IP 网络所采取的步骤进行了高级概述。
  • DDM 的安全要求 您可以防止分布式数据管理 (DDM) 用户有意和无意地访问系统的数据资源。
  • DDM 的文件要求在System i 产品 可以访问远程文件之前,必须在客户端系统上创建分布式数据管理 (DDM) 文件。 以高级语言 (HLL) 和控制语言编写的IBM® i
  • 应用程序 可以访问DDM Remote 文件的程序修改要求。

DDM 复制数据

DDM 文件可以使用复制文件 (CPYF)、复制源文件 (CPYSRCF) 和从查询文件复制 (CPYFRMQRYF) 命令在客户端和服务器上的文件之间复制数据。您可以从(或向)远程数据库文件复制本地关系数据库或设备文件,也可以将远程文件复制到远程文件。

DDM CPYF

上图所示, DDM文件在Client系统, 并且指向了Serve端的Database B。 此时Client端的应用程序可以通过DDM file对B File进行以下操作

  1. 应用程序通过DDMF文件可以对DataBase B增删改查。
  2. 使用CPYF命令,From file 是Data base A,To file是DDM 文件,将client端的Database A的数据通过DDMF文件复制到Database B
  3. 使用CPYF命令,Fromfile是DDMF文件,To File是DataBase C ,将server端的Database B的数据复制到data base C文件
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
在Python中实现DDM(Drift Detection Method)可以使用以下示例代码: ```python import numpy as np class DDM: def __init__(self, warning_level=2.0, drift_level=3.0): self.warning_level = warning_level self.drift_level = drift_level self.mean = 0.0 self.variance = 0.0 self.n = 1 def predict(self, x): if self.n == 1: self.mean = x self.variance = 0.0 else: delta = x - self.mean self.mean += delta / self.n self.variance = ((self.n - 2) * self.variance + delta * (x - self.mean)) / (self.n - 1) self.n += 1 if self.n > 30: ddm_value = abs(x - self.mean) / np.sqrt(self.variance) if ddm_value > self.warning_level: return "Warning" elif ddm_value > self.drift_level: return "Drift" return "Stable" # 示例用法 ddm = DDM() data_stream = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10] for data_point in data_stream: result = ddm.predict(data_point) print(f"Data point: {data_point}, Result: {result}") ``` 上述示例代码中,我们定义了一个DDM类,其中包含了初始化方法`__init__`和预测方法`predict`。初始化方法用于设置警告级别和漂移级别的阈值,以及初始化均值和方差的变量。预测方法用于根据新的数据点进行预测,并判断是否发生警告或漂移。 在示例用法中,我们创建了一个DDM对象,并使用一个简单的数据流进行测试。对于每个数据点,调用`predict`方法并打印结果,其中"Warning"表示潜在的概念漂移警告,"Drift"表示概念漂移,"Stable"表示数据流稳定。 请注意,这只是一个简单的示例实现,实际应用中可能需要根据具体情况进行更复杂的调整和优化。
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