FreeBSD-5.2下安装ORACLE9i手记(转)

FreeBSD-5.2下安装ORACLE9i手记[@more@]无可否认FreeBSD是最优秀的操作系统之一,但缺少大型商业数据库的支持阻碍了FreeBSD走向高端和企业应用,Oracle作为数据库的领头雁,如果能够在FreeBSD上安家,则是我等FreeBSD FANS的一个鼓舞。经过两天的努力并参考了一个俄文网站的关于在FreeBSD上安装ORACLE8i的介绍,成功地在FreeBSD5.2上安装的 ORACLE9i。以下是安装手记。
一 内核配置
# Add for oracle
options NBUF=2048
options MAXDSIZ="(1024UL*1024*1024)"
options MAXSSIZ="(1024UL*1024*1024)"
options DFLDSIZ="(1024UL*1024*1024)"
#
options SYSVSHM
options SHMMAXPGS=65536
options SHMMIN=2
options SHMMNI=256
options SHMSEG=256
#
options SYSVSEM
options SEMMAP=512
options SEMMNI=512
options SEMUME=512
options SEMMNS=1024
options SEMMNU=512
options SEMMSL=256
options SEMOPM=256
#
options SYSVMSG #SYSV-stylmessage queues
options MSGMNB=8192
options MSGMNI=256
options MSGSEG=8192
options MSGSSZ=16
options MSGTQL=128
# Add end
另外将maxusers设为512,我在定制内核时选择的是ULE调度器,现在ULE已经是默认的调度器了。
二 系统配置
1 SWAP分区大小为1G,RAM256M,ORACLE_HOME要求有5G以上空间。
2 安装Linux仿真环境。
必须安装linux_base-7.1和linux_devtools-7.1两个PKGS,但我在安装时发现从ports已经无法安装devtools -7.1了,所以被迫从一个安装了RH7.3的机器中根据两个ports的介绍将整个RH7.3系统CP到了FreeBSD中,如果需要我可以将这个目录?树打好一个tar包提供给和位。无论你如何构建/compat/linux目录树,必须保证在?抡真环境中有ar,as,ld,nm,tr,cpp, chmod,g++,printf,find,chgrp,chown等程序。
3 调整Linux仿真环境
a 在/compat/linux/etc中建立mtab到/etc/fstab的链接
ln -s /etc/fstab /compat/linux/etc/mtab
b 在/compat/linux/bin中建立到awk,sed,chown的链接
ln -s /compat/linux/usr/bin/awk /compat/linux/bin/awk
ln -s /compat/linux/usr/bin/sed /compat/linux/bin/sed
ln -s /usr/sbin/chown /compat/linux/bin/chown
以上配置是为了满足ORACLE9i在安装时的一些脚本的要求,我所知道的在运行root.sh时用到以上的配置,但也可以在运行前修改这个脚本,我安装时用的是后??,不知是不是这个原因导致了后面会讲的一个错误。
c 在/compat/linux/bin中建立arch可执行文件
内容为:
#!/compat/linux/bin/bash
echo i686 #根据你的机器是i586还是i486
打上可执行标记:
chmod +x arch
4 打开linux仿真支持,修改rc.conf文件也可以kldload linux模块
enable_linux="YES"
5 mount linux proc文件系统
mkdir /compat/linux/proc
mount -t linproc /dev/device /compat/linux/proc
第二步可以放入/etc/fstab文件中在开机时自动截入
6 添加oracle用户组和用户
pw groupadd -n dba -g 94
pw groupadd -n oinstall -g 95
pw useradd -n oracle -u 94 -c "Oracle Daemon" -d /home/oracle -s
/compat/linux/bin/bash -g dba -G oinstall,wheel
7 配置oracle用户环境
mkdir /home/oracle
chown oracle:dba /home/oracle
cd /home/oracle
编辑.profile配置oracle用户环境:
PATH=/compat/linux/bin:/compat/linux/sbin:compat/linux/usr/bin:/compat/
linux/usr/sbin:/home/oracle/920/bin:/sbin:/bin:/usr/sbin:/usr/bin:/usr/
local/sbin:/usr/local/bin:/usr/X11R6/bin; export PATH
ORACLE_BASE=/home/oracle; export ORACLE_BASE
#下面一个是安装oracle的目录
ORACLE_HOME=/home/oracle/920; export ORACLE_HOME
LD_LIBRARY_PATH=$ORACLE_HOME/lib:$LD_LIBRARY_PATH; export LD_LIBRARY_PATH
ORACLE_SID=ORCL; export ORACLE_SID
ORA_NLS33=$ORACLE_HOME/ocommon/nls/admin/data; export ORA_NLS33
export DISPLAY=:0
三 安装准备
下载oracle9i(9.2.0) for linux的三个文件在一个足够大小(>2G)空间解压缩最后得到三个目录:Disk1,Disk2,Disk3。
四 安装
1 以oracle用户登录
2 进入X
startx
3 在X中打开一个终端窗口,在窗口中运行安装程序
cd /path/Disk1
./runInstaller
安装程序开始运行,出现界面后按提示选择进行安装,这与安装典型的
windows程序一样,安装时默认的临时文件在/tmp目录中,此时进入/tmp可看见oracle9i的安装目录和一些临时文件。
4 安装时的必须的手工干预
a 在刚开始安装会有一个窗口提示运行一个脚本,这时可在另一个终端窗口中先以root身份在/compat/linux/etc中创建一个名为oraInst.loc的文件并将属主设为oracle
cd /compat/linux/etc
touch oraInst.loc
chown oracle:dba oraInst.loc
然后以oracle身份运行脚本,之后继续安装。
b 在安装部分完成后在连接数据库的过程中有一个错误出现(与ins_ctx.mk有关),此时可选忽略,不会引响数据库的基本功能,但在Agent配置时会出错,其它正常。我不知道是否每一次安装都会有这个错误,也不知道是什么原因造成了这个错误。
    c 最后一个无需手工干预的地方在数据库配置以前要以root身份运行$ORACLE_HOME/root.sh,此时观察其输出,不能有任何错误,如果有则是因为什么程序找不到造成的,可以修改这个脚本将指定所提示的程序的正确路径就可以了。
  5 安装后根据需要进行数据库配置,这与WINDOWS中是一样的。
 五 安装后启动数据库
  1 重启系统
  2 以oracle身份登录
  3 启动数据库
  在初次启动数据库时,要先将initORCL.ora这个文件(在你指定的全局数据名所在的目录下的pfile目录中)复制到$ ORACLE_HOME/dbs目录中,并在dbs目录中将oraPW.(全局名)的一个文件复制一份名为oraPW,然后就可以正常启动数据库了。
 六 总结
  从使用来看,直接在机器上使用sqlplus进行查询,感觉不到有什么不同,至于效率还未测试。不足之处请各位批评,并请高手修正安装中的错误。

来自 “ ITPUB博客 ” ,链接:http://blog.itpub.net/9417382/viewspace-937459/,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/9417382/viewspace-937459/

基于 Logistic 混沌映射和 Arnold 变换 的变换域水印改进算法【高级网络与信息安全技术-信息隐藏期末课程论文】 摘要:\textbf{摘要:}摘要:本文提出了一种新的水印算法是一种图像认证的新方法。算法首先使用Logistic混沌映射加密水印图像,然后使用Arnold变换置乱水印。同时改变了水印图像的像素位置和像素值,大大提高了算法的安全性。再使用DCT变换嵌入水印,并且结合人类视觉系统的特点来提升水印嵌入的透明性。实验结果表明,本文提出的水印算法可以大幅度提高水印嵌入的透明性与安全性的同时,并不降低算法的鲁棒性。注:完整的代码和论文在文末,百度网盘链接。 阅读详情

相关推荐

用AT7456E给监控摄像头加OSD?5步搞定时间水印和Logo叠加

本文详细解析了如何使用AT7456E视频字符叠加芯片为监控系统添加专业级OSD功能,涵盖硬件设计、字符库编程和系统集成等关键步骤。通过5步操作实现时间水印和Logo叠加,提升监控系统的可用性和专业性,特别适合安防和工业视觉应用。

sea99的博客 1012

(7)FreeBSD 9.0下安装oracle9i

FreeBSD 9.0下安装oracle9i 经过一番努力,终于在FreeBSD 9.0下成功安装了oracle 9i,所以将安装方法写出来,和大家一起分享。 一、配置内核 1、以root身份登陆到FreeBSD。 2、#cd /usr/src/sys/i386/conf 3、#cp GENERIC KERNEL_CUSTOMIZE 4、修改KERNEL_CUS

hot_zcy2012的专栏 1145

Rk3128投影仪救砖操作和固件分享思路

大家搞一条比较硬的东西,插入耳机口,就可以进入刷机模式了的,我的机器是这样的,大家也可以试试。(看不懂可以往下看)

MMX7088的博客 1万+

oracle9.0安装,FreeBSD 9.0下安装oracle9i

FreeBSD9.0下安装oracle9i小狼@http://blog.csdn.net/xiaolangyangyang一、配置内核1、以root身份登陆到FreeBSD。2、#cd /usr/src/sys/i386/conf3、#cp GENERIC KERNEL_CUSTOMIZE4、修改KERNEL_CUSTOMIZE文件,在其中加入如下内容:# Begin For Oracle Ins...

weixin_29322553的博客 336

高分辨率航拍图像的目标检测切图优化策略

本文深入探讨了高分辨率航拍图像目标检测中的切图优化策略。针对大尺寸图像直接缩放导致小目标信息丢失的问题,文章详细阐述了基于重叠切割的核心方法,包括如何根据目标尺寸确定切图尺寸与重叠率,并提供了从切图到坐标还原的完整代码实现与避坑指南,有效提升检测精度与效率。

xk7n92h3p5m的博客 1113

2D Nesting Defining a CSV File of Part Data

若。

qq_36560674的博客 1836

BSD下安装Oracle

无可否认FreeBSD是最优秀的操作系统之一,但缺少大型商业数据库的支持阻碍了FreeBSD走向高端和企业应用,Oracle作为数据库的领头雁,如果能够在FreeBSD上安家,则是我等FreeBSD FANS的一个鼓舞。经过两天的努力并参考了一个俄文网站的关于在FreeBSD上安装ORACLE8i的介绍,成功地在FreeBSD5.2上安装的ORACLE9i。以下是安装手记。 一 内核配置 # Ad

1378

一文搞懂 Transformer 工作原理 !!

本文将从单头Attention工作原理多头Attention工作原理全连接网络工作原理三个方面,实现一文搞懂Transformer的工作原理。Transformer工作原理。

不要给自己设限,尝试更多可能(思所向 皆可往) 2990

FreeBSD 5.0RC1下安装Oracle 9i(转)

FreeBSD 5.0RC1下安装Oracle 9i[总结],sql,sql教程,Oracle基础花了好几天进行Oracle 9i在FreeBSD 5.0RC1下的安装,虽然最终并没有获得成功。但是收获良多。因为我并不是一定要在...

cuankuangzhong6373的博客 209

第四天 Labview交互也很轻松(4.1 DAQ数据采集)

LabVIEW DAQ数据采集有很大的优势,NI提供了超过5千万条I/O通道,支持多种主流总线(如USB、PCI、PCIe、PXI等),并为所有这些设备提供统一的编程接口,实现软硬件的无缝集成。LabVIEW包含全套范例,覆盖各类应用,用户无需从头创建整个数据采集系统,可以快速启动并执行这些范例程序。所有NI DAQ硬件都采用NI-DAQmx驱动程序,支持多种编程语言,并包含了这些编程语言的示例代码,使得与NI硬件的通信变得更加便捷。

weixin_38637405的博客 2617

ValueError:Using a `device_map`, `tp_plan`, `torch.device` context manager or setting `torch.set解决方案

本文主要介绍了ValueError:Using a `device_map`, `tp_plan`, `torch.device` context manager or setting 'torch.set_default_device(device)` requires `accelerate`解决方案,希望能对使用transformers的同学们有所帮助。 文章目录 1. 问题描述 2. 解决方案

weixin_43178406的博客 3万+

安装 FreeBSD

<br />注: 本文以最简单实用的方法进行,图文并茂,以 BSD 提供的伪图形界面安装为基础,打造史上安装 BSD 的最经典图文教程.高级安装请参看官方手册[中]Manual[En] .<br /> 操作过程中注意 [Tab], [Space], [Home], [PageDown], [Left], [Right], [Up], [Down] 等按键的使用.如果一个不小心按快了,没关系的,可以再直按 [Tab] 循环回来,也可以组合使用 [Shift] + [Tab] 来往回切.<br

ouyangzhan的专栏 1022

VB摄像头监控

该VB模块可对摄像头捕获的画面进行录像等,可在创建的窗口进行控制

在freebsd下安装oracle

Установка Oracle8i 8.1.7.4 на FreeBSD шаг за шагомВячеслав Иванченкоivi@dhs.net.ru>$FreeBSD: doc/ru_RU.KOI8-R/articles/oracle/article.sgml,v 1.36 2003/07/14 03:12:47 ivi Exp $Что

3794

老版QQ原生表情gif动态

这是老版的QQ表情,不过全是动态的的,Windows照片查看器是不会动的,可以右击用浏览器打开查看,再说一遍是老版的,只是分享给宁愿用老版也要动态的人。

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&#39;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(&#39;DeepLearnToolbox&#39;));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(&#39;state&#39;,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&#39;); % Visualize the RBM weights%% ex2 train a 100-100 hidden unit DBN and use its weights to initialize a NNrand(&#39;state&#39;,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 = &#39;sigm&#39;;%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, &#39;Too big error&#39;);```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(&#39;state&#39;,0)sae = saesetup([784 100]);sae.ae{1}.activation_function = &#39;sigm&#39;;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)&#39;)% Use the SDAE to initialize a FFNNnn = nnsetup([784 100 10]);nn.activation_function = &#39;sigm&#39;;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, &#39;Too big error&#39;);```Example: Convolutional Neural Nets---------------------```matlabfunction test_example_CNNload mnist_uint8;train_x = double(reshape(train_x&#39;,28,28,60000))/255;test_x = double(reshape(test_x&#39;,28,28,10000))/255;train_y = double(train_y&#39;);test_y = double(test_y&#39;);%% 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&#39;ll get around 1.2% errorrand(&#39;state&#39;,0)cnn.layers = { struct(&#39;type&#39;, &#39;i&#39;) %input layer struct(&#39;type&#39;, &#39;c&#39;, &#39;outputmaps&#39;, 6, &#39;kernelsize&#39;, 5) %convolution layer struct(&#39;type&#39;, &#39;s&#39;, &#39;scale&#39;, 2) %sub sampling layer struct(&#39;type&#39;, &#39;c&#39;, &#39;outputmaps&#39;, 12, &#39;kernelsize&#39;, 5) %convolution layer struct(&#39;type&#39;, &#39;s&#39;, &#39;scale&#39;, 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, &#39;Too big error&#39;);```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(&#39;state&#39;,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, &#39;Too big error&#39;);%% ex2 neural net with L2 weight decayrand(&#39;state&#39;,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, &#39;Too big error&#39;);%% ex3 neural net with dropoutrand(&#39;state&#39;,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, &#39;Too big error&#39;);%% ex4 neural net with sigmoid activation functionrand(&#39;state&#39;,0)nn = nnsetup([784 100 10]);nn.activation_function = &#39;sigm&#39;; % 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, &#39;Too big error&#39;);%% ex5 plotting functionalityrand(&#39;state&#39;,0)nn = nnsetup([784 20 10]);opts.numepochs = 5; % Number of full sweeps through datann.output = &#39;softmax&#39;; % 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, &#39;Too big error&#39;);%% 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(&#39;state&#39;,0)nn = nnsetup([784 20 10]); nn.output = &#39;softmax&#39;; % 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, &#39;Too big error&#39;);```[![Bitdeli Badge](https://d2weczhvl823v0.cloudfront.net/rasmusbergpalm/deeplearntoolbox/trend.png)](https://bitdeli.com/free "Bitdeli Badge")

FreeBSD-5.2下安装ORACLE9i手记(1)(转贴)出处:freebsdchina

FreeBSD-5.2下安装ORACLE9i手记出处:freebsdchina责任编辑:leelee[04-7-28 16:30] 作者:jxngzhl   无可否认FreeBSD是最优秀的操作系统之一,但缺少大型商业数据库的支持阻碍了FreeBSD走向高端和企业应用,Oracle作为数据库的领头雁,如果能够在FreeBSD上安家,则是我等FreeB

999

RU DOS版、EFI版32bit/64bit BIOS常用工具

DOS版、EFI版的RU工具,可用来查看IO、MEM、PCI、SMBIOS等资源。亲测在EFI SHELL下可用。

FreeBSD-5.2下安装ORACLE9i手记(2)(出处:freebsdchina)

FreeBSD-5.2下安装ORACLE9i手记出处:freebsdchina责任编辑:leelee[04-7-28 16:30] 作者:jxngzhl 6 添加oracle用户组和用户 pw groupadd -n dba -g 94 pw groupadd -n oinstall -g 95 pw useradd -n oracle -u

1361

FreeBSD-5.2下安装ORACLE9i手记 出处:www.FreeBSDChina.org

无可否认FreeBSD是最优秀的操作系统之一,但缺少大型商业数据库的支持阻碍了FreeBSD走向高端和企业应用,Oracle作为数据库的领头雁,如果能够在FreeBSD上安家,则是我等FreeBSD FANS的一个鼓舞。经过两天的努力并参考了一个俄文网站的关于在FreeBSD上安装ORACLE8i的介绍,成功地在FreeBSD5.2上安装的ORACLE9i。以下是安装手记。 一

1055

FreeBSD 5.0RC1下安装Oracle 9i[总结]

花了好几天进行Oracle 9i在FreeBSD 5.0RC1下的安装,虽然最终并没有获得成功。但是收获良多。因为我并不是一定要在FreeBSD下使用Oracle,作这次安装测试有点废物利用的意味。没有成功,但是也算是全败。至少证明:VIA C3 1G这个CPU还行,FreeBSD5.0的性能不错,至少在编译时要比我安装过的Mandrake和Redhat快。Oracle9i不能用与这么低的配置

婷婷小屋 406

php oracle 8.1.7,在FreeBSD上安装Oracle-8.1.7forLinux及配置apache+php+oracle

请参考http://www.kiwi-us.com/~tokuda//FreeBSD/oracle816.html。系统类型及软件准备:FreeBSD-4.2releaselinux_base(/usr/ports/emulator/linux)linux_devtools(/usr/ports/devel/linux_devtools)bzip2jre118_v3-glibc-2.1.3.ta...

weixin_33050129的博客 356

How-To] 在FreeBSD 3.x 下安裝 Oracle 8.0.5

?http://140.138.144.144/~freebsd/application/oracle/oracle.htm發信人: nekobe.bbs@hikaru.tku.net (Cyberexistence), 看板: BSD標 題: [How-To] 在FreeBSD 3.x 下安裝 Oracle 8.0.5發信站: 迷你圈圈站 (Thu Jan 6 01:16:41 2000

1103

Free12.2 安装Oracle JDK1.8

kldload linux kldload linux-64 kld 安装portsnap 更新portsnap 安装axel 设置axel下载线程30 安装portmanager 使用portmanager -a 更新portsnap 下载jdk-8u241-linux-x64.tar.gz 上传jdk-8u241-linux-x64.tar.gz到虚拟机 cd /usr/ports/java/linux-oracle-jdk18 make install clean ...

crazy_rays的专栏 973

FreeBSD 最小化安装 +diablo-jdk +Apache 与 Tomcat 整合 !

这篇文章算是补交很久之前的一篇作业,也顺便平息坛子里面很多同学的疑问!我先说明一下配置环境的大概情况: OS FreeBSD 6.2-RELEASE JDK diablo-jdk-1.5.0.07.01

白日放歌须纵酒,青春作伴好还乡。 2万+

freebsd mysql utf8_FreeBSD下安装mysql支持GBK字符集

在FreeBSD下安装mysql支持GBK字符集:#cd/usr/ports/databases/mysql51-server# make WITH_CHARSET=gbk WITH_XCHARSET=all WITH_PROC_SCOPE_PTH=yes BUILD_OPTIMIZED=yes BUILD_STATIC=yes SKIP_DNS_CHECK=yes WITHOUT_INNODB=...

weixin_39717110的博客 108

FreeBSD用户管理:adduser、pw与lock的底层原理与安全实践

FreeBSD用户管理并非Linux的简化复刻,而是一套基于显式授权、双层密码数据库(/etc/master.passwd与/etc/passwd)和原子操作引擎的严谨权限体系。其核心工具adduser提供交互式封装,pw作为底层命令直接驱动pwd_mkdb重建数据库,lock则特指对master.passwd中密码字段的原子置空(*LOCKED*),而非GUI锁屏。该机制保障了SSH认证、Jail UID映射、ZFS快照协同等关键场景的安全性与一致性。在FreeBSD 15.1中,pw已原生支持LDAP集

weixin_30753873的博客 464

强烈推荐 Oracle 9I & 10G For Linux 32bit 下载地址

强烈推荐 Oracle 9I & 10G For Linux 32bit 下载地址 当然内面还有很多可能你也很想要的东西^_^http://61.132.102.124/ 速度超快^_^ CentOS-4.2-i...

173

(转)修改 Oracle9i 8080端口问题

Oracle 9i开始,创建数据库时默认包含了XDB特性。一旦启动了数据库和Listener,Oracle XDB的http服务就占用8080端口,刚好和JBoss、Tomcat等默认端口冲突。除了修改Tomcat等外,还可以修改XDB的配置。Oracle XDB的端口设置不在配置文件中,而是在数据库里。修改XDB的http和ftp服务端口的方法有3种: 1.使用sys登录Oracle

jackyrongvip的专栏 567

freebsd sql client

We have pl/sql in windows, now we have sqldeveloper in FreeBSD.

我的一亩二分地 748
上一篇: ASSM内部存储研究大揭密(转)
下一篇: Oracle下的数据分片技术(转)
congwan5321
博客等级 码龄11年 1粉丝 0原创
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
 
 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