ORACLE 11G stream概念(6)

本文深入探讨了Oracle Streams 的核心组件,包括Propagation 和 Apply 进程的作用,以及其在不同场景下的性能表现。强调了该技术适用于实时性要求高且事务量较小的环境,或事务量大但实时性要求不高的情况。
5.5.2Propagation进程
它将LCRs组装并发送到多个不同目标库的队列中,它通常并不在目标库中存在。如果采用downstream capture模式,那么不需要传播进程。
5.5.3 Apply进程
在dest db中,从队列中获取LCRs,并将LCRs直接应用到目标库中,或者将LCRs交给apply handler。
启动apply进程时会同时启动3个进程,下面是告警日志的典型内容:
Thu Jan 14 02:06:46 2010 Streams APPLY AP01 for ORA02_WCH1_APPLY_IN started with pid=60, OS id=2672 Thu Jan 14 02:06:46 2010 Streams Apply Reader for ORA02_WCH1_APPLY_IN started AS01 with pid=61 OS id=2675 Thu Jan 14 02:06:46 2010 Streams Apply Server for ORA02_WCH1_APPLY_IN started AS02 with pid=62 OS id=2677 Thu Jan 14 02:07:02 2010 Propagation Receiver (CCA) for Streams Capture ORA01_CAPTURE and Apply ORA02_WCH1_APPLY_IN with pid=50, OS id=12599 started.
关闭apply进程时,这3个进程的关闭顺序正好相反,各自的含义:APPLY (APxx =>AP00,AP01,…APZZ)、APPLY reader and execution servers (ASxx=>AS01,AS02…)。
第六节 性能
6.1Streams性能说明
Oracle官方公布的数据是,每妙可以处理1.5万到2万个LCR(每行数据的一次变动形成一个LCR)。
对于短事务,local capture和downstream real-time模式的时间延迟都很小,在秒级;对于持续执行多个长事务(这里,当一个事务执行时间超过90秒的就认为是长事务)的场景,无论哪种配置,时间延迟都比较大。
对于实时性要求高的环境中,一般建议日志量在4M/S(在ATAE上,使用ASM管理数据文件的环境)以内的,并且短事务居多的场景,可以使用streams进行数据同步。
对于实时性要求不高的环境,可以不受此约束,但是如果较长时间内持续执行多个长事务,那么两个DB上的差异会越来越大,此时如果source db故障,就会出现dest db上丢数据的现象(与source db相比,缺失了一段时间的数据)
Streams是一种低成本的数据同步技术,仅适用于实时性要求高+事务量较小的环境,或者事务量大+实时性要求不高的场景。
各个产品在使用streams时,需要进行压力测试,以确定CPU、内存、磁盘IO的性能,以及同步的时延性。

来自 “ ITPUB博客 ” ,链接:http://blog.itpub.net/10129726/viewspace-706744/,如需转载,请注明出处,否则将追究法律责任。

转载于:http://blog.itpub.net/10129726/viewspace-706744/

内容概要:本文介绍了一个基于冠豪猪优化算法(CPO)的无人机三维路径规划项目,利用Python实现了在复杂三维环境中为无人机规划安全、高效、低能耗飞行路径的完整解决方案。项目涵盖空间环境建模、无人机动力学约束、路径编码、多目标代价函数设计以及CPO算法的核心实现。通过体素网格建模、动态障碍物处理、路径平滑技术和多约束融合机制,系统能够在高维、密集障碍环境下快速搜索出满足飞行可行性、安全性与能效最优的路径,并支持在线重规划以适应动态环境变化。文中还提供了关键模块的代码示例,包括环境建模、路径评估和CPO优化流程。; 适合人群:具备一定Python编程基础和优化算法基础知识,从事无人机、智能机器人、路径规划或智能优化算法研究的相关科研人员与工程技术人员,尤其适合研究生及有一定工作经验的研发工程师。; 使用场景及目标:①应用于复杂三维环境下的无人机自主导航与避障;②研究智能优化算法(如CPO)在路径规划中的实际部署与性能优化;③实现多目标(路径最短、能耗最低、安全性最高)耦合条件下的工程化路径求解;④构建可扩展的智能无人系统决策框架。; 阅读建议:建议结合文中模型架构与代码示例进行实践运行,重点关注目标函数设计、CPO算法改进策略与约束处理机制,宜在仿真环境中测试不同场景以深入理解算法行为与系统鲁棒性。
在科技快速演进的时代背景下,移动终端性能持续提升,用户对移动应用的功能需求日益增长。增强现实、虚拟现实、机器人导航、自动驾驶辅助、手势识别、物体检测与距离测量等前沿技术正成为研究与应用的热点。作为支撑这些技术的核心,双目视觉系统通过模仿人类双眼的成像机制,同步获取两路图像数据,并借助图像处理与立体匹配算法提取场景深度信息,进而生成点云并实现三维重建。这一技术体系对提高移动终端的智能化程度及优化人机交互体验具有关键作用。 双目视觉系统需对同步采集的两路视频流进行严格的时间同步与空间校正,确保图像在时空维度上精确对齐,这是后续深度计算与立体匹配的基础。立体匹配旨在建立两幅图像中对应特征点的关联,通常依赖复杂且高效的计算算法以满足实时处理的要求。点云生成则是将匹配后的特征点转换为三维空间坐标集合,以表征物体的立体结构;其质量直接取决于图像处理效率与匹配算法的精度。三维重建基于点云数据,运用计算机图形学方法构建物体或场景的三维模型,该技术在增强现实与虚拟现实等领域尤为重要,能够为用户创造高度沉浸的交互环境。 双目视觉技术已广泛应用于多个领域:在增强现实与虚拟现实中,它可提升场景的真实感与沉浸感;在机器人导航与自动驾驶辅助系统中,能实时感知环境并完成距离测量,为路径规划与决策提供依据;在手势识别与物体检测方面,可精准捕捉用户动作与物体位置,推动人机交互设计与智能识别系统的发展。此外,结合深度计算与点云技术,双目系统在精确距离测量方面展现出显著潜力,能为多样化的应用场景提供可靠数据支持。 综上所述,双目视觉技术在图像处理、深度计算、立体匹配、点云生成及三维重建等环节均扮演着不可或缺的角色。其应用跨越多个科技前沿领域,不仅推动了移动设备智能化的发展,也为丰富交互体验提供了坚实的技术基础。随着相关算法的持续优化与硬件性能的不断提升,未来双目视觉技术有望在各类智能系统中实现更广泛、更深层次的应用。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!
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  | 博主筛选后可见
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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