1、登陆到用户
sqlplus 用户名/密码
sqlplus HADOOP/Mthgh456
2、创建逻辑目录用于导出导入数据(目录一定要真实存在)
create or replace directory out_dir as 'C:\out';
--out_dir(逻辑目录名,可以随便取)
3、也可以将这个逻辑目录授权给其他用户
grant read,write on directory out_dir to 用户名;
删除逻辑目录
drop directory out_dir;
drop directory 逻辑目录名;
导出本地数据(在系统命令下执行,不能在数据库里执行,注意命令结尾不能有分号)
版本号,日志名都可以省略,不过为了导入方便,还是都写上比较好
4、导出整个用户下的所有数据
expdp HADOOP/Mthgh456@localhost/orcl.hejun schemas=HR dumpfile=HR.dmp directory=out_dir version=11.2.0.1.0 logfile=HR_out.log
expdp 用户名/密码@IP/实例名 schemas=用户名 dumpfile=保存文件名 directory=逻辑目录名 version=版本号 logfile=保存日志名
5、导出整个表
expdp HADOOP/Mthgh456@localhost/orcl.hejun tables=SCOTT.EMP dumpfile=EMP.dmp directory=out_dir version=11.2.0.1.0 logfile=EMP_out.log
expdp 用户名/密码@IP/实例名 tables=表名(可以是某个用户下的某个表) dumpfile=保存文件名 directory=逻辑目录名 version=版本号 logfile=保存日志名
6、导入某个表到数据库(表名不能和数据库已有的相同)
impdp HADOOP/Mthgh456@localhost/orcl.hejun directory=out_dir dumpfile=EMP.dmp remap_schema=SCOTT:HADOOP logfile=EMP_imp.log
impdp 用户名/密码@IP/实例名 directory=逻辑目录名 dumpfile=导入文件名 remap_schema=原始导出用户:想要导入的用户 logfile=保存日志名
7、导入整个用户到数据库(想要导入的用户可以不存在,如果存在会报错,但是不影响数据导入)
impdp HADOOP/Mthgh456@localhost/orcl.hejun directory=out_dir dumpfile=HR.dmp remap_schema=HR:HADOOP logfile=HR_imp.log
impdp 用户名/密码@IP/实例名 directory=逻辑目录名 dumpfile=导入文件名.dmp remap_schema=原始导出用户:想要导入的用户 logfile=保存日志名
8、远程导出服务器文件到本地(需要创建DB LINK)创建DB LINK
expdp HADOOP/Mthgh456@localhost/orcl.hejun network_link=HADOOP156 directory=out_dir dumpfile=XL_DS.dmp tables=HADOOP.XL_DS version=11.2.0.1.0 logfile=XL_DS_out.log parallel=4
expdp 用户名/密码@IP/实例名 network_link=LINK名称 directory=逻辑目录名 dumpfile=保存文件名 tables=表名 version=版本号 logfile=保存日志名
9、上述命令皆可以增加以下参数,调整并发,提成速度
parallel=4
10、数据库备份,将远程数据库的某个表直接导入本地某个用户下
impdp HADOOP/Mthgh456@localhost/orcl.hejun directory = out_dir network_link = HADOOP156 tables=HADOOP.XL_DS remap_schema=HADOOP:HADOOP
impdp 用户名/密码@IP/实例名 directory = 逻辑目录名 network_link = LINK名称 tables=表名 remap_schema=远程导出用户:本地导入用户
本文介绍了如何使用Oracle的expdp和impdp工具进行数据的远程导出和导入,包括创建逻辑目录、导出整个用户或特定表的数据、导入数据到目标数据库以及通过DB LINK实现远程操作。同时提到了利用parallel参数提升导入导出效率。
695

被折叠的 条评论
为什么被折叠?



