SDE与oracle表分区(一)

本文详细介绍了在使用SDE与数据库配合时,如何通过配置DBTUNE文件来对表进行分区,以提高效率。通过提供具体的步骤和示例,包括获取DBTUNE信息、定义自定义配置文件、验证分区效果等,使读者能够深入理解并实践表分区技术。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

引言:当默认典型安装的SDE与数据库配合达不到想要的效率时,就会考虑按照需求重新配置SDE与数据库之间的配合,已达到满意的效果。

         如当数据库的表过大的时候,通常在oracle上会采用分区表形式,对表按照业务需求进行分区,达到提高效率的目的。同样的SDE与数据库配合使用时,也会存在这样的问题,同样需要对表按照业务需求进行分区。再SDE中对数据分区与oracle中有所区别。

一:关于SDE配置文件DBTUNE

         SDE数据库中的表需要SDE提供的DBTUNE行配置,包括存储方式、索引等一系列信息。故此,再SDE中对表分区的关键就是对DBTUNE文件进行配置。

         关于DBTUNE文件,此文件配置完成后,可见区域主要存在两个地方:

         第一:在库上新建的要素类,在第二个选项页中如下图。USER CONFIGURATION KEYWORD.意思就是为新建的表选择表的配置文件。默认都是DEFAULT.其余的则为SDE安装后默认自带的配置信息。


         第二:在数据库上右键使用单文件数据导入到数据库工具时,如下图;


         在了解了配置文件的作用后,自己添加的配置文件也将会在这下拉菜单里面看到。

二:获取DBTUNE信息

每个电脑拥有唯一的DBTUNE配置信息,配置在所有的数据库可见。

         如何获取该文件呢。需要通过使用SDETUNE命令实现。

开始菜单->运行->CMD->回车。输入命令代码:SDEDBTUNE –O EXPORT –F E:\DBTUNE.TXT –S WWGPC –U SDE –P SDE

 回车即可:

         –S->后跟的是计算机名 –U为用户名 –P 为登陆密码.

         这样子就得到了DBTUNE的配置文件,打开看看究竟如何。


会发现文件中包含很多##开头,并且以END结尾的字符串。所以可以看出每个这样的规则里面都包含一中配置信息。查看帮助文档可以知道DEFAULTS为默认配置信息,当我们自定义了一个自己的配置文件,但我们的配置信息不全的时候,程序会自动去DEFAULTS配置我们未定义的配置信息。具体看连接http://resources.arcgis.com/zh-CN/help/main/10.1/#/na/002n0000001v000000/

 

三:定义属于自己的配置文件

         第一步,将DEFAULTS配置文件信息复制一份,所有的配置都可以在这上面修改得到。

由于我主要做表分区,所以查看了别人的文章后知道分区的配置关键字为B_STORAGE 后面的PCTFREE 0 INITRANS 4不要删掉哈。剩余的大多数配置我也不清楚,没啥时间查太多文档,只能用到那里看到那里)具体参看:http://blog.youkuaiyun.com/linghe301/article/details/7177286

http://resources.arcgis.com/zh-CN/help/main/10.1/#/na/002n0000001q000000/

         下面就是写分区语句了,SQL一下子感觉很熟悉。仿照写个简单的分区。

PARTITION BY RANGE(OBJECTID)(PARTITION P1 VALUES LESSTHAN(20),PARTITION P2 VALUES LESS THAN (MAXVALUE)) 按照OBJECTID将数据分区20。

下面几个注意点:

1:##DEFAULTS 将红色名称改掉,自己任意命名一个。这里写WWGPART

2:UI_TEXT(关键字)  "User Interface textfor DEFAULTS" 这个关键字主要用来配置下图界面显示的配置名称,同样写成WWGPART。


然后将增加的配置信息追加到DBTUNE文件最后面,保存。

导入自定义配置信息到系统中,同样的需要使用提示命令行。

DEDBTUNE –O IMPORT–F E:\DBTUNE.TXT –S WWGPC –U SDE –P SDE


执行完毕,即导入成功了。在右键导入单个数据功能最下面下来=拉即可看到添加的自定义配置文件WWFPART。


四:验证分区

         上面通过配置文件建立了一个表分区,在建立表的时候,只要选择了该配置的表都会支持此分区配置。

打开catalog,链接数据库,导入一些测试数据,数据自己做哈。

验证方法:用TOAD链接oracle,直接sql查询验证。下图所示,查询了分区P1的数据,如图显示只有20行。

查询分区P2,显示是重20开始。验证完毕。



另外一种验证方式,Arcmap验证法。Arcmap支持查询加载数据,所以可以用来验证分区。如下图:ADD QUERY LAYER功能。



弹出对话框按照捕捉,首先添加数据库连接。192.168.1.110(服务器地址)/test(数据库)。


然后选择需要加载数据,写入分区查询SQL语句即可。然后打开属性表查看,只有19行,所以验证一成功。

         


### Transformer 模型详解 #### 、Transformer 整体架构 Transformer 是种基于自注意力机制(Self-Attention Mechanism)的神经网络模型,旨在解决序列数据处理中的长期依赖问题。该模型摒弃了传统的循环神经网络(RNN) 和卷积神经网络(CNN),完全依靠自注意力机制来捕捉输入和输出之间的全局依赖关系[^1]。 整个架构由编码器(Encoder)和解码器(Decoder)两部分组成: - **编码器**:负责接收输入序列并将其转换成高维向量表示; - **解码器**:根据编码器产生的上下文信息生成目标序列; 两者之间通过多头自注意层(Multi-head Self-Attention Layer)连接,在每层内部还包含了前馈神经网络(Feed Forward Neural Network, FFN)[^2]。 ```mermaid graph LR; A[Input Sequence] --> B{Encoder Stack}; subgraph Encoder Layers C[MHSA (Multi Head Self Attention)] --- D[Add & Norm]; E[FFN (Feed Forward Networks)] --- F[Add & Norm]; end G{Decoder Stack} <-- H[Memory from Encoders]; I[Output Sequence] <-- J{Decoder Layers} ``` #### 二、工作流程解析 当给定个源语言句子作为输入时,经过分词后得到系列token组成的列表。这些tokens会被映射到对应的嵌入(embedding)空间中形成矩阵形式的数据。随后进入多个相同的编码单元堆叠而成的编码栈内进行特征提取操作。每个编码单元主要包含两个子模块——个多头自关注层用于计算query(Q), key(K), value(V)三者间的相似度得分,并据此调整value权重获得新的context vector; 另个是全连接前馈网络用来进步变换维度大小以便更好地表达语义信息。 对于翻译任务而言,则需额外构建组类似的解码组件以逐步预测下个可能的目标单词直至结束符为止。值得注意的是,在训练阶段为了加速收敛速度通常会采用teacher forcing技术即利用真实的上步骤输出而非当前时刻所估计的结果参后续迭代更新过程。 #### 三、核心特性阐述 ##### 自注意力机制 这是Transformer区别于其他传统RNN/CNN的最大亮点之。它允许模型在同时间步长下同时考虑所有位置的信息而不仅仅是相邻几个节点的影响范围。具体实现方式就是让每个position都能其他任意处建立联系并通过softmax函数规范化后的概率分布加权求和最终得出综合考量过全部因素的新状态描述。 ##### 多头设计 考虑到单head可能会丢失某些重要的局部模式匹配机会因此引入了multi-head策略使得不同heads可以专注于特定类型的关联性挖掘从而提高整体表现力。简单来说就是在同层次里平行运行若干组独立却又相互补充的小规模self-attention units然后把它们各自的输出拼接起来再送往下层继续加工处理直到最后刻才汇总输出最终结果。 ##### 前馈神经网络 除了上述提到的核心部件之外每层还会配备有个简单的线性变换+ReLU激活构成的标准MLP结构充当非线性的引入手段增强系统的表征能力同时也起到定的正则化作用防止过拟合现象发生。
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