fedora 10 安装Oracle 10G 和启动

cinience cinience 博客等级 墨衍会员 · AI 创作全网分发 墨衍智能分发 本文由作者通过墨衍一键同步至各平台 1分发平台 1.1k累计阅读 1.1k平均单平台 已同步平台 优快云 微信公众号 微博 知乎 掘金 百家号 博客园 抖音 小红书 你的文章也可以这样分发 墨衍会员 ¥399起/年，写一次发全网 我也要 码龄17年
关注
原创 最新推荐文章于 2026-05-25 14:05:17 发布 1.1k 阅读 AI 写同款· GEO 优化 ›
在Fedora Core上成功安装Oracle 10g和MySQL 本文将详细介绍如何在Fedora Core中成功安装Oracle 10g和MySQL，并提供相应的源代码示例。通过按照上述步骤在Fedora Core上安装Oracle 10g和MySQL，并使用提供的源代码示例连接和操作数据库，您将能够成功在Fedora Core上成功安装Oracle 10g和MySQL。通过按照上述步骤在Fedora Core上安装Oracle 10g和MySQL，并使用提供的源代码示例连接和操作数据库，您将能够成功。根据实际需求进行选择，并按照向导的指示完成安装。 阅读详情

安装硬件需求
内存要求至少1G；交换分区至少1G或者是内存的两倍；/tmp目录至少有400M；硬盘空间至少1.5G，但是最好大于3.5G。

1. 增加swap分区   可以直接从第2步开始
安装oracle需要1G的swap分区.

[root@fedora swap]# free -m
             total       used       free     shared    buffers     cached
Mem:           248        238          9          0          2         80
-/+ buffers/cache:        155         93
Swap:         511           0        511

swap只有511m,不够.

#dd if=/dev/zero of=/tmp/tmp.swap bs=1M count=1024
#chmod 600 /tmp/tmp.swap
#mkswap /tmp/tmp.swap
#swapon /tmp/tmp.swap
查看 swap分区： swapon -s

我们可以安装完毕，恢复swap
$swapoff /tmp/tmp.swap
$rm /tmp/tmp.swap

也可以保留这个swap，

修改/etc/fstab文件，增加以下内容：
/tmp/tmp.swap swap swap default 0 0

2.软件需求
1)Oracle官方推荐需要的RPM包：
    make-3.81-14.fc10.i386
    gcc-4.3.2-7.i386
   glibc-2.9-3.i686     （存在glibc-2.9-2.i686 ）              
   glibc-devel-2.9-3.i386（存在glibc-2.9-2）
    compat-db45-4.5.20-5.fc10.i386
*   compat-gcc-34-3.4.6-9.i386
*   compat-gcc-34-c++-3.4.6-9.i386
*   compat-libstdc++-33-3.2.3-64.i386
*   gnome-libs-1.4.2-10.fc10.i386
*   libaio-devel-0.3.107-4.fc10.i386
     libaio-0.3.107-4.fc10.i386
*   libXp-1.0.0-11.fc9.i386

检查包是否已安装 使用 rpm -qa | grep make-3.81-14.fc10.i386（包名）

逐一 rpm -Uvh 就可以了， *是需要安装的包
安装gnome-libs-1.4.2-10.fc10.i386失败，需要依赖包

1 :glib-1.2.10-32.fc10.i386

2 :libpng10-1.0.43-1.fc10.i386

3 :gtk-1.2.10-68.fc10.i386

4 :imlib-1.9.15-9.fc10.i386

5 :ORBit-0.5.17-26.fc10.i386

 

2)伪装成RHEL 3.0,修改/etc/redhat-release文件写入：
Red Hat Enterprise Linux AS release 3(Taroon)
或者
redhat-4
安装完成后修改回去  oracle 官方支持到redhat4
以上修改必须写在第一行，可以将原始内容注释掉：
#Fedora release 10 (Cambridge)

3.设置内核参数

Edit the /etc/sysctl.conf and add following lines:
编辑 /etc/sysctl.conf添加下列属性

#vi /etc/sysctl.conf

kernel.shmall = 2097152
kernel.shmmax = 2147483648
kernel.shmmni = 4096
# semaphores: semmsl, semmns, semopm, semmni
kernel.sem = 250 32000 100 128
fs.file-max = 65536
net.ipv4.ip_local_port_range = 1024 65000
net.core.rmem_default=262144
net.core.rmem_max=262144
net.core.wmem_default=262144
net.core.wmem_max=262144


Note: You need execute "sysctl -p" or reboot system to apply above settings.
注意：sysctl  -p 或者reboot上环境生效

4.创建Oracle用户及组
$su - root
#groupadd dba //数据库系统管理理组
#groupadd oinstall //Oracle文件所有者的组
#useradd -g oinstall -G dba -m -s /bin/bash oracle
#passwd oracle

编辑 /etc/security/limits.conf 添加如下行
#vi /etc/security/limits.conf

oracle soft nproc 2047
oracle hard nproc 16384.
oracle soft nofile 1024
oracle hard nofile 65536

增加下面的内容到文件 /etc/pam.d/login 中，使shell limit生效：
session required /lib/security/pam_limits.so

5.创建Oracle应用程序的目录
$su - root
#mkdir -p /opt/oracle/product/10.1.0/
#chown -R oracle.oinstall /opt/oracle

6.为用户oracle设置环境变量，增加到在~/.bash_profile的末尾：
注： oracle用户下的.bash_profile

export TMP=/tmp
export TMPDIR=$TMP

export ORACLE_BASE=/opt/oracle
export ORACLE_HOME=$ORACLE_BASE/product/10.1.0/db_1
export ORACLE_SID=orcl
export ORACLE_TERM=xterm
export PATH=$ORACLE_HOME/bin:$PATH:/usr/sbin

export LD_LIBRARY_PATH=$ORACLE_HOME/lib:/lib:/usr/lib
export CLASSPATH=$ORACLE_HOME/JRE:$ORACLE_HOME/jlib:$ORACLE_HOME/rdbms/jlib:$CLASSPATH;

--------------------------------------
修改完成后source  .bash_profile //更新使其生效

7、配置静态IP地址

安装RedHat Linux的时候最好采用静态IP地址，如果当时选择的是DHCP，现在需要更改/etc/sysconfig/network-scripts/ifcfg-eth0文件：

DEVICE=eth0
ONBOOT=yes
HWADDR=00:0C:29:74:5B:62 #你的mac地址
IPADDR=192.168.0.130 #你的IP地址
NETMASK=255.255.255.0 #你的IP地址
GATEWAY=192.168.0.1 #你的网关

修改/etc/hosts
把127.0.0.1改为具体的ip地址，注意最好去掉那些无用的，格式如下：
ip地址  主机名  localhost
192.168.0.130  localhost.localdomain localhost

8.关闭防火墙 lokkit

9.切换字符界面  防止安装无法启动图形化界面
#vi /etc/inittab
把 id:5:initdefault: 修改为 id:3:initdefault，等oracle安装完成后可以修改回来。

#reboot            //(重启)

重启后以root用户登录

10.安装Oracle10g
使用的是10201_database_linux32.zip，放在了/home/oracle
$startx                  //进入图形界面
$xhost +
$su - oracle        //切换到oracle用户：必须加中间的 -
$cd ~/oracle10g
$unzip 10201_database_linux32.zip //解压该文件，database目录
$cd database
$export LANG=en_US//中文乱码   中文请使用zh_CN.UTF-8
$./runInstaller

11.进入安装界面。后面就和windows上安装没别了
注意：安装时 请选择高级安装  安装客户端组件 Custom

启动oracle

使用root用户登录
$startx

启动步骤：

su - oracle

[oracle@websvr1 oracle]$ sqlplus /nolog

SQL> connect username/passwd as sysdba

SQL> startup

SQL> quit

[oracle@websvr1 oracle]$ lsnrctl start

可用 [oracle@websvr1 oracle]$ lsnrctl status 查看监听是否已经启动

web 开启/关闭   emctl start/stop dbconsole

关闭步骤：

su - oracle

[oracle@websvr1 oracle]$ lsnrctl stop

[oracle@websvr1 oracle]$ sqlplus /nolog

SQL> connect / as sysdba

SQL> shutdown immediate

SQL> quit

标签
#oracle #database #oracle10g #sql #redhat
#linux
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
4D毫米波雷达 详解4D成像毫米波雷达 阅读详情

相关推荐

【银行测试】手机银行APP专项项目+测试点汇总（一）

1、手机银行APP转账项目讲解面试官：请介绍一下你所负责的模块如何进行的测试？求职者：好的，我最近测试的是XX银行的手机银行App项目。这个项目里面包含了转账、转账额度调整、网银转账、交易明细、添加账户、存款、投资理财、生活缴费等功能模块。我主要负责了转账模块，这个大模块中包含了智能转账、手机转账、语音转账、预约转账、收款人管理等5个子模块，我首先介绍一下我们生活中使用最多的手机转账子模块。对于转账需要关注的是转账前、转账中、转账后这三个状态下的测试。

m0_70102063的博客 1607

Linux系统交换空间介绍

许多年前，应该在硬盘上分配的交换空间数量的经验法则是计算机中安装的RAM数量的2倍(当然，大多数计算机的RAM是以KB或MB计算的)。这两个表中的一个考虑因素是，随着RAM数量的增加，超过某个点，添加更多的交换空间只会在交换空间几乎被填满之前就会导致混乱。如果您在遵循这些建议的同时，虚拟内存太少，则应该在可能的情况下添加更多的RAM，而不是更多的交换空间。但是假设当您添加更多的行时，您正在处理的电子表格会增长，并且，再加上正在运行的所有其他内容，现在将填充所有的RAM。我的旧电脑有4到8GB的内存。

m0_74282605的博客 1127

看完这篇爽文我终于学会了示波器（一）

示波器基础篇的介绍，希望对你有用，下次分享一下如何测试。

qq_45508321的博客 974

当AI遇到‘无标签‘困境：YOLOv5数据准备的防坑指南

本文深入解析YOLOv5训练中常见的'no labels found'错误，提供从数据准备到模型训练的全链路解决方案。详细讲解目录结构规范、标签格式转换、配置文件设置等关键环节，帮助开发者有效避免数据准备陷阱，提升目标检测模型训练效率。

a2b3c4d5e的博客 634

Linux新手必看：FinalShell连接不上？从检查IP到配置固定地址的完整排错指南

本文为Linux新手提供了FinalShell连接失败的完整排错指南，涵盖IP检查、SSH服务状态、防火墙配置和静态IP设置等关键步骤。通过详细的命令行操作和配置示例，帮助用户快速解决远程连接问题，提升Linux使用效率。

weixin_30675247的博客 753

pyecharts可视化图表-tree：从入门到精通

本文系统介绍了树图(Tree Chart)的可视化技巧，包含基础实现、方向定制和环形布局等实例。树图能清晰展示层次结构数据，适用于组织架构、文件系统等场景。教程详细解析了pyecharts树图的核心配置项，包括数据准备、方向设置（下上、右左）和样式定制，并提供了完整代码示例。通过本指南，读者可快速掌握专业树图的构建方法，实现复杂层次数据的可视化呈现。

大数据内容个人总结与分享 1970

oracle10g在Fedora5上安装结束无法启动,重建信息时候出错

bash-3.1$ ./emca -repos recreate EMCA 开始于 2007-3-14 14:10:58EM Configuration Assistant 10.2.0.1.0 正式版版权所有 (c) 2003, 2005, Oracle。保留所有权利。 输入以下信息:数据库 SID: orcl监听程序端口号: 1521SYS 用户的口令:  UnsatisfiedLinkErr

Magicbreaker的专栏 1498

SAP GR（Group Reporting）合并报表内容及功能简介（五）-合并和抵消

随着合并和收购数量的显著增加，企业在全球经济中面临着诸多挑战。其中最常见的是法律实体与子公司之间缺乏透明度，导致无法以经济高效的方式对账法律实体与子公司之间的公司间交易，从而造成结算出现重大延迟。公司间匹配和对账功能允许用户在关账过程中进行早期分析，以避免公司间差异，并缩短关账时的延迟。公司间匹配和对账功能交易级别匹配和实时对账基于各种组织维度（如公司、利润中心和合并单位）的灵活建模自动差异解决。应用内通信和工作流。与公司间抵销集成。

weixin_43853754的博客 4400

ORACLE 10g FOR LINUX在FEDORA CORE 6下的安装

转自http://www.cnoug.org/viewthread.php?tid=1138282007-2-5 14:15 chenquan_75ORACLE 10g FOR LINUX在FEDORA CORE 6下的安装要点(1)ORACLE 10g FOR LINUX在FEDORA CORE 6下的安装要点(修订)一、系统资源需求至少1024 MB物理内存1024－2048 需1

fertiland的专栏 2059

YOLOv8改进 | 注意力篇 | 一文带你改进GAM、CBAM、CA、ECA等通道注意力机制和多头注意力机制

官方论文地址：官方论文地址点击此处即可跳转官方代码地址：官方代码地址点击此处即可跳转GAM旨在通过设计一种机制，减少信息损失并放大全局维度互动特征，从而解决传统注意力机制在通道和空间两个维度上保留信息不足的问题。GAM采用了顺序的通道-空间注意力机制，并对子模块进行了重新设计。具体来说，通道注意力子模块使用3D排列来跨三个维度保留信息，并通过一个两层的MLP增强跨维度的通道-空间依赖性。

Snu77的博客 4万+

YOLO11改进|注意力机制篇|引入ELA注意力机制

YOLO11添加ELA注意力机制

A1983Z的博客 3648

install oralce on fedora 13

1. fedora 13 使用DVD安装版本。2.遇到missing libawt.so错误，需要安装libXp-1.0.0-15.fc12.i686包解决。

纸上得来终觉浅，绝知此事要躬行 552

com.sap.aii.af.service.cpa.CPAObjectNotFoundException: Couldn‘t retrieve inbound binding

错误消息：错误截图：该错误通常表示在集成配置中，未找到与特定消息匹配的入站绑定（Inbound Binding）。具体而言，错误消息中的 P/S/A（Party/Service/Action）值未在配置中找到对应的入站绑定。

2007 年 ~ 2025 年，深耕 SAP 技术 18 年 373

Linux下安装了Oracle10g后重新启动的问题

             Linux下安装了Oracle10g后重新启动的问题在Fedora8下安装了Oracle10g之后，当再次重启电脑以后！使用"sqlplus system/mileschen"登录系统出现下面的错误信息：ERROR:ORA-01034: ORACLE not availableORA-27101: shared memory realm does not exis

ming470612141的专栏 1478

深度学习工具包 DeepLearningToolbox

深度学习工具包Deprecation notice.-----This toolbox is outdated and no longer maintained.There are much better tools available for deep learning than this toolbox, e.g. [Theano](http://deeplearning.net/software/theano/), [torch](http://torch.ch/) or [tensorflow](http://www.tensorflow.org/)I would suggest you use one of the tools mentioned above rather than use this toolbox.Best, Rasmus.DeepLearnToolbox================A Matlab toolbox for Deep Learning.Deep Learning is a new subfield of machine learning that focuses on learning deep hierarchical models of data.It is inspired by the human brain's apparent deep (layered, hierarchical) architecture.A good overview of the theory of Deep Learning theory is[Learning Deep Architectures for AI](http://www.iro.umontreal.ca/~bengioy/papers/ftml_book.pdf)For a more informal introduction, see the following videos by Geoffrey Hinton and Andrew Ng.* [The Next Generation of Neural Networks](http://www.youtube.com/watch?v=AyzOUbkUf3M) (Hinton, 2007)* [Recent Developments in Deep Learning](http://www.youtube.com/watch?v=VdIURAu1-aU) (Hinton, 2010)* [Unsupervised Feature Learning and Deep Learning](http://www.youtube.com/watch?v=ZmNOAtZIgIk) (Ng, 2011)If you use this toolbox in your research please cite [Prediction as a candidate for learning deep hierarchical models of data](http://www2.imm.dtu.dk/pubdb/views/publication_details.php?id=6284)```@MASTERSTHESIS\{IMM2012-06284, author = "R. B. Palm", title = "Prediction as a candidate for learning deep hierarchical models of data", year = "2012",}```Contact: rasmusbergpalm at gmail dot comDirectories included in the toolbox-----------------------------------`NN/` - A library for Feedforward Backpropagation Neural Networks`CNN/` - A library for Convolutional Neural Networks`DBN/` - A library for Deep Belief Networks`SAE/` - A library for Stacked Auto-Encoders`CAE/` - A library for Convolutional Auto-Encoders`util/` - Utility functions used by the libraries`data/` - Data used by the examples`tests/` - unit tests to verify toolbox is workingFor references on each library check REFS.mdSetup-----1. Download.2. addpath(genpath('DeepLearnToolbox'));Example: Deep Belief Network---------------------```matlabfunction test_example_DBNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit RBM and visualize its weightsrand('state',0)dbn.sizes = [100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);figure; visualize(dbn.rbm{1}.W'); % Visualize the RBM weights%% ex2 train a 100-100 hidden unit DBN and use its weights to initialize a NNrand('state',0)%train dbndbn.sizes = [100 100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);%unfold dbn to nnnn = dbnunfoldtonn(dbn, 10);nn.activation_function = 'sigm';%train nnopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.10, 'Too big error');```Example: Stacked Auto-Encoders---------------------```matlabfunction test_example_SAEload mnist_uint8;train_x = double(train_x)/255;test_x = double(test_x)/255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit SDAE and use it to initialize a FFNN% Setup and train a stacked denoising autoencoder (SDAE)rand('state',0)sae = saesetup([784 100]);sae.ae{1}.activation_function = 'sigm';sae.ae{1}.learningRate = 1;sae.ae{1}.inputZeroMaskedFraction = 0.5;opts.numepochs = 1;opts.batchsize = 100;sae = saetrain(sae, train_x, opts);visualize(sae.ae{1}.W{1}(:,2:end)')% Use the SDAE to initialize a FFNNnn = nnsetup([784 100 10]);nn.activation_function = 'sigm';nn.learningRate = 1;nn.W{1} = sae.ae{1}.W{1};% Train the FFNNopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.16, 'Too big error');```Example: Convolutional Neural Nets---------------------```matlabfunction test_example_CNNload mnist_uint8;train_x = double(reshape(train_x',28,28,60000))/255;test_x = double(reshape(test_x',28,28,10000))/255;train_y = double(train_y');test_y = double(test_y');%% ex1 Train a 6c-2s-12c-2s Convolutional neural network %will run 1 epoch in about 200 second and get around 11% error. %With 100 epochs you'll get around 1.2% errorrand('state',0)cnn.layers = { struct('type', 'i') %input layer struct('type', 'c', 'outputmaps', 6, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %sub sampling layer struct('type', 'c', 'outputmaps', 12, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %subsampling layer};cnn = cnnsetup(cnn, train_x, train_y);opts.alpha = 1;opts.batchsize = 50;opts.numepochs = 1;cnn = cnntrain(cnn, train_x, train_y, opts);[er, bad] = cnntest(cnn, test_x, test_y);%plot mean squared errorfigure; plot(cnn.rL);assert(er<0.12, 'Too big error');```Example: Neural Networks---------------------```matlabfunction test_example_NNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);% normalize[train_x, mu, sigma] = zscore(train_x);test_x = normalize(test_x, mu, sigma);%% ex1 vanilla neural netrand('state',0)nn = nnsetup([784 100 10]);opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samples[nn, L] = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.08, 'Too big error');%% ex2 neural net with L2 weight decayrand('state',0)nn = nnsetup([784 100 10]);nn.weightPenaltyL2 = 1e-4; % L2 weight decayopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex3 neural net with dropoutrand('state',0)nn = nnsetup([784 100 10]);nn.dropoutFraction = 0.5; % Dropout fraction opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex4 neural net with sigmoid activation functionrand('state',0)nn = nnsetup([784 100 10]);nn.activation_function = 'sigm'; % Sigmoid activation functionnn.learningRate = 1; % Sigm require a lower learning rateopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex5 plotting functionalityrand('state',0)nn = nnsetup([784 20 10]);opts.numepochs = 5; % Number of full sweeps through datann.output = 'softmax'; % use softmax outputopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex6 neural net with sigmoid activation and plotting of validation and training error% split training data into training and validation datavx = train_x(1:10000,:);tx = train_x(10001:end,:);vy = train_y(1:10000,:);ty = train_y(10001:end,:);rand('state',0)nn = nnsetup([784 20 10]); nn.output = 'softmax'; % use softmax outputopts.numepochs = 5; % Number of full sweeps through dataopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, tx, ty, opts, vx, vy); % nntrain takes validation set as last two arguments (optionally)[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');```[![Bitdeli Badge](https://d2weczhvl823v0.cloudfront.net/rasmusbergpalm/deeplearntoolbox/trend.png)](https://bitdeli.com/free "Bitdeli Badge")

计算机控制技术及应用

《计算机控制技术及应用》通过总结作者的科研成果和吸收国内外的先进理论、方法和技术，以计算机控制系统的网络化、开放化、智能化和集成化发展趋势为主线索，主要介绍计算机控制系统的基本概念和计算机控制系统的典型形式，计算机控制系统的数学描述与基本分析方法，以及数字PID控制器、最少拍控制系统、达林算法、状态变量设计法等设计方法及其各种改进算法。重点突出计算机控制系统输入输出通道接口的设计方法和典型控制系统的设计案例与实现方法等。

oracle10g 在 Fedora core 4 下的安装

以下为本人刚刚装完oracle的一些心得，希望对大家有用1.Fedora core 4系统包要求 按照oracle10.2.0中关于Quick Installation Guide,10 Release 2(10.2) for Linux x86的要求，配置各系统包。这些包都可以在这个网站找到URL:http://rpmfind.net。 包安装命令：rpm -ivh (package_name)

King Fun的专栏 1437

迈瑞BS系列全自动生化分析仪LIS协议接口手册(内含HL7和ASTM)

迈瑞BS系列全自动生化分析仪LIS协议接口手册，内含HL7和ASTM)

Linux下Oracle数据库的安装(Oracle 10g)

1切换到root用户 suroot 2新增Oracle所需的组 groupaddoinstall groupadddba groupaddoper 3新增Oracle所需的用户 useraddoracle-goinstall-Gdba//新增oracle用户,所属组是oinstall,从属组是dba passwdoracle//给oracle用户设置密码 4创建Ora...

系统运维 284

IEM模型，地表粗糙度模拟

利用微波反演土壤水分时候，利用IEM模型可以实现对随机地表的模拟

Oracle 10g R2 for RHEL AS4 安装重点小记

安装环境配置：参考ORACLE网站错误解决参考：http://www.puschitz.com/InstallingOracle10g.shtml我碰到的问题全是由于RPM包没装全的原因导致的，参考www.puschitz.co...

cl2516的博客 409

硬盘安装Fedora 12

硬盘安装Fedora 12 2010年11月16日 　　 硬盘安装Fedora 12 在另外一块80G全空的旧IDE硬盘上安装Fedora 12，和已有的Fedora 10共存，并在其上安装Oracle 11g Release 2。 (1)在现有的Fedora 10上对IDE硬盘分区，fdisk -l 系统显示此硬盘为 /dev/sdc。 # fdisk /dev/sdc 主分区一15G...

owcot54k 339

【oracle案例】ORA-01102: cannot mount database in EXCLUSIVE mode

ORA-01102: cannot mount database in EXCLUSIVE mode 今天在fedora上安装完10g后，测试数据库是否安装成功。STARTUP数据库时，发生如下错误：   SQL> conn /as sysdba Connected to an idle instance. SQL> startup ORACLE instance started. To

1万+

双实例主机遇到的ORA-00119 ORA-00132错误

在Fedora上安装了一个oracle 10g 10204 sid=demo，然后用dbca又创建了一个数据库sid=rman作为demo的catalog数据库。其中为demo注册的监听是 ...

congdulu5128的博客 178

Fedora 10成功安装Oracle 10g

-------------------------------------------------------- 主机：ThinkPad T400 内存：1024 MB 交换分区：2048MB 系统：Fedora 10 内核：2.6.27.7-134.fc10.i686 --------------------------------------------------------

青梅煮酒. 6239

redhat linux fedora core 5 成功安装 Oracle 10g

redhat linux fedora core 5 成功安装 Oracle 10g主机配置： Intel P4 CPU 3.0GHZ 512M 内存  80G 硬盘一、准备主机和操作系统：1、物理内存：512M        2、交换空间2G         注意：在进行ORACL安装时，安装进程会提示教换空间最少要3068MB，与这里所说的2G有出入，没有关系，直接安装是不会有问题

阿龙的专栏 3035

在Fedora7(386)上安装Oracle10g

  [/START ]                            ORACLE 10G 在FEDORA7(32位) 安装                             (这是参照chanet(牧师)s blog：  《成功安装 Oracle 10g(x86_64) 到 Fedora 7》  ， 根据自己的机器安装的)机器配置： Linux 2.6.20-2925.9.fc

txwcan999的专栏 1046

成功安装 Oracle 10g(x86_64) 到 Fedora 7

环境：硬件：NB，hp-v3431au，AMD Turion64 X2，1G内存软件：Fedora 7(x86_64)，Oracle 10gR2_forLinux_x86_64在 Redhat 下装，按照官方网站的文章来做，一般没什么问题。但在Fedora 7 下装，偶还是第一次，虽然在过程中遇到从未见过的错误发生，但由于有Redhat环境的安装经验，所以在 Fedora7没多大问题。好了，如下总

chanet(牧师)'s blog 3343

fedora oracle使用,Fedora 10安装Oracle 10g

一、首先必须装一些必要的包，这步是必须的，不然后面一大堆的错误make-3.81-14.fc10.i386gcc-4.3.2-7.i386glibc-2.9-3.i686glibc-devel-2.9-3.i386compat-db45-4.5.20-5.fc10.i386compat-gcc-34-3.4.6-9.i386compat-gcc-34-c++-3.4.6-9.i386compat-...

weixin_36146690的博客 211

Linux下Oracle10g的安装

 Fedora8下Oracle10g的安装1.Download Software    到网站：http://www.oracle.com/technology/index.html下载   10201_database_linux32.zip2.解压文件  unzip 10201_database_linux32.zip3.Host Filevi /etc/hosts 一般不

ming470612141的专栏 1591
上一篇： 打造ubuntu下精简版的oracle客户端及pro*c编译环境(转)
下一篇： Grub安装修复(转)
点赞 0
评论 0
书签 书签 0
cinience
cinience
博客等级 码龄17年 41粉丝 45原创
+ 关注
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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